نماذج ديب سيك الجديدة تتحدى وادي السيليكون بتكلفة أقل بكثير

حين نتحدث عن نماذج الذكاء الاصطناعي اليوم، غالباً ما ينصرف التفكير فوراً إلى سباق القوة الحوسبية وعدد المعالجات وسقف الأداء. لكن ما يغيب أحياناً هو سؤال أبسط: كم سيكلّفك كل هذا الذكاء فعلياً؟ هنا تحديداً تحاول DeepSeek إعادة صياغة المعادلة.

الشركة الصينية كشفت عن نسختين مفتوحتين المصدر من جيلها الرابع V4، هما V4 Pro وV4 Flash، مع وعود بمستوى أداء يقترب من نماذج الشركات الأميركية الكبرى، ولكن بتكلفة تشغيل أقل بكثير. خطوة لا تبدو مجرد تحديث تقني، بل محاولة جادة لمنافسة وادي السيليكون بمنطق مختلف.

أحد أبرز التحسينات في V4 هو توسيع نافذة السياق إلى مليون توكن، ما يسمح للنموذج بمعالجة قواعد شيفرة كاملة أو وثائق طويلة جداً في طلب واحد. عملياً، هذا يعني أن فرق التطوير يمكنها تحليل مشروع برمجي متكامل دون الحاجة إلى تقسيمه إلى أجزاء صغيرة، وهو ما يغيّر تجربة العمل مع أدوات البرمجة المدعومة بالذكاء الاصطناعي.

في تطبيقات البحث، والتحليل القانوني، ومعالجة المستندات المؤسسية، يصبح هذا الطول في السياق عاملاً حاسماً. فبدلاً من فقدان الخيوط بين كل طلب وآخر، يحتفظ النموذج بالصورة الكاملة، ما يحسن الاستدلال ويقلل الأخطاء الناتجة عن نقص المعلومات.

تعتمد نماذج V4 على بنية mixture-of-experts، وهي مقاربة تفعل جزءاً فقط من المعاملات أثناء تنفيذ المهمة. رغم أن العدد الإجمالي للمعاملات قد يصل إلى تريليونات، فإن ما يُستخدم فعلياً في كل استجابة هو جزء محدود، ما يخفض كلفة الاستدلال بشكل ملحوظ.

هذه الفكرة ليست جديدة بالكامل، لكنها هنا تُوظف بتركيز واضح على الكفاءة الاقتصادية. فبدلاً من مطاردة أرقام الأداء القصوى بأي ثمن، يبدو أن DeepSeek تراهن على معادلة الأداء مقابل التكلفة، وهي معادلة تهم الشركات الناشئة ومزودي الخدمات السحابية بقدر ما تهم المطور الفردي.

بحسب الورقة التقنية المنشورة من الشركة، فإن V4 Pro Max يحقق أداءً متقدماً في اختبارات الاستدلال القياسية، مع تفوق على بعض النماذج، لكنه لا يزال متأخراً بفارق زمني يُقدّر بين ثلاثة إلى ستة أشهر عن أحدث إصدارات النماذج الرائدة.

هذا الاعتراف مهم، لأنه يعكس واقعية تقنية. الفجوة ليست صفراً، لكنها لم تعد واسعة كما كانت قبل عامين. ومع تسارع دورات التطوير، قد تصبح مسألة اللحاق مسألة وقت أكثر منها مسألة قدرة.

إذا كان الأداء متقارباً، فإن الفارق السعري يصبح العامل الحاسم. تسعّر DeepSeek نموذج V4 Flash عند 0.14 دولار لكل مليون توكن إدخال و0.28 دولار للإخراج. في المقابل، تتجاوز أسعار نماذج منافسة عدة أضعاف هذا الرقم، خصوصاً في تكلفة الإخراج.

أما في الفئة الاحترافية، فيبلغ سعر V4 Pro نحو 1.74 دولار للإدخال و3.48 دولار للإخراج لكل مليون توكن، مقارنة بأرقام أعلى بكثير لدى بعض المنافسين. هذه الفروق تصبح ملموسة عند تشغيل تطبيقات واسعة النطاق أو منصات تعتمد على ملايين أو مليارات التوكنات شهرياً.

تحافظ DeepSeek على ترخيص MIT المفتوح للأوزان، ما يعني إمكانية تشغيل النموذج محلياً لمن يملك الموارد. لكنه تذكير ضمني بأن “المجاني” في عالم الذكاء الاصطناعي لا يلغي تكلفة الطاقة والبنية التحتية.

المعادلة هنا تتحول من دفع مقابل الاستخدام إلى استثمار في العتاد والكهرباء والصيانة. خيار قد يكون منطقياً لمراكز البيانات الكبرى أو الحكومات، وأقل جاذبية للمستخدم العادي.

ما تفعله DeepSeek لا يقتصر على إطلاق نموذج جديد، بل يعكس تحولاً في ديناميكيات القوة داخل سوق الذكاء الاصطناعي. لم تعد المنافسة حكراً على من يملك أكبر عدد من الرقائق أو أعلى تقييم سوقي، بل على من يستطيع تقديم أداء مقنع بتكلفة معقولة. وفي سباق يتسع بسرعة، قد تكون الكفاءة هي السلاح الأكثر فاعلية.