DeepSeek وKimi وQwen في اختبار المهام العملية: مقارنة بين خمسة مساعدين صينيين للذكاء الاصطناعي

في مقارنة مصورة جديدة، وضعت هيئة التحرير خمسة مساعدين صينيين للذكاء الاصطناعي — Doubao وQwen وYuanbao وKimi وDeepSeek — أمام مهام عمل نموذجية لا تتطلب في الغالب برمجة، بل روتينًا فكريًا يوميًا. وتركز الاختبار على تلخيص النصوص وتحليل البيانات واستخلاص الاستنتاجات القطاعية والكتابة المهنية.

كيف جرى الاختبار

نقطة الانطلاق في هذه المقارنة بسيطة: الذكاء الاصطناعي يتولى اليوم جزءًا كبيرًا من العمل النصي الذي كان يقع بالكامل على عاتق الإنسان. ولذلك لم يعتمد القائمون على الاختبار على مقاييس الأداء (بنشمارك) المجردة، بل اختاروا سيناريو أقرب إلى التطبيق العملي، وهو مراقبة سلوك المساعدين المختلفين في مهام تشبه طلبات حقيقية لمحرر أو محلل أو مدير أو باحث. وتكمن أهمية هذا النهج في أن المستخدم لا يبحث عادةً عن الروبوت «الأذكى» على الإطلاق، بل عن أداة توفر وقته هنا والآن.

«الذكاء الاصطناعي قادر اليوم على حل معظم المهام النصية التي أواجهها في عملي».

ضم الاختبار خمسة لاعبين بارزين في السوق الصينية: Doubao وQwen وYuanbao وKimi وDeepSeek. وخضعت النماذج لظروف متطابقة أو متقاربة في المعنى، بهدف قياس جودة الإجابة، وكذلك قدرة النموذج على الحفاظ على البنية والتعامل مع الصياغات، والنجاح في المهام التي لا يكفي فيها مجرد إكمال النص، بل يلزم استخراج فائدة منه. وهذه المقارنة تتعلق بالصلاحية العملية للعمل أكثر من كونها عرضًا مبهرًا للإمكانات.

ما المهارات التي جرى اختبارها

تعكس مجموعة المهام السيناريو المكتبي الأكثر شيوعًا لاستخدام الذكاء الاصطناعي: يأتي المستخدم بحجم كبير من النصوص أو البيانات ويريد الحصول سريعًا على نتيجة واضحة. وفي مثل هذه المهام تحديدًا يظهر الفرق بين النماذج بأوضح صورة، لأن حسن العرض وحده لا يكفي هنا، بل تهم الدقة والإيجاز والمنطق والقدرة على إبقاء هدف الإجابة حاضرًا حتى النهاية. وهذا النوع من العمل تظهر فيه الأخطاء فورًا وتؤثر سريعًا في جودة الوثيقة النهائية.

• تلخيص مادة طويلة في خلاصة موجزة وواضحة
• تحليل البيانات واستخراج الأرقام الرئيسية أو الانحرافات
• صياغة رؤى قطاعية انطلاقًا من المعطيات الأولية
• كتابة نص بالأسلوب المطلوب وببنية واضحة

يكشف اختبار هذه المهارات مدى صلاحية المساعد ليكون طبقة عمل فوق العمليات اليومية. فإذا كان النموذج يلخص جيدًا لكنه يخلط في الأرقام، يصعب الاعتماد عليه في مذكرة تحليلية. وإذا كان يكتب بثقة لكنه لا يحسن بناء الاستنتاجات حول القطاع، يبقى أقرب إلى مولّد للمسودات. لذلك تفيد هذه الاختبارات في فهم تخصص كل أداة، لا في اختيار «الفائز» فحسب. وعلى هذا المستوى عادةً يُحسم القرار بشأن إدخال النموذج في حزمة الأدوات الدائمة للعمل.

أين يظهر الفرق العملي

القيمة الرئيسية لمقارنة كهذه أنها تنقل الذكاء الاصطناعي من مرحلة الانبهار إلى مرحلة الأداة المفيدة. فبالنسبة للشركات والمتخصصين، لم يعد السؤال هل يستطيع النموذج الإجابة عن الأسئلة عمومًا، بل هل يمكن أن نمنحه مادة خام ونحصل بسرعة على نسخة أولى، ثم ننفق وقتًا أقل في التصحيح. وهنا تظهر الفروق الحقيقية: من يحافظ على السياق بصورة أفضل، ومن يتعامل مع البيانات بدقة أكبر، ومن يكتب نصًا أكثر تماسكًا وصلاحية للنشر.

ويزداد عدد هذه المساعدين في السوق الصينية، وتنتقل المنافسة من الوعود العامة إلى جودة العمل المحدد. فالمستخدمون لا يقارنون عدد المعاملات ولا ضجيج التسويق، بل عدد الخطوات التي تبقى بعد إجابة النموذج. وإذا اضطر المستخدم إلى إعادة كتابة النص بالكامل بعد الذكاء الاصطناعي، تتلاشى فائدته سريعًا. أما إذا قدّم بنية واضحة ولم يفقد التفاصيل المهمة ووفّر نصف الوقت على الأقل في إعداد المادة، فهذه ميزة جدية في العمل الفعلي.

ماذا يعني ذلك

يشهد سوق مساعدي الذكاء الاصطناعي نضجًا: إذ تُقيَّم النماذج بصورة متزايدة بحسب سلوكها في مهام العمل المعتادة، لا بحسب العروض التجريبية المبهرة. وهذا مؤشر جيد للمستخدم: فالأجدر ألا يبحث عن «أفضل ذكاء اصطناعي على الإطلاق»، بل عن مساعد يناسب نوعًا محددًا من العمل — التلخيص أو الأرقام أو التحليل القطاعي أو الكتابة الأولية. وكلما ارتكزت مقارنات كهذه على الروتين اليومي، سهُل التمييز بين الأداة المريحة والاسم الرنان فحسب.