في 27 يناير 2025، محا مختبر صيني لم يكن معظم المستثمرين قد سمعوا باسمه من قبل نحو 589 مليار دولار من القيمة السوقية لشركة Nvidia في جلسة واحدة. كانت أكبر خسارة يومية في تاريخ البورصة الأميركية. المحرك كان DeepSeek، و«جريمته» كانت الانفتاح.
حتى البيتكوين (BTC) اهتزّ مع استيعاب السوق لفكرة بسيطة: لم تعد نماذج الذكاء الاصطناعي المتقدمة حكرًا على عدد محدود من المختبرات المغلقة.
أبرز النقاط
- نماذج الأوزان المفتوحة تتيح نشر معلمات النموذج المدرَّب ليتمكن أي طرف من تنزيلها وتشغيلها وتعديلها، وهو ما يختلف عن «البرمجيات مفتوحة المصدر» الكاملة التي تشمل أيضًا بيانات التدريب والشيفرة.
- الفجوة المقيسة في الجودة بين أفضل النماذج المفتوحة والمغلقة على لوحات الترتيب العامة انكمشت من 8% إلى أقل من 2% خلال نحو عام، بينما انهارت أسعار الاستدلال بمئات المرات.
- انخفاض كلفة النشر، ودفع الدول باتجاه السيادة الرقمية، وتنظيم أكثر وُدًّا، ونظام بيئي هائل للمطورين، تمنح الأوزان المفتوحة زخمًا حقيقيًا في مواجهة نموذج واجهات API المغلقة.
ماذا نعني فعلاً بـ«الذكاء الاصطناعي مفتوح الأوزان»؟
يُستخدم المصطلح بتساهل، لكن الدقة مهمة. «الأوزان المفتوحة» تعني أن المطوّر ينشر المعلمات النهائية لشبكة عصبية مدرَّبة؛ الأرقام التي تختزن ما تعلّمه النموذج. يمكنك تنزيلها وتشغيلها على عتادك الخاص وإعادة ضبطها (Fine-tune).
الأوزان المفتوحة ليست مرادفًا لـ«البرمجيات مفتوحة المصدر». فقد نشرت Open Source Initiative تعريفها لـ«الذكاء الاصطناعي مفتوح المصدر» في 28 أكتوبر 2024، واضعةً معيارًا أعلى. كي يستوفي النموذج التعريف، يجب أن يشمل الإصدار: الأوزان، وشيفرة التدريب، ومعلومات كافية عن بيانات التدريب تسمح لمختص كفؤ بإعادة بناء النظام بدرجة كبيرة.
معظم النماذج التي تُسوَّق اليوم على أنها مفتوحة المصدر تفشل في هذا الاختبار. نماذج Llama من Meta، وQwen من Alibaba، وDeepSeek نفسها، توفّر الأوزان دون «وصفة» البيانات الكاملة.
منظمة Open Source Initiative واضحة بشأن هذه الفروق، إذ تشير إلى أن الأوزان المفتوحة وحدها لا تمنح الحريات نفسها التي توفرها البرمجيات مفتوحة المصدر. هذه الفجوة تغذي سجالاً مستمرًا حول «غسل الانفتاح» (open washing)، حين تدّعي الشركات الانفتاح بينما تحجب المكونات التي تتيح إعادة إنتاج العمل بحرية.
رغم ذلك، تبقى الأوزان هي الجائزة لمعظم البنّائين. بوجودها يمكنك تقديم النموذج في الإنتاج، وضغطه، وإعادة تدريبه، وشحنه. عمليًا، كل فئة تقدم مستوى مختلفًا من السيطرة:
- الأوزان المفتوحة: معلمات النموذج المدرَّب، غالبًا بترخيص يسمح بالاستخدام والتعديل، وفي كثير من الأحيان بالاستخدام التجاري.
- المصدر المفتوح الكامل: الأوزان مضافًا إليها شيفرة التدريب ووثائق بيانات كافية لإعادة بناء النموذج.
- النماذج المغلقة: لا شيء قابلًا للتنزيل؛ مجرد وصول مقنّن عبر واجهة خدمة.
هذه الفئة الوسطى هي التي تنفجر شعبيتها الآن، وهي التي تُبقي المختبرات المغلقة مستيقظة ليلًا.
اقرأ أيضًا: تراجع سهم Nvidia بنحو 5% بسبب ضمان OpenAI بقيمة 250 مليار دولار لم يُوقَّع بعد
كيف يختلف ذلك عن نموذج OpenAI وAnthropic؟
OpenAI وAnthropic تلعبان بالعكس تمامًا. أفضل الأوزان تبقى محصورة داخل مراكز بياناتهما، ويُباع الوصول إليها عبر واجهات API. ترسل «برومبت»، تتلقى إجابة، ولا تلمس النموذج يومًا.
لهذا التصميم منطق تجاري واضح؛ فهو يحمي استثمار التدريب، ويضمن استمرار عداد الاشتراك، ويمكّن المختبر من تعديل سلوك النموذج أو سحب الوصول متى شاء.
كما يُطرَح له مبررٌ يتعلق بالسلامة. الرئيس التنفيذي لـAnthropic، داريو أمودي، يجادل بأن نشر الأوزان يعني عمليًا فقدان القدرة على تحديث الحواجز الوقائية أو استرجاع نموذج أصبح خطيرًا.
لكن الوجه الآخر هو الاعتماد الكامل على المزوّد.
حين يعيش النموذج حصريًا على خوادم طرف ثالث، يصبح هو من يحدد السعر، ومستوى الجاهزية، وشروط استخدام البيانات، وجدول إيقاف الإصدارات. منتجك بأكمله يقوم على بنية تحتية لا تملكها ولا يمكنك فحصها.
رغم سنوات من الترويج لبحث مفتوح، لم تُصدر OpenAI أي نموذج لغوي مفتوح منذ GPT-2 في 2019، حتى 5 أغسطس 2025، حين أطلقت نموذجَي gpt-oss تحت ترخيص Apache 2.0 المتساهل. قراءة هذه الخطوة تبدو تنازلًا مباشرًا أمام ضغط الأوزان المفتوحة: الشركة التي بنت نموذج أعمالها على واجهات API المغلقة اضطرت إلى الرد على معسكر الانفتاح في ملعبه.
اقرأ أيضًا: OpenAI تسعى إلى تسهيل ائتمان بقيمة 250 مليار دولار من Nvidia لحرمها العملاق في أوهايو
عشرة أسباب تجعل الأوزان المفتوحة تهدد النموذج المركزي المغلق
لا شيء مما يلي يضمن انتصار الأوزان المفتوحة بالكامل. الحدود القصوى للأداء لا تزال لدى المختبرات الكبرى، والمخاطر حقيقية. لكن اتجاه الحركة خلال السنوات الثلاث الأخيرة كان ثابتًا، ومعاكسًا للنموذج المغلق القائم على التأجير لكل استدعاء.
ما تغيّر هو أن مبررات دفع علاوة سعرية لاستئجار «صندوق أسود» تزداد هشاشة. التقارب تقني واقتصادي وسياسي في آن واحد.
إليك عشرة أسباب قلبت موازين القوى.
فجوة الجودة تكاد تختفي
العامل الأهم هو التقارب في الأداء. تقرير مؤشر الذكاء الاصطناعي لعام 2025 الصادر عن ستانفورد أشار إلى أن الفارق في الدرجات بين أفضل نموذج مغلق وأفضل نموذج مفتوح على لوحة Chatbot Arena تقلص من 8% في يناير 2024 إلى 1.7% بحلول فبراير 2025.
الخط الأمامي نفسه بات مكتظًا. الفارق بين النموذج الأول والعاشر انخفض من 11.9% إلى 5.4% في عام واحد.
عندما يكلّف الخيار الثاني جزءًا بسيطًا من الأول، يصبح تبرير علاوة السعر على النموذج المغلق مهمة صعبة. إنها معضلة تسعير لأي شركة يقوم نموذج أعمالها على «الاحتكار التكنولوجي».
سعر «الذكاء» انهار
الكلفة تراجعت أسرع من فجوة الجودة. بالاستناد إلى بيانات Epoch AI وArtificial Analysis، ذكر مؤشر الذكاء الاصطناعي أن كلفة تشغيل استعلام بمستوى GPT-3.5 هبطت من نحو 20 دولارًا لكل مليون «توكن» في نوفمبر 2022 إلى 0.07 دولار فقط في أكتوبر 2024، أي تراجع بنحو 280 مرة خلال أقل من عامين.
دفعت DeepSeek المنطق نفسه إلى مرحلة التدريب. تقريرها التقني لإصدار V3 يقدّر كلفة تشغيل التدريب النهائي بنحو 5.6 مليون دولار على 2,048 معالجًا من Nvidia H800، مقارنة بعشرات أو مئات الملايين التي أنفقتها نماذج غربية مماثلة. «الذكاء الرخيص» يخدم من يستطيع نشره على أوسع نطاق، لا من يحرسه بأشد ما يكون.
أنت تملك النموذج
حين تستأجر نموذجًا مغلقًا، ترث قواعد المالك. بإمكان المزوّد رفع الأسعار، أو تعديل الشروط، أو إيقاف الإصدار الذي يعتمد عليه منتجك.
امتلاك الأوزان يلغي هذه الرافعة. يمكنك «تجميد» إصدار بعينه وتشغيله لسنوات، والتنقل بين مزوّدي السحابة دون إعادة كتابة بنيتك التقنية من الصفر.
«الإقفال على المزوّد» ليس مخاوف نظرية؛ بل يظهر في كلف التحويل، والهجرات القسرية، وتسعير لا تملك أمامه قوة تفاوض حقيقية. ملكية الأوزان تُفكك هذه القيود تباعًا:
- تجميد إصدار نموذج والحفاظ على استقراره طوال ما تحتاجه من عمر المنتج.
- التنقل بين السُحب المختلفة، أو العودة للتشغيل على عتادك المحلي، دون هندسة معمارية جديدة.
- تجنب إيقاف نسخ حرجة فجأة بما يكسر منتجًا عاملاً بين ليلة وضحاها.
حتى التراخيص «الكريمة» تحمل بنودًا تستحق القراءة. شروط استخدام Llama من Meta تُلزم أي شركة تتجاوز 700 مليون مستخدم نشط شهريًا بعقد اتفاق منفصل، ولهذا يرفض أنصار المصدر المفتوح وصف Llama بأنها مفتوحة المصدر حقًا.
الخصوصية وسيادة البيانات
هناك بيانات لا يمكنها قانونيًا مغادرة مبنى المؤسسة. المستشفيات، والبنوك، والجهات الحكومية غالبًا ما يُحظر عليها إرسال سجلات حسّاسة إلى واجهة API خارجية.
الأوزان المفتوحة تحل ذلك بعكس اتجاه الحركة: بدلاً من إرسال البيانات إلى النموذج، تنقل النموذج إلى حيث توجد البيانات. يمكنك تشغيل الاستدلال داخل مقراتك أو في سحابة خاصة، دون أن تعبر المعلومات الحسّاسة حدود مزوّد خارجي.
هذه الخاصية وحدها تفتح أبوابًا لا تستطيع واجهات API المغلقة دخولها. في البيئات الخاضعة للتنظيم الصارم، يكون التحكم المحلي في النشر هو عامل الحسم.
الدول تبني نماذجها الخاصة
هواجس السيادة الرقمية أصبحت عالمية. تنظر الحكومات بصورة متزايدة إلى الاعتماد على عدد محدود من واجهات API الأميركية أو الصينية بوصفه مخاطرة استراتيجية.
في 2 سبتمبر 2025، أعلنت EPFL وETH Zurich والمركز الوطني السويسري للحوسبة الفائقة عن إطلاق نموذج Apertus، وهو نموذج مفتوح بالكامل جرى تدريبه على 15 تريليون «توكن» تغطي أكثر من ألف لغة. في أبوظبي، يدفع معهد الابتكار التكنولوجي بعائلة نماذج Falcon المفتوحة منذ 2023، وتبعت دول أخرى بمبادرات وطنية خاصة.
النمط يتكرر عبر الأقاليم:
- سويسرا أطلقت Apertus مع نشر الأوزان والبيانات والشيفرة علنًا.
- الإمارات شحنت أجيالاً متعاقبة من Falcon بشروط ترخيص متساهلة.
- فرنسا والهند واليابان وكوريا الجنوبية تدعم برامج وطنية للنماذج أو للبنى التحتية الحاسوبية.
لا يمكنك بناء «ذكاء اصطناعي سيادي» على نموذج مسموح لك فقط باستئجاره. الأوزان المفتوحة هي الشرط المسبق، وهذا ما يجعل الحكومات حليفًا طبيعيًا لمعسكر الانفتاح.
التنظيم يميل إلى الانفتاح
السياسة بدأت تميل هي الأخرى لصالح الأوزان المفتوحة. في 23 يوليو 2025، نشر البيت الأبيض وثيقة «خطة عمل أميركا للذكاء الاصطناعي»، متضمنة فصلًا بعنوان «تشجيع الذكاء الاصطناعي مفتوح المصدر ومفتوح الأوزان».
أوروبا تسير في الاتجاه نفسه هيكليًا، وإن اختلف الخطاب. فـ«قانون الذكاء الاصطناعي» الأوروبي يمنح مزوّدي النماذج العامة المجانية والمفتوحة المصدر إعفاءً جزئيًا من بعض متطلبات التوثيق، ما لم يُصنَّف النموذج كـ«مخاطر نظامية».
الحوافز باتت تميل نحو النشر بدلًا من الإغلاق، على الأقل للنماذج الواقعة دون حدود «الجبهة المتقدمة». وحين تشجع أكبر حكومة في سباق الذكاء الاصطناعي الأوزان المفتوحة صراحة، يفقد النموذج المغلق ميزته الافتراضية.
نظام المطورين البيئي يتحول إلى دولاب طاقة
في هذه السوق، الحجم يولّد حجمًا أكبر. منصة Hugging Face نمت إلى 13 مليون مستخدم، وأكثر من مليوني نموذج متاح للعموم، وأكثر من 500 ألف مجموعة بيانات عامة خلال 2025.
سباق التنزيلات يروي القصة بلغة الأرقام. Meta تقول إن عمليات تنزيل Llama تجاوزت المليار في 18 مارس 2025، ارتفاعًا من 650 مليونًا فقط في أوائل ديسمبر 2024، بينما وصلت نماذج Qwen من Alibaba إلى 700 … بحلول يناير 2026، تجاوز عدد مرات تنزيل النماذج من منصة Hugging Face عدة ملايين بصورة تراكمية، وولّد أكثر من 180 ألف نسخة مشتقة، ليتفوّق بذلك على عائلة Llama بوصفه أكثر عائلة نماذج مفتوحة تعرّضت للتفريع والاشتقاق.
كل عملية ضبط دقيق (fine-tune)، أو إضافة طبقة مكيّفة (adapter)، أو تكميم (quantization) تُبنى فوق نموذج مفتوح، تعمّق ميزته التنافسية وتوسّع “خندقه الدفاعي”. واجهات البرمجة المغلقة (closed APIs) تعجز بطبيعتها عن التقاط هذا الجهد التراكمي للمجتمع، لأن أحداً لا يستطيع البناء على نموذج لا يملك حق الوصول إلى أوزانه.
يعمل على حاسوبك المحمول
الأوزان المفتوحة تلتقي مع العتاد الاعتيادي عبر سلسلة أدوات منخفضة التكلفة. التكميم يضغط النموذج إلى دقة عددية أقل لكي يتلاءم مع ذاكرة محدودة، بينما تتيح تقنيات مثل LoRA ضبط النموذج من جديد من دون الحاجة لإعادة تدريبه بالكامل.
بيئات التشغيل المحلية جعلت هذا التوجّه تياراً عاماً. أدوات مثل Ollama و llama.cpp و vLLM تُمكّن المطوّرين اليوم من تشغيل نماذج قوية على بطاقة رسومات للمستهلك أو حتى على حاسوب محمول واحد.
نموذج يمكنك تشغيله على جهاز بقيمة 2,000 دولار هو نموذج لا يستطيع أحد إيقافه عن بُعد بقرار مركزي. تلك الاستقلالية بالذات هي ما يعجز نموذج “مقاس بالاستهلاك” (metered model) عن توفيره.
قابلية التدقيق والفهم
لا يمكنك فحص ما لا تراه. الواجهات المغلقة تعيد لك المخرجات من دون أن تمنحك أي منفذ لفهم الآلية التي تقف خلفها.
الأوزان المفتوحة تتيح للباحثين فحص النموذج مباشرة، ودراسة أنماط فشله، واختبار جوانب الأمان فيه في العلن. هذه الشفافية هي بالضبط السبب الذي يجعل معسكر “الانفتاح” يجادل بأن نماذجه أسهل – لا أصعب – في جعلها جديرة بالثقة مع مرور الوقت.
بالنسبة للقطاعات المنظمة التي تُلزَم بشرح كيفية اتخاذ القرار، فإن هذه الرؤية ليست ترفاً، بل غالباً التزام قانوني صريح.
الحدود اللامركزية
أحدث الأسباب يتشكّل عند تقاطع الذكاء الاصطناعي مع عالم الكريبتو. حين تكون الأوزان مفتوحة، لا تعود الحوسبة اللازمة لتدريب النماذج وخدمتها مضطرة للإقامة في مركز بيانات تابع لشركة واحدة.
مشروعات مثل Prime Intellect قامت بتدريب نماذج عبر عتاد موزّع عالمياً، مع آليات للتحقق من أن الأجهزة البعيدة نفّذت بالفعل العمل الذي تدّعي القيام به. مشروع Bittensor يدير سوقاً محفَّزة بالرموز للذكاء الآلي، تُسعَّر فيه القدرات بحساب رمز TAO (TAO).
الملاحظة الصريحة هنا أن التدريب اللامركزي ما زال اليوم أبطأ وأعلى تكلفة من عناقيد الحوسبة المركزية. لكن الجمع بين أوزان مفتوحة وحوسبة قابلة للتحقق ومُرمَّزة بالعملات يمثل اتجاهاً تنافسياً جديداً حقيقياً، يصعب على المختبرات المغلقة استنساخه.
Also Read: سعر Pixel 11 سيرتفع، وجوجل تلوم مراكز بيانات الذكاء الاصطناعي
الخلاصة
الأوزان المفتوحة لن تُزيل المختبرات المغلقة من المشهد. حدود الأداء ما زالت تميل لمصلحة من ينفق أكثر على الحوسبة، والإصدارات المفتوحة ما زالت تتأخر أشهراً عن أفضل النماذج المغلقة، والأوزان المتاحة للعامة تحمل مخاطر إساءة استخدام لا يمكن “سحبها” بعد إطلاقها.
لكن “يتغلّب” لا تعني “يمحو”. إنها تعني تحريك مركز الثقل، وهذا التحوّل بدأ بالفعل.
فجوة الجودة أصبحت رفيعة، وسعر “الذكاء” يقترب من الصفر، والحكومات والمطورون والجهات المنظمة يميلون بصورة متزايدة إلى النماذج التي يمكنهم امتلاكها والتحكم فيها. الذكاء الاصطناعي المركزي سيواصل بيع عامل الراحة في قمة السوق، بينما بقية السوق تسير – بهدوء ولكن بثبات – نحو الأوزان التي يمكنها امتلاكها فعلياً.
Read Next: آبل تفقد قبضتها على أسعار الذاكرة والمستهلكون يدفعون الفاتورة
