في ربيع هذا العام، وبفارق ستة أسابيع بينهما، أطلقت كل من أكبر مختبرين للذكاء الاصطناعي في الصين، اللذين يحظيان بأكبر عدد من المتابعين، هاتفًا رائدًا جديدًا. DeepSeek أطلقت V4 في 24 أبريل — 1.6 تريليون معلمة، مرخصة بموجب ترخيص MIT، وأُدرجت أوزانها على منصة Hugging Face في اليوم نفسه. وردت شركة Alibaba في 20 مايو بإطلاق Qwen3.7 Max، وهو نموذج استدلال ذو أوزان مغلقة مع سياق يبلغ مليون توكن وسعر يتناسب مع طموحه.
على الورق، يبدو أنهما متنافسان. لكن في الواقع، يستهدف كل منهما شريحة مختلفة من المشترين. أحدهما هو أرخص نموذج «فرونتير» جاد يمكنك تشغيله بنفسك؛ والآخر هو واجهة برمجة تطبيقات (API) متطورة وأسرع تستأجرها بالرمز الرقمي. تحلل هذه المقالة المجالات التي يتفوق فيها كل منهما فعليًّا — البرمجة، والاستدلال، والسياق، والسرعة، بالإضافة إلى العامل الذي ينهي معظم الجدالات، ألا وهو التكلفة لكل مليون رمز رقمي.
أبرز الاستنتاجات
- متقاربان جدًّا في الترميز. Vendor SWE-bench Verified scores land at 80.6% (ديب سيك V4-Pro) versus 80.4% (Qwen3.7 Max) — a rounding error apart.
- تتفوق كوين بفارق ضئيل من حيث الذكاء الفطري. أعطته «Independent Artificial Analysis» 57 نقطة في «مؤشر الذكاء» الخاص بها، مقابل 52 نقطة لـ«DeepSeek V4-Pro».
- DeepSeek أرخص بكثير. يستهلك V4-Pro $0.435/$0.87 لكل مليون توكن إدخال/إخراج؛ أما Qwen3.7 Max فيستهلك $2.50/$7.50 — أي ما يقارب 6 إلى 9 أضعاف.
- الاختلاف الحقيقي يكمن بين النموذج المفتوح والنموذج المغلق. DeepSeek V4 ships open weights you can self-host; Qwen3.7 Max is API-only, with no open release as of June 2026.
- كلاهما يطالب بسياق يتألف من 1M توكن — لكن «كوين» أسرع بشكل ملحوظ، حيث تبلغ سرعتها حوالي 193 رمزًا في الثانية، مقارنةً بـ«ديبسيك» التي تبلغ سرعتها حوالي 80 رمزًا في الثانية.
- تعامل مع معايير أداء الموردين بحذر. العديد من الأرقام البارزة هي أرقام أبلغت عنها الجهات المعنية بنفسها ولم يتم التحقق منها بشكل مستقل حتى الآن.
نظرة عامة على الطرازين
يتم طرح DeepSeek V4 فعليًّا بحجمين. يُعد V4-Pro النموذج الأكبر حجمًا: حيث يبلغ إجمالي المعلمات 1.6 تريليون مع 49 مليار معلمة نشطة لكل رمز، وهو مبني على تصميم «مزيج الخبراء» (Mixture-of-Experts) المتفرق. وهناك أيضًا V4-Flash، وهو نموذج بحجم 284B/13B مخصص للأعمال الأقل تكلفة والأعلى إنتاجية. وكلا النموذجين يدعمان سياقًا رئيسيًّا يضم مليون رمز، ومخرجات قصوى كبيرة بشكل غير معتاد تبلغ 384 ألفًا، وكلاهما تم إصدارهما بموجب ترخيص MIT المفتوح، مع توفر الأوزان على منصة Hugging Face.
يُعد Qwen 3.7 Max نموذجًا مختلفًا تمامًا. لم تكشف شركة Alibaba عن عدد معلماته — ويُقدِّر المراقبون المستقلون العدد الإجمالي بنحو تريليون معلمة في نموذج MoE متفرق — والأهم من ذلك، أنه نموذج مغلق الوزن ومتاح عبر واجهة برمجة التطبيقات (API) فقط. لا توجد نسخة قابلة للتنزيل حتى يونيو 2026، وهو خروج ملحوظ عن تراث Qwen المفتوح المصدر (لا تزال سلسلة الإصدارات 3.6 توفر نماذج مفتوحة مثل النسخة الكثيفة ذات الـ27 مليار معلمة). يُقدَّم Qwen3.7 Max بشكل مباشر كنموذج للاستدلال والوكيل، حيث يعتمد على سلسلة تفكير موسعة قبل أن يقدم إجابته.
هذا الإطار مهم لما سيأتي بعد ذلك. إذا كنت تريد أن تفهم سبب سعي كلا المختبرين جاهدين لتحقيق ذلك، فإن تقرير توضيحي حول صعود شركة DeepSeek يتناول الخلفية الاستراتيجية.
| المواصفات | ديب سيك V4-Pro | كوين3.7 كحد أقصى |
|---|---|---|
| أُطلِقَ | 24 أبريل 2026 | 20 مايو 2026 |
| الأوزان | مفتوح (MIT، على Hugging Face) | مغلق / متاح عبر واجهة برمجة التطبيقات (API) فقط |
| عدد المعايير (البارامترات) | 1.6 تيرا إجمالي / 49 مليار نشط (وزارة التعليم) | لم يُكشف عن الرقم (تقدير: حوالي 1 تيرا، هامش الخطأ) |
| نافذة السياق | مليون رمز (Token) | مليون رمز (Token) |
| الحد الأقصى للإخراج | 384,000 توكن | حوالي 65,000 توكن |
| سعر المدخلات (/م) | $0.435 | $2.50 |
| سعر المخرجات (/م) | $0.87 | $7.50 |
| سرعة الإخراج | حوالي 80 توكن في الثانية | حوالي 193 رمزًا في الثانية |
البرمجة: تعادل تام في المعيار الرئيسي
المعيار الذي يتحقق منه الجميع أولاً هو «SWE-bench Verified»، وهي مجموعة من المشكلات الحقيقية على GitHub التي خضعت للتصفية البشرية. وهنا يتعادل النموذجان فعليًّا: حيث يسجل الإعداد الأعلى لـ DeepSeek (الذي يُسمى أحيانًا V4-Pro-Max) 80.6%، بينما يسجل Qwen3.7 Max 80.4%. وهذا الفارق لا يعدو كونه ضوضاء.
ولكن إذا تعمقنا قليلاً، تختلف الصورة باختلاف نوع المهمة. يحقق DeepSeek أرقامًا مذهلة في البرمجة على غرار المسابقات البرمجية — 93.5 في LiveCodeBench وتصنيف 3,206 على Codeforces — والتي تعتمد على حل الألغاز الخوارزمية. أما نقاط قوة Qwen فتنحرف نحو الهندسة التفاعلية متعددة الخطوات: حيث يحقق 60.6 في اختبار SWE-bench Pro الأصعب و69.7 في Terminal-Bench 2.0، وهما اختباران يقدّران قدرة النموذج على التنقل في مستودع الكود (repo)، وتشغيل الأوامر، والتكرار بدلاً من تنفيذ الدالة مرة واحدة فقط.
من الناحية العملية: بالنسبة لحلقات الوكيل المستقلة التي تهدف إلى “إصلاح قاعدة الكود”، يتمتع Qwen3.7 Max بميزة طفيفة؛ أما بالنسبة لتوليد الكود الخام والمشاكل ذات الطابع التنافسي، فإن DeepSeek يضاهيه على الأقل، وتكلفته لا تمثل سوى جزء بسيط من تكلفته. ومع ذلك، لا يُعد أي منهما البطل المطلق في الإعدادات المحلية — فهذا اللقب لا يزال من نصيب النماذج الأصغر حجمًا التي تناولناها في الأفضل نموذج لغوي محلي متخصص في البرمجة الدليل.
هناك تحذير واحد يستحق التكرار: معظم هذه الأرقام مستمدة من تقارير الشركات المصنعة. وحتى يونيو 2026، لا تزال التجارب المستقلة قليلة، وقد خلص تقييم معهد CAISI (NIST) الأمريكي لنظام V4-Pro إلى أن قدراته في العالم الواقعي تتخلف عن الأنظمة الأمريكية الرائدة بنحو ثمانية أشهر بشكل عام. يجب النظر إلى النتائج التسويقية على أنها الحد الأقصى، وليس ضمانًا.
التفكير المنطقي والذكاء العام
ولإجراء مقارنة متكافئة، يُعد موقع «Artificial Analysis» المرجع المحايد الأكثر فائدة، حيث يُجري هذا الموقع مؤشر الذكاء المركب الخاص به. وهناك، سجل Qwen3.7 Max 57 نقطة (مما يضعه ضمن المراكز العشرة الأولى من بين أكثر من 150 نموذجًا تم تتبعها) مقابل 52 نقطة لـ DeepSeek V4-Pro في إعداداته القصوى للاستدلال. يتفوق Qwen في هذه المقارنة، لكن كلا النموذجين يحتلان مكانة مرموقة في مجال الذكاء الاصطناعي المتطور.
في اختبارات التفكير المنطقي الفردية، يتنافس مقدمو الخدمات بقوة. سجل نظام «Qwen 3.7 Max» 92.4 في اختبار «GPQA Diamond»، وهو معيار قياسي علمي على مستوى الدراسات العليا؛ بينما حقق نظام «DeepSeek V4-Pro» حوالي 90 في الاختبار نفسه. ويتباهى كلا المختبرين بتحقيق نتائج شبه مثالية في مسابقات الرياضيات الصعبة مثل HMMT وAIME 2026 عندما يُسمح لهما باستخدام الأدوات والتفكير الموسع — وهي أرقام تعكس قدرة الحساب أثناء الاختبار أكثر مما تعكس القدرة الأساسية.
هناك فرق أكثر دقة في السلوك. تم ضبط Qwen3.7 Max ليمتنع عن الإجابة في كثير من الأحيان على الأسئلة التي لا يكون متأكدًا منها، مما منحه أدنى معدل للهلوسة بين النماذج الرائدة وفقًا لتقارير Qwen نفسها (حوالي 22.9%)، ولكنه خفض أيضًا دقة الاسترجاع الأولية في معايير الأداء الخاصة بالمعرفة البحتة. إذا كان تطبيقك يعتمد على الاسترجاع المعزز وكنت تفضل أن يقول النموذج “لا أعرف” بدلاً من اختلاق الإجابات، فهذه ميزة. أما إذا كنت تريده أن يحاول الإجابة دائمًا، فهذه خاصية غريبة يجب أخذها في الاعتبار عند التخطيط.
السياق، والسرعة، و«ضريبة الإسهاب»
يُعلن كلا النموذجين عن نافذة سياق تبلغ 1M توكن، ويستند كلاهما إلى آلية «الانتباه للسياق الطويل» التي تم إعادة صياغتها — وقد أفاد مراجعون من أطراف ثالثة بأن نموذج Qwen حقق معدل استرجاع قويًّا حتى ما بعد علامة 800K. وبالنسبة للاستدلال على مستوى المستودع بأكمله أو إدخال مجموعة من الوثائق الطويلة، فإن كلا النموذجين قادران على استيعاب هذه المواد.
السرعة هي ما يميزهما عن بعضهما. فقد سجل Qwen3.7 Max معدل تدفق يبلغ حوالي 193 توكن في الثانية في اختبارات مستقلة؛ بينما يبلغ معدل DeepSeek V4-Pro حوالي 80 توكن. في الواقع، يكون وقت DeepSeek حتى ظهور التوكن الأول أسرع (حوالي 1.87 ثانية مقابل 2.65 ثانية في Qwen)، لذا يبدو DeepSeek أسرع في الاستجابة ابدأ, ، لكن «Qwen» تنجز عمليات الحساب التي تشمل أجيالاً طويلة بسرعة أكبر بكثير.
كما أن كلا النموذجين يتسمان بالإسهاب بشكل ملحوظ. عند تشغيل «مؤشر التحليل بالذكاء الاصطناعي»، استهلك DeepSeek V4-Pro 190 مليون رمز إخراج، بينما استهلك Qwen3.7 Max 97 مليون رمز — وكلاهما يتجاوزان بكثير المتوسط في هذا المجال، حيث يُعد DeepSeek من بين أكثر النماذج التي تم اختبارها استهلاكًا للرموز. ويضاف هذا الإسهاب إلى تكلفة المخرجات — وبما أن الرموز المميزة للمخرجات هي الأغلى ثمناً، فإن نموذج الاستدلال «المثرثر» يمكن أن يضخم فاتورتك بهدوء إلى ما يتجاوز بكثير ما تشير إليه التكلفة المعلنة لكل رمز مميز.
السعر: حيث تتحول الفجوة إلى هاوية
هذه هي النتيجة الأكثر وضوحًا في الترتيب، وتعود إلى DeepSeek.
| النموذج | الإدخال /M | الإنتاج /م | قراءة ذاكرة التخزين المؤقت /M | مزيج AA /M |
|---|---|---|---|---|
| ديب سيك V4-Pro | $0.435 | $0.87 | ~$0.004 | $0.18 |
| ديب سيك V4-Flash | $0.14 | $0.28 | ~$0.003 | — |
| كوين3.7 كحد أقصى | $2.50 | $7.50 | ~$0.25 | $1.43 |
يُعد DeepSeek V4-Pro أرخص بنحو ستة أضعاف في المدخلات وأرخص بنحو تسعة أضعاف في المخرجات مقارنةً بـ Qwen3.7 Max. وعند الانتقال إلى V4-Flash، تتسع الفجوة إلى درجة تصل إلى حد العبثية في مهام الدردشة أو التصنيف ذات الحجم الكبير. كما أن أسعار DeepSeek عند إصابة ذاكرة التخزين المؤقت (cache-hit) تنافسية للغاية — تقارب $0.004 لكل مليون في البادئات المتكررة، وهو خصم يبلغ حوالي 99% يجعل المطالبات النظامية الطويلة والمستقرة شبه مجانية.
توفر «كوين» أيضًا تخزينًا مؤقتًا سريعًا (تبلغ سرعة القراءة من ذاكرة التخزين المؤقت حوالي $0.25/M، وهو ما يمثل انخفاضًا بمقدار 90%)، ووفقًا للمقياس المركب الذي وضعته «Artificial Analysis»، تضيق الفجوة الفعلية إلى حوالي 8x بدلاً من الرقم المعلن البالغ 9x. ولكن مهما كانت طريقة قراءة هذه الأرقام، فإن Qwen لا تبدو خيارًا رخيصًا. فأنت تدفع مقابل السرعة الإضافية ونقاط مؤشر الذكاء القليلة الإضافية.
فأيهما يجب أن تشغله فعليًّا؟
Pick DeepSeek V4 if…
- إذا كنت تريد أنظمة مفتوحة المصدر يمكنك استضافتها بنفسك، أو ضبطها بدقة، أو تشغيلها في بيئة معزولة تمامًا عن الشبكة وفقًا لمعايير معهد ماساتشوستس للتكنولوجيا (MIT)، فلا بأس بذلك.
- التكلفة هي العامل الحاسم — فهي أرخص بـ 6 إلى 9 أضعاف، وذلك قبل تطبيق الخصم الهائل على ذاكرة التخزين المؤقت.
- تحتاج إلى المخرجات الأطول (حتى 384 ألف توكن) لمهام التوليد الكبيرة.
- يتكون عبء عملك من مهام البرمجة أو الرياضيات ذات الطابع التنافسي.
اختر Qwen3.7 Max إذا…
- أنت تريد من بين الاثنين من يتمتع بأعلى مستوى مقاس من الذكاء العام، ولا تمانع في دفع المال مقابل ذلك.
- الإنتاجية أمر مهم — فهي تزيد من معدل الإنتاج بأكثر من الضعف.
- أنت تقوم ببناء حلقات هندسية ذاتية التوجيه ومتعددة الخطوات، حيث تتفوق فيها.
- أنت تفضل واجهة برمجة تطبيقات (API) مُدارة ومغلقة ومستوى أقل من «الهلوسة» على الاستضافة الذاتية.
بالنسبة لمعظم الفرق، فإن الاختيار يتعلق في الحقيقة بمسألة الميزانية والتحكم، وليس بمسألة القدرات. فالفرق بينها من حيث الجودة ضئيلة للغاية، لدرجة أن المحورين «المفتوح مقابل المغلق» و«الرخيص مقابل الفاخر» هما اللذان يحسمان الأمر. إذا كنت تدرس أيضًا الخيارات الغربية، فاطلع على مقارنة الأداء في مجالنا تحليل مقارنة بين GPT-5 وClaude 4 وGemini 3, ، و مقارنة بين DeepSeek و ChatGPT يتناول الفجوة في القيمة عبر الحدود بمزيد من التفصيل.
الأسئلة الشائعة
أيهما أفضل في البرمجة: DeepSeek V4 أم Qwen3.7 Max؟
إنهما متعادلان بشكل أساسي في اختبار SWE-bench Verified (80.6% مقابل 80.4%). يبدو DeepSeek أقوى في اختبارات الأداء الخاصة بالبرمجة التنافسية مثل LiveCodeBench وCodeforces، بينما يتفوق Qwen3.7 Max في المهام الهندسية القائمة على الوكلاء مثل SWE-bench Pro وTerminal-Bench. وبالنسبة لمعظم أعمال البرمجة، فإن كلاهما أكثر من كفء.
أي طراز أرخص في الاستخدام؟
يُعد DeepSeek V4 أرخص بكثير. تبلغ تكلفة V4-Pro $0.435/$0.87 لكل مليون توكن إدخال/إخراج، مقارنةً بـ Qwen3.7 Max التي تبلغ تكلفتها $2.50/$7.50 — أي أقل بنحو 6 إلى 9 أضعاف. كما أن إصدار V4-Flash من DeepSeek وأسعار ذاكرة التخزين المؤقت التنافسية تزيد من الفارق أكثر عند الاستخدام بكميات كبيرة.
هل يمكنني تنزيل هذه النماذج واستضافتها بنفسي؟
يتم توفير DeepSeek V4 (بكلا الإصدارين Pro وFlash) بأوزان مفتوحة بموجب ترخيص MIT على منصة Hugging Face، مما يتيح لك استضافته بنفسك وضبطه بدقة. أما Qwen3.7 Max فهو ذو أوزان مغلقة ومتاح عبر واجهة برمجة التطبيقات (API) فقط اعتبارًا من يونيو 2026، ولا تتوفر له نسخة قابلة للتنزيل.
هل يدعم كلاهما فعلاً نافذة سياق تضم مليون توكن؟
نعم، كلاهما يعلن عن سياق يبلغ 1M رمز. كما يدعم DeepSeek ما يصل إلى 384K رمزًا في المخرجات، في حين يحدد Qwen3.7 Max الحد الأقصى للمخرجات عند حوالي 65K. وأفاد مراجعون مستقلون بأن Qwen يُظهر قدرة قوية على استرجاع السياقات الطويلة التي تتجاوز علامة 800K.
أيهما أسرع؟
يتميز Qwen 3.7 Max بإخراج تدفقات أسرع — حوالي 193 رمزًا في الثانية مقابل حوالي 80 رمزًا لـ DeepSeek V4-Pro في اختبارات مستقلة. يتميز DeepSeek بوقت أقل قليلاً حتى ظهور الرمز الأول، لذا يبدأ في الاستجابة في وقت أبكر، لكن Qwen يكمل عمليات التوليد الطويلة بسرعة أكبر.
هل يمكن الوثوق بنتائج الاختبارات القياسية؟
تعامل معها بحذر. فالعديد من الأرقام البارزة هي أرقام أبلغ عنها الموردون ولم يتم التحقق منها بشكل مستقل بعد. وتمنح شركات التجميع المحايدة مثل Artificial Analysis نموذج Qwen3.7 Max مؤشر ذكاء مركب أعلى (57 مقابل 52)، كما أظهر تقييم أجرته الحكومة الأمريكية (CAISI/NIST) أن DeepSeek V4-Pro يتخلف عن النماذج الأمريكية الرائدة بنحو ثمانية أشهر بشكل عام.
هل يُعد Qwen3.7 Max بالفعل أكثر ذكاءً من DeepSeek V4؟
أما بالنسبة للتقييم المركب المستقل، فالفرق طفيف — 57 مقابل 52 على مؤشر الذكاء الاصطناعي للتحليل. الفرق حقيقي ولكنه ضئيل، ويأتي مقابل ثمن باهظ وتكلفة كبيرة على الصعيدين المالي والشفافية. أما ما إذا كانت تلك النقاط القليلة تبرر دفع ما يقارب 8 أضعاف السعر، فهذا يعتمد كليًّا على حالة الاستخدام الخاصة بك.
الخلاصة
هذان النموذجان أقرب إلى بعضهما مما توحي به الضجة الإعلامية. ففي اختبار الأداء الأكثر أهمية بالنسبة للمهندسين — SWE-bench Verified — تعادلا في النتائج، أما في اختبار الذكاء العام Qwen3.7 Max، فتقدم بفارق ضئيل تم تأكيده بشكل مستقل. ولو كانت الجودة وحدها هي المعيار الحاسم، لفاز Qwen بالنقاط.
لكن الجودة نادرًا ما تكون العامل الحاسم الوحيد. يتميز DeepSeek V4 بأنه نظام مفتوح الوزن، ومرخص بموجب ترخيص MIT، وأرخص بـ 6–9x، مما يجعله الخيار الافتراضي لأي شخص يهتم بالتكلفة أو التحكم أو تشغيل النماذج على أجهزته الخاصة. أما Qwen3.7 Max فهو الخيار الأمثل عندما تريد واجهة برمجة تطبيقات (API) مُدارة أكثر ذكاءً وأسرع بكثير، ولا يمثل الميزانية عائقًا. ستلجأ معظم الفرق إلى DeepSeek ولن تلاحظ ما تفتقده إلا في أصعب المهام التي تتطلب قدرات وكيلية — هذا إن لاحظت ذلك أصلاً.
