ديب سيك تفتح أبواب الذكاء الاصطناعي بإصدارها الأول مفتوح المصدر

حين تنتقل النماذج الذكية من فهم النصوص إلى قراءة الشاشة نفسها، تتغير طبيعة العلاقة بين الإنسان والآلة بهدوء لكن بعمق. هذا بالضبط ما تكشفه خطوة DeepSeek الأخيرة، بعدما أتاحت الأوزان الخاصة بأول نموذج متعدد الوسائط لديها V4-Flash-Vision-Exp كمصدر مفتوح على Hugging Face بترخيص MIT، في إشارة واضحة إلى أن سباق الذكاء الاصطناعي لم يعد يدور فقط حول المحادثة، بل حول تنفيذ المهام داخل الواجهات الرقمية.

ما يميز V4-Flash-Vision-Exp أنه لا يُقدَّم بوصفه نموذجاً لفهم الصور أو الإجابة عن أسئلة بصرية فحسب، بل كطبقة إدراكية لوكلاء الذكاء الاصطناعي. الفكرة هنا عملية جداً: قراءة لقطات الويب، فهم واجهات البرامج، تفسير المخططات، ثم تحويل ذلك إلى أفعال عبر استدعاءات الأدوات. بمعنى آخر، نحن لا نتحدث عن نموذج يصف ما يراه، بل عن نموذج يفهم ما ينبغي فعله بعد أن يراه.

هذا التحول مهم لأن كثيراً من بيئات العمل الرقمية ما زالت مبنية على الشاشات والنوافذ والنماذج والأزرار، لا على واجهات برمجية نظيفة ومباشرة. لذلك فإن أي نموذج يستطيع التنقل داخل هذه الطبقة البصرية بكفاءة يقترب أكثر من لعب دور المساعد التنفيذي، لا مجرد المجيب الذكي.

إتاحة 305 مليارات معامل كمصدر مفتوح ليست مجرد إضافة تقنية إلى Hugging Face، بل قرار له أثر مباشر على المطورين والشركات والباحثين. فبدلاً من الاكتفاء بالوصول إلى النموذج عبر واجهة API مغلقة، أصبح بالإمكان فحص السلوك، وبناء طبقات تشغيل مخصصة، وتجربة أساليب ضبط وتحسين محلية، وحتى نشر النموذج ضمن بيئات تحتاج إلى تحكم أكبر في الخصوصية والبنية التحتية.

الأهمية هنا لا تتعلق بالحجم فقط، بل بنمط الإتاحة. DeepSeek بدأت بطرح النموذج كخدمة عبر منصتها في 21 أغسطس، ثم تبعت ذلك بإطلاق الأوزان في 31 أغسطس. هذا التسلسل يكشف استراتيجية واضحة: اختبار الطلب أولاً ضمن بيئة مضبوطة، ثم فتح الباب أمام المجتمع التقني لتوسيع الاستخدام. إنها مقاربة تجمع بين الانضباط التجاري وروح المصدر المفتوح.

بحسب النتائج المنشورة على صفحة النموذج في Hugging Face، تقترب قدرات النموذج من أدوات الصف الأول في مهام الوكلاء متعددة الوسائط. على معيار ApexBench Pass@1 سجل 36.5 مقابل 39.4 لنموذج Opus-4.8، بينما تفوق عليه في Agents' Last Exam مسجلاً 27.3 مقابل 25.7. هذه الفجوة الصغيرة في بعض الاختبارات توحي بأن DeepSeek لا تراهن على مجرد الكلفة الأقل، بل على موقع تنافسي فعلي في فئة حساسة جداً.

اللافت أيضاً أن إضافة القدرات البصرية لم تُضعف الأداء النصي، بل تحسن الأداء قليلاً في Terminal Bench 2.1 من 82.7 إلى 83.9. هذا تفصيل تقني مهم، لأن كثيراً من النماذج حين تتوسع في تعدد الوسائط تدفع ثمناً في التخصصات الأخرى. ومع ذلك، لم تُخف الشركة جوانب الضعف، إذ جاء أداؤها في NL2Repo عند 57.7 متأخراً بوضوح عن 69.7 لدى Opus-4.8، ما يعني أن فهم الشيفرة والمستودعات البرمجية ما زال مساحة تحتاج إلى نضج أكبر.

المقارنة التي أوردها The New Stack بين V4-Flash-Vision-Exp وGemini 3.7 Flash تكشف معادلة مألوفة في سوق النماذج: الكلفة مقابل السرعة. على تسع مهام بصرية، كان الأداء متقارباً من حيث الدقة، لكن نموذج DeepSeek كلّف نحو ثلث السعر تقريباً، بينما استغرق أكثر من ضعفي الزمن للاستجابة. وفي تسعير OpenRouter، يظهر الفارق بوضوح أكبر: 0.22 دولار لكل مليون رمز إدخال و0.66 دولار لكل مليون رمز إخراج، مقابل 0.75 و3.75 لدى Gemini 3.7 Flash.

هذه الأرقام تجعل النموذج جذاباً لسيناريوهات كثيرة، خصوصاً في الأتمتة واسعة النطاق أو المنتجات التي تحتاج إلى هامش ربح محسوب بعناية. لكن البطء النسبي ليس تفصيلاً بسيطاً. ففي تطبيقات الوكلاء، التأخير لا يؤثر فقط على الشعور بالسلاسة، بل على قابلية الاعتماد نفسها، خصوصاً حين تكون المهمة سلسلة من خطوات مترابطة داخل متصفح أو برنامج أو لوحة تحكم.

من المؤشرات المهمة على جاذبية أي إصدار مفتوح، سرعة استجابة المجتمع له. خلال ساعات من الإطلاق ظهرت نسخ كمية ومهيأة للعمل مع llama.cpp وLM Studio وOllama. هذه التفاصيل قد تبدو تقنية بحتة، لكنها في الحقيقة تعني شيئاً أوسع: النموذج لم يصل إلى المستخدمين كخبر فقط، بل كأداة قابلة للتجربة الفورية على بيئات تشغيل مألوفة.

كما أن الحزمة لم تقتصر على الأوزان، بل شملت المرمّز، ومراجع لتشفير المطالبات، وتنفيذاً أساسياً للاستدلال عبر PyTorch. هذا النوع من الاكتمال يقلل الاحتكاك الذي يواجهه المطور عادة عند الانتقال من الإعلان إلى التطبيق، ويزيد فرص أن يتحول النموذج إلى مكوّن فعلي داخل المنتجات، لا مجرد تجربة على ورق.

إطلاق نموذج بصري موجه للوكلاء، بالتزامن مع أدوات مثل Harness للتنفيذ المستمر للمهام، يكشف أن المنافسة تتجه إلى بناء حزمة تشغيل كاملة لا نموذج واحد معزول. السوق يتحرك من سباق أحجام ومعايير إلى سباق طبقات: نموذج يفهم، وأداة تنفذ، وبنية تنسق، ومنظومة تتيح الدمج داخل منتجات حقيقية.

لهذا تبدو خطوة DeepSeek أوسع من مجرد فتح أوزان نموذج جديد. إنها محاولة لترسيخ فكرة أن الذكاء الاصطناعي العملي في مرحلته المقبلة سيكون أقل انشغالاً بإبهار المستخدم بجواب جيد، وأكثر انشغالاً بإنجاز العمل نفسه عبر الشاشة والواجهة والبيانات والأداة. وبين الكلفة المنخفضة، والانفتاح، والاقتراب من أداء النماذج المغلقة، يتشكل مسار يصعب تجاهله في مشهد النماذج متعددة الوسائط.

في النهاية، القيمة الحقيقية لهذا النوع من الإصدارات لا تكمن فقط في عدد المعاملات أو ترتيب الاختبارات، بل في سؤال أكثر بساطة: هل يمكن للذكاء الاصطناعي أن يرى ما نراه على الشاشة ويتصرف بقدر كاف من الفهم؟ DeepSeek لا تقدم الإجابة النهائية بعد، لكنها تقترب منها بطريقة عملية تجعل السوق كله مضطراً إلى إعادة الحسابات.