Deepseek تعزز المنافسة في الذكاء الاصطناعي منخفض التكلفة بنموذج Flash أقوى
أطلقت Deepseek نسخة محدثة من نموذجها الاقتصادي للذكاء الاصطناعي V4 Flash “0731”، وتشير الأرقام الواردة في المصدر المقدم إلى تحول مهم في معركة السعر مقابل الأداء بالنسبة لنماذج اللغة الكبيرة الأقل تكلفة. ووفقًا لبيانات الاختبار المعياري المشار إليها في التقرير، يحقق النموذج زيادة قدرها عشر نقاط في Artificial Analysis Intelligence Index، ليصل إلى 50 نقطة. وهذا يضعه على بُعد نقطة واحدة فقط من GPT-5.6 Luna من OpenAI، بينما يعمل، بحسب المصدر نفسه، بتكلفة أقل بنحو 60 في المئة لكل مهمة.
هذا المزيج هو ما يجعل الإطلاق لافتًا. ففي سوق الذكاء الاصطناعي، أصبحت الفجوة بين القدرة المتقدمة وإمكانات النشر الميسور أحد أهم ميادين المنافسة التجارية. لا يحتاج النموذج إلى تصدر كل الاختبارات المعيارية بشكل مطلق كي يغير السوق. فإذا اقترب بما يكفي من ناحية الجودة مع خفض كبير في تكلفة التشغيل، فقد يبدل اختيارات المطورين وقرارات الشراء المؤسسي واقتصاديات توسيع منتجات الذكاء الاصطناعي إلى أحجام طلبات كبيرة.
لماذا يبرز هذا التحديث
يصور التقرير المقدم V4 Flash “0731” على أنه ترقية كبيرة، لا مجرد ضبط طفيف. ويُقال إن درجة النموذج في Artificial Analysis Intelligence Index ترتفع من 40 إلى 50، وهي قفزة كبيرة لنموذج موجود بالفعل في الفئة الاقتصادية. كما يوصف بأنه تحسن في جميع الفئات التي جرى اختبارها مقارنة بالإصدار السابق الذي أُطلق في أبريل 2026.
وسُجلت أكبر المكاسب في المهام الوكيلة agentic، وهي فئة مهمة بشكل خاص لأن كثيرًا من تطبيقات الذكاء الاصطناعي العملية تنتقل من المحادثات ذات الجولة الواحدة إلى استخدام الأدوات وتنفيذ سير العمل والمساعدة الممتدة متعددة الخطوات. وإذا نجح نموذج منخفض التكلفة في تضييق الفجوة في هذا المجال، فسوف يصبح أكثر قابلية للاستخدام في أعمال المكاتب والعمليات الفعلية، لا في التفاعلات الاستهلاكية الخفيفة فقط.
ويذكر المصدر أيضًا تحسينات في GDPval، وهو معيار مصمم لاختبار النماذج في أعمال المكاتب المعقدة الواقعية. وهناك، يُقال إن Deepseek V4 Flash “0731” ارتفع من 1,189 إلى 1,559 نقطة Elo. وهذا ارتفاع كبير ضمن الإطار الذي يقدمه المقال، ويدعم الفكرة الأوسع بأن التحديث لا يقتصر على فئة ضيقة واحدة من المعايير.
ومن التحسينات العملية الأخرى التي يذكرها المصدر انخفاض معدل الهلوسة. وبالنسبة للمطورين والمشترين، لا تقل هذه النقطة أهمية عن المكاسب الخام في الاختبارات المعيارية. فالنموذج الرخيص الذي ينتج إجابات مختلقة بشكل متكرر قد يصبح مكلفًا عندما تُضاف إليه آليات التحقق وإعادة المحاولة والمراجعة البشرية. وإذا ثبت انخفاض الهلوسة في بيئات الإنتاج، فقد يكون لذلك أثر مباشر في جودة النشر والتكلفة الإجمالية للملكية.
قد تكون الاقتصاديات هي القصة الأكبر
السعر محور أساسي في صياغة المقال. ويقول التقرير إن نموذج Deepseek يكلف نحو 60 في المئة أقل لكل مهمة من GPT-5.6 Luna من OpenAI، حتى بعد أن كانت OpenAI قد خفضت سعر Luna بالفعل بنسبة 80 في المئة. كما يشير إلى خصم تخزين مؤقت cache بنسبة 98 في المئة من Deepseek، مقارنة بـ 90 في المئة كمعيار صناعي، باعتباره سببًا مهمًا لهذه الأفضلية. إضافة إلى ذلك، يُقال إن النموذج الجديد يستخدم عددًا أقل من الرموز tokens بنسبة 12 في المئة مقارنة بسابقه.
هذه التفاصيل مهمة لأن اقتصاديات الذكاء الاصطناعي باتت تتشكل بشكل متزايد بفعل أنماط الاستخدام، وليس الأسعار المعلنة فقط. فخصومات التخزين المؤقت تكافئ المطالبات المتكررة وسير العمل القابل للتنبؤ. كما أن خفض استخدام الرموز يقلل التكلفة وزمن الاستجابة في الوقت نفسه. وبالاجتماع، يمكن لهذه العوامل أن تجعل النموذج يبدو أرخص بكثير في الواقع مما توحي به مقارنة أسعار الإدخال والإخراج وحدها.
بالنسبة للفرق التي تنشر agents ومساعدي البرمجة وتوسيع البحث أو أدوات المعرفة الداخلية، يمكن لهذا النوع من هيكل التسعير أن يغير خيارات البنية بشكل ملموس. فالنموذج الأضعف قليلًا في أحد المؤشرات، لكنه الأرخص بكثير في التشغيل، يصبح غالبًا أداة العمل الافتراضية للمهام ذات الحجم الكبير، مع حصر النموذج الأغلى في أصعب الحالات فقط.
الأوزان المفتوحة والسياق الطويل يزيدان الضغط
يقول المصدر إن البنية المعمارية بقيت من دون تغيير عند 284 مليار معلمة إجمالية، و13 مليار معلمة نشطة، ونافذة سياق بحجم مليون token. كما يذكر التقرير أن أوزان النموذج متاحة على Hugging Face تحت رخصة MIT.
هذا المزيج يعزز موقع Deepseek الاستراتيجي. إذ تظل نوافذ السياق الطويلة جذابة للأعمال المعتمدة على المستندات، كما أن رخصة MIT تخفف عوائق التبني والتجريب والتكامل التجاري. وفي سوق الذكاء الاصطناعي الحالي، قد تكون شروط الترخيص مهمة بقدر نتائج الاختبارات المعيارية تقريبًا. فالرخصة المتساهلة توسع دائرة الشركات والمطورين المستعدين للبناء فوق نموذج معين، لا سيما عندما تكون الحساسية تجاه الكلفة مرتفعة أصلًا.
وكون Deepseek أبقت على البنية الأساسية نفسها ومع ذلك حققت مكاسب كبيرة في الاختبارات، بحسب التقرير، يرسل أيضًا إشارة إلى أين تؤتي جهود التحسين ثمارها. فالتطورات لا تتطلب دائمًا عائلة نماذج جديدة بالكامل. ففي بعض الحالات، يمكن لتحديثات التدريب وطرق ما بعد التدريب وأعمال الكفاءة أن تنتج قفزة كافية لإعادة تموضع خط إنتاج قائم أمام المنافسين.
ما الذي يعنيه هذا للسوق
الخلاصة الأوسع ليست أن لوحة ترتيب اختبار معياري تحركت بنقطة واحدة، بل أن شريحة الذكاء الاصطناعي الاقتصادية أصبحت أكثر تنافسية وأكثر قدرة وأكثر أهمية استراتيجيًا. فما زال سوق النماذج المميزة مهمًا، لكن كثيرًا من التطبيقات الواقعية يُحسم في المنطقة الوسطى، حيث تكون الجودة كافية وتصبح تكاليف التوسع هي العامل الحاسم.
إذا ترجمت مزاعم الاختبارات الواردة إلى أداء أوسع في العالم الحقيقي، فإن Deepseek عززت موقعها بوصفها منافسًا جادًا في هذا القطاع. ويصف المصدر النموذج المحدّث صراحة بأنه يتصدر معيار السعر مقابل الأداء في المؤشر المشار إليه. وهذا النوع من التموضع قد يدفع إلى تبنيه بين البنائين الحريصين على الكلفة، وخاصة أولئك الذين يصممون أنظمة تعتمد على الاستدلال المتكرر بكميات كبيرة.
أما بالنسبة للمنافسين، بما في ذلك OpenAI، فالدلالة واضحة: ضغط الأسعار لا يتراجع، والتعادل في الاختبارات المعيارية بتكلفة أقل يمكن أن يغير سريعًا النقاش حول أي نموذج هو الخيار الافتراضي العملي. وبالنسبة للمشترين، يمثل هذا الإصدار تذكيرًا آخر بأن مركز الثقل في الذكاء الاصطناعي لم يعد يتعلق فقط بمن يملك أقوى نموذج رئيسي، بل أصبح بشكل متزايد متعلقًا بمن يستطيع تقديم ذكاء قابل للاستخدام بسعر قابل للتوسع.
النقاط الرئيسية
- يُقال إن Deepseek V4 Flash “0731” ارتفع إلى 50 نقطة في Artificial Analysis Intelligence Index، مقارنةً بـ 40 سابقًا.
- يذكر المصدر أن النموذج يتأخر عن GPT-5.6 Luna من OpenAI بنقطة واحدة، مع كلفة أقل بنحو 60 في المئة لكل مهمة.
- تحسينات المهام الوكيلة، وانخفاض استخدام الرموز، وخصم التخزين المؤقت بنسبة 98 في المئة تعزز جاذبيته في سوق النماذج الاقتصادية.
هذه المقالة مبنية على تقرير The Decoder. اقرأ المقال الأصلي.
Originally published on the-decoder.com