ليست كل نماذج الذكاء الاصطناعي مبنية بالطريقة نفسها. تمنحك النماذج المفتوحة الأوزان، والحرية في الضبط الدقيق، والقدرة على تشغيل كل شيء محليًا. أما النماذج المغلقة فتقدّم قدرات قوية عبر واجهات API. يوضح هذا المقال ما تعنيه هذه الفروق عمليًا، من التكلفة والخصوصية إلى الأداء الخام والمرونة الإبداعية، لتتمكن من اتخاذ قرار مدروس.
لا يقتصر سؤال استخدام نماذج الذكاء الاصطناعي المفتوحة أو المغلقة على الجانب الفلسفي. له عواقب حقيقية على ميزانيتك، وعلى موقفك من الخصوصية، وعلى قدرتك على التخصيص، وعلى استقلالك التقني على المدى الطويل. يجعل المشهد الحالي للذكاء الاصطناعي في 2025 هذا السؤال أكثر أهمية من أي وقت مضى، لأن فجوة الأداء التي كانت تجعل الاختيار واضحًا قد تقلّصت بشكل كبير. صارت النماذج المفتوحة قادرة اليوم على مضاهاة النماذج المغلقة أو التفوق عليها في مهام محددة، وأصبحت النماذج المغلقة أسهل وصولًا من أي وقت مضى. يستعرض هذا المقال الفروق الفعلية، مع أرقام حقيقية وأمثلة واقعية.
يُستخدم هذان المصطلحان بشكل فضفاض في النصوص التسويقية والبيانات الصحفية ومنتديات المطورين. وقبل أن تكون أي مقارنة مفيدة، يجب تحديد التعريفات بدقة.
النموذج المفتوح، بالمعنى الأدق، هو نموذج تكون أوزانه المدرَّبة متاحة للتنزيل العام. يمكنك تشغيل النموذج على عتادك الخاص، وفحص معاملاته، وضبطه بدقة على بياناتك، وتوزيع نسخ معدّلة منه ضمن شروط ترخيص النموذج.
من أكثر النماذج المفتوحة انتشارًا في 2027 عائلة Llama من Meta، ونماذج Mistral AI، ونماذج الأبحاث من DeepSeek، وسلسلة Granite من IBM. يمكنك الوصول إلى كل هذه النماذج مباشرةً على PicassoIA:
لا يعني "مفتوح" دائمًا أنه مجاني للاستخدام التجاري. يقيّد ترخيص Llama Community الاستخدام للشركات التي تتجاوز حجمًا معينًا. أما النماذج المرخصة بموجب Apache 2.0 مثل DeepSeek v3 فهي غير مقيّدة فعلًا. قراءة الترخيص مهمة بقدر أهمية تنزيل الأوزان.
النموذج المغلق يُبقي أوزانه خاصة. تصل إليه فقط عبر واجهة يتحكم فيها المزوّد، وغالبًا ما تكون واجهة API أو تطبيق محادثة. تقرر الشركة متى تحدّث النموذج، وما فلاتر السلامة التي تُطبَّق، وما السعر، ومتى توقف دعم إصدار معيّن. أنت تستلم المخرجات، ولا ترى الداخل أبدًا.
تشمل النماذج المغلقة الرئيسية المتاحة على PicassoIA ما يلي:
تحظى هذه النماذج عادةً باستثمار أكبر، وقدرة حوسبة أكبر أثناء التدريب، وضبط أكثر صرامة للسلامة. في المقابل، تقبل أنك تستأجر الوصول ولا تمتلك شيئًا.
الأوزان هي النموذج نفسه. فهي تشفّر مليارات الارتباطات المتعلَّمة التي تحدد كل مخرج. من يمتلك الأوزان يمتلك سلوك النموذج، ولهذا الفارق آثار متتالية تطال كل شيء من بنية النشر إلى مفاوضات الموردين.
مع الأوزان القابلة للتنزيل، يمكنك تكميم النموذج لخفض متطلبات الذاكرة بشكل كبير، وتشغيله على عتاد استهلاكي، وتثبيت إصداره بصورة دائمة بحيث لا يتغيّر أبدًا دون موافقتك، وفحصه بحثًا عن سلوكيات غير متوقعة أو ثغرات أمنية، ونشره في بيئات معزولة تمامًا عن الشبكات (air-gapped) دون أي اتصال بالإنترنت على الإطلاق.
مع نموذج مغلق لا يُقدَّم إلا عبر API، لا شيء من ذلك ممكن. يستطيع المزوّد أن يغيّر السلوك دون إعلان، أو أن يعدّل السعر في منتصف العقد، أو أن يوقف الإصدار الذي يعتمد عليه نظامك الإنتاجي. هذه ليست مخاطر افتراضية: فقد أوقفت كبرى الجهات المزوّدة للنماذج المغلقة إصدارات نماذج بإشعار مدته 30-90 يومًا في مناسبات عدة، ما أجبر فرق الهندسة على إعادة التحقق من تطبيقاتها على عجل.
تتيح الأوزان المفتوحة الضبط الدقيق بتحكم كامل. فانطلاقًا من Llama 2 70B Chat، يمكن لفريق أن يطبّق LoRA (Low-Rank Adaptation) لتدريب نسخة متخصصة في مجال معيّن باستخدام بضع مئات من الأمثلة المنتقاة. يتفوّق النموذج الناتج باستمرار على النموذج الأساسي في المهمة المستهدفة، والأوزان المحدَّثة تكون ملكًا لك بالكامل.
💡 يمكن أن يكتمل تدريب LoRA على نموذج 7B في أقل من 2 ساعة على بطاقة A100 GPU واحدة، باستخدام ما لا يزيد على 500 مثال تدريبي، دون أن تغادر أي بيانات بنيتك التحتية.
تقدّم النماذج المغلقة أيضًا منتجات للضبط الدقيق، لكن بيانات التدريب تذهب إلى خوادم المزوّد، ويبقى النموذج المُعدَّل مستضافًا على بنيته التحتية، ولا تستلم الأوزان المحدَّثة أبدًا، وغالبًا ما يكون سعر تشغيل النموذج المضبوط أعلى من سعر النموذج الأساسي. التخصيص حقيقي، أما الملكية فليست كذلك.
سعر التنزيل الذي يساوي صفر دولار للنماذج المفتوحة ليس الصورة الكاملة. تكاليف البنية التحتية حقيقية، وبالنسبة للفرق الصغيرة قد تجعل واجهات API المغلقة نقطة بداية أكثر عملية.
يتطلب تشغيل Meta Llama 3.1 405B Instruct بإنتاجية تصلح للإنتاج عدة وحدات GPU عالية الأداء تعمل بالتوازي. يكلّف إيجار GPU السحابية بهذا الحجم 20-30 دولارًا في الساعة. وهذا العبء باهظ بالنسبة لمعظم الأفراد والشركات الناشئة في مراحلها الأولى.
أما النماذج المفتوحة الأصغر مثل Meta Llama 3 8B Instruct، فالحساب يختلف كثيرًا. تكفي وحدة A10G GPU واحدة بسعر 0.75-1.50 دولار في الساعة لمعالجة عشرات الطلبات في الثانية بأحجام معتدلة، ما يجعل الاستضافة الذاتية أرخص بكثير من تسعير API.
| النطاق | استضافة النماذج المفتوحة | ما يعادله من واجهات API المغلقة |
|---|---|---|
| النموذج الأولي (10k توكن يوميًا) | طبقة مجانية في السحابة / التطوير المحلي | $0.50-$2 يوميًا |
| إنتاج صغير (1M توكن يوميًا) | ~$25-$50 يوميًا لإيجار GPU | $50-$200 يوميًا |
| حجم متوسط (100M توكن يوميًا) | ~$800-$2,000 يوميًا | $5,000-$20,000 يوميًا |
تقع نقطة التحول التي تصبح عندها الاستضافة الذاتية للنماذج المفتوحة أرخص بوضوح من واجهات API المغلقة عند نحو 50-100 مليون توكن شهريًا لنماذج من فئة 7B. تحت هذا الحد، غالبًا ما تفوق التكاليف التشغيلية وفورات التكلفة. أما فوقه، فتتراكم الوفورات بسرعة.
تحمل النماذج المغلقة تكاليف خفية تتجاوز تسعير كل توكن: وقت الهندسة للتعامل مع حدود معدل الطلبات، ومنطق إعادة المحاولة، وتفاوت زمن الاستجابة، والإيقاف المفاجئ للإصدارات. وتحمل النماذج المفتوحة تكاليفها الخاصة: تجهيز GPU، وبنية تقديم النموذج، والمراقبة، والطاقة الهندسية اللازمة لمواكبة النماذج الأفضل كلما صدرت.
لا يوجد مسار مجاني تمامًا. السؤال هو أي التكاليف تتوافق مع القدرات القائمة لدى فريقك.
بالنسبة لكثير من أعباء العمل الواقعية، لا تكون الخصوصية تفضيلًا، بل متطلبًا صارمًا تفرضه الأنظمة ومخاطر المنافسة.
عندما ترسل أمرًا نصيًا إلى GPT 5.4 أو Claude 4 Sonnet أو Gemini 3 Flash، تنتقل هذه البيانات وتُعالَج على خوادم المزوّد. تتضمن مستويات المؤسسات عادةً اتفاقيات معالجة بيانات تمنع استخدام بياناتك في التدريب، لكن البيانات تغادر بنيتك التحتية فعليًا.
بالنسبة لأعباء العمل في الرعاية الصحية والقانون والتمويل والحكومة، قد يشكّل ذلك عائقًا تنظيميًا. فقوانين HIPAA وGDPR واللوائح الخاصة بكل قطاع تشترط غالبًا أن تبقى البيانات الحساسة ضمن بنية تحتية خاضعة للرقابة، بغض النظر عن الضمانات التعاقدية من طرف ثالث.
تُزيل النماذج المفتوحة هذا القلق على المستوى المعماري. فنظام رعاية صحية يشغّل Llama 4 Maverick Instruct المضبوط دقيقًا على خوادمه المعزولة عن الإنترنت يعالج السجلات الطبية دون أي تدخل من طرف ثالث. يبقى النموذج والبيانات والمخرجات تحت سيطرته في كل وقت.
هذه ميزة تشغيلية حقيقية لا يمكن أن يضاهيها بالكامل أي اتفاق تعاقدي مع مزوّد مغلق. ولهذا تستخدم غالبية عمليات نشر الذكاء الاصطناعي في المؤسسات العاملة ضمن القطاعات المنظّمة والمنتقلة إلى الإنتاج في 2027 نماذج مفتوحة الأوزان لطبقة الاستدلال الحساسة، حتى حين تستخدم واجهات API مغلقة للمهام غير الحساسة.
💡 تحمي عمليات نشر النماذج المفتوحة داخل المؤسسة أيضًا المعلومات التنافسية. فالأوامر النصية التي تكشف خارطة منتجك أو استراتيجية تسعيرك أو اتجاهات البحث والتطوير تبقى داخلية بالكامل.
تمتد حجة الخصوصية إلى سلوك النموذج نفسه. عندما يعمل Kimi K2 Instruct على خوادمك، يمكنك التحقق من الإصدار الدقيق الذي يعمل، والتأكد من أن النموذج لم يُحدَّث دون علمك، وتسجيل كل عملية تشغيل لأغراض التدقيق الداخلي. مع واجهة API مغلقة، عليك أن تصدّق المزوّد في أن السلوك لم يتغير.
تحوّلت قصة الأداء أكثر مما توقّع معظم المراقبين. لم تعد النماذج المفتوحة تتأخر عن المغلقة بهامش ملموس في الاختبارات المعيارية العامة، وقد تقدّمت عليها في فئات محددة عدة.
في الاختبارات المعيارية المتداولة على نطاق واسع، ومنها MMLU للمعرفة العامة، وHumanEval لأداء البرمجة، وMATH للاستدلال، حققت النماذج المفتوحة تقدمًا لافتًا:
| النموذج | النوع | أداء الاختبارات المعيارية | متوفر على PicassoIA |
|---|---|---|---|
| GPT 5.4 | مغلق | أعلى مستوى، أكثر من 92% في MMLU | نعم |
| Grok 4 | مغلق | أعلى مستوى، أكثر من 90% في MMLU | نعم |
| DeepSeek R1 | مفتوح | 90.8% في MMLU | نعم |
| DeepSeek v3.1 | مفتوح | 88.5% في MMLU | نعم |
| Qwen3 235B | مفتوح | 87-89% في MMLU | نعم |
| Llama 4 Maverick | مفتوح | أكثر من 87% في MMLU | نعم |
لفت DeepSeek R1 الأنظار حين ضاهى أداء فئة GPT-4 في الاستدلال الرياضي، مع كونه مفتوح الأوزان بالكامل. لم يكن هذا تحسنًا تدريجيًا فحسب، بل أشار إلى أن ما تنتجه مجتمعات الأبحاث حين تُنشر بشكل مفتوح يستطيع منافسة نماذج تكلّف تدريبها أكثر بعشرة أضعاف.
في تحويل النص إلى صورة، لا تتخلف مجتمعات المصادر المفتوحة عن النماذج المغلقة، بل تحدد الوتيرة. فقد أنتجت FLUX.1 وStable Diffusion XL ومنظومة النسخ المضبوطة دقيقًا المبنية عليها نتائج باستمرار تحاول أدوات توليد الصور التجارية المغلقة لاحقًا مضاهاتها.
السبب هو الضبط الدقيق. فالنموذج المفتوح للصور المدرَّب على 500 صورة من الهوية البصرية لعلامة تجارية معينة، أو أسلوب فنان بعينه، أو شخصية ثابتة، سيتفوق على أي نموذج صور مغلق عام في تلك المهمة الإبداعية المحددة. وسقف التخصيص لدى نماذج الصور المفتوحة يكاد يكون بلا حدود بطريقة لا تستطيع العروض التجارية المغلقة مضاهاتها بنيويًا.
1. إعداد صفري ونتائج فورية. بالنسبة للفرق التي تحتاج إلى ذكاء اصطناعي قادر يعمل في غضون بضع ساعات، يوفّر الوصول عبر واجهة API المغلقة ذلك. لا حاجة إلى تأمين GPU، ولا إلى بنية لتقديم النموذج، ولا إلى هندسة أوامر لفتح القدرات الأساسية. GPT 5 وClaude Opus 4.7 قادران على العمل مباشرةً بعد التشغيل.
2. قدرات متعددة الوسائط في الطليعة. حتى منتصف 2025، تبقى أكثر أنظمة الوسائط المتعددة قدرة، التي تجمع بين الرؤية والصوت واتباع التعليمات المعقدة متعددة الخطوات، ملكًا لأصحابها. يتعامل Gemini 3 Pro مع الاستدلال المتداخل بين الرؤية والنص بطرق لا تزال النماذج المفتوحة تلحق بها.
3. طبقات سلامة متطورة على نطاق واسع. تستثمر الجهات المزوّدة للنماذج المغلقة بكثافة في مواءمة النموذج مع التغذية الراجعة البشرية وتدريب الذكاء الاصطناعي الدستوري. أما إعادة إنتاج سلوك سلامة مكافئ فوق نموذج أساسي خام مفتوح الأوزان فيتطلب جهدًا هندسيًا مخصصًا كبيرًا لا تستطيع معظم الفرق تحمّل إعطائه الأولوية.
4. اتفاقيات مستوى الخدمة للمؤسسات ووثائق الامتثال. ضمانات التوفر، وحدود معدل الطلبات التعاقدية، وقنوات الدعم المخصصة، وشهادات الامتثال (SOC 2، ISO 27001) معيارية في عقود النماذج المغلقة للمؤسسات. أما النماذج المفتوحة المستضافة ذاتيًا فتضع كل المسؤولية التشغيلية على عاتق فريقك.
1. لا اعتماد على مزوّد واحد. حين يكون Mistral 7B على بنيتك التحتية، لا يُخلّ أي تغيير في السعر أو تحديث في السياسات أو استحواذ شركة أو إيقاف خدمة بعملية النشر لديك. أنت تمتلك النموذج بشكل دائم.
2. تخصص المجال عبر الضبط الدقيق. نموذج Llama 2 13B المضبوط دقيقًا والمدرَّب على 1,000 مثال من عقود قانونية يتفوق باستمرار على النماذج المغلقة العامة في مهام مراجعة العقود. التخصص الضيق يتفوق على الحجم الخام في مجالات محددة، وهذا التخصص ممكن فقط مع الأوزان المفتوحة.
3. كفاءة تكلفة هائلة عند الحجم الكبير. على نطاق الإنتاج، يمكن أن تكون النماذج المفتوحة المستضافة ذاتيًا أرخص بمقدار 10-100 مرة للتوكن الواحد من واجهات API المغلقة. بالنسبة للشركات التي تشغّل مئات الملايين من عمليات تشغيل النموذج شهريًا، فهذا ليس فرقًا هامشيًا، بل هو الفرق بين اقتصاد وحدة قابل للحياة وشركة لا تستطيع تحمّل تكاليف ذكائها الاصطناعي.
4. القابلية للتدقيق والشفافية. يستطيع باحثو الأمن فحص أوزان النماذج المفتوحة بحثًا عن سلوكيات غير متوقعة. ويستطيع الفرق الأكاديمية إعادة إنتاج ادعاءات القدرات بشكل مستقل. ويستطيع فرق الامتثال في المؤسسات التحقق من سلوك النموذج عبر اختبار تجريبي للأوزان نفسها. لا شيء من ذلك ممكن بنيويًا مع واجهة API تعمل كصندوق أسود.
يخلق إطار "مفتوح مقابل مغلق" ثنائية زائفة في الممارسة. تستخدم عمليات نشر الذكاء الاصطناعي عالية الأداء في 2027 الاثنين معًا: واجهات API مغلقة حيث تهم قدرات الوسائط المتعددة المتقدمة أو السرعة دون إعداد، ونماذج مفتوحة حيث تكون الخصوصية أو كفاءة التكلفة أو تخصيص الضبط الدقيق مطلوبة.
ينبغي لشركة ناشئة تبني نموذجًا أوليًا لمنتج جديد أن تستخدم GPT 5.4 أو O1 Mini وتكرر بسرعة. فالتكلفة التشغيلية للنماذج المفتوحة المستضافة ذاتيًا في تلك المرحلة مضيعة للوقت. وينبغي لشركة رعاية صحية تعالج السجلات الطبية أن تشغّل DeepSeek v3 أو Kimi K2 Instruct على خوادمها، فشرط الخصوصية هنا غير قابل للتفاوض. ويمكن لفريق تطوير يحتاج إلى توليد شيفرة قوي أن يستخدم DeepSeek v3.1 لأدائه في الاختبارات المعيارية، إلى جانب Claude 4.5 Sonnet لمهام اتباع التعليمات المعقدة. أذكى عمليات النشر توجّه المهام إلى النموذج الأنسب لكل مهمة، دون التزام أيديولوجي بأي من المعسكرين.
يضع PicassoIA النماذج المفتوحة والمغلقة معًا على منصة واحدة، دون أن تحتاج إلى إدارة بنية GPU أو بناء تكاملات API متعددة. يمكنك تشغيل DeepSeek R1 إلى جانب Grok 4، ومقارنة مخرجاتهما على حالة استخدامك الفعلية، واتخاذ القرار استنادًا إلى نتائج حقيقية. ويمكنك استخدام Llama 4 Scout Instruct للمهام الموفرة للتكلفة، وGPT 5 Pro للحالات التي تتطلب قدرة متقدمة، وكل ذلك من واجهة واحدة.
أما في توليد الصور، فتمنحك مجموعة نماذج تحويل النص إلى صورة على المنصة الوصول إلى أبرز أدوات المصادر المفتوحة، من إصدارات FLUX إلى مشتقات Stable Diffusion المضبوطة دقيقًا، إلى جانب مولّدات تجارية مغلقة، دون كتابة سطر واحد من شيفرة النشر.
إذا أردت أن ترى الفرق الحقيقي في الأداء بين النماذج المفتوحة والمغلقة على مهامك الخاصة، فالطريقة الموثوقة الوحيدة هي تشغيل الاثنين على أوامرك النصية الفعلية. يمكنك بدء هذه المقارنة الآن عبر picassoia.com/en/all-models.
اختر لغتك
