Vercel تكشف أبرز نماذج AI في الإنتاج: Anthropic تتصدر من حيث الإنفاق

قامت Vercel بتحليل سبعة أشهر من حركة المرور على بوابة الذكاء الاصطناعي الخاصة بها — فهي تعالج تريليونات الرموز عبر مئات النماذج في التطبيقات والوكلاء الحقيقيين. تُظهر النتائج كيف يبدو سوق الذكاء الاصطناعي الإنتاجي بالفعل، خلافاً للاختبارات الاصطناعية التي تتغير أسبوعياً.

من ينفق أكثر، من يعالج أكثر

من حيث النفقات في أبريل 2026، تتصدر Anthropic الترتيب: 61% من جميع النفقات تذهب إلى Claude. هذا على الرغم من سعر أعلى لكل رمز — يدفع المطورون أكثر لأن النتيجة أكثر قيمة. تحتل Google 21%، OpenAI — 12%، والباقي موزع بين xAI والنماذج مفتوحة المصدر.

من حيث حجم الرموز المعالجة، الصورة معاكسة. Google هي الأولى هنا: 38% من جميع حركة المرور تمر عبر Gemini (بشكل أساسي Flash — الإصدار السريع والرخيص). تعالج Anthropic 26%، OpenAI — 13%، xAI وغيرها — 23%.

يبدو هذا التشتت غريباً، لكن المنطق بسيط. تتنافس النماذج المختلفة على طبقات مختلفة:

• Claude Opus يذهب للمهام المعقدة والمكلفة — عندما تكلف الأخطاء المال
• Gemini Flash يستهلك الأحجام — للمهام حيث تكون السرعة أهم من الدقة
• GPT-5.5 موزع بالتساوي بين الطبقتين

إنه مثل سوقين مختلفتين في سوق واحد. عندما يختار المطور نموذجاً، لا يفكر في السمعة — يفكر في نسبة السعر إلى المخاطرة.

سعر الخطأ يحدد اختيار النموذج

خلف هذا النمط يكمن مبدأ بسيط: يكون النموذج مكلفاً إذا كان الخطأ مكلفاً.

المساعدون الشخصيون — 20% من النفقات على 40% من الرموز. يمكنهم العمل على نماذج رخيصة، لأنه إذا أخطأ المساعد، يلاحظ المستخدم ذلك ويصححه بسرعة. الخطأ محلي.

وكلاء البرمجة — 22% من النفقات على 20% من الرموز. الخطأ في الكود يكلف وقت المطور وتصحيح الأخطاء. أغلى من خطأ في الدردشة، لكن ليس حرجاً.

الأنظمة الخلفية — 6% من النفقات على 15% من الرموز. يقتصدون هنا لأن الأحجام ضخمة، لكن يختارون بالتالي ليس الخيار الأرخص. قد يؤثر الخطأ على المالية أو العمليات.

توليد التطبيقات — 7% من النفقات على 11% من الرموز. يمر الكود المولد عبر مراجعة الكود قبل الاستخدام، لذلك هناك شبكة أمان.

هناك أيضاً نمط أكبر: تنفق تطبيقات B2B تقريباً ضعف ما تنفقه B2C لكل رمز. في B2B، قد يؤدي الخطأ إلى خسائر مالية أو دعاوى قضائية أو توقف. خطأ B2C يكلف أقل.

من يفوز في أي المهام

إذا قسمت البيانات حسب نوع العمل، فترى صورة مجزأة من السوق.

Anthropic متقدمة بشكل ملحوظ في تطوير البرمجيات — يختار المطورون Claude للبرمجة المعقدة وتحليل الكود. هذا يعكس سمعة النموذج في ML وتصميم الأنظمة.

Google يهيمن على التطبيقات الاستهلاكية — استولت Gemini Flash على الجزء الشامل بفضل السعر المنخفض والجودة المقبولة. هذه استراتيجية: رخيصة، كافية، حجم.

OpenAI موزعة بالتساوي أكثر في جميع الفئات — هذا يعني أن GPT-5.5 تُستخدم في كل مكان، من تطبيقات الهاتف المحمول إلى الأنظمة المؤسسية.

تجمع xAI والنماذج مفتوحة المصدر الحالات في اختصاصات خاصة — على سبيل المثال، الشركات التي تريد العمل بدون السحابة أو تحتاج إلى تخصيص كامل لنفسها.

على مدى ستة أشهر، تتغير هذه الصورة بسرعة. أدى إطلاق نسخة جديدة من GPT في أبريل إلى زيادة كبيرة في حصة نفقات OpenAI. كانت Gemini Flash في مارس أكثر تواضعاً بكثير، لكنها سرعان ما استولت على الأحجام. هذا يوضح أن السوق يستجيب بحدة للجودة والسعر، وليس للقصور.

ما يعنيه هذا

سوق الذكاء الاصطناعي في 2026 ليس بحثاً عن خيار أفضل واحد. يختار المطورون النماذج حسب المهمة، وليس حسب المكانة. تذهب النماذج المكلفة لسيناريوهات عالية المخاطر (عندما يكلف الخطأ)، والرخيصة — لسيناريوهات منخفضة المخاطر (عندما تكون السرعة والحجم مهمة). تكسب النسخ الجديدة حصة بسرعة إذا حلت المشاكل الحقيقية بشكل أفضل وأرخص من المنافسين. وتفوز جميع النماذج في نفس الوقت في شريحتها.