ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارX: @victormustar→ المصدر

DeepSeek تحدّث V4-Flash: 82.7 نقطة في مهام الطرفية بدلاً من 61.8

حدّثت DeepSeek نموذجها المفتوح V4-Flash (304 مليار معامل)، وتحسّن أداؤه بوضوح بوصفه وكيلاً يعمل في الطرفية. ففي Terminal-Bench 2.1، حيث يثبّت النموذج الحزم بنفسه ويعدّل ملفات الإعدادات ويشغّل البرامج، ارتفعت النتيجة من 61.8 إلى 82.7 نقطة مقارنةً بنسخة preview. وفي Agents' Last Exam سجّل 25.2 نقطة مقابل 25.7 للنموذج المغلق Opus-4.8. ويستحق الأمر من الفرق التي تعمل بوكلاء برمجيين أن تجرّب النموذج على مهامها الخاصة.

معالج بواسطة الذكاء الاصطناعي من X: @victormustar؛ بتحرير Hamidun News
DeepSeek تحدّث V4-Flash: 82.7 نقطة في مهام الطرفية بدلاً من 61.8
المصدر: X: @victormustar. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليX: @victormustar ↗
رئيس التحرير
ترخيص MITيمكن تنزيل الأوزان وتشغيلها محلياً، بما في ذلك داخل منتج تجاري
DeepSWE (مهام معقدة لتعديل الشيفرة)من 7.3 إلى 54.4 نقطة
حقيقة رئيسية #3الفجوة مع Opus-4.8 في Agents' Last Exam لا تتجاوز 0.5 نقطة

تخيّل وكيلاً يتلقى مهمة من نوع «انشر الخدمة وأصلح الاختبارات الفاشلة»، فيفتح الطرفية بنفسه، ويثبّت الاعتماديات، ويعدّل ملفات الإعدادات، ويشغّل البرامج إلى أن يعمل كل شيء. حتى الآن كان بناء مثل هؤلاء الوكلاء يعتمد في الغالب على واجهات API مغلقة، لأن النماذج المفتوحة كانت متأخرة في هذا المجال. ويقلّص تحديث DeepSeek-V4-Flash-0731 هذه الفجوة: ففي Terminal-Bench 2.1 (اختبار العمل في سطر الأوامر) ارتفع أداء النموذج من 61.8 إلى 82.7 نقطة مقارنةً بنسخة preview. وقد أورد هذه الأرقام فيكتور موستار من Hugging Face في منشور عن «الصيف المفتوح» للذكاء الاصطناعي.

ما الذي صدر تحديداً

DeepSeek-V4-Flash-0731 هو نسخة محدّثة من V4-Flash، ببنية MoE (mixture of experts) وحجم إجمالي يبلغ 304 مليار معامل. في بنية MoE لا يعمل مع كل كلمة سوى جزء من «الخبراء» داخل الشبكة، ولذلك تكون كلفة هذا النموذج أقل من نموذج كثيف بالحجم نفسه. أما عدد المعاملات الفعّالة في هذه النسخة تحديداً، فلا يذكره المصدر.

لكن الأهم عملياً هو ترخيص MIT. فهو من أكثر التراخيص تحرراً: يمكن تنزيل الأوزان ونشرها على خوادمك الخاصة وإعادة تدريبها ودمجها في منتج تجاري دون موافقات منفصلة. وبالنسبة للشركات التي لا ترغب في إرسال شيفرتها وسجلاتها إلى واجهة API سحابية خارجية، فهذه حجة وجيهة.

ماذا تعني الأرقام

تجري المقارنة مع نسخة preview من النموذج نفسه، والفارق ملحوظ.

  • يقيس Terminal-Bench 2.1 مدى ثقة النموذج في إنجاز مهام سطر الأوامر: تثبيت الحزم وتعديل ملفات الإعدادات وتشغيل البرامج. وقد ارتفعت النتيجة من 61.8 إلى 82.7 نقطة.
  • DeepSWE مجموعة من المهام المعقدة في تطوير البرمجيات، تتطلب فهم شيفرة كتبها آخرون وإصلاحها. والقفزة هنا أحدّ: من 7.3 إلى 54.4 نقطة، أي نحو 7.5 أضعاف.
  • Agents' Last Exam امتحان صارم لوكلاء الذكاء الاصطناعي. سجّل DeepSeek-V4-Flash-0731 فيه 25.2 نقطة، بينما سجّل النموذج المغلق Opus-4.8 نحو 25.7 نقطة. والفارق 0.5 نقطة.

يشير هذا النمو في تحديث واحد إلى أن الفريق عزّز عمداً السلوك الوكيلي: القدرة على قيادة مهمة متعددة الخطوات حتى نهايتها، لا مجرد الإجابة بأسلوب جيد في الدردشة. وهذا هو الأهم بالنسبة لوكيل يعمل في الطرفية.

ماذا نفعل بهذا وأين يجب الحذر

إذا كان لديك وكيل برمجي أو روبوت CI أو مساعد داخلي لفرق DevOps، فاجمع مجموعة صغيرة من مهامك الفعلية وشغّل V4-Flash-0731 جنباً إلى جنب مع النموذج الذي تستخدمه حالياً. وإذا كانت الفجوة على مهامك صغيرة، فقد ترجح كفة التوفير في كلفة API والتحكم في البيانات.

وفيما يلي التحفظات:

  • جميع الأرقام مأخوذة من منشور على X، وليست نتاج تدقيق مستقل. ويتأثر الناتج كثيراً بظروف التشغيل: مجموعة الأدوات وعدد المحاولات وحدود الوقت.
  • تقارب النتيجتين في Agents' Last Exam لا يعني التساوي في جميع المهام. وقد تختلف الصورة على بيئتك البرمجية ومستودعاتك.
  • 304 مليار معامل رقم كبير حتى بالنسبة لبنية MoE. ولتشغيل النموذج محلياً تحتاج إلى عنقود GPU قوي، لا إلى حاسوب محمول واحد.

ومع ذلك، تبقى الواقعة نفسها دالّة. فقد تقلّصت الفجوة بين نماذج الوكلاء المفتوحة والمغلقة إلى مستوى لم تعد فيه الجودة وحدها هي المعيار، بل صار السعر والخصوصية وسهولة النشر تحدد الاختيار. وبالنسبة لمن يبنون الوكلاء، فهذا سبب لإعادة حساب الميزانية والتحقق مما إذا كانت كل مهمة تحتاج فعلاً إلى API مغلق مدفوع.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما الذي صدر تحديداً؟

DeepSeek-V4-Flash-0731 هو نسخة محدّثة من V4-Flash، ببنية MoE (mixture of experts) وحجم إجمالي يبلغ 304 مليار معامل. في بنية MoE لا يعمل مع كل كلمة سوى جزء من «الخبراء» داخل الشبكة، ولذلك تكون كلفة هذا النموذج أقل من نموذج كثيف بالحجم نفسه. أما عدد المعاملات الفعّالة في هذه النسخة تحديداً، فلا يذكره المصدر. لكن الأهم عملياً هو ترخيص MIT. فهو من أكثر التراخيص تحرراً: يمكن تنزيل الأوزان ونشرها على خوادمك الخاصة وإعادة تدريبها ودمجها في منتج تجاري دون موافقات منفصلة.

ما أبرز التفاصيل حول ماذا تعني الأرقام؟

تجري المقارنة مع نسخة preview من النموذج نفسه، والفارق ملحوظ. يقيس Terminal-Bench 2.1 مدى ثقة النموذج في إنجاز مهام سطر الأوامر: تثبيت الحزم وتعديل ملفات الإعدادات وتشغيل البرامج. وقد ارتفعت النتيجة من 61.8 إلى 82.7 نقطة. DeepSWE مجموعة من المهام المعقدة في تطوير البرمجيات، تتطلب فهم شيفرة كتبها آخرون وإصلاحها. والقفزة هنا أحدّ: من 7.3 إلى 54.4 نقطة، أي نحو 7.5 أضعاف. Agents' Last Exam امتحان صارم لوكلاء الذكاء الاصطناعي. سجّل DeepSeek-V4-Flash-0731 فيه 25.2 نقطة، بينما سجّل النموذج المغلق Opus-4.8 نحو 25.7 نقطة.

ما أبرز التفاصيل حول ماذا نفعل بهذا وأين يجب الحذر؟

إذا كان لديك وكيل برمجي أو روبوت CI أو مساعد داخلي لفرق DevOps، فاجمع مجموعة صغيرة من مهامك الفعلية وشغّل V4-Flash-0731 جنباً إلى جنب مع النموذج الذي تستخدمه حالياً. وإذا كانت الفجوة على مهامك صغيرة، فقد ترجح كفة التوفير في كلفة API والتحكم في البيانات. وفيما يلي التحفظات: جميع الأرقام مأخوذة من منشور على X، وليست نتاج تدقيق مستقل. ويتأثر الناتج كثيراً بظروف التشغيل: مجموعة الأدوات وعدد المحاولات وحدود الوقت. تقارب النتيجتين في Agents' Last Exam لا يعني التساوي في جميع المهام.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…