النماذج الصينية للذكاء الاصطناعي تتفوق على الأمريكية في استهلاك التوكنات — بيانات OpenRouter

تُظهر بيانات OpenRouter تحوّلًا تاريخيًا: النماذج الصينية للذكاء الاصطناعي تتقدم على الأمريكية في الاستهلاك الفعلي للأسبوع الثاني على التوالي، بواقع 4.69 تريليون توكن مقابل 3.29 تريليون. وفي الوقت نفسه ظهر في القوائم الأولى نموذج غامض باسم Hunter Alpha لا يعرف أحد من يقف وراءه.

أرقام لا تكذب

خلال الأسبوع الماضي، ولّدت النماذج الصينية 4.69 تريليون توكن عبر OpenRouter، مقابل 3.29 تريليون توكن للنماذج الأمريكية. وتبلغ الفجوة نحو 43%. والمهم أن هذه ليست ادعاءات تسويقية ولا اختبارات أداء اصطناعية، بل حمل فعلي على بنية أكبر مجمّع لواجهات API، وتعمل من خلاله آلاف فرق المطورين حول العالم.

وكانت الصورة مماثلة قبل أسبوع. وتكرارها لأسبوعين متتاليين لم يعد قيمة شاذة عابرة، بل اتجاهًا مستقرًا. وبالنسبة إلى صناعة كان GPT-4 فيها قبل نصف عام فقط يُعد الخيار الذي لا بديل عنه لأنظمة الإنتاج (production)، فهذه إشارة ذات دلالة.

من هو Hunter Alpha

ظهر في قائمة الأعلى استهلاكًا نموذج باسم Hunter Alpha. لم يُعلن أي مزوّد معروف علنًا عن إطلاقه: فقد ظهر ببساطة في OpenRouter وبدأ يولّد حركة مرور كبيرة. أصله مجهول، ولم تكشف أي جهة عن تطويره.

وليست هذه المرة الأولى التي تظهر فيها نماذج «شبحية». ففي عام 2024 تبيّن أن Mystery Model في تصنيف LMSYS هو Claude 3 Opus. لكن Hunter Alpha سيناريو مختلف: فهو يستهلك بنشاط توكنات مستخدمين حقيقيين. إنه إطلاق كامل، وليس اختبارًا سريًا.

لماذا غيّر الوكلاء الاقتصاديات

السبب الرئيسي للتحوّل ليس جودة النماذج في حد ذاتها، بل تغيّر نمط الاستخدام. ففي عصر الوكلاء، قد تتطلب مهمة واحدة عشرات أو مئات استدعاءات LLM. ويولّد خط المعالجة الوكيلي توكنات تزيد من 10 إلى 100 مرة عن طلب دردشة منفرد. وعند هذا الحجم يصبح سعر المليون توكن العامل الأهم في اختيار النموذج.

وقد خفّضت النماذج الصينية أسعارها بحدة خلال الأشهر الستة الأخيرة. والفجوة مع المنافسين الأمريكيين في الأحمال عالية الحجم هائلة:

• Qwen3-72B: $0.07–0.30 لكل 1M توكن (بحسب المزوّد)
• DeepSeek V3: $0.07–0.14 لكل 1M توكن
• GPT-4o: $2.50–5.00 لكل 1M توكن
• Claude Sonnet 4.5: $3.00–15.00 لكل 1M توكن

وفي المهام الوكيلية التي تتضمن آلاف الاستدعاءات يوميًا، يؤثر فارق يبلغ عشرات الأضعاف مباشرة في هامش ربح المنتج.

ما الذي يجب التحقق منه الآن

إذا كنت تبني ميزات ذكاء اصطناعي للإنتاج، فراجع قائمة التحقق التالية:

• احسب التوكنات لكل مهمة — وليس لكل prompt، بل لدورة الوكيل بأكملها. ثم اضرب الناتج في الحجم الشهري.
• قارن التكلفة — فعند فارق سعر يبلغ 10 أضعاف، يتغيّر اقتصاد المنتج جذريًا.
• تحقق من نافذة السياق — يدعم Qwen3 وDeepSeek ما يصل إلى 128K توكن، وهو كافٍ لمعظم خطوط المعالجة.
• قِس TTFT — في الواجهات الفورية (real-time) يكون زمن الاستجابة أهم من السعر؛ اختبره بحسب منطقتك.
• قيّم مخاطر الامتثال (compliance) — فتمرير البيانات عبر واجهات API الصينية يثير تساؤلات تتعلق بـ GDPR وأمن المؤسسات.

«لم يعد ممكنًا اختيار النموذج بحسب طريقة إجابته في الدردشة — يجب

احتساب تكلفة المهمة بأكملها».

ماذا يعني هذا

تغيّر صدارة الاستهلاك الفعلي للتوكنات ليس سببًا للذعر، لكنه إشارة واضحة. فالمطورون يصوّتون بحركة المرور: النماذج الصينية أرخص في الأحمال الوكيلية، والسوق يعكس ذلك. وبالنسبة إلى فرق المنتجات، هذا سبب لإجراء تدقيق لحزمة التقنيات (stack) — لا لأن «الصينية أفضل»، بل لأن «رخيص وبجودة كافية» اقتصاد مختلف للمنتج.