مقارنة بين Qwen 3.8 Max وDeepSeek V4 عبر سؤال متقاطع واحد في PlyLoom

أجرى كاتب منشور على Habr تجربة صغيرة. اختار نموذجين، Qwen 3.8 Max وDeepSeek V4، وطرح عليهما السؤال المتقاطع نفسه. ثم حمّل الإجابتين بصيغة الرسوم البيانية في PlyLoom ليقارن البنى بدل مقارنة فقرات النص. مشاركان، وسؤال واحد، وأداة تحليل واحدة. الإعلان مقتضب: لا يتضمن السؤال نفسه ولا نتائج كمية ولا استنتاجات، وهذه كلها بقيت في النسخة الكاملة من المقال.

ما المعروف عن التجربة

لا يخبرنا الإعلان بالكثير، لكن ما يقوله واضح. أسماء إصدارات النموذجين وردت كما كتبها المؤلف، ولم نتحقق منها بصورة مستقلة. أما السؤال «المتقاطع»، فيبدو من صياغته أنه يتطلب الربط بين عدة مجالات أو مفاهيم. ولم يُذكر أي مجالات هي. والإجابة بصيغة الرسم البياني هي مجموعة من العُقد والروابط بينها، لا نصًا متصلًا. ويؤدي PlyLoom في هذا الإعداد دور المنصة التي تُرفع إليها نتائج النموذجين لتحليلها ومقارنتها.

• النموذجان: Qwen 3.8 Max وDeepSeek V4 (الأسماء بحسب المصدر).
• السؤال: سؤال متقاطع واحد بعينه لكليهما.
• صيغة النتيجة: إجابات على شكل رسوم بيانية.
• أداة المقارنة: PlyLoom.
• النشر: Habr، 12 أكتوبر 2026.
• غير معلن: نص السؤال، وعدد العُقد والروابط، ومعايير التقييم، وعدد مرات التشغيل، والاستنتاج النهائي.

ما الذي يميّز المقارنة بالرسوم البيانية عن المقارنة المعتادة

مقارنة الإجابات النصية لنموذجين أمر غير مريح. فالطول والأسلوب ونبرة الثقة تشوّش على الحكم، وقد تُفسَّر فقرة مكتوبة بإقناع على أنها أدق. يزيل الرسم البياني جزءًا من هذا التشويش، إذ يُظهر المفاهيم التي أبرزها النموذج، والروابط التي أقامها بينها، وما أغفله. ويمكن مقارنة النموذجين من حيث تركيب العُقد، وكثافة الروابط، والمواضع التي تتباعد فيها تصوراتهما عن العالم.

لكن لهذا النهج نقطة ضعف. فالرسم البياني بدوره ناتج عن التوليد. ويعتمد شكله على صياغة السؤال، وعلى صيغة المخرجات المطلوبة، وعلى طريقة تفكيك الإجابة إلى عُقد وحواف. فإذا طُلب من أحد النموذجين إخراج البنية مباشرة، بينما فُككت إجابة الآخر بعد الحصول عليها، جاءت المقارنة مختلة. كما أن سؤالًا واحدًا يعطي نقطة واحدة فقط. فهو يبيّن كيف تصرف النموذجان عليه، ولا يتحول إلى ترتيب بينهما.

كيف تقرأ مقارنات كهذه وتكرّرها بنفسك

قبل استخلاص أي استنتاجات من تجربة كهذه، ينبغي التحقق من عدة أمور. هل كانت الظروف متطابقة: نص الموجّه، وتعليمات النظام، ودرجة الحرارة، وتشغيل وضع الاستدلال أو إيقافه. وكم عدد مرات التشغيل، فإجابة النموذج الواحدة تتأثر كثيرًا بالعشوائية. ومن حوّل الإجابة إلى رسم بياني وكيف: يدويًا أم بنص برمجي أم بواسطة النموذج نفسه. وأخيرًا، هل جرى التحقق من الوقائع داخل العُقد. فالرابط الجميل بين مفهومين يبقى جميلًا حتى لو كان مختلقًا.

ولمن يريد تكرار التجربة، يصلح مخطط بسيط. اختر سؤالًا من مجالك تستطيع بنفسك تقييم صحة إجابته. ثبّت معاملات التشغيل واحفظ الإجابات الخام قبل معالجتها. شغّل السؤال عدة مرات، وأضف سؤالين أو ثلاثة من نوع آخر. وبعد ذلك فقط قارن الرسوم البيانية. أما ما أظهرته تجربة Qwen وDeepSeek تحديدًا، فيمكن معرفته من المقال الكامل على Habr. وفي الإعلان المتاح علنًا حاليًا لا توجد بيانات يمكن الاستناد إليها لتحديد فائز.