في 27 يناير 2025، نجح مختبر صيني غير معروف لمعظم المستثمرين في محو 589 مليار دولار من القيمة السوقية لشركة Nvidia في جلسة واحدة؛ أكبر خسارة يومية في تاريخ البورصات الأمريكية. الشرارة كانت نموذج DeepSeek، و″جريمته″ كانت الانفتاح.
حتى بيتكوين (BTC) اهتزت مع استيعاب السوق لفكرة بسيطة: الذكاء الاصطناعي المتقدّم لم يعد حِكراً على عدد محدود من المختبرات المغلقة.
النقاط الأساسية
- نماذج الأوزان المفتوحة تنشر معاملات النموذج المدرّب ليتمكن أي طرف من تنزيلها وتشغيلها وتكييفها، بخلاف البرمجيات المفتوحة المصدر بالكامل التي توفّر أيضاً بيانات التدريب والشيفرة.
- الفجوة المقاسة على لوائح التقييم بين أفضل النماذج المفتوحة والمغلقة تقلّصت من 8% إلى أقل من 2% خلال عام تقريباً، بينما هبطت أسعار الاستدلال مئات المرات.
- انخفاض تكلفة النشر، والدفع نحو السيادة الوطنية، وتنظيم أكثر مرونة، ونظام بيئي ضخم للمطورين تمنح الأوزان المفتوحة زخماً حقيقياً في مواجهة نماذج الـAPI المغلقة.
ما المقصود فعلاً بالذكاء الاصطناعي مفتوح الأوزان؟
المصطلح يُستخدم بتساهل، لذا تصبح الدقة مهمة. ″أوزان مفتوحة″ تعني أن المطوّر يُصدر معاملات شبكة عصبية بعد تدريبها؛ الأرقام التي تجسّد ما تعلّمه النموذج. يمكنك تنزيلها وتشغيلها على عتادك الخاص وإعادة ضبطها.
الأوزان المفتوحة ليست مرادفاً لمفتوح المصدر. منظمة Open Source Initiative نشرت في 28 أكتوبر 2024 تعريفها للذكاء الاصطناعي مفتوح المصدر، واضعةً سقفاً أعلى: يجب إتاحة الأوزان، وشيفرة التدريب، وكمية كافية من تفاصيل بيانات التدريب تمكّن مختصّاً من إعادة بناء المنظومة إلى حد بعيد.
معظم النماذج التي تُسوَّق اليوم كـ«مفتوحة المصدر» لا تستوفي هذا الشرط. نماذج Llama من Meta وQwen من Alibaba وDeepSeek جميعها تطرح الأوزان من دون ″الوصفة الكاملة″ للبيانات.
منظمة Open Source Initiative واضحة في التمييز، إذ تُذكّر بأن الأوزان المفتوحة وحدها لا تمنح الحريات التي يوفّرها برمجيات مفتوحة المصدر. هذه الفجوة تغذّي جدلاً مستمراً حول ما يُسمّى ″غسل الانفتاح″، حيث تدّعي الشركات الشفافية بينما تحجب العناصر التي تتيح إعادة إنتاج العمل.
رغم ذلك، بالنسبة لمعظم البنّائين تبقى الأوزان هي الجائزة. بوجودها يمكنك تشغيل النموذج، وتصغيره، وإعادة تدريبه، وشحنه إلى المستخدمين. عملياً، كل نمط إصدار يقدّم ما يلي:
- أوزان مفتوحة: معاملات مدرَّبة تُطرح عادة تحت رخص تسمح بالاستخدام والتعديل وغالباً بالتوظيف التجاري.
- مفتوح المصدر بالكامل: أوزان مع شيفرة التدريب وتوثيق كافٍ للبيانات لإعادة بناء النموذج.
- مغلق: لا شيء قابل للتنزيل؛ الوصول عبر واجهة مقنّنة فقط.
الفئة الوسطى هي التي تشهد الانفجار في الشعبية، وهي نفسها التي تُبقي المختبرات المغلقة مستيقظة ليلاً.
مادة ذات صلة: تراجع سهم Nvidia بنحو 5% بسبب ضمان مفتوح بقيمة 250 مليار دولار من OpenAI لم يُوقَّع بعد
كيف يختلف هذا عن نموذج OpenAI وAnthropic؟
OpenAI وAnthropic تتبعان الاستراتيجية المعاكسة تماماً. أفضل الأوزان تبقى حبيسة مراكز بياناتهما، وتُباع كخدمة عبر واجهة برمجة تطبيقات (API). ترسل مطالبة، تحصل على استجابة، ولا تلمس النموذج نفسه أبداً.
لهذا التصميم منطق تجاري واضح: يحمي استثمار التدريب، ويضمن عدّاد اشتراكات مستمراً، ويسمح للمختبر بتعديل السلوك أو سحب الخدمة من أي عميل في أي وقت.
وله أيضاً مبرّر ″سلامة″؛ إذ يجادل الرئيس التنفيذي لـAnthropic داريو أمودي بأن نشر الأوزان يفقد المطوّر القدرة على تحديث أنظمة الحماية أو استرجاع نموذج خطِر.
المشكلة هي التبعية.
عندما يعيش النموذج على خوادم طرف ثالث فقط، يحدد المورّد السعر، ومستوى التوفّر، وشروط البيانات، وجدول إيقاف الإصدارات. منتجك يصبح راكباً في ″بنية تحتية″ لا تملكها ولا يمكنك فحصها.
رغم سنوات من رفع شعار البحث المفتوح، لم تُصدر OpenAI أي نموذج لغوي مفتوح منذ GPT‑2 في 2019 حتى 5 أغسطس 2025، حين أعلنت عن نموذجي gpt-oss المطروحين تحت رخصة Apache 2.0 المتساهلة. الخطوة قرأتْها السوق كتنازل مباشر أمام ضغط الأوزان المفتوحة؛ الشركة التي بنت نموذج الـAPI المغلق اضطرت إلى الرد على ″المعسكر المفتوح″ بلغته.
مادة ذات صلة: OpenAI تسعى للحصول على تسهيل ائتماني من Nvidia بقيمة 250 مليار دولار لتمويل مجمّعها الضخم في أوهايو
عشرة أسباب تجعل الأوزان المفتوحة تهدد النموذج المركزي
لا شيء مما يلي يضمن أن الأوزان المفتوحة ستربح السباق بالكامل. الحدّ الأمامي لا يزال بيد المختبرات العملاقة، والمخاطر حقيقية. لكن اتجاه الحركة ثابت منذ ثلاث سنوات، ويتعارض مع نموذج الوصول المغلق والمقنّن.
ما تغيّر أن الحجج التي تبرّر دفع علاوة لاستئجار ″صندوق أسود″ تزداد هشاشة. التقارب تقني واقتصادي وسياسي في آن واحد.
إليك عشرة أسباب لاختلال ميزان القوى.
فجوة الجودة كادت تختفي
العامل الأثقل وزناً هو التقارب. مؤشر الذكاء الاصطناعي لستانفورد لعام 2025 أظهر أن الفارق في النقاط بين أفضل نموذج مغلق وأفضل نموذج مفتوح على قائمة Chatbot Arena تقلّص من 8% في يناير 2024 إلى 1.7% بحلول فبراير 2025.
كما أصبح ″الصف الأول″ مزدحماً؛ الفجوة بين النموذج الأول والعاشر انكمشت من 11.9% إلى 5.4% خلال سنة واحدة.
عندما يكلّف الخيار الثاني جزءاً يسيراً من سعر الأول، تصبح علاوة الوصول المغلق أصعب على التبرير. هذه معضلة تسعير لأي نشاط يقوم جوهره على الندرة والاحتكار.
سعر ″الذكاء″ انهار
الكلفة هبطت أسرع من فجوة الجودة. استناداً إلى بيانات Epoch AI وArtificial Analysis، يشير مؤشر الذكاء الاصطناعي إلى أن تكلفة تشغيل استعلام بمستوى GPT‑3.5 تراجعت من نحو 20 دولاراً لكل مليون رمز في نوفمبر 2022 إلى 0.07 دولار فقط بحلول أكتوبر 2024.
هذا يعادل تقريباً انهياراً بنحو 280 مرة في أقل من عامين.
نموذج DeepSeek دفع المنطق نفسه إلى مرحلة التدريب. تقريره التقني لإصدار V3 يُقدّر كلفة التدريب النهائي بحوالي 5.6 مليون دولار على 2,048 معالجاً من نوع Nvidia H800، مقابل عشرات أو مئات ملايين الدولارات التي أُنفقت على نماذج غربية مماثلة. الذكاء الرخيص يخدم من يستطيع نشره على نطاق واسع، لا من يحرسه بإحكام.
أنت تملك النموذج
عندما تستأجر نموذجاً مغلقاً، فإنك ترث ″قواعد المالك″؛ المورّد يمكنه رفع الأسعار، وتعديل الشروط، أو إيقاف النسخة التي يعتمد عليها منتجك.
امتلاك الأوزان يلغي هذه الرافعة. يمكنك تجميد إصدار معيّن، وتشغيله لسنوات، وتبديل المورّدين من دون إعادة بناء المكدّس التقني بالكامل.
″حبس العملاء″ ليس خطراً نظرياً، بل يظهر على شكل تكاليف انتقال، وعمليات ترحيل قسرية، وتسعير غير قابل للتفاوض. امتلاك الأوزان يبطل هذه المخاطر تباعاً:
- تجميد نسخة نموذج والحفاظ على استقراره ما دمت بحاجة إليه.
- الانتقال بين مزوّدي السحابة، أو التشغيل على عتادك الخاص، من دون هندسة معاكسة.
- تجنّب قرارات إيقاف مفاجئة قد تعطل منتجاً حياً بين ليلة وضحاها.
حتى الرخص ″المفتوحة″ السخية تحمل شروطاً تحتاج إلى قراءة متأنية. شروط استخدام Llama من Meta تُلزم أي شركة يتجاوز عدد مستخدميها النشطين شهرياً 700 مليون مستخدم بالتفاوض على اتفاق منفصل، وهو ما يدفع ″المتشددين″ لرفض وصف Llama بأنها مفتوحة المصدر.
الخصوصية وسيادة البيانات
بعض البيانات لا يجوز قانوناً أن تغادر المبنى. مستشفيات، وبنوك، وهيئات حكومية لا تستطيع عادة إرسال سجلات حسّاسة إلى واجهات برمجة خارجية.
الأوزان المفتوحة تعكس المعادلة: بدلاً من إرسال البيانات إلى النموذج، يمكنك نقل النموذج إلى البيانات. الاستدلال يتم داخل مراكز البيانات الداخلية أو عبر سحابة خاصة، بحيث لا تعبر البيانات الحسّاسة حدود مورّد خارجي.
هذه الخاصية وحدها تفتح أبواباً تعجز واجهات الـAPI المغلقة عن طرقها. بالنسبة لنشر خاضع للتنظيم، يتحول ″التحكّم على أرضك″ غالباً إلى عامل الحسم.
الدول تبني نماذجها الوطنية
″قلق السيادة″ أصبح ظاهرة عالمية. الحكومات تنظر بشكل متزايد إلى الاعتماد على عدد محدود من واجهات برمجة أمريكية أو صينية كمخاطرة استراتيجية.
في 2 سبتمبر 2025، أعلن كل من EPFL وETH Zurich والمركز الوطني للحوسبة الفائقة في سويسرا عن إطلاق نموذج Apertus، وهو نموذج مفتوح بالكامل مدرَّب على 15 تريليون رمز ويغطي أكثر من ألف لغة. في أبوظبي، يدفع معهد الابتكار التكنولوجي منذ 2023 بعائلة نماذج Falcon المفتوحة، بينما أطلقت دول أخرى مبادرات وطنية خاصة بها.
النمط يتكرر عبر المناطق:
- سويسرا أصدرت Apertus مع أوزان وبيانات وشيفرة تدريب كلها متاحة للعموم.
- الإمارات شحنت أجيالاً متعاقبة من Falcon تحت رخص متساهلة.
- فرنسا والهند واليابان وكوريا الجنوبية دعمت برامج وطنية للذكاء الاصطناعي أو للبنية التحتية الحاسوبية.
لا يمكنك بناء ″ذكاء سيادي″ على نموذج لا يُسمح لك سوى باستئجاره. الأوزان المفتوحة شرط مسبق، ما يجعل الحكومات حليفاً طبيعياً للمعسكر المفتوح.
الجهات التنظيمية تميل نحو الانفتاح
السياسات بدأت تمكافئ الانفتاح أيضاً. في 23 يوليو 2025، أصدرت البيت الأبيض الخطة المسماة ″خطة أمريكا للعمل في مجال الذكاء الاصطناعي″، متضمّنة قسماً بعنوان ″تشجيع الذكاء الاصطناعي مفتوح المصدر ومفتوح الأوزان″.
أوروبا تسير في الاتجاه نفسه هيكلياً، وإن اختلفت الخلفية الفكرية. قانون الذكاء الاصطناعي الأوروبي يمنح مزوّدي النماذج المجانية والمفتوحة للأغراض العامة بعض الإعفاءات من التزامات التوثيق، شرط ألا يُصنَّف النموذج كخطر ″منهجي″.
حوافز السوق والتنظيم الآن تشير إلى الإتاحة لا الإغلاق، على الأقل للنماذج التي دون الحدّ الأمامي. عندما تشجّع أكبر حكومة في سباق الذكاء الاصطناعي الأوزان المفتوحة علناً، يفقد النموذج المغلق ″أفضلية الافتراض″.
نظام المطورين البيئي يتحول إلى دولاب موازنة
الحجم يجلب حجماً أكبر. منصة Hugging Face نمت خلال 2025 إلى 13 مليون مستخدم، وأكثر من مليوني نموذج علني، ونحو 500 ألف مجموعة بيانات مفتوحة.
سباقات التنزيل تروي القصة ذاتها. تشير Meta إلى أن تنزيلات Llama تجاوزت مليار تنزيل بحلول 18 مارس 2025، ارتفاعاً من 650 مليوناً في أوائل ديسمبر 2024، بينما بلغ عدد تنزيلات Qwen من Alibaba نحو 700... حققت النماذج مفتوحة الأوزان ملايين التحميلات التراكمية عبر Hugging Face بحلول يناير 2026، وولّدت أكثر من 180 ألف نسخة مشتقة، لتتجاوز Llama وتصبح أكثر العائلات المفتوحة تفرّعاً (forked) في السوق.
كل عملية ضبط دقيق (fine-tune)، أو مُحوِّل (adapter)، أو تحويل كمي (quantization) تُبنى على نموذج مفتوح، تعمّق ميزة هذا النموذج التنافسية وتوسّع خندقه الدفاعي. واجهة برمجة تطبيقات مغلقة لا تستطيع التقاط هذا التراكم في جهد المجتمع، ببساطة لأن أحداً لا يمكنه البناء على نموذج لا يمكنه امتلاكه فعلياً.
يعمل على حاسوبك المحمول
انفتاح الأوزان يتقاطع اليوم مع عتاد اعتيادي من خلال سلسلة أدوات منخفضة الكلفة. التحويل الكمي يقلّص حجم النموذج عبر خفض دقة الأوزان ليحتاج إلى ذاكرة أقل، فيما تتيح تقنيات مثل LoRA ضبط النموذج دقيقاً من دون إعادة تدريبه بالكامل.
بيئات التشغيل المحلية جعلت هذه القدرة تياراً رئيسياً. منصات مثل Ollama وـ llama.cpp وـ vLLM تُمكّن المطورين حالياً من تشغيل نماذج قوية على بطاقة رسومية واحدة مخصّصة للمستهلك أو حتى على حاسوب محمول.
نموذج يمكن تشغيله على جهاز لا يتجاوز ثمنه 2,000 دولار هو نموذج لا يستطيع أحد إيقافه عن بُعد بقرار مركزي. تلك الاستقلالية تحديداً هي ما تعجز عنه النماذج المقدَّمة حصراً عبر واجهات مدفوعة بالطلب.
قابليّة التدقيق والفهم
ما لا يمكنك رؤيته لا يمكنك تدقيقه. واجهات البرمجة المغلقة تعيد لك ناتجاً نهائياً بلا أي منفذ حقيقي لفحص الآلية التي قادت إليه.
الأوزان المفتوحة تتيح للباحثين فحص النموذج مباشرة، ودراسة أنماط تعثّره، واختبار سلامته علناً. هذه الشفافية هي جوهر حجة المعسكر المفتوح القائل إن نماذجه أسهل، لا أصعب، في جعلها جديرة بالثقة على المدى الطويل.
في القطاعات المنظمة التي تُلزمها القوانين بشرح قرار الائتمان أو التسعير أو الامتثال، ليست هذه الرؤية إلى "الصندوق الأسود" رفاهية، بل متطلباً تشريعياً صريحاً.
الحدود اللامركزية
الدافع الأحدث لصعود الأوزان المفتوحة يقع عند تقاطع الذكاء الاصطناعي والعملات المشفّرة. حين تكون الأوزان مفتوحة، لا تعود القدرة على التدريب والتشغيل محصورة في مركز بيانات واحد مملوك لشركة بعينها.
مشروعات مثل Prime Intellect قامت بتدريب نماذج على عتاد موزَّع عالمياً، مع آليات للتحقق من أن الآلات البعيدة نفّذت فعلاً العمل الذي تدّعيه. شبكة Bittensor بدورها تشغّل سوقاً محفَّزاً بالرموز المميّزة للذكاء الآلي، تُسعَّر فيه القدرات في رمزها TAO (TAO).
التحفّظ المهني هنا أن التدريب اللامركزي لا يزال اليوم أبطأ وأكثر كلفة من العناقيد المركزية التقليدية. لكن الجمع بين أوزان مفتوحة وحوسبة مُوثَّقة ومُرمَّزة يمثّل اتجاهاً تنافسياً جديداً لا يمكن للمختبرات المغلقة نسخه بالآليات نفسها.
اقرأ أيضاً: Pixel 11 Will Cost More, And Google Says AI Data Centers Are Why
الخلاصة
الأوزان المفتوحة لن تُقصي المختبرات المغلقة من المشهد. حدود الأداء الأعلى ما زالت تميل إلى من ينفق أكثر على الحوسبة، والإصدارات المفتوحة لا تزال تتأخر أشهراً عن أفضل النماذج المغلقة، والأوزان المنشورة علناً تحمل مخاطر إساءة استخدام لا يمكن "استرجاعها" بعد التوزيع.
لكن "تتغلب" لا تعني "تمحو". بل تعني نقل مركز الثقل في السوق، وهذا التحول بدأ فعلياً.
فجوة الجودة تضيق، وكلفة "الوحدة الإضافية" من الذكاء تقترب من الصفر، والحكومات والمطورون والهيئات التنظيمية يواصلون تفضيل النماذج التي يمكنهم امتلاكها وتشغيلها بأنفسهم. الذكاء الاصطناعي المركزي سيستمر في بيع عامل الراحة والكفاءة المطلقة في القمة، لكن بقية السوق تمشي بهدوء نحو الأوزان التي يمكنها أن تملكها وتبني عليها.
اقرأ التالي: Apple Loses Its Grip On Memory Prices And Customers Pay The Difference