مقارنة DeepSeek وKimi وQwen في مهام العمل: اختبار لخمسة مساعدين AI صينيين

في مقارنة فيديو جديدة، تولّت هيئة التحرير تقييم خمسة مساعدين صينيين للذكاء الاصطناعي — Doubao وQwen وYuanbao وKimi وDeepSeek — في مهام عمل نموذجية، حيث لا يُحتاج عادةً إلى البرمجة بقدر ما يُحتاج إلى الأعمال الذهنية اليومية الروتينية. انصبَّ التركيز على تلخيص النصوص، وتحليل البيانات، واستخلاص رؤى قطاعية، وكتابة المراسلات التجارية.

كيف أُجري الاختبار

nقطة الانطلاق في هذه المقارنة بسيطة: بات الذكاء الاصطناعي يتولى قدراً كبيراً من العمل النصي الذي كان يقع كلياً على عاتق الإنسان. لذا، لم يلجأ المؤلفون إلى قياس المعايير المجردة، بل اختاروا سيناريو أكثر تطبيقاً — مراقبة سلوك المساعدين المختلفين في مهام تشبه الطلبات الفعلية للمحرر أو المحلل أو المدير أو الباحث. هذا النهج مهم لأن المستخدم لا يحتاج عادةً إلى الروبوت "الأذكى" على الإطلاق، بل يحتاج إلى أداة توفّر وقته هنا والآن.

«يستطيع الذكاء الاصطناعي بالفعل حل معظم المهام النصية التي أواجهها في عملي.»

شمل الاختبار خمسة لاعبين بارزين في السوق الصينية: Doubao وQwen وYuanbao وKimi وDeepSeek. جرى تقييمهم في ظروف متطابقة أو متقاربة للغاية، لرصد ليس فقط جودة الإجابة، بل أيضاً كيفية حفاظ النموذج على البنية، وتعامله مع الصياغات، وقدرته على التعامل مع المهام التي لا يكفي فيها مجرد الاستمرار في النص، بل يتعين استخلاص الفائدة منه. هذه المقارنة تتعلق بالقابلية العملية للاستخدام أكثر من تعلقها بعرض إمكانات مبهرة.

ما المهارات التي جرى اختبارها

يعكس مجموعة المهام السيناريو الأكثر شيوعاً لاستخدام الذكاء الاصطناعي في البيئات المكتبية: يحضر المستخدم كمية كبيرة من النص أو البيانات ويريد الحصول على نتيجة واضحة بسرعة. وتتجلى الفوارق بين النماذج بشكل أكبر تحديداً في هذا النوع من المهام، إذ لا تكفي الإجابة الأنيقة وحدها — فالدقة والإيجاز والمنطق والقدرة على الحفاظ على هدف الإجابة حتى النهاية أمور جوهرية. وهذا هو النوع من العمل الذي يظهر فيه الخطأ فوراً ويؤثر بسرعة في جودة الوثيقة النهائية.

• تكثيف المواد المطوّلة في ملخص وجيز وواضح
• تحليل البيانات وإبراز الأرقام الرئيسية أو الانحرافات
• صياغة رؤى قطاعية انطلاقاً من المعطيات الأولية
• كتابة نص بالأسلوب المطلوب وبهيكل واضح

يكشف اختبار هذه المهارات بالذات عن مدى صلاحية المساعد بوصفه طبقة عمل فوق العمليات اليومية. فإذا كان النموذج يُلخّص جيداً لكنه يخطئ في التعامل مع الأرقام، فمن الصعب الثقة به في إعداد الملاحظات التحليلية. وإذا كان يكتب بثقة لكنه لا يُحسن بناء الاستنتاجات القطاعية، فسيظل مجرد مولّد للمسودات. لهذا السبب، تتجاوز فائدة مثل هذه الاختبارات مجرد اختيار "الفائز" إلى فهم تخصص كل أداة. وعند هذا المستوى عادةً ما يُتخذ قرار إدراج النموذج في مكدّس العمل الدائم.

أين تظهر الفوارق العملية

تكمن القيمة الكبرى لهذا النوع من المقارنات في الانتقال بالذكاء الاصطناعي من وضع الإبهار إلى وضع الأداة العملية. بالنسبة للمؤسسات والمتخصصين على حدٍّ سواء، لم تعد المسألة في مدى قدرة النموذج على الإجابة عن الأسئلة بوجه عام. المسألة مختلفة: هل يمكن تزويده بمواد خام، والحصول بسرعة على مرور أول، ثم قضاء وقت أقل في التعديلات؟ هنا بالضبط تبرز الفوارق الفعلية — من يحافظ بشكل أفضل على السياق، ومن يتعامل مع البيانات بعناية أكثر، ومن يكتب نصاً أكثر ترابطاً وأجدر بالنشر.

في السوق الصينية، تتكاثر هذه المساعدات يوماً بعد يوم، وتنتقل المنافسة من الوعود العامة إلى جودة العمل المحدد. لا يقارن المستخدمون عدد المعاملات ولا ضجيج الحملات التسويقية، بل يقارنون عدد الخطوات المتبقية بعد إجابة النموذج. إذا اضطُررت إلى إعادة كتابة النص بالكامل بعد الذكاء الاصطناعي، تتلاشى قيمته سريعاً. أما إذا أنتج هيكلاً واضحاً، ولم يُفوّت التفاصيل المهمة، ووفّر نصف الوقت على الأقل في إعداد المحتوى، فهذه ميزة حقيقية في العمل الفعلي.

ماذا يعني ذلك

يشهد سوق مساعدي الذكاء الاصطناعي نضجاً متزايداً: لم تعد النماذج تُقيَّم بناءً على عروض مبهرة، بل بناءً على أدائها في مهام العمل الاعتيادية. يمثّل هذا للمستخدم دليلاً عملياً جيداً: لا ينبغي أن يكون الاختيار على أساس "أفضل ذكاء اصطناعي بوجه عام"، بل على أساس المساعد المناسب لنوع عمل محدد — ملخصات، أو أرقام، أو تحليل قطاعي، أو صياغة مسودات. وكلما بُنيت هذه المقارنات حول الروتين اليومي، كان من الأيسر التمييز بين الأداة العملية المفيدة وبين الاسم الشهير فحسب.