DeepSeek تكشف عن نماذج ذكاء اصطناعي جديدة وتعلن أنها أغلقت الفجوة تقريبًا مع الرائدين في السوق

كشفت DeepSeek عن نسخة تمهيدية من نموذجين جديدين للذكاء الاصطناعي، وأطلقت ما قد يكون أهم تصريح في قطاع نماذج LLM المتاحة بكلفة معقولة: فبحسب الشركة، تكاد الفجوة بين أنظمتها والنماذج الرائدة تختفي في مهام الاستدلال. وإذا تأكد ذلك خارج الاختبارات المرجعية الداخلية، فلن يحصل السوق على مجرد تحديث جديد، بل على إشارة واضحة إلى أن سباق الجودة القصوى لم يعد محصورًا في عدد قليل من المنصات المغلقة.

يتمحور الإعلان حول نموذجين تقارنهما DeepSeek بإصدارها السابق V3.2. وتقول الشركة إن النموذجين الجديدين أعلى أداءً وأكثر كفاءة في آن واحد، وإن التحسينات المعمارية كانت العامل الحاسم. بعبارة أخرى، لا يتعلق الأمر بتحسّن جودة الإجابات فحسب، بل بتوظيف أكثر رشادة للموارد الحسابية: كلفة أقل لبلوغ المستوى نفسه من النتائج، أو نتيجة أقوى على بنية تحتية مماثلة. وهذا مهم لفرق التطوير والمنتجات، لأن كلفة الاستدلال وسرعة الاستجابة واستقرار النموذج هي التي تحسم غالبًا إمكانية دمجه في خدمات حقيقية، لا مجرد عرضه في الاختبارات.

المقياس الرئيسي الذي تراهن عليه DeepSeek هو اختبارات الاستدلال (reasoning benchmarks)، أي الاختبارات التي لا يكفي فيها أن يعيد النموذج إنتاج أنماط محفوظة، بل عليه أن يحل المسائل خطوة بعد خطوة، ويحتفظ بالسياق، ويبني سلسلة استدلال، ويتجنب الأخطاء المنطقية الواضحة. وتُعدّ هذه السيناريوهات اليوم من أبرز مؤشرات المستوى الريادي. وحين تقول الشركة إنها أغلقت الفجوة تقريبًا مع الرائدين بين النماذج المفتوحة والمغلقة، فهي تحاول عمليًا أن تنقل نفسها من فئة اللاعب البديل القوي إلى فئة المنافسين المباشرين في الصف الأول. وهذا مهم خصوصًا لـ DeepSeek التي لفتت انتباه القطاع سابقًا بالجمع بين الأداء العالي واقتصاديات استخدام جريئة نسبيًا.

وتجدر الإشارة بشكل خاص إلى صيغة «preview». فهذا ليس إصدارًا تجاريًا كاملًا مصحوبًا بقائمة طويلة من النتائج التي أكدتها مختبرات مستقلة، بل عرض مبكر للاتجاه الذي يسير فيه خط نماذج DeepSeek. وفي إعلانات كهذه تبرز الشركات عادةً أفضل الحالات وقياساتها الخاصة، لذا سينتظر السوق على الأرجح تفاصيل إضافية: أحجام النماذج، ومتطلبات العتاد، وسرعة الاستدلال، والجودة في البرمجة والرياضيات ودعم اللغات المتعددة، والأداء الفعلي في السيناريوهات الوكيلية. ومع ذلك، فإن الرسالة قوية حتى بصيغتها الحالية: تريد DeepSeek أن تُظهر أن القرارات المعمارية تعود لتكون مصدر القفزة في الأداء، لا مجرد توسيع مجموعات البيانات وميزانية التدريب.

وهذا التحول مهم للمنظومة أيضًا لأن اللحاق شبه الكامل بالرائدين يمثل بحد ذاته موقعًا ذا أهمية تجارية. ففي كثير من المنتجات التطبيقية لا يحتاج المستخدم إلى رقم قياسي مطلق في الاختبارات المرجعية إذا كان النموذج أرخص بشكل ملموس، أو أسرع، أو أسهل في الدمج. ولذلك قد لا تعود فجوة الجودة الصغيرة المتبقية حاسمة، إذا حصل السوق في المقابل على اقتصاديات أفضل ومرونة أكبر. وينطبق ذلك بخاصة على الشركات التي تبني مساعديها الخاصة وأدوات copilots والبحث الداخلي في المستندات وأتمتة الدعم والمبيعات: فكلفة التوسع هناك تصبح سريعًا بأهمية النسب المئوية في التصنيفات نفسها.

والخلاصة بسيطة: تحاول DeepSeek أن ترسّخ موقعها لا على هامش سباق الذكاء الاصطناعي، بل ضمن المجموعة التي تتنافس فعلًا على الريادة في جودة الاستدلال. وحتى الآن هذا تصريح من الشركة نفسها، ولا يزال بحاجة إلى التحقق عبر اختبارات مستقلة. لكن الاتجاه واضح منذ الآن: المنافسة في الشريحة العليا تشتد، وهذا يعني أن الضغط على الأسعار ووتيرة الإصدارات وانفتاح التقنيات سيزداد فقط. وهذا سيناريو جيد للسوق، خصوصًا إذا أكدت النماذج الجديدة فعلًا التوازن الموعود بين الجودة والكفاءة في الاستخدام الواسع والسيناريوهات المؤسسية.