وصل DeepSeek V4 Pro وخفّض فورًا تكلفة تشغيل الذكاء الاصطناعي بأكثر من 95%، ما أطلق موجة إعادة تسعير أجبرت كل مزوّد رئيسي على الرد. خفّضت OpenAI وAnthropic وGoogle أسعارها جميعًا. يشرح هذا المقال ما حدث، ولماذا جعلت البنية المعمارية ذلك ممكنًا، وماذا يعني هذا التحول للمطوّرين والشركات التي تدفع ثمن الذكاء الاصطناعي اليوم.
لحظة إطلاق DeepSeek V4 Pro، توقفت جداول البيانات في وادي السيليكون عن أن تكون منطقية. لاحظ المطوّرون الذين يراجعون فواتير API الشهرية أمرًا مستحيلًا: تكلفة تشغيل نموذج ذكاء اصطناعي من المستوى الأول انخفضت بأكثر من 95% مقارنةً بما كانوا يدفعونه قبل أشهر قليلة. لا إعلان، ولا مؤتمر صحفي. فقط صفحة تسعير جديدة، وإصدار على GitHub، وموجة من عدم التصديق انتشرت في قطاع التقنية خلال ساعات.
لم يكن هذا خصمًا بسيطًا. كان انهيارًا هيكليًا في تكلفة الذكاء.
قبل DeepSeek V4 Pro، كان المطوّر الذي يبني منتجًا يعالج مليون توكن إدخال عبر نموذج من الطراز الأول يدفع ما بين 15 و30 دولارًا بحسب المزوّد. وكانت توكنات الإخراج أغلى. بالنسبة لأي تطبيق يعمل على نطاق واسع، كان هذا المبلغ يتراكم بسرعة.
غيّر DeepSeek V4 Pro الحسابات تمامًا. عند الإطلاق، بلغ تسعير API الخاص به نحو 0.27 دولار لكل مليون توكن إدخال و1.10 دولار لكل مليون توكن إخراج. لم تكن هذه أرقامًا لنموذج من الفئة الاقتصادية. كان هذا نموذجًا يضاهي أداء فئة GPT-4 أو يتفوق عليه في تقريبًا كل اختبار معياري قياسي: MMLU وHumanEval وMATH ومهام الاستدلال التي كانت تتطلب أغلى النماذج المتاحة.
كانت نسبة السعر إلى الأداء مبالغًا فيها لدرجة أن كثيرين من المطوّرين افترضوا في البداية وجود خدعة. حدّ للاستخدام سيُفعَّل لاحقًا، أو تراجع في الجودة يظهر في الإنتاج، أو تكلفة مخفية في الشروط الصغيرة. لم يتحقق أيٌّ من ذلك. كان النموذج رخيصًا فعلًا، وقادرًا فعلًا.
💡 للتوضيح: 0.27 دولار لكل مليون توكن تعني أنه يمكنك معالجة نحو 750,000 كلمة مقابل أقل من دولار. وهذا يعادل النص الكامل لرواية الحرب والسلم مرتين، بثمن ورقة نقدية واحدة من فئة الدولار.
ظهر الضرر التنافسي بوضوح أكبر عند عرضه في جدول:
| النموذج | الإدخال (لكل مليون توكن) | الإخراج (لكل مليون توكن) | مستوى الأداء |
|---|---|---|---|
| DeepSeek V4 Pro | ~0.27 دولار | ~1.10 دولار | الطراز الرائد |
| GPT-5 | ~10.00 دولار | ~30.00 دولار | الطراز الرائد |
| Claude Opus 4.7 | ~15.00 دولار | ~75.00 دولار | الطراز الرائد |
| Gemini 3 Pro | ~7.00 دولار | ~21.00 دولار | الطراز الرائد |
لم تكن الفجوة تدريجية. كانت جيلية. قدّم DeepSeek V4 Pro استدلالًا من الطراز الرائد بأسعار كانت تنطبق سابقًا فقط على نماذج صغيرة وسريعة ومحدودة. كان كل رقم في ذلك الجدول يمثل نموذج عمل وخط إيرادات واستراتيجية تسعير بُنيت بعناية على مدى سنوات. وكل ذلك احتاج إلى إعادة بناء من الصفر.
كفاءة DeepSeek في التكلفة ليست معجزة. إنها نتيجة خيار معماري محدد: مزيج الخبراء (Mixture of Experts أو MoE). فبدلًا من تفعيل كل معامل في النموذج عند كل استدعاء للاستدلال، تفعّل نماذج MoE جزءًا صغيرًا فقط من إجمالي عدد المعاملات لكل توكن. في DeepSeek V4 Pro، يعمل نحو 37 مليار معامل فقط في كل تمرير أمامي، رغم أن النموذج يضم مئات المليارات في المجموع.
هذا مهم جدًا لتكلفة تشغيل النموذج. فالحوسبة المطلوبة لكل توكن أقل بكثير من نموذج كثيف بالقدرة نفسها. أنت فعليًا تحصل على المعرفة المخزّنة عبر نموذج ضخم، وتدفع مقابل جزء صغير فقط من الحوسبة وقت التشغيل.
💡 فكّر في الأمر كمستشفى فيه 500 أخصائي. لا تحتاج كل زيارة للمريض إلى وجود الأخصائيين الخمسمئة في الغرفة. يُفعَّل الأخصائي المناسب عند الحاجة، ويبقى الآخرون متاحين دون عمل.
لدى OpenAI و Anthropic نسخهما الخاصة من هذه البنية، لكن DeepSeek دفع كفاءة التكلفة أبعد مما أظهره أي طرف علنًا بهذا الحجم وبهذا المستوى من الجودة.
الجانب الآخر من القصة هو تكلفة التدريب. نشرت DeepSeek أرقامًا توحي بأن V4 Pro دُرّب بجزء صغير من ميزانية الحوسبة التي تحتاجها نماذج الطراز الرائد المماثلة، باستخدام أساليب التقطير وتحسينات في مسار البيانات استخرجت أقصى قدر من الإشارة من كل توكن تدريب.
هذا مهم لأنه يكسر افتراضًا قديمًا في القطاع: أن الذكاء الاصطناعي من الطراز الرائد يتطلب رأس مال من الطراز الرائد. كانت حجة OpenAI وGoogle وAnthropic دائمًا أن الجودة تتوسع مع الحوسبة، وأن الحوسبة تكلف مليارات. وأوحت عمليات التدريب المنشورة لدى DeepSeek بأنك تستطيع بلوغ قدرة قريبة من الطراز الرائد بعشرات الملايين لا بالمليارات، إذا كانت البنية ومسار البيانات محكمين.
إن خطأ هذا الافتراض لا يؤثر في التسعير وحده. بل يمسّ الحواجز التنافسية، والاستراتيجية التنافسية، والقدرة على الدفاع طويل الأمد عن كل نموذج أعمال مغلق في الذكاء الاصطناعي.
تحركت OpenAI في التسعير أسرع مما فعلت من قبل. ففي غضون أسابيع من إطلاق DeepSeek V4 Pro، انخفض سعر GPT-5 بشكل ملحوظ، وقدّمت الشركة مستويات جديدة موجهة إلى المطوّرين الذين كانت التكلفة قد أبعدتهم سابقًا. كان المنطق واضحًا: إن لم ترد الشركة، فسينتقل كل مطوّر حسّاس للتكلفة إلى منافس.
كانت التخفيضات حقيقية لكنها لم تُغلق الفجوة بالكامل. اعتمدت OpenAI على مزاياها في منظومتها: التكامل العميق مع Microsoft Azure، وموثوقية استدعاء الدوال، والاعتراف بعلامتها التجارية لدى مشتري المؤسسات، واتساع أدواتها. هذه مزايا حقيقية. لكنها لم تعد كافية لتبرير علاوة سعرية تبلغ 40 ضعفًا على الاستدلال الخام.
شهد Claude Opus 4.7 وGemini 3 Pro خفضًا في الأسعار في الأشهر التي تلت إطلاق DeepSeek V4 Pro. خفّضت Anthropic أسعار Haiku بقوة، ما جعل Claude 4.5 Haiku من أرخص النماذج القادرة المتاحة. وخفّضت Google أسعار Gemini 2.5 Flash إلى ما يقارب الصفر لتطبيقات تقع تحت حدود استخدام معينة.
💡 الخلاصة: ما بدأ كحدث تسعير من DeepSeek تحوّل إلى إعادة ضبط شاملة للقطاع. ففي أقل من ستة أشهر، انخفض متوسط تكلفة تشغيل نموذج ذكاء اصطناعي من الطراز الرائد بنحو 80% عبر جميع المزوّدين. لا سابقة تاريخية لهذا التحول في صناعة البرمجيات.
لم يكن المستفيدون هم الشركات التي قامت بالتخفيض. بل كانوا المطوّرين والشركات الذين أُخرجوا من السوق تمامًا بسبب الأسعار.
تأمّل ما كان مبلغ 1,000 دولار شهريًا يشتريه للمطوّر. بأسعار عام 2023، كان هذا المبلغ يغطي نحو 33 مليون توكن إدخال لنموذج GPT-4. وهو كافٍ لتطبيق متواضع، لكنه لا يكفي لتشغيل أي شيء على نطاق ذي معنى. لم تكن أحمال الإنتاج التي تعالج المستندات، وتجيب أسئلة العملاء، وتراجع الأكواد، أو تلخّص الأبحاث بحجم كبير، قابلة للتشغيل بربح بهذه الأسعار.
بعد إعادة التسعير التي تلت DeepSeek، يغطي 1,000 دولار شهريًا أكثر بكثير من 3 مليارات توكن مع عدة نماذج قادرة. هذا ليس خطأ تقريبيًا. إنه الفرق بين فكرة تبقى في دفتر ملاحظات ومنتج يصل إلى مستخدمين حقيقيين.
الفئات الأكثر استفادة من هذا التحول:
التحول الهيكلي الأهم يحدث على مستوى الشركات الناشئة. قبل وصول DeepSeek V4 Pro، كانت شركة ناشئة في مرحلة مبكرة تحاول بناء منتج أصيل بالذكاء الاصطناعي تواجه مفاضلة مؤلمة: استخدام نماذج رخيصة لكنها محدودة أثناء التطوير، ثم مواجهة قفزة مفاجئة في التكلفة، غالبًا ما تكون قاتلة، عند الانتقال إلى تشغيل بمستوى الإنتاج. ماتت منتجات كثيرة عند هذا المنعطف.
لم يعد هذا القيد موجودًا إلى حد كبير. يمكن لشركة ناشئة الآن أن تصمم نماذج أولية وتختبر وتطلق بالمستوى نفسه من النماذج الذي تستخدمه المؤسسات الكبرى، دون منحدر التكلفة. تآكلت بدرجة كبيرة الحماية التي كانت تتمتع بها الشركات الأكبر لأنها قادرة على تحمّل تكلفة الاستدلال من الطراز الرائد.
يشكّل Llama 4 Maverick Instruct ونماذج مفتوحة المصدر مثل Kimi K2 Instruct جزءًا من هذا التحول أيضًا، إذ تقدم خيارات إضافية في أسفل منحنى التكلفة للفرق التي تريد تشغيل بنيتها التحتية الخاصة للاستدلال.
يستضيف PicassoIA ثلاثة نماذج من DeepSeek تتيح لك تطبيق ثورة التكلفة هذه فورًا، دون إدارة مفاتيح API الخاصة بك أو البنية التحتية.
DeepSeek R1 هو نموذج DeepSeek المركّز على الاستدلال، وصُمّم للمهام التي تحتاج فيها إلى أن يفكّر النموذج في المشكلة خطوة بخطوة قبل الإجابة. يتفوق في:
كيفية استخدامه على PicassoIA:
DeepSeek V3.1 هو الإصدار متعدد الأغراض، ومناسب للكتابة والتلخيص والمساعدة في البرمجة والمهام الحوارية. يقدّم توازنًا قويًا بين السرعة والقدرة دون عبء الاستدلال الإضافي الذي يتطلبه R1.
يبقى DeepSeek V3 متاحًا كخط أساس متين للمهام الأبسط حيث تريد توليد نصوص سريعًا ودقيقًا دون الحاجة إلى مستوى قدرة V3.1 الكامل.
يقف النموذجان إلى جانب كتالوج نماذج LLM الأوسع على PicassoIA، الذي يضم GPT-5، وClaude Opus 4.7، وGemini 3 Pro، وGrok 4، ما يمنحك مقارنة مباشرة دون التنقل بين المنصات.
التوتر الأعمق الذي كشفه DeepSeek V4 Pro لا يتعلق بنقاط الأسعار وحدها. إنه يتعلق بالسقف الهيكلي لتكلفة الاستدلال في الذكاء الاصطناعي. تمتلك النماذج المغلقة والخاصة سقفًا تحدده تكلفة بنيتها التحتية، وخطوط اختبار السلامة، ومؤسسات الدعم، والحاجة إلى تحقيق عائد على استثمار التدريب.
تعمل النماذج المفتوحة المصدر وشبه المفتوحة، مثل سلسلة DeepSeek، بسقف مختلف تمامًا. فبمجرد أن تصبح الأوزان عامة، تصبح التكلفة الهامشية لتشغيل نموذج إضافي حسابًا خالصًا للقدرة الحاسوبية. لا ترخيص، ولا هوامش مدمجة في سعر API. ويدفع مزوّدو الخدمات السحابية المتنافسون على استضافة نماذج مفتوحة الأوزان هذا السقف إلى مستوى أدنى أيضًا.
يخلق هذا ضغطًا هيكليًا على كل مزوّد مغلق. إما أن يجد مزايا في الجودة والقدرة كبيرة بما يكفي لتبرير علاوة سعرية، وإما أن يتسابق نحو سقف التكلفة المفتوح. ويفعل القطاع الآن الأمرين معًا، ونقطة التوازن لا تزال مجهولة.
ستحدد عدة إشارات كيف سيتطور تسعير الذكاء الاصطناعي خلال السنة القادمة:
💡 إذا كنت تبني بالذكاء الاصطناعي الآن، فإن القرار الأهم ليس أي نموذج تستخدم. بل اختيار منصة تمنحك مرونة في النماذج حتى تتمكن من التحرك مع تغيّر السوق.
إن التحول في الأسعار الذي أطلقه DeepSeek V4 Pro ليس مجرد أخبار سارة لجداول التكاليف. إنه إشارة إلى أن القيد على ما يمكنك بناؤه بالذكاء الاصطناعي قد تغيّر جذريًا. التطبيقات التي كانت تتطلب فريقًا ممولًا جيدًا وميزانية API كبيرة قبل ستة أشهر تناسب الآن بسهولة مشروع عطلة نهاية أسبوع لمطوّر يعمل وحده.
تمنحك PicassoIA الوصول إلى DeepSeek R1، وDeepSeek V3.1، وDeepSeek V3، وGPT-5، وClaude Opus 4.7، وGemini 3 Pro، وGrok 4، وعشرات النماذج الأخرى في مكان واحد. قارن المخرجات، واختبر الأوامر النصية عبر عائلات النماذج، وبدّل بينها بسلاسة.
لا حاجة إلى جداول بيانات. لا التزامات. مجرد أمر نصي ونموذج أصبح فجأة في المتناول من حيث السعر.
توجّه إلى picassoia.com/en/all-models وابدأ البناء حين لا تعود التكلفة هي العائق.
اختر لغتك
