الإجابة المختصرة
من ناحية القدرة الخام على نطاق مراكز البيانات، يتصدر قوائم الصدارة في منتصف 2026 نموذج Kimi K3، الذي نشرت Moonshot أوزانه في يوليو 2026 بنافذة سياق تبلغ مليون رمز، ونموذج DeepSeek V4، الذي يسجّل إصداره Pro نسبة 80.6% في اختبار الترميز SWE-bench Verified بموجب ترخيص MIT. وكلاهما ينافس النماذج المغلقة المتقدمة في التقييمات العلنية.
لمعالج رسوميات واحد جيد، تُعد نماذج Qwen متوسطة الحجم الكثيفة الاختيار الافتراضي. ولحاسوب محمول بلا معالج رسوميات على الإطلاق، تُعد النماذج الصغيرة مثل Gemma السقف الواقعي. أما المطورون الذين يريدون فقط استدلالًا رخيصًا وقادرًا عبر واجهة برمجة تطبيقات، فإن Llama 3.3 70B وDeepSeek V3.2 يجيبان بجزء صغير جدًا من تكلفة النماذج المتقدمة.
والعنوان الصادق هو أن سؤال "أي نموذج مفتوح هو الأفضل" أصبح له نفس شكل الإجابة عن أي نموذج ذكاء اصطناعي يجب استخدامه بشكل عام: الأمر يعتمد على المهمة ومكان تشغيلها، وقد تقلّصت الفجوة مع النماذج المغلقة بما يكفي لأن يصبح السعر والترخيص هما الحاسمين غالبًا.
مفتوح المصدر أم أوزان مفتوحة؟ الترخيص هو ما يهم فعلًا
تسمية "مفتوح المصدر" تغطي ثلاث صفقات مختلفة، والفرق بينها غير واضح حتى يكلّفك شيئًا.
التراخيص المفتوحة الحقيقية (MIT وApache). تصدر DeepSeek إصداراتها بموجب MIT: استخدمها، عدّلها، وابنِ عليها منتجًا تجاريًا، دون شروط تستحق القلق. هذا هو المعنى الأكثر صرامة لمفتوح المصدر، وفي 2026 أخيرًا حملت عدة نماذج من الفئة المتقدمة هذا الترخيص.
أوزان مفتوحة بشروط. ترخيص Llama من Meta هو المثال الأشهر: الأوزان قابلة للتنزيل ومجانية لمعظم الناس، لكن الترخيص يقيّد عمليات النشر التجاري الضخمة جدًا واستخدامات معينة. يوضّح شرح Llama لماذا يُختلف حول هذا الفرق على الإنترنت.
أوزان مفتوحة بقيود بحثية. تسمح بعض الإصدارات بالاستخدام البحثي والشخصي فقط وتمنع النشر التجاري كليًا. اقرأ الترخيص قبل أن تبني عليه.
بالنسبة للفرد الذي يستخدم هذه النماذج عبر منتج محادثة، لا يغيّر أي من هذا شيئًا. أما الشركة التي تبني برنامجًا فوق أحد هذه النماذج، فالترخيص هو أول حقيقة يجب التحقق منها، قبل أي اختبار أداء.
أبرز النماذج المفتوحة في 2026، بالمقارنة
الأسعار هي أسعار واجهة برمجة التطبيقات المستضافة لكل مليون رمز من مؤشر تكلفة نماذج Whizi، المسحوبة في 2026-08-20 من أسعار قوائم OpenRouter. وأرقام الأداء هي النتائج التي أعلن عنها المطورون في قوائم الصدارة العلنية.
| النموذج | الترخيص | نافذة السياق | الإدخال / الإخراج لكل مليون رمز | حقيقة بارزة |
|---|---|---|---|---|
| Kimi K3 (Moonshot) | أوزان مفتوحة | 1M | $3.00 / $15.00 | نُشرت الأوزان في يوليو 2026، ويتصدر قوائم النماذج المفتوحة |
| DeepSeek V3.2 | MIT | 164K | $0.27 / $0.40 | إجابات من فئة النماذج المتقدمة بأسعار السلع الأساسية |
| DeepSeek V4 Pro | MIT | 1M | $1.19 / $3.56 | يسجّل 80.6% في اختبار SWE-bench Verified |
| Llama 4 Maverick (Meta) | ترخيص Llama | 1M | $0.20 / $0.80 | أرخص نافذة سياق بمليون رمز في المؤشر |
| Llama 3.3 70B (Meta) | ترخيص Llama | 131K | $0.10 / $0.32 | حصان العمل: موجود في كل مكان، وشبه مجاني |
| Mistral Large 3 | أوزان مفتوحة | 262K | $0.50 / $1.50 | أقوى إصدار مفتوح أوروبي |
| Qwen3.7 Flash | Apache | 1M | $0.03 / $0.13 | نافذة سياق بمليون رمز بأدنى سعر في فئتها |
هناك نمطان يستحقان الانتباه. أولًا، نوافذ السياق بمليون رمز، التي كانت ذات يوم ميزة تسويقية للنماذج المغلقة، أصبحت الآن معيارًا شائعًا في الإصدارات المفتوحة، ويتابع مقارنة نوافذ السياق الجدول الكامل. ثانيًا، الحد الأدنى للسعر يستمر في الانخفاض: يجيب Qwen3.7 Flash عن استعلام عادي بـ$0.000095 على مؤشر التكلفة، وهو ما يجعل تكلفة ألف إجابة أقل من عشرة سنتات.
كم تكلّف هذه النماذج فعليًا للتشغيل؟
يحسب مؤشر تكلفة Whizi سعر كل نموذج لإجابة واحدة قياسية، بـ1000 رمز إدخال زائد 500 رمز إخراج، حتى تصبح الأسعار المعلنة قابلة للمقارنة. وبهذا المقياس، لا تُعد النماذج المفتوحة أرخص بقليل من النماذج المغلقة المتقدمة، بل تنتمي إلى فئة اقتصادية مختلفة تمامًا.
تكلّف الإجابة القياسية من Llama 3.3 70B مبلغ $0.00026. ومن DeepSeek V3.2، $0.00047. ومن Kimi K3، وهو النموذج المفتوح الأغلى في المؤشر، $0.0105. أما النماذج المغلقة المتقدمة فتتراوح بين $0.0175 و$0.035 للإجابة نفسها، والفرق الكامل في المؤشر بين النموذج الأرخص والأغلى يبلغ نحو 2000 مرة. ألف إجابة من Llama 3.3 تكلّف 26 سنتًا، في حين يمكن أن يتجاوز سعر الألف نفسها من نموذج مغلق متقدم مبلغ $30.
لهذا تشغّل النماذج المفتوحة بهدوء الفئة السريعة أو الاقتصادية في كثير من منتجات الذكاء الاصطناعي، ولهذا تنتهي المهام ذات الحجم الكبير، كالتصنيف والاستخراج والتلخيص على نطاق واسع، إليها في الغالب. ويضم مؤشر التكلفة المباشر جدولًا كاملًا لـ100 نموذج مع حساب تكلفة كل إجابة.
والتحفظ الذي يجعل هذا الكلام صادقًا: تشغيل الأوزان بنفسك مجاني فقط إذا كان وقتك وأجهزتك مجانيين أيضًا. معالج رسوميات قادر على تشغيل نموذج بـ70 مليار معامل بشكل جيد هو شراء بأربعة أرقام، والنماذج متوسطة الحجم التي تناسب معالجًا استهلاكيًا واحدًا تضحّي بالقدرة في المقابل. ولمعظم الناس، الوصول المستضاف إلى النماذج المفتوحة يحقق ميزة السعر دون الحاجة إلى الأجهزة.
أي نموذج مفتوح لأي مهمة
المهام ذات الحجم الكبير والحساسة للتكلفة (التلخيص، الاستخراج، التصنيف): Llama 3.3 70B أو Qwen3.7 Flash. فبأجزاء من عُشر السنت للإجابة الواحدة، تكلفة الخطأ من حين لآخر أقل من تكلفة استخدام نموذج فاخر يكون صحيحًا.
البرمجة: DeepSeek V4 Pro أو إصدارات Kimi K3 المخصصة للبرمجة. تضعهما أرقام SWE-bench المعلنة في منافسة حقيقية مع مساعدي البرمجة المغلقين، وترخيص MIT يجعل DeepSeek الخيار الأكثر أمانًا للدمج داخل منتج. ويختبر مقال Claude في مقابل DeepSeek هذه المواجهة مباشرة.
المستندات الطويلة: أي من الإصدارات بنافذة سياق مليون رمز، مع Llama 4 Maverick كخيار اقتصادي بسعر $0.20 لكل مليون رمز إدخال.
التشغيل المحلي والخاص: نموذج Qwen متوسط الحجم على معالج رسوميات بذاكرة 24 جيجابايت، أو نماذج صغيرة من فئة Gemma على حاسوب محمول. الخصوصية كاملة، والقدرة متوسطة، ويغطي دليل Llama التوقعات الواقعية للتشغيل المحلي.
العمل متعدد اللغات والمستضاف أوروبيًا: Mistral Large 3، وهو النموذج المحوري في شرح Mistral أيضًا.
أين تخسر النماذج المفتوحة حتى الآن
الدليل الصادق يذكر الثغرات بوضوح، لأنها حقيقية وتحدد قرارات الشراء.
قمة الاستدلال. في أصعب مهام الاستدلال المتعدد الخطوات والمهام الوكيلية، لا تزال النماذج المغلقة المتقدمة تحتفظ بتفوقها في معظم التقييمات المنشورة. الفجوة تقلّصت بشكل كبير، لكنها لم تُغلق.
الصقل والمنتج. الأوزان المفتوحة تُشحن كأوزان فقط. أوضاع الصوت وأدوات البحث العميق والذاكرة وأنظمة التطبيقات هي هندسة منتج تجمعها الشركات المغلقة، بينما تتركها النماذج المفتوحة لمن يستضيفها.
ثبات الاستضافة. يمكن للنموذج المفتوح نفسه أن يعمل بشكل مختلف عبر مزوّدي الاستضافة تبعًا لخيارات التكميم والتقديم، وهو خلل لا تعرفه واجهات برمجة التطبيقات المغلقة. إذا بدا نموذج مفتوح أضعف فجأة، فمزوّد الاستضافة هو المتهم الأول قبل النموذج نفسه.
الدعم والمساءلة. حين يخطئ نموذج مغلق، هناك مزوّد مسؤول. وحين تخطئ أوزان مستضافة ذاتيًا، هناك فقط قسم تتبع المشكلات (issue tracker) على GitHub.
ثلاث طرق لاستخدام أحدها فعليًا
1. عبر مساحة عمل متعددة النماذج. الطريق الذي لا يحتاج إلى إعداد: يضم Whizi نماذج مفتوحة مثل Llama وDeepSeek وKimi وQwen وMistral جنبًا إلى جنب مع GPT وClaude وGemini، فيتوقف الاختيار بين المفتوح والمغلق عن كونه قرار اشتراك ويصبح قرارًا لكل سؤال على حدة. أرسل المهام الكبيرة إلى النماذج المفتوحة الرخيصة والاستدلال الصعب إلى نموذج متقدم في المحادثة نفسها.
2. عبر واجهة برمجة تطبيقات. بالنسبة للمطورين، النماذج المفتوحة المستضافة بالأسعار المذكورة أعلاه هي السبب الرئيسي للنظر إلى ما هو أبعد من مزوّدي النماذج المتقدمة في أعباء العمل الإنتاجية.
3. على أجهزتك الخاصة. أصبح Ollama وLM Studio يجعلان التشغيل المحلي سهلًا بالفعل الآن. اختر هذا الطريق للخصوصية أو الاستخدام دون اتصال، لا للتوفير: الكهرباء رخيصة لكن معالج الرسوميات ليس رخيصًا.
- تحقق من الترخيص قبل بناء أي شيء تجاري: ترخيصا MIT وApache غير مشروطين، بخلاف تراخيص من طراز Llama
- وجّه المهام ذات الحجم الكبير إلى النماذج المفتوحة أولًا، فالفرق في السعر لكل إجابة يتراوح بين 20 و100 مرة
- اعتبر اختبارات الأداء المعلنة قائمة أولية فقط، ثم اختبر النموذج على مهمتك الخاصة قبل الالتزام به
- إذا كان أداء نموذج مفتوح مستضاف ضعيفًا، جرّب مزوّد استضافة آخر قبل أن تلوم النموذج
- شغّل النموذج محليًا للخصوصية أو الاستخدام دون اتصال، لا لتوفير المال
- احتفظ بنموذج متقدم واحد متاحًا للمهام التي لا تزال الفجوة واضحة فيها
الأسئلة الشائعة
ما هو أفضل نموذج لغوي مفتوح المصدر حاليًا؟
في قوائم الصدارة المنشورة في منتصف 2026، يتصدر Kimi K3 بشكل عام بين الإصدارات المفتوحة، ويليه DeepSeek V4 Pro عن قرب محتفظًا بأقوى نتائج البرمجة بموجب ترخيص MIT الحقيقي. ولمعالج رسوميات واحد، تُعد نماذج Qwen متوسطة الحجم الاختيار المعتاد. ويتغيّر هذا الترتيب كل بضعة أشهر، فتعامل مع أي إجابة ثابتة كقائمة أولية فقط.
هل النماذج اللغوية مفتوحة المصدر جيدة بقدر ChatGPT أو Claude؟
في كثير من اختبارات الأداء المنشورة، تقترب أفضل النماذج المفتوحة الآن من النماذج المغلقة المتقدمة بفارق بسيط، وبالنسبة للأسئلة اليومية يصعب ملاحظة الفرق. وتحتفظ النماذج المغلقة بتفوقها في أصعب مهام الاستدلال وتأتي بصقل منتج أكبر بكثير: الصوت وأدوات البحث والذاكرة. وفي المهام ذات الحجم الكبير أو الحساسة للتكلفة، تكون النماذج المفتوحة غالبًا الخيار الأفضل.
هل النماذج اللغوية مفتوحة المصدر مجانية فعلًا؟
الأوزان مجانية للتنزيل، لكن الحوسبة ليست مجانية أبدًا. تشغيل نموذج قادر بنفسك يحتاج معالج رسوميات قويًا، والوصول المستضاف يُسعّر لكل رمز، لكن بتكلفة زهيدة جدًا: نحو $0.0003 للإجابة القياسية الواحدة من Llama 3.3 70B مقابل $0.02 أو أكثر لنموذج مغلق متقدم. مجاني بمعنى الترخيص، ورخيص بالمعنى العملي.
هل يمكنني تشغيل نموذج لغوي مفتوح المصدر على حاسوبي المحمول؟
نعم، مع توقعات معدّلة. تشغّل أدوات مثل Ollama وLM Studio نماذج صغيرة ومتوسطة الحجم على أجهزة استهلاكية، ويستطيع حاسوب محمول بلا معالج رسوميات قوي تشغيل النماذج الصغيرة. تحصل على خصوصية كاملة واستخدام دون اتصال، وتتنازل عن قدرة النماذج الكبيرة التي تحتاج إلى أجهزة مراكز بيانات أو مزوّد استضافة.
ما الفرق بين مفتوح المصدر والأوزان المفتوحة؟
مفتوح المصدر بالمعنى الدقيق يعني ترخيصًا مثل MIT أو Apache دون قيود جوهرية، وهو ما تحمله إصدارات DeepSeek وQwen. أما الأوزان المفتوحة فتعني أن النموذج قابل للتنزيل لكن الترخيص يفرض شروطًا، كترخيص Llama الذي يقيّد عمليات النشر التجاري الضخمة جدًا. الأفراد نادرًا ما يلاحظون الفرق، أما الشركات التي تدمج نموذجًا في منتجها فيجب أن تتحقق منه أولًا.
