افضل ذكاء اصطناعي يتكلم عربي: Claude Opus يتصدر روبوتات الدردشة الكبرى في اختبار ستانفورد للعربية

ما أفضل ذكاء اصطناعي للغة العربية؟

Claude Opus هو الأفضل بين روبوتات الدردشة الكبرى للغة العربية، ويتفوق عليه متخصصان عربيان. يدير مركز CRFM في ستانفورد لوحة HELM Arabic بالشراكة مع Arabic.AI. تقيّم اللوحة 41 نموذجًا على سبع مجموعات اختبار عربية، من أسئلة الامتحانات المدرسية إلى إجابات مبنية على مستندات مسترجعة. هذا إصدار 25 يونيو 2026، ومتوسط الدرجات من 100:

تتقارب أفضل ثلاثة روبوتات عامة في حدود نقطتين. يتصدرها Claude Opus بـ84.1، ويتعادل GPT وGemini Flash عند 82.5. وفوقها يسجّل LLM-X من Arabic.AI النتيجة 91.9، ويسجّل نموذج مدرج باسم incept-arabic-1 النتيجة 88.3. وتحتها النماذج العربية الأقدم: ALLaM 7B عند 70.8 وعائلة Jais ذات 30 مليار معامل عند 64.5. وتجدر الإشارة إلى أن Arabic.AI شريك ستانفورد في اللوحة نفسها، فاقرأ تصدّره بهذا الاعتبار.

اقرأ الرسم مع تحفظ واحد. تُطفئ HELM وضع التفكير، وتستبعد أي نموذج لا يمكن إطفاؤه. لا يوجد أي نموذج Gemini Pro على اللوحة، فتظهر Google بنموذج Flash فقط. وعائلة GPT-6 وJais 2 غائبتان كذلك. لذا يتصدر Claude Opus الروبوتات التي اختبرتها ستانفورد، لا كل الروبوتات، وفي اختبارنا أدناه تعادل معه GPT Astra. وللمقارنة الأوسع بين المساعدين الكبار الثلاثة، راجع ChatGPT مقابل Claude مقابل Gemini.

كيف أدت 17 نموذجًا في أسئلة Whizi العربية؟

تعادل GPT Astra وClaude Opus في الصدارة بإجابة 4 من 5 أسئلة عربية. هذا من Multilingual LLM Bench الذي شغّلناه يوم 2 أكتوبر 2026. حصل كل نموذج على الأسئلة الخمسة نفسها في كل لغة من 30 لغة، بمستوى استدلال منخفض. صُحّحت كل إجابة وفق مفتاح موثّق مصدره، وحصلت الإجابة بلغة خاطئة على صفر.

خمسة أسئلة عينة صغيرة. يحرّك سؤال واحد درجة النموذج في العربية بمقدار 20 نقطة، فاعتبر هذا ترتيبًا تقريبيًا لا تصنيفًا.

التوزيع حسب نوع السؤال هو الجزء الذي لا تعرضه أي لوحة صدارة. كانت الوقائع وحساب التواريخ جيدة. أما الأمثال فلا:

يصف كل سؤال في الأمثال قولًا مأثورًا بمعناه ويطلب القول نفسه. أخطأ خمسة عشر نموذجًا في الأول وستة عشر في الثاني، ولم ينجح أحد في السؤالين معًا. أجاب Claude Opus عن أحدهما، وأجاب GPT Astra وClaude Fable عن الآخر.

سؤال التقويم هو البند العربي الوحيد الذي ننشره. يؤرّخ صكًّا في القاهرة بتاريخ 23 رجب 1219 هـ على التقويم الهجري الجدولي، ويعطي القواعد، ويطلب يوم الأسبوع والتاريخ الميلادي بعد 100 يوم. أجاب أحد عشر نموذجًا من 17 بأنه الثلاثاء 5 فبراير 1805.

لا تستخدم الاختبار لمقارنة العربية بلغات أخرى. بلغ متوسط العربية 41.2% عبر النماذج الـ17، والإسبانية 25.9%. وهذا يقول عن صعوبة الأسئلة الخمسة في كل لغة أكثر مما يقوله عن اللغة نفسها.

هل ChatGPT جيد في اللغة العربية؟

نعم، ChatGPT جيد في العربية الفصحى الحديثة. سجّل GPT من OpenAI النتيجة 82.5 على HELM Arabic في يونيو 2026، بمستوى Gemini Flash وأقل من Claude Opus بـ1.6 نقطة. وتشير أرقام OpenAI نفسها في الاتجاه ذاته. فنتائج simple-evals تضع نموذج الاستدلال o3 عند 0.904 في العربية و0.906 في الفرنسية، على اختبار MMLU أعاد مترجمون محترفون كتابته بـ14 لغة.

تنشر Anthropic رقمًا من النوع نفسه. فـصفحة الدعم متعدد اللغات لديها تضع Claude Sonnet 4.5 عند 97.2% من درجته الإنجليزية في العربية، والنموذج الأصغر Claude Haiku 4.5 عند 92.5%. أي أن العربية في الروبوت الكبير قريبة من لغة من الدرجة الأولى.

المشكلة في اللهجة. فالروبوت الذي يكتب فصحى سليمة كثيرًا ما يجيب عن سؤال مصري أو مغربي بالفصحى رغم ذلك، وهذا موضوع القسم التالي.

هل يكتب الذكاء الاصطناعي باللهجات العربية أم بالفصحى فقط؟

يفهم الذكاء الاصطناعي اللهجات العربية أفضل مما يكتبها. اختبرت دراسة AL-QASIDA تسعة نماذج، منها GPT-4o، على ثماني لهجات من الجزائرية إلى السورية. ويكتب مؤلفوها «LLMs do not produce DA as well as they understand it»، وتعني DA العربية اللهجية. وجدوا النماذج طلقة بما يكفي لكنها متحفظة. ويعزون جزءًا من ذلك إلى مرحلة ما بعد التدريب، ووجدوا «that few-shot examples can overcome this deficiency.»

لا تستطيع لوحات الصدارة أن تُريك هذا. ست من مجموعات HELM العربية السبع اختيار من متعدد، ولا واحدة منها تقيّم ردًّا مكتوبًا بلهجة. أما Open Arabic LLM Leaderboard، الذي يديره فريق OALL مع 2A2I وTII وHugging Face، فقد أعاد بناء اختباراته في فبراير 2025 وحذف المترجمة آليًا. وشرح فريقه السبب: «Many tasks were direct translations from English, which frequently introduced linguistic and contextual mismatches.» وهو مبني للنماذج المفتوحة: يرفعها المجتمع وتشغّلها أجهزة TII، وكل نموذج يذكره منشور إطلاقه نموذج مفتوح. لذلك لن يُريك موقع ChatGPT أو Claude.

يقول المختبرات العربية الشيء نفسه عن تدريبها. فمنشور TII عن Falcon-H1 Arabic بتاريخ 5 يناير 2026 يقول إن «Arabic is not monolithic» وإنها وسّعت مصادر اللهجات المصرية والشامية والخليجية والمغاربية.

لذا حدّد اللهجة في طلبك. سمِّها، وسمِّ مدينة، وأرفق حواريْن قصيريْن. الصق هذا وبدّل اللهجة:

```

رُدّ بالعربية المصرية فقط، بالطريقة التي يتكلم بها الناس في القاهرة، لا بالفصحى. حافظ على هذه اللهجة حتى لو انتقلت إلى الفصحى أو الإنجليزية. اتبع أسلوب هذين الحوارين:

أنا: ازيك؟ عامل ايه النهارده؟

أنت: الحمد لله كويس، وانت عامل ايه؟

أنا: عايز اروح الأهرامات بكرة، أسهل طريقة ايه؟

أنت: أسهل حاجة تاخد تاكسي أو أوبر من وسط البلد.

الآن رُدّ على رسالتي التالية باللهجة نفسها.

```

بدّل «المصرية» و«القاهرة» بالخليجية ودبي، أو الشامية وبيروت، أو المغربية والدار البيضاء، وأعد كتابة المثالين بتلك اللهجة. اجعل الأمثلة قصيرة. واستخدم صياغتك الخاصة إن استطعت، فالنموذج ينسخ ما يراه.

أي ذكاء اصطناعي عربي أصلي تجرّب: Jais أم HUMAIN Chat أم Fanar أم Falcon؟

Jais Chat وHUMAIN Chat هما روبوتا الدردشة العربيان الأصليان اللذان يمكنك تنزيلهما اليوم، وكلاهما مجاني. المختبرات الخليجية خلفهما سريعة الإصدار، فقرأنا صفحة كل جهة بنفسها في أكتوبر 2026:

كل مختبر يقيّم نفسه بمقاييسه الخاصة، فاقرأ ادعاءاتهم على أنها ادعاءات. تضع بطاقة نموذج Inception نموذج Jais 2 70B عند 70.71 في اختبار AraGen التوليدي، مقابل 62.58 لـQwen2.5 72B، لكنها تقارن بالنماذج المفتوحة فقط. وتقول TII إن Falcon-H1 Arabic 34B يسجّل نحو 75% على Open Arabic LLM Leaderboard.

الأرقام المستقلة أقل رفقًا بالنماذج العربية الأقدم. على HELM Arabic سجّل ALLaM 7B النتيجة 70.8 وعائلة Jais ذات 30 مليار معامل 64.5، مقابل 84.1 لـClaude Opus. وكتب فريق ستانفورد أن النماذج المفتوحة المخصصة للعربية «underperformed» وأن هذا «may be explained by the age of these models.» وJais 2 وFalcon-H1 Arabic أحدث من نسختي Jais وFalcon الموجودتين على تلك اللوحة.

اختر تطبيقًا محليًا حين تكون البيانات أو اللهجة محلية. تستضيف HUMAIN تطبيق HUMAIN Chat في السعودية التزامًا بنظام حماية البيانات في المملكة، بحسب تغطية الإطلاق. أما العمل المختلط بين العربية والإنجليزية فلا تزال الروبوتات الكبرى تتفوق فيه على النماذج العربية الأقدم على HELM، اللوحة الوحيدة التي تقيّم النوعين.

أين يناسب Whizi اللغة العربية؟

Whizi منتجنا، فهنا ما يفيد فيه وما يخسر فيه. تعمل الواجهة بالعربية من اليمين إلى اليسار. تتضمن Pro بسعر $29.99 شهريًا كلًّا من Claude Opus وGemini Pro وChatGPT Sol وKimi K3، وتتيح محادثات النماذج جنبًا إلى جنب تمرير طلب عربي واحد عبر نموذجين في آن واحد، ويُحتسب كل منهما بسعره. أما GPT Astra، المتفوق الآخر في اختبارنا، فيحتاج إلى Powerhouse بسعر $49.99. وتضم Starter بسعر $15.99 النموذج ChatGPT Luna، الذي أجاب عن سؤالين من 5 من أسئلتنا العربية، وClaude Haiku. ويخسر Whizi في الجانب المحلي. فلا يتضمن أي نموذج من Jais أو ALLaM أو Fanar أو Falcon، فإن أردت استضافة بيانات في السعودية أو متخصصًا في لهجة خليجية فـHUMAIN Chat أو Jais Chat أفضل. وتشرح محادثات النماذج جنبًا إلى جنب كيف تعمل المقارنة.