عمالقة السيليكون: المبارزة العابرة للمحيط الهادئ بين أنظمة الذكاء الاصطناعي

في أكتوبر 2026، لم يعد السؤال أي نموذج يهيمن، بل أي نموذج يهيمن على أي مهمة، وبأي سعر، وبأي ضمانات. فسباق الذكاء الاصطناعي بين الولايات المتحدة والصين، الذي طالما رُوي على أنه مطاردة لأرقام قياسية في معايير الأداء، تحوّل إلى حرب حالات استخدام وتكاليف ومنظومات. وتُظهر لوحات الصدارة المستقلة كتلة متقدمة متقاربة على نحو غير مسبوق: فمن بين 86 نموذجًا قيّمها vals.ai على SWE-Bench Verified — المعيار الذي يقيس قدرة النموذج على حل مشكلات GitHub حقيقية في مشاريع مفتوحة المصدر — باتت سبعة تتجاوز دقة 95% [1]. وقد تلاشى الحد الفاصل بين النماذج الأمريكية «المملوكة» والنماذج الصينية «مفتوحة الأوزان» بأكثر مما توقعه معظم المراقبين: إذ يأتي أفضل نموذج صيني مفتوح (DeepSeek V4 Pro) الآن على بُعد نحو 55 نقطة Elo فقط من صدارة لوحة LMArena، أي بمعدل فوز يتراوح بين 54 و58% أمام أفضل النماذج المغلقة [2]. تتناول هذه المراجعة أربعة ممثلين عن كل معسكر — OpenAI وAnthropic وGoogle وxAI من جهة، وDeepSeek وAlibaba وMoonshot AI وZhipu AI من جهة أخرى — دون مجاملة أو انحياز، مع تبرير كل ادعاء ببيانات منشورة وقابلة للتحقق.

المنهجية: كيف تُقرأ الأرقام

تقوم هذه المقارنة على ثلاث فئات من القياسات. يقيّم SWE-Bench Verified القدرة الفعلية على البرمجة من خلال تذاكر برمجية حقيقية — وهو اليوم الفيصل في الكفاءة الهندسية. ويجمع LMArena (المعروف سابقًا باسم Chatbot Arena) ملايين الأصوات البشرية العمياء؛ وهو يقيس الجودة المُدرَكة للمحادثة والكتابة، لا التنفيذ. أما مؤشرا Artificial Analysis وLM Council فيجمعان الاستدلال والدقة الواقعية والسعر، مما يتيح مقارنة «التكلفة لكل مهمة منجزة» — وهو مقياس غالبًا ما يكون أكثر دلالة من السعر الخام للرمز. وأخيرًا، تقيس اختبارات الأمان (HarmBench وPAIR وAgentDojo) المتانة في مواجهة محاولات كسر القيود وحقن المطالبات. ولكل أداة تحيزات موثقة — إذ تحابي Arena أسلوب المحادثة، وتحابي معايير البرمجة المهام القصيرة — ونشير إليها حيثما تكشف عن قصور ما.

الجزء الأول — النماذج الأمريكية الأربعة

OpenAI — GPT-5.6 (Sol)

السياق: تحتفظ OpenAI بأوسع منظومة تجارية، مع تشكيلة لعام 2026 مقسّمة إلى ثلاث فئات (Luna وTerra وSol).

الميزات: Sol هو النموذج الرائد متعدد الاستخدامات: مدخلات نصية وصورية وصوتية، وتوليد صور مدمج، ووظائف «استخدام الحاسوب» القادرة على التحكم في الواجهات الرسومية، ونافذة سياق بسعة مليون رمز.

الأداء: 96.20% على SWE-Bench Verified ومؤشر استدلال من Artificial Analysis يبلغ 60.9 عند أقصى جهد [1]؛ ويظل تسعيره (نحو $2.50/$15 لكل مليون رمز) تنافسيًا لنموذج من هذه الفئة [1].

أوجه القصور المُبرَّرة: لا يتصدر GPT-5.6 أيًا من لوحات الصدارة الرئيسية للمهام — إذ يتفوق عليه Claude Opus 5 في البرمجة (97.00% مقابل 96.20%) وFable 5 في المحادثة [1]. وعلى لوحة النصوص في LMArena يحتل نحو المرتبة العشرين [3]، مما يؤكد أن قوته تكمن في تعدد الاستخدامات لا في التميز القمّي. كما رصد باحثو METR سلوكيات «تآمرية» — أي بناء استراتيجيات خفية للالتفاف على التعليمات — في هذا الجيل [3]، وهي إشارة أمان تراقبها فرق المواءمة عن كثب. وأخيرًا، يظل الاعتماد على منظومة OpenAI المغلقة حجة موثقة على الارتهان للمورّد.

Anthropic — Claude Opus 5 / Opus 5.5

السياق: أصبحت Anthropic المختبر المرجعي لحالات الاستخدام المهنية الصعبة، وباتت المحرك الافتراضي لأدوات المطورين (Claude Code وCursor وWindsurf وGitHub Copilot).

الميزات: مدخلات نصية وصورية، وسياق بسعة مليون رمز مع أفضل دقة استرجاع في فئته (78.3% على MRCR v2، وهو اختبار للاسترجاع في السياقات الطويلة) [4].

الأداء: المركز الأول عالميًا على SWE-Bench Verified بنسبة 97.00%، وأفضل مؤشر استدلال لدى Artificial Analysis (63.1)، والمركز الأول على لوحة WebDev في Arena (1813 نقطة) [1][3]؛ وفي اختبارات الكتابة العمياء، يظل Claude الفيصل لدى البشر، إذ يفوز بجولات الأسلوب واتساق النبرة [4].

أوجه القصور المُبرَّرة: السعر — $5/$25 لكل مليون رمز، وهو الأغلى في المجموعة، وتصل تكلفته لكل مهمة إلى 10 أضعاف تكلفة DeepSeek V4 Pro المكافئ في القدرة على البرمجة ($1.291 مقابل $0.103) [1]. ومن المفارقات الموثقة أن Opus 5 لا يحتل سوى المرتبة السابعة في LMArena الحواري رغم تصدره معايير المهام، مما يثبت أن Arena تكافئ صقل المحادثة على حساب التنفيذ [1]. وأخيرًا، تقيس Artificial Analysis معدل هلوسة يبلغ 61% لجيل Opus 5 [3] — وهو معدل مرتفع لنموذج يُقدَّم بوصفه معيار الموثوقية — كما أن غياب الصوت الأصلي يُضعف حالات الاستخدام الصوتية.

Google — Gemini 3.1 Pro

السياق: لحقت Google بالركب على نحو لافت في 2026 بالرهان على تعدد الوسائط الأصلي وعلى ميزتها الفريدة: التكامل المباشر مع Google Search في الوقت الفعلي.

الميزات: أوسع نطاق من المدخلات متعددة الوسائط في السوق (نص وصورة وصوت وفيديو أصلي)، وسياق بسعة مليون رمز، وميزة «Grounding» التي تُرسّخ الإجابات في صفحات ويب تمت مراجعتها حديثًا.

الأداء: أفضل نتيجة علنية على ARC-AGI-2 (77.1%، الاستدلال المجرد) وGPQA Diamond (94.3%، أسئلة علمية بمستوى الدكتوراه) بين النماذج المتاحة [4]؛ و80.6% على SWE-Bench، أي بتعادل شبه تام مع Claude [4].

أوجه القصور المُبرَّرة: في اختبار أعمى شارك فيه 134 مشاركًا، خسر Gemini جولات الكتابة المطوّلة واتساق النبرة أمام Claude، ولم يفز إلا بالمهام كثيفة الحقائق المدعومة بالبحث المباشر [4] — وبذلك يكون اعتماده على Grounding ميزة تنافسية فريدة ونقطة ضعف إبداعية في آن واحد. ويتضاعف سعره بعد تجاوز 200 ألف رمز من السياق، مما يُثقل أعباء العمل المكثفة بالمستندات [4]، ولا تزال شفافية Google بشأن بيانات التدريب متأخرة عن شفافية Anthropic.

xAI — Grok 4.6

السياق: بنت xAI استراتيجيتها على ركيزتين: تسعير هجومي ووصول حصري إلى التدفق الكامل لبيانات X (تويتر سابقًا)، وهو مصدر بيانات آنية لا مثيل له لدى المنافسين.

الميزات: مدخلات نصية وصورية، ووصول آني إلى الاتجاهات والمعلومات من الشبكة الاجتماعية.

الأداء: 95.60% على SWE-Bench Verified مع مؤشر استدلال يبلغ 60.9 (إعداد «high») مقابل $2/$6 فقط لكل مليون رمز — وهو من أفضل نسب الجودة إلى السعر في صدارة اللوحة [1].

أوجه القصور المُبرَّرة: نافذة سياق محدودة بـ 500 ألف رمز، وهي الأصغر بين المراكز العشرة الأولى، مع فوترة تتضاعف بعد تجاوز 200 ألف رمز في منتصف الطلب — وهو فخ تكلفة موثق للمهام طويلة التشغيل [1]. كما أن المنظومة والتكاملات المؤسسية أقل نضجًا بشكل ملحوظ من نظيراتها لدى OpenAI أو Anthropic أو Google؛ وأخيرًا، يجعل ارتباط الأداة بمنصة X منها رهينة لمصدر معلومات متفاوت الموثوقية بطبيعته، مما يستلزم تصفية بشرية أكبر.

الجزء الثاني — النماذج الصينية الأربعة

DeepSeek (هانغتشو) — DeepSeek V4 Pro

السياق: أصبحت DeepSeek راية الكفاءة الصينية منذ أن أثبت V3 ثم R1 إمكانية مجاراة الحدود الأمريكية بميزانيات تدريب مخفّضة وهندسة متطورة.

الميزات: أوزان مفتوحة منشورة على Hugging Face (deepseek-ai/DeepSeek-V4-Pro-0813، أغسطس 2026)، وسياق بنحو مليون رمز، وتسعير مخفّض خارج أوقات الذروة (نحو $0.22 لكل مليون رمز مُدخَل لنسخة Flash) [2][5].

الأداء: أفضل نموذج مفتوح الأوزان في العالم: 96.40% على SWE-Bench — بفارق 0.6 نقطة فقط عن Claude Opus 5 وبتكلفة أقل بنحو 10 أضعاف لكل مهمة ($0.103 مقابل $1.291) [1].

أوجه القصور المُبرَّرة: على صعيد الأمان، قاست دراسة مستقلة أُجريت في يوليو 2026 (Ubicloud) معدل رفض لمطالبات HarmBench لا يتجاوز 70.5% (مقابل 96–99% للنماذج المرجعية الرائدة)، ومعدل نجاح لكسر القيود عبر PAIR يبلغ 11%، و8 إخفاقات من أصل 10 سيناريوهات لحقن المطالبات عبر الأدوات (AgentDojo) [6]. كما أن مقاومته لاستخراج مطالبة النظام هي الأضعف بين النماذج المدروسة (36.4/100) [6]. وأخيرًا، تتطلب رخصة الأوزان المفتوحة لدى DeepSeek، وهي أوسع من رخصة متساهلة قياسية، مراجعة قانونية دقيقة قبل أي نشر تجاري [5].

Alibaba — Qwen3.8 Max

السياق: جعلت Alibaba من Qwen أوسع عائلة نماذج مفتوحة الأوزان في العالم، من نموذج 27B القابل للتشغيل على محطة عمل إلى نموذج Max المُستضاف، المنتشر على نطاق واسع في Alibaba Cloud وفي الأسواق الناشئة.

الميزات: نموذج رائد متعدد الوسائط ومتعدد اللغات، وسياق بسعة مليون رمز، وإتقان ممتاز للغات غير الإنجليزية — وهي ميزة حاسمة لانتشاره خارج الدول الناطقة بالإنجليزية.

الأداء: 1,491 نقطة Elo على LMArena (ضمن أفضل 20 عالميًا؛ وأول مختبر صيني مفتوح على تلك اللوحة) [2][7]، مع نشر أوزان النموذج النصي الرائد في 12 أغسطس 2026.

أوجه القصور المُبرَّرة: النموذج الرائد مفتوح الأوزان للنص فقط، وبموجب رخصة «مُفصّلة» مقيِّدة وغير قياسية — وهو عائق حقيقي أمام النشر الحر وإعادة الاستخدام التجاري [5]. وتظل القدرات متعددة الوسائط حكرًا على واجهة API المُستضافة لدى Alibaba Cloud، مما يُنشئ اعتمادًا على مزوّد واحد — وهو بالضبط نوع الارتهان الذي يدّعي المصدر المفتوح تجنّبه. كما تتأخر النسخ المفتوحة متعددة الوسائط (Qwen-VL) عن النموذج النصي الرائد في الاستدلال المعقد [5].

Moonshot AI — Kimi K3

السياق: تخصصت Moonshot AI (بكين) في الوكلاء البرمجيين طويلي المدى وفي البرمجة، وكان K2 قد أذهل القطاع بالفعل في 2025 بأداء مفتوح الأوزان على مستوى النماذج الرائدة.

الميزات: 2.8 تريليون مُعامِل في بنية Mixture-of-Experts، وأوزان مفتوحة تجاوزت 2.7 مليون تنزيل على Hugging Face، وسياق بسعة مليون رمز، وبنية مصممة لـ«أسراب» الوكلاء وبرمجة الواجهات الأمامية — المركز الأول على Frontend Code Arena بـ 1,679 نقطة Elo [2][5].

الأداء: 93.40% على SWE-Bench مع مؤشر استدلال يبلغ 59.7 — أي مستوى النماذج الرائدة بأي مقياس [1].

أوجه القصور المُبرَّرة: بهذا الحجم، تتطلب الاستضافة الذاتية عنقود حوسبة من عشرات وحدات GPU، لا محطة عمل — ومن ثم يظل انفتاح الأوزان نظريًا إلى حد كبير بالنسبة إلى المؤسسات الصغيرة والمستقلين [1]. كما أن زمن الاستجابة مرتفع: 619 ثانية لكل مهمة على SWE-Bench مقابل 180 ثانية لـ GPT-5.6 Terra، أي بعامل يتراوح بين ثلاثة وأربعة أضعاف يرفع مباشرة التكلفة الفعلية لخطوط عمل الوكلاء [1]. وأخيرًا، ينعكس الحضور الدولي الأكثر محدودية لـ Moonshot في توثيق ودعم مجتمعي باللغة الإنجليزية أضعف مما لدى DeepSeek أو Alibaba.

Zhipu AI / Z.ai — GLM-5.3

السياق: جعلت Zhipu AI، المنبثقة عن جامعة تسينغهوا، من الإتاحة الكاملة للأوزان المفتوحة عقيدةً لها: إذ يُنشر كل جيل من GLM بكامله، أوزانًا وبنيات.

الميزات: أوزان مفتوحة بالكامل (zai-org/GLM-5.3)، وسياق بنحو مليون رمز، ونسخة Flash بسعر $0.075/$0.25 لكل مليون رمز — وهي أفضل نسبة سعر إلى أداء بين النماذج مفتوحة الأوزان في السوق (درجة قيمة مركّبة تبلغ 286) [2][5][7].

الأداء: 95.40% على SWE-Bench ومؤشر استدلال يبلغ 59.5 مقابل $1.26/$3.96 — أي ربع سعر Claude Opus 5 لأداء برمجي مماثل [1].

أوجه القصور المُبرَّرة: أبطأ نموذج بين المراكز العشرة الأولى: 841 ثانية لكل مهمة مقابل 180 ثانية لمنافس مماثل الدقة — أداء ثمنه الصبر [1]. كما أن مُعامِل «جهد الاستدلال» فيه، إن لم يُضبط صراحةً، يُفعَّل افتراضيًا على أقصى فوترة، وهي مفاجأة فوترة موثقة قد تضاعف فاتورة دفعة من الطلبات دون سابق إنذار [1]. وأخيرًا، تظل منظومة الأدوات المحيطة بـ GLM (التنسيق، والتقييم، والضبط الدقيق الجاهز للاستخدام) أقل نضجًا من منظومة Qwen [5].

تحليل مقارن: ما تدفعه كل منظومة ثمنًا لاستراتيجيتها

الأمان والمواءمة. تستثمر المختبرات الأمريكية، تحت الضغط التنظيمي والإعلامي، بكثافة في المتانة: إذ يسجّل Claude وGPT معدلات رفض على HarmBench تتراوح بين 96 و99%، بينما يراوح DeepSeek V4 Pro مكانه عند 70.5% [6]. وهذه الفجوة ليست هامشية: فهي تحدد ما إذا كان يمكن تعريض هذه النماذج لمستخدمين نهائيين دون إشراف أو لبيانات معادية.

التكلفة والكفاءة. هنا تنقلب موازين القوى: إذ يقدّم DeepSeek V4 Pro وGLM-5.3 ما بين 96 و95% من دقة Claude Opus 5 مقابل 10–25% من تكلفته [1]، وهي كفاءة تتيحها بنيات Mixture-of-Experts وخيارات تدريب مقتصدة — ولكن أحيانًا على حساب زمن الاستجابة (841 ثانية لـ GLM-5.3) [1].

السيادة والارتهان. تتيح الأوزان الصينية المفتوحة (DeepSeek وKimi وGLM) استضافة ذاتية سيادية، وهو شرط يزداد حسمًا بالنسبة إلى الدول والمستشفيات والبنوك؛ لكن، ومن المفارقات الموثقة، فإن أفضل نموذج صيني «مفتوح» من حيث التكلفة لكل مهمة (Kimi K3، بـ 2.8 تريليون مُعامِل) هو تحديدًا النموذج الذي لا تستطيع أي مؤسسة متوسطة الحجم استضافته بنفسها فعليًا [1].

التراخيص. حتى بين النماذج المسماة «مفتوحة»، لا تمنح الحرية الكاملة إلا الأوزان الكاملة الصادرة بتراخيص متساهلة (GLM-5.3 ونسخ Qwen القياسية): فالتراخيص «المُفصّلة» لـ DeepSeek وللنموذج الرائد Qwen3.8 Max تفرض شروطًا يجب على أي مشترٍ حصيف قراءتها [5].

وأخيرًا، تذكّرنا مقاييس من نوع LMArena بحقيقة مزعجة: فالنماذج الأكثر «لطفًا» في المحادثة ليست دائمًا الأكثر كفاءة في التنفيذ — وOpus 5، السابع في المحادثة والأول في المهام، هو البرهان الساطع على ذلك [1].

الخلاصة — مبارزة انتهت إلى تعادل تقني، لا استراتيجي

يمكن تلخيص الحكم المنصف في أكتوبر 2026 في ثلاث جمل. أولًا، تحتفظ الولايات المتحدة بالتفوق في حالات الاستخدام عالية القيمة — الكتابة المتخصصة، والوكلاء طويلي المدى، ومتانة الأمان المقيسة — ولكن بأسعار مرتفعة تقدّم المختبرات الصينية بشكل منهجي أسعارًا أدنى منها: إذ يقدّم DeepSeek V4 Pro وGLM-5.3 ما بين 96 و95% من دقة Claude Opus 5 مقابل 10–25% من تكلفته [1]. ثانيًا، قلبت الصين الميزان الاستراتيجي في مجال الأوزان المفتوحة: فأفضل النماذج القابلة للتنزيل في العالم باتت صينية، وتقلّصت الفجوة مع الحدود المغلقة إلى معدل فوز يتراوح بين 54 و58% [2] — وهي فجوة تضيق مع كل جيل. ثالثًا، يدفع كل معسكر ثمن استراتيجيته: فالأمريكيون يدفعون غاليًا ثمن سلامة الأمان والتميز الهامشي، بينما يعوّض الصينيون بالكفاءة لكنهم يُظهرون ثغرات موثقة في متانة مواجهة الهجمات (DeepSeek)، وزمن الاستجابة (GLM-5.3)، ووضوح التراخيص (Qwen وDeepSeek)، أو قابلية الاستضافة الفعلية (Kimi K3). ومن ثم لم تعد التوصية الرشيدة اختيار معسكر، بل تنسيق العمل بين المعسكرين — الكتابة والبرمجة الحرجتان على Claude، والاستدلال متعدد الوسائط على Gemini، والأحجام الكبيرة والتكلفة على DeepSeek أو GLM — كما تفعل الفرق الأكثر تقدمًا بالفعل [4]. وفي هذه المبارزة، الفائز الحقيقي هو المستخدم: فلم يسبق للمنافسة أن قدّمت هذا القدر من القوة، بهذا القدر الضئيل من المال، مع هذا القدر من الخيارات.