النماذج مفتوحة المصدر: أين تقف مفتوحة الأوزان في 2026

في مايو 2023، كان 174 نقطة تفصل أفضل نموذج ذكاء اصطناعي مغلق عن أفضل نموذج مفتوح في تصنيف Arena، حيث يقارن مستخدمون إجابات نموذجين دون معرفة هويتهما. وفي أغسطس 2024، لم يعد الفارق سوى 7 نقاط. وفي مارس 2026، عاد فارتفع إلى 49. وتبين هذه الأرقام، المأخوذة من AI Index 2026 الصادر عن جامعة ستانفورد، أن النماذج التي يمكن تنزيلها وتشغيلها محليا تبقى قريبة من الأفضل دون أن تتجاوزها، وأن الفارق يتذبذب بإيقاع إصدارات بضع شركات.

الأوزان المفتوحة والمصدر المفتوح: ما تغطيه الكلمات

النموذج اللغوي برنامج يقرأ نصا وينتج نصا، بعد تدريب على مدونات هائلة. ما تعلمه مخزن في معاملاته، وتسمى أيضا أوزانا: مليارات من الأعداد ضبطت أثناء التدريب. والنموذج مفتوح الأوزان هو نموذج نشرت هذه الأعداد وصارت قابلة للتنزيل. فيستطيع أي شخص حينئذ تشغيله على جهازه، أو تكييفه، أو دراسته. أما النموذج المغلق فلا يتاح إلا عبر واجهة ناشره: نرسل إليه طلبا فيعيد إجابة، وتبقى أوزانه على خوادم الناشر.

يستخدم تعبير «مفتوح المصدر» كثيرا للحالتين الأوليين، وهذا خطأ بالمعنى الدقيق. فقد نشرت Open Source Initiative، المنظمة المرجعية لتراخيص البرمجيات الحرة، في أواخر أكتوبر 2024 الإصدار 1.0 من تعريفها للذكاء الاصطناعي مفتوح المصدر. وهو يشترط ثلاثة عناصر: معلومات مفصلة بما يكفي عن بيانات التدريب بحيث يستطيع شخص كفء إعادة بناء نظام مماثل، والشيفرة الكاملة المستخدمة لتدريب النموذج وتشغيله، والمعاملات نفسها.

تنشر معظم النماذج المعروفة العنصر الثالث، وأحيانا جزءا من الثاني، وتقريبا لا تنشر الأول أبدا. تبقى بيانات التدريب سرية، لأسباب تنافسية ولأسباب حقوق المؤلف. وتنشر بعض المشاريع البحثية، مثل OLMo من Allen Institute for AI، بياناتها أيضا، لكنها ليست من الأعلى أداء. فالمصطلح الدقيق لـ DeepSeek أو Qwen أو Mistral أو gpt-oss هو إذن «نماذج مفتوحة الأوزان». ويتحدث هذا المقال عن النماذج المفتوحة اختصارا.

ما تسمح به التراخيص

الترخيص هو العقد الذي يحدد ما يحق للمستخدم أن يفعله بالنموذج. وتراخيص Apache 2.0 وMIT، المنحدرة من البرمجيات الحرة، هي الأكثر تساهلا: فهي تسمح بالاستخدام التجاري والتعديل وإعادة التوزيع، بشرط الاحتفاظ بذكر المؤلف ونص الترخيص. ينشر Qwen3.5 من Alibaba وgpt-oss من OpenAI وMistral Large 3 برخصة Apache 2.0. وينشر DeepSeek V4 برخصة MIT.

اختارت Meta رخصة خاصة بها لـ Llama 4، مؤرخة في 5 أبريل 2025. تسمح بالاستخدام التجاري، مع ثلاثة شروط جديرة بالذكر. على الشركة التي تتجاوز منتجاتها 700 مليون مستخدم نشط شهريا أن تطلب رخصة من Meta، وهو ما لا يعني إلا حفنة من المجموعات في العالم. وعلى كل شركة توزع منتجا مبنيا على Llama أن تعرض عبارة «Built with Llama». وأخيرا، يجب أن يحمل أي نموذج مشتق موزع اسما يبدأ بـ «Llama».

تبقى هذه الشروط مقبولة لمعظم الشركات، لكنها تغير عمل الإدارة القانونية. فرخصة Apache 2.0 نص قياسي، معروف سلفا للقانونيين الذين صادقوا على برمجيات حرة. أما الرخصة الخاصة بناشر فيجب قراءتها كاملة، وقد تتغير من إصدار للنموذج إلى الذي يليه.

أبرز النماذج المفتوحة المتاحة في خريف 2026

تقوم أكبر النماذج المفتوحة كلها تقريبا على بنية تسمى مزيج الخبراء. يقسم النموذج إلى شبكات فرعية كثيرة، وعند كل كلمة منتجة، يستدعي موجه بعضا قليلا منها فقط. فهناك إذن رقمان: العدد الإجمالي للمعاملات، الذي يحدد الذاكرة اللازمة، وعدد المعاملات النشطة، الذي يحدد حجم الحوسبة عند كل كلمة.

نشرت DeepSeek، وهو مختبر صيني يموله صندوق الاستثمار High-Flyer، في أواخر أبريل 2026 نسخة أولية من عائلتها V4 برخصة MIT. بحسب البطاقة المنشورة على Hugging Face، يضم V4-Pro نحو 1,600 مليار معامل، منها 49 مليارا نشطة، ويضم V4-Flash 284 مليارا، منها 13 مليارا نشطة. وكلاهما يقبل سياقا قدره مليون رمز (token). والسياق هو كمية النص التي يمكن للنموذج أخذها في الحسبان دفعة واحدة، والرمز يقابل جزءا من كلمة.

نشرت Alibaba نموذج Qwen3.5 في 16 فبراير 2026 برخصة Apache 2.0: 397 مليار معامل، منها 17 مليارا نشطة، مع دعم 201 لغة ولهجة. وبحسب تحليل نشرته Summit School، لم نتمكن من مطابقته مع Alibaba، تضم سلسلة Qwen3.6 الصادرة في أبريل نماذج أسهل استضافة، منها نموذج من 35 مليار معامل لا ينشط منها إلا 3 مليارات. أما النموذج الرائد التالي، Qwen3.7-Max، الذي قدم في مايو 2026، فلا يتاح إلا عبر API، دون أوزان قابلة للتنزيل.

في أوروبا، نشرت الشركة الفرنسية Mistral AI في 2 ديسمبر 2025 نموذج Mistral Large 3، بـ 675 مليار معامل منها 41 مليارا نشطة، مع ثلاثة نماذج صغيرة من 3 و8 و14 مليار معامل، وكلها برخصة Apache 2.0. وفي الولايات المتحدة، نشرت OpenAI في أغسطس 2025 gpt-oss، أول نموذج مفتوح لها منذ GPT-2: النسخة الأكبر تضم 117 مليار معامل منها 5.1 مليارات نشطة، والأصغر 21 مليارا منها 3.6 مليارات نشطة.

غيرت Meta، التي كانت تحمل راية الانفتاح الأمريكي بعائلة Llama، وجهتها. ففي 8 أبريل 2026، قدمت الشركة Muse Spark، أول نموذج من مختبرها Meta Superintelligence Labs. وهو مغلق: يستخدم في تطبيقات Meta أو عبر API مفتوحة لشركاء مختارين. وكتبت Meta أنها تأمل في نشر إصدارات مستقبلية بصيغة مفتوحة المصدر، دون جدول زمني. أما نماذج Llama المنشورة سلفا فتبقى قابلة للتنزيل.

قياس الفارق: تصنيف مستقل وأرقام الناشرين

المعيار (benchmark) مجموعة أسئلة موحدة تستخدم لتقييم النماذج. ويختار كل ناشر إبراز تلك التي يحقق فيها أفضل نتائجه، مما يجعل المقارنات هشة. ويعمل تصنيف Arena بطريقة أخرى: يقدم المستخدمون سؤالا، ويتلقون إجابتين مجهولتين ويصوتون للأفضل. وتغذي الأصوات درجة من نوع Elo، نظام تصنيف لاعبي الشطرنج.

يعتمد AI Index 2026، الذي نشره معهد Human-Centered AI في ستانفورد، على هذا التصنيف. في مارس 2026، حصل أفضل نموذج مغلق، Claude Opus 4.6 من Anthropic، على 1,503 نقطة. وحصل أفضل نموذج مفتوح، GLM-5 من الشركة الصينية Zhipu AI، على 1,454، أي فارق 49 نقطة أو 3.4%. وكان ستة من أول عشرة نماذج في التصنيف مغلقة. ويلاحظ التقرير أيضا أن الشركات الأربع الأولى، Anthropic وxAI وGoogle وOpenAI، كانت في نطاق أقل من 25 نقطة، تليها Alibaba بـ 1,449 وDeepSeek بـ 1,424.

ويصف التقرير حركة تأرجح. فقد أعاد Mixtral ثم WizardLM ثم Llama 3.1 405B الفارق إلى 7 نقاط في أغسطس 2024. ثم أعاد ظهور نماذج مغلقة جديدة، مثل o1-preview من OpenAI وGemini 2.5 Pro من Google، توسيعه من جديد. يضيق الفارق حين تنشر المختبرات المفتوحة، ويتسع حين تصدر المختبرات المغلقة جيلا جديدا.

يقدم الناشرون تقديراتهم الخاصة، وهي تقرأ على هذا الأساس. تؤكد DeepSeek أن V4-Pro متأخر بثلاثة إلى ستة أشهر عن GPT-5.4 وGemini 3.1 Pro في الاستدلال، وهو تقدير يعرضه موقع WinBuzzer على أنه لم تتحقق منه مختبرات مستقلة. أما بالنسبة إلى Qwen3.5، فالأرقام التي نشرتها Alibaba وأوردها The Decoder تضعه في المقدمة في اختبارات اتباع التعليمات، مثل IFBench بـ 76.5، لكنه يتأخر عن GPT-5.2 في رياضيات المسابقات، بـ 91.3 مقابل 96.7 في AIME26، وفي البرمجة، بـ 83.6 مقابل 87.7 في LiveCodeBench.

إذا أخذت هذه الأرقام معا، فإنها تدل على أن النموذج المفتوح الجيد يقع على بعد بضعة أشهر من أفضل النماذج المغلقة. وفي غالبية مهام المكتب، لا يرى المستخدم الفرق. أما في أصعب المسائل، كالاستدلال الطويل أو المهام التي تسلسل خطوات كثيرة دون إشراف، فيظل الفرق قابلا للقياس.

الذاكرة اللازمة ودور التكميم

لكي يعمل نموذج، يجب أن يحمل كل معاملاته في الذاكرة، بما فيها معاملات الخبراء غير النشطين في لحظة معينة. يخفض مزيج الخبراء الحوسبة لا الذاكرة. بدقة قياسية من 16 بتا، يشغل كل معامل بايتين. فالمعاملات الـ 117 مليارا في gpt-oss تتطلب إذن نحو 234 جيجابايت، أي قرابة ثلاثة أضعاف ذاكرة بطاقة Nvidia H100 التي تضم 80.

يحل التكميم جزءا من المشكلة. إنه تخزين كل معامل بعدد أقل من البتات، 8 أو 4 بدل 16. وتصفه وثائق مكتبة Transformers من Hugging Face بأنه طريقة لخفض الذاكرة اللازمة مع السعي إلى الحفاظ على دقة النموذج قدر الإمكان. وأدق تشبيه هو صورة فوتوغرافية مضغوطة: الملف أخف بكثير، وإذا أحسن الضغط فلا يظهر الفرق إلا بالتدقيق عن قرب.

صار الناشرون يسلمون نماذج مكممة سلفا. توزع OpenAI نموذج gpt-oss بأوزان خبرائه بصيغة MXFP4، على نحو 4 بتات، مما يتيح للنسخة الكبيرة أن تتسع على بطاقة واحدة سعتها 80 جيجابايت، وللصغيرة أن تعمل بذاكرة 16 جيجابايت. وتنشر DeepSeek نموذج V4 بصيغة مختلطة: 4 بتات للخبراء، و8 بتات لمعظم المعاملات الأخرى. وحتى مضغوطا، يتطلب V4-Pro مئات الجيجابايت ويبقى نموذج عنقود خوادم.

عمليا، تتشكل ثلاث درجات. النماذج من 3 إلى 20 مليار معامل تعمل على محطة عمل مزودة ببطاقة رسومية حديثة. ومن 30 إلى 120 مليارا تتطلب جهازا مخصصا ببطاقة أو بطاقتين كبيرتي السعة، وهو ما يبقى في متناول شركة صغيرة أو متوسطة. وما فوق بضع مئات من المليارات يتطلب خادم حوسبة كاملا. وللضغط ثمن: ففي الشيفرة أو الحساب أو النصوص شديدة التقنية، يؤدي تكميم مفرط إلى تدهور النتائج. والطريقة الموثوقة الوحيدة هي اختباره على مستنداتك الخاصة.

المهام التي تكفي فيها، والتي تتعثر فيها

تعطي النماذج المفتوحة متوسطة الحجم نتائج جيدة في العمل المحدود والمتكرر: تلخيص المحاضر، وتصنيف البريد، واستخراج الحقول من فاتورة، والإجابة عن أسئلة انطلاقا من قاعدة مستندات داخلية، وكتابة مسودة أولى، والترجمة. وفي هذه الاستخدامات، ينتج نموذج من 20 إلى 120 مليار معامل مضبوط جيدا إجابات لا يميزها معظم المستخدمين عن إجابات نموذج مغلق. وإذا استضيف في الموقع، قدم فوق ذلك تكلفة يمكن توقعها وسلوكا لا يتغير دون قرار داخلي.

وهي أكثر هشاشة في ثلاث حالات. الأولى المهام الطويلة التي يتصرف فيها النموذج وحده، بتسلسل عشرات الإجراءات: احتمال خطأ صغير في كل خطوة ينتهي بالتراكم. الثانية المعارف الحديثة، فالنموذج لا يعرف إلا ما قرأه قبل نهاية تدريبه، ما لم نزوده بمستندات محدثة. الثالثة اللغات والمصطلحات الأقل تمثيلا في بيانات التدريب، وهي إنجليزية وصينية في معظمها. فالفرنسية القانونية أو التقنية تتطلب إذن اختبارات خاصة قبل أي نشر.

النموذج المفتوح ملف لا خدمة. تبقى تحديثات الأمن والمراقبة وتسجيل الوصول وإدارة الحقوق على عاتق من يستضيفه. وهذا هو العمل الذي يفوتره ناشرو النماذج المغلقة مع API الخاصة بهم، ويجب توقعه حين نختار الاستضافة الذاتية.

الولايات المتحدة والصين وأوروبا: ثلاث طرق للنشر

تحتفظ المختبرات الأمريكية الأكثر تقدما، Anthropic وGoogle وOpenAI، بأفضل نماذجها مغلقة وتبيعها عبر API. وتشكل OpenAI استثناء جزئيا مع gpt-oss، الذي يبقى دون نماذجها الرائدة. وتوافقت Meta مع منافسيها بنموذج Muse Spark.

وتنشر المختبرات الصينية، مثل DeepSeek وAlibaba وZhipu AI، كثيرا من الأوزان المفتوحة برخص متساهلة. ويلاحظ AI Index 2026 أن الفجوة بين النماذج الأمريكية والصينية أوشكت أن تنغلق: ففي مارس 2026، تقدم أفضل نموذج أمريكي على أفضل نموذج صيني، Dola-Seed-2.0 Preview من ByteDance، بـ 39 نقطة، أي 2.7%. وبحسب WinBuzzer، أكدت Huawei أن عناقيد الحوسبة لديها المبنية على معالجات Ascend قادرة على تشغيل DeepSeek V4، الذي دُرِّب مع ذلك على شرائح Nvidia. غير أن الانفتاح الصيني ليس عقيدة: فـ Alibaba تحتفظ الآن بنموذجها الأقوى خلف API، وأفضل نموذج صيني في التصنيف، وهو نموذج ByteDance، مغلق.

تضم أوروبا قلة من المختبرات الكبرى، وفي طليعتها Mistral AI، ويكمن ثقلها أساسا في التنظيم. تطبق التزامات AI Act المتعلقة بنماذج الذكاء الاصطناعي ذات الأغراض العامة منذ 2 أغسطس 2025، ويمكن للمفوضية فرضها منذ 2 أغسطس 2026. والنماذج المنشورة برخصة حرة، باستثناء المصنفة ذات خطر نظامي، معفاة من جزء من التزامات التوثيق التقني، لكن عليها أن تنشر دائما ملخصا لبيانات تدريبها وسياسة لاحترام حقوق المؤلف. وبلغ عدد الموقعين على مدونة الممارسات المصاحبة لهذه القواعد، الصادرة في 10 يوليو 2025، 26 موقعا في منتصف أغسطس 2025، منهم OpenAI وGoogle وMicrosoft وAmazon وAnthropic. ولم تكن Meta ولا الشركات الصينية بينهم.

وبالنسبة إلى مشترٍ فرنسي، النتيجة عملية: قبل نشر أي نموذج، يجب معرفة أيها يعمل فعلا، وبأي رخصة، وبأي توثيق، ومن هو ناشره.

تغيير النموذج دون إعادة بناء الأدوات

تصنيف اليوم لن يكون تصنيف العام القادم. ففي اثني عشر شهرا، نشرت DeepSeek جيلا جديدا، وقدمت Alibaba ثلاثة وخصصت الأخير لـ API الخاصة بها، وأطلقت Meta أول نموذج كبير مغلق لها. والشركة التي تربط برمجياتها مباشرة بنموذج بعينه تراهن على حالة سوق ستكون قد تغيرت قبل نهاية السنة.

الجواب تقني. لا تتوجه التطبيقات إلى النموذج مباشرة، بل إلى طبقة وسيطة تختار النموذج بحسب المهمة. وتتحقق مجموعة اختبارات داخلية، مكونة من مستندات الشركة وأسئلتها الحقيقية، من أن نموذجا جديدا يؤدي على الأقل بقدر القديم قبل استبداله. ويصبح تغيير النموذج عندئذ عملية صيانة مخطط لها وقابلة للتحقق.

يحمي هذا الانضباط من عدة مخاطر في آن واحد: ناشر يتوقف عن نشر أوزانه، ورخصة تتشدد، وسعر يرتفع، ونموذج يسحب. ويوصي مقال في الموقع الألماني Digital Chiefs، مخصص لتحول Meta، إدارات تقنية المعلومات بالنهج نفسه: عدة عائلات من النماذج بدل مزود وحيد، منها نموذج مفتوح واحد على الأقل للاستخدامات المنظمة أو دون اتصال، وجرد للتطبيقات والنماذج التي تستخدمها، وبنود خروج في العقود.

ما الذي يغيره وضع النماذج المفتوحة بالنسبة إلى الشركة

في خريف 2026، تقع أفضل النماذج المفتوحة على بعد بضع نقاط من أفضل النماذج المغلقة بحسب القياس المستقل الأكثر متابعة. وتتراوح تراخيصها بين Apache 2.0، التي لا تفرض تقريبا أي شرط، ونصوص خاصة يجب مراجعتها. وتتوقف إتاحتها على استراتيجية مؤلفيها، التي قد تتغير من إصدار إلى آخر. وهي تكفي لمعظم الاستخدامات الجارية، وتتيح معالجة مستندات الشركة دون إرسالها إلى طرف ثالث.

والمعيار الذي يهم على المدى الطويل هو القدرة على استبدال نموذج بآخر دون المساس ببقية المنظومة. وهذا هو اختيار البنية لدى HOMN: النموذج قطعة قابلة للتبديل، تختبر على مستندات العميل قبل كل استبدال، وتبقى البنية التحتية المحيطة به قائمة من جيل إلى آخر.

ما الفرق بين نموذج مفتوح المصدر ونموذج مفتوح الأوزان؟

ينشر النموذج مفتوح الأوزان معاملاته، مما يتيح تنزيله وتشغيله على جهازك. وبحسب تعريف Open Source Initiative، يجب على النموذج مفتوح المصدر أن ينشر فوق ذلك شيفرة التدريب ومعلومات مفصلة عن بيانات تدريبه. ومعظم النماذج المعروفة، مثل DeepSeek وQwen وMistral، مفتوحة الأوزان.

ما أفضل نموذج ذكاء اصطناعي مفتوح المصدر في 2026؟

بحسب AI Index 2026 من ستانفورد، كان أفضل نموذج مفتوح في تصنيف Arena في مارس 2026 هو GLM-5 من Zhipu AI، بـ 1,454 نقطة. وتعد DeepSeek V4 وQwen3.5 وMistral Large 3 من أكبر النماذج المفتوحة المنشورة منذ ذلك. والاختيار الجيد يتوقف على العتاد المتاح والرخصة والاختبارات على مهامك الخاصة.

هل النماذج مفتوحة المصدر بجودة ChatGPT أو Claude؟

إنها قريبة منها. في مارس 2026، كان أفضل نموذج مفتوح متأخرا بـ 49 نقطة، أي 3.4%، عن أفضل نموذج مغلق في تصنيف Arena. وفي مهام المكتب الجارية، الفرق قليل الظهور، لكنه يبقى قابلا للقياس في الاستدلال الطويل والمهام المستقلة المعقدة.

ما العتاد اللازم لتشغيل LLM مفتوح المصدر محليا؟

يعمل نموذج من 3 إلى 20 مليار معامل على جهاز مزود ببطاقة رسومية حديثة، ويعمل gpt-oss-20b بذاكرة 16 جيجابايت. ويتسع نموذج من نحو 120 مليار معامل مكمم على 4 بتات، مثل gpt-oss-120b، على بطاقة سعتها 80 جيجابايت. أما النماذج من عدة مئات المليارات من المعاملات فتتطلب خادما كاملا.