DeepSeek عادت، وظهرت بعد ساعات قليلة من إطلاق OpenAI لـ GPT-5.5. هل هي مصادفة؟ ربما. ولكن إذا كنت مختبرًا صينيًا للذكاء الاصطناعي تحاول الحكومة الأمريكية إبطاء تقدمه بحظر تصدير الرقائق على مدى السنوات الثلاث الماضية، فإن إحساسك بالتوقيت يصبح حادًا للغاية.
أصدر المختبر الذي يتخذ من هانغتشو مقرًا له اليوم نسخًا أولية من DeepSeek-V4-Pro و DeepSeek-V4-Flash، وكلاهما مفتوح الوزن، وكلاهما يتمتع بنوافذ سياق تبلغ مليون رمز. هذا يعني أنه يمكنك العمل مع سياق بحجم ثلاثية "سيد الخواتم" تقريبًا قبل أن ينهار النموذج. كلاهما أيضًا مسعران بأقل بكثير من أي شيء مشابه في الغرب، وكلاهما مجاني لأولئك القادرين على تشغيلهما محليًا.
تسببت DeepSeek في اضطراب كبير آخر - R1 في يناير 2025 - أدى إلى محو 600 مليار دولار من القيمة السوقية لشركة Nvidia في يوم واحد، حيث تساءل المستثمرون عما إذا كانت الشركات الأمريكية بحاجة حقًا إلى مثل هذه الاستثمارات الضخمة لإنتاج نتائج حققها مختبر صيني صغير بجزء بسيط من التكلفة. V4 هي خطوة مختلفة: أكثر هدوءًا، وأكثر تقنية، وأكثر تركيزًا على الكفاءة لأي شخص يبني باستخدام الذكاء الاصطناعي بالفعل.
من بين النموذجين الجديدين، يعد DeepSeek V4-Pro هو الأكبر، حيث يحتوي على 1.6 تريليون معلمة إجمالية. لوضع ذلك في منظور، المعلمات هي "الإعدادات" الداخلية أو "الخلايا الدماغية" التي يستخدمها النموذج لتخزين المعرفة والتعرف على الأنماط — وكلما زاد عدد المعلمات في النموذج، زادت المعلومات المعقدة التي يمكنه الاحتفاظ بها نظريًا. وهذا يجعله أكبر نموذج مفتوح المصدر في سوق نماذج اللغة الكبيرة (LLM) حتى الآن. قد يبدو الحجم سخيفًا حتى تعلم أنه لا ينشط سوى 49 مليار منها لكل تمريرة استدلال.
هذه هي خدعة "مزيج الخبراء" (Mixture-of-Experts) التي صقلتها DeepSeek منذ V3: النموذج الكامل موجود، ولكن الجزء ذي الصلة فقط هو الذي يستيقظ لأي طلب معين. معرفة أكبر، ونفس فاتورة الحوسبة.
كتبت Deepseek في البطاقة الرسمية للنموذج على Huggingface: "DeepSeek-V4-Pro-Max، وضع الجهد الأقصى للاستدلال في DeepSeek-V4-Pro، يطور بشكل كبير قدرات المعرفة لنماذج المصدر المفتوح، ويؤكد بقوة على نفسه كأفضل نموذج مفتوح المصدر متاح اليوم". وأضافت: "يحقق أداءً رفيع المستوى في معايير الترميز ويسد الفجوة بشكل كبير مع النماذج الرائدة ذات المصدر المغلق في مهام الاستدلال والوكيل."
V4-Flash هو النموذج العملي: 284 مليار معلمة إجمالية، 13 مليار منها نشطة. إنه مصمم ليكون أسرع وأرخص، ووفقًا لمعايير DeepSeek الخاصة، "يحقق أداء استدلال مماثل لنسخة Pro عند توفير ميزانية تفكير أكبر".
كلاهما يدعم مليون رمز من السياق. هذا يعادل حوالي 750,000 كلمة — ما يقارب ثلاثية "سيد الخواتم" بأكملها بالإضافة إلى بعض التغييرات. وهذا ميزة قياسية، وليست طبقة مميزة.
هذا هو الجزء التقني للمهوسين أو المهتمين بالسحر الذي يدفع النموذج. لا تخفي Deepseek أسرارها، وكل شيء متاح مجانًا - الورقة الكاملة متاحة على Github.
آلية الانتباه القياسية في الذكاء الاصطناعي — وهي الآلية التي تسمح للنموذج بفهم العلاقات بين الكلمات — تعاني من مشكلة توسع وحشية. ففي كل مرة تضاعف فيها طول السياق، تتضاعف تكلفة الحوسبة أربع مرات تقريبًا. لذا، فإن تشغيل نموذج على مليون رمز ليس مكلفًا بضعف تكلفة 500,000 رمز فقط، بل هو مكلف بأربع مرات. هذا هو السبب في أن السياق الطويل كان تاريخيًا ميزة إضافية تضعها المختبرات ثم تخفضها بهدوء خلف قيود المعدل.
ابتكرت DeepSeek نوعين جديدين من آليات الانتباه للتغلب على هذه المشكلة. الأول، الانتباه المتناثر المضغوط (Compressed Sparse Attention)، يعمل بخطوتين. يقوم أولاً بضغط مجموعات من الرموز — على سبيل المثال، كل 4 رموز — في إدخال واحد. ثم، بدلاً من الانتباه إلى كل هذه الإدخالات المضغوطة، يستخدم "مفهرس البرق" (Lightning Indexer) لاختيار النتائج الأكثر صلة فقط لأي استعلام معين. ينتقل نموذجك من الانتباه إلى مليون رمز إلى الانتباه إلى مجموعة أصغر بكثير من أهم الأجزاء، نوعًا ما مثل أمين مكتبة لا يقرأ كل كتاب ولكنه يعرف بالضبط أي رف يجب أن يبحث فيه.
أما النوع الثاني، وهو "الانتباه المضغوط بشدة" (Heavily Compressed Attention)، فهو أكثر قوة. حيث يضغط كل 128 رمزًا في مدخل واحد — بدون اختيار متناثر، مجرد ضغط قاسٍ. تفقد التفاصيل الدقيقة، ولكنك تحصل على رؤية عالمية رخيصة للغاية. يعمل نوعا الانتباه هذان في طبقات متناوبة، لذلك يحصل النموذج على التفاصيل والنظرة العامة معًا.
النتيجة، من الورقة الفنية: عند مليون رمز، يستخدم V4-Pro 27% من الحوسبة التي كان يحتاجها سلفه (V3.2). وينخفض ذاكرة KV cache — الذاكرة التي يحتاجها النموذج لتتبع السياق — إلى 10% فقط من V3.2. يدفع V4-Flash ذلك إلى أبعد من ذلك: 10% من الحوسبة، 7% من الذاكرة.
وقد أدى هذا إلى تمكن Deepseek من تقديم سعر أرخص بكثير لكل رمز مقارنة بمنافسيها، مع توفير نتائج مماثلة. لوضع ذلك بالأرقام الدولارية: أُطلق GPT-5.5 أمس بتكلفة 5 دولارات للإدخال و30 دولارًا للإخراج لكل مليون رمز، بينما سعر GPT-5.5 Pro يبلغ 30 دولارًا لكل مليون رمز إدخال و180 دولارًا لكل مليون رمز إخراج.
يبلغ سعر Deepseek V4-Pro 1.74 دولارًا للإدخال و3.48 دولارًا للإخراج. أما V4-Flash فسعره 0.14 دولارًا للإدخال و0.28 دولارًا للإخراج. أشار سعود رضوان، الرئيس التنفيذي لشركة Cline، إلى أنه إذا استخدمت أوبر DeepSeek بدلاً من كلود، فإن ميزانيتها للذكاء الاصطناعي لعام 2026 — التي قيل إنها كافية لأربعة أشهر من الاستخدام — كانت ستستمر سبع سنوات.
deepseek v4 is now the cheapest sota model available at 1/20th the cost of opus 4.7.
for perspective, if uber used deepseek instead of claude their 2026 ai budget would have lasted 7 years instead of only 4 months. pic.twitter.com/i9rJZzvRBV
— Saoud Rizwan (@sdrzn) April 24, 2026
تقوم DeepSeek بشيء غير عادي في تقريرها الفني: تنشر الفجوات. معظم إصدارات النماذج تنتقي المعايير التي تتفوق فيها. أجرت DeepSeek مقارنة كاملة مع GPT-5.4 و Gemini-3.1-Pro، ووجدت أن قدرة V4-Pro على الاستدلال تتخلف عن تلك النماذج بحوالي ثلاثة إلى ستة أشهر، ونشرت ذلك على أي حال.
حيث يفوز V4-Pro-Max بالفعل: Codeforces، معيار البرمجة التنافسية، مصنّف مثل الشطرنج البشري. سجل V4-Pro 3,206، مما يضعه في المرتبة 23 تقريبًا بين المشاركين البشريين الفعليين في المسابقة. في Apex Shortlist، وهي مجموعة منتقاة من مسائل الرياضيات والعلوم والتكنولوجيا والهندسة والرياضيات الصعبة، سجل معدل نجاح وبلغ 90.2% مقابل 85.9% لـ Opus 4.6 و78.1% لـ GPT-5.4. وفي SWE-Verified، الذي يقيس مدى قدرة النموذج على حل مشاكل GitHub الحقيقية المستخرجة من مستودعات مفتوحة المصدر الفعلية، سجل 80.6% — مطابقًا لـ Claude Opus 4.6.
أما المجالات التي يتراجع فيها: معيار MMLU-Pro متعدد المهام (Gemini-3.1-Pro بنسبة 91.0% مقابل V4-Pro بنسبة 87.5%)، ومعيار GPQA Diamond للمعرفة المتخصصة (Gemini 94.3 مقابل V4-Pro 90.1)، وامتحان Humanity's Last Exam، وهو معيار مستوى الدراسات العليا حيث لا يزال Gemini-3.1-Pro متفوقًا بنسبة 44.4% على V4-Pro بنسبة 37.7%.
في سياق طويل تحديدًا، يتفوق V4-Pro على نماذج المصدر المفتوح ويتغلب على Gemini-3.1-Pro في معيار CorpusQA (اختبار يحاكي تحليل المستندات الحقيقي بمليون رمز)، لكنه يخسر أمام Claude Opus 4.6 في MRCR — وهو اختبار يقيس مدى جودة النموذج في استرجاع إبر محددة مدفونة بعمق في كومة قش طويلة جدًا.
تعد القدرات الوكيلية هي الجزء الذي يجعل هذا الإصدار مثيرًا للاهتمام للمطورين الذين يطلقون منتجات فعليًا.
يمكن لـ V4-Pro العمل في Claude Code و OpenCode وأدوات الترميز الأخرى المدعومة بالذكاء الاصطناعي. وفقًا لاستطلاع داخلي أجرته DeepSeek على 85 مطورًا استخدموا V4-Pro كوكيل ترميز أساسي لهم، قال 52% منهم إنه جاهز ليكون نموذجهم الافتراضي، و39% يميلون إلى "نعم"، وأقل من 9% قالوا "لا". ذكر الموظفون الداخليون أنه يتفوق على Claude Sonnet ويقترب من Claude Opus 4.5 في مهام الترميز الوكيلية.
صنفت Artificial Analysis، التي تجري تقييمات مستقلة لنماذج الذكاء الاصطناعي على مهام العالم الحقيقي، V4-Pro في المرتبة الأولى بين جميع النماذج مفتوحة الوزن على GDPval-AA — وهو معيار يختبر الأعمال المعرفية ذات القيمة الاقتصادية عبر المهام المالية والقانونية والبحثية، يتم تسجيله عبر Elo. سجل V4-Pro-Max 1,554 Elo، متقدمًا على GLM-5.1 (1,535) و MiniMax's M2.7 (1,514). للمقارنة، يسجل Claude Opus 4.6 1,619 على نفس المعيار — لا يزال متقدمًا، لكن الفجوة تتقلص.
DeepSeek V4 Pro is the #1 open weights model on GDPval-AA, our agentic real-world work tasks evaluation@deepseek_ai has released V4 Pro (1.6T total / 49B active) and V4 Flash (284B total / 13B active). V4 is DeepSeek's first new size since V3, with all intermediate models… pic.twitter.com/2kJWVrKQjF
— Artificial Analysis (@ArtificialAnlys) April 24, 2026
كما يقدم Deepseek V4 ما يسمى بـ "التفكير المتشابك". في النماذج السابقة، إذا كنت تدير وكيلًا يقوم بعدة استدعاءات لأدوات — على سبيل المثال، يبحث في الويب، ثم يقوم بتشغيل بعض التعليمات البرمجية، ثم يبحث مرة أخرى — فإن سياق تفكير النموذج يتم محوه بين الجولات. في كل خطوة جديدة، كان على النموذج إعادة بناء نموذجه العقلي من الصفر. يحتفظ V4 بسلسلة الأفكار الكاملة عبر استدعاءات الأدوات، لذلك لا تعاني سير عمل وكيل مكون من 20 خطوة من فقدان الذاكرة في منتصف الطريق. وهذا الأمر أهم مما يبدو لأي شخص يدير خطوط أنابيب آلية معقدة.
تفرض الولايات المتحدة قيودًا على صادرات رقائق Nvidia عالية الجودة إلى الصين منذ عام 2022. كان الهدف المعلن هو إبطاء تطوير الذكاء الاصطناعي الصيني، لكن حظر الرقائق لم يوقف DeepSeek وبدلاً من ذلك دفعهم إلى ابتكار بنية أكثر كفاءة وبناء إمدادات الأجهزة المحلية.
لم تصدر DeepSeek V4 في فراغ — فقد كان مجال الذكاء الاصطناعي مليئًا بالنشاط مؤخرًا: أطلقت Anthropic نموذج Claude Opus 4.7 في 16 أبريل — وهو نموذج اختبرته Decrypt ووجدت أنه قوي في الترميز والاستدلال، مع استخدام ملحوظ للرموز. في اليوم السابق لذلك، كانت Anthropic تعمل أيضًا على Claude Mythos، وهو نموذج للأمن السيبراني تقول إنها لا تستطيع إصداره علنًا لأنه جيد جدًا في هجمات الشبكة الذاتية.
أطلقت Xiaomi نموذج MiMo V2.5 Pro في 22 أبريل، متجهة نحو القدرات متعددة الوسائط بالكامل — الصور، الصوت، الفيديو. تكلفته 1 دولار للإدخال و3 دولارات للإخراج لكل مليون رمز. يتطابق مع Opus 4.6 في معظم معايير الترميز. قبل ثلاثة أشهر، لم يتحدث أحد عن Xiaomi كشركة رائدة في الذكاء الاصطناعي. الآن، هي تقدم نماذج تنافسية أسرع من معظم المختبرات الغربية.
أطلق OpenAI نموذج GPT-5.5 أمس مع ارتفاع التكاليف لتصل إلى 180 دولارًا لكل مليون رمز إخراج في نسخة Pro. يتفوق على V4-Pro في Terminal Bench 2.0 (82.7% مقابل 70.0%)، الذي يختبر مهام وكيل سطر الأوامر المعقدة. لكنه يكلف أكثر بكثير من V4-Pro للمهام المماثلة. في نفس اليوم، أصدرت Tencent نموذج Hy3، وهو نموذج آخر فائق التطور يركز على الكفاءة.
مع توفر العديد من النماذج الجديدة، السؤال الذي يطرحه المطورون بالفعل هو: متى تستحق القيمة الإضافية الدفع؟
بالنسبة للمؤسسات، قد تكون الحسابات قد تغيرت. فالنموذج الذي يتصدر معايير المصدر المفتوح بسعر 1.74 دولار لكل مليون رمز إدخال يعني أن عمليات معالجة المستندات على نطاق واسع، أو المراجعة القانونية، أو مسارات توليد التعليمات البرمجية التي كانت باهظة الثمن قبل ستة أشهر أصبحت الآن أرخص بكثير. كما أن سياق المليون رمز يعني أنه يمكنك إدخال قواعد بيانات كاملة أو ملفات تنظيمية في طلب واحد بدلاً من تقسيمها عبر مكالمات متعددة.
علاوة على ذلك، فإن طبيعته مفتوحة المصدر تعني أنه لا يمكن تشغيله مجانًا على الأجهزة المحلية فحسب، بل يمكن أيضًا تخصيصه وتحسينه بناءً على احتياجات الشركة وحالات الاستخدام.
بالنسبة للمطورين والبناة الفرديين، V4-Flash هو ما يجب مراقبته. بسعر 0.14 دولارًا للإدخال و0.28 دولارًا للإخراج، فهو أرخص من النماذج التي كانت تعتبر خيارات اقتصادية قبل عام — ويتعامل مع معظم المهام التي تتعامل معها نسخة Pro. نقاط نهاية DeepSeek الموجودة deepseek-chat و deepseek-reasoner تقوم بالفعل بتوجيه الطلبات إلى V4-Flash في وضعي عدم التفكير والتفكير على التوالي، لذا إذا كنت تستخدم واجهة برمجة التطبيقات (API)، فأنت تستخدمه بالفعل.
النماذج حاليًا تعتمد على النصوص فقط. قالت DeepSeek إنها تعمل على قدرات متعددة الوسائط، مما يعني أن المختبرات الكبيرة الأخرى من Xiaomi إلى OpenAI لا تزال تتمتع بهذه الميزة. كلا النموذجين مرخصان بترخيص MIT ومتاحان على Hugging Face اليوم. سيتم إيقاف نقاط النهاية القديمة deepseek-chat و deepseek-reasoner في 24 يوليو 2026.
