صار اختيار النماذج للاستضافة الذاتية مسألة شراء لا مسألة بحث. فالساحة مفتوحة الأوزان في 2026 عميقة بما يكفي ليجتاز عدة عائلات عتبة الجودة لديكم، ما يعني أن القرار يدور حول شروط الترخيص وبصمة العتاد ومدى ملاءمة النموذج للعمل المحدّد الذي بين أيديكم، لا حول أي نموذج يتصدّر لوحة الصدارة هذا الربع.
والعائلات الجديرة بالتقييم هي Llama 4، وQwen 3 و3.5، وDeepSeek V3 وR1 وخلفاؤهما، وMistral (خصوصاً Small 3.1 وLarge 3)، وgpt-oss. لكل منها ملمح مميّز، والفروق التي تهمّ في الإنتاج ليست تلك التي تبرزها جداول الاختبارات.
وأكثر إخفاق نراه هو اختيار ممتاز تقنياً لا تستطيع الإدارة القانونية إقراره، يُكتشف بعد إنجاز عمل التكامل. وثاني أكثرها شيوعاً نموذج اختير بناءً على موقعه الإجمالي في الاختبارات ثم قصّر على مزيج المهام الفعلي، ويُكتشف بعد أن يبدأ المستخدمون بالشكوى. وكلاهما يمكن تفاديه بتسلسل تقييم يضع الفحوص الرخيصة المُقصية أولاً.
العائلات وما يميّز كلاً منها
- Llama 4. أوسع منظومة أدوات ومجتمع، مع تعدّد وسائط مفتوح الأوزان ومعالجة سياق من فئة المليون رمز. وهو الخيار الأأمن من حيث نضج المنظومة والأقل نظافة من حيث الترخيص، لأن رخصة مجتمع Meta ليست Apache ولا MIT.
- Qwen 3 و3.5. أوسع سلّم أحجام في الساحة، ويصدر عادةً تحت Apache 2.0، ما يجعله أسهل عائلة للاستضافة الذاتية التجارية والضبط الدقيق عبر طبقات العتاد. وحين تسأل الفرق عن خيار افتراضي، فهذا هو الجواب عادةً، خصوصاً حيث العتاد محدود.
- DeepSeek V3 وR1 والإصدارات اللاحقة. قوي في الاستدلال وكفاءة الشيفرة، برخصة MIT على النماذج التي تشير إليها معظم إرشادات 2026. والتحفّظات مرتبطة بالإصدار: بعض المتغيّرات الرئيسية نصّية فقط، ويتباين سلوك السياق الطويل أو النشر بين الإصدارات.
- Mistral. الخيار حيث يرجح ثقل المنشأ الأوروبي للمورّد، وهو للعملاء الخاضعين لتنظيم الاتحاد الأوروبي عامل شراء لا تفضيلاً. وMistral Small 3.1 خيار برخصة Apache 2.0، متعدّد الوسائط، بسياق 128 ألف رمز، يتّسع بارتياح في عمليات النشر أحادية العقدة.
- gpt-oss. عائلة OpenAI مفتوحة الأوزان، برخصة Apache 2.0 في القوائم الحالية، مع نموذج من فئة 120B يُظهر أداءً قوياً في الاختبارات وسياقاً بـ128 ألف رمز. تعاملوا معه كمرشّح جاد للاستضافة الذاتية رهناً بشروط بطاقة النموذج.
شروط الترخيص هي المرشّح الأول
مفتوح الأوزان ليس مرادفاً للمصدر المفتوح المتساهل، وهذا هو الفحص الواجب إجراؤه قبل إنفاق أي وقت هندسي.
| العائلة | وضع الترخيص | الاستخدام التجاري | ما يجب التحقّق منه |
|---|---|---|---|
| Llama 4 | رخصة مجتمع Meta | مسموح، بشروط | عتبة 700 مليون مستخدم نشط شهرياً تستدعي اتفاقاً منفصلاً؛ إسناد “Built with Llama” يسري في بعض السياقات؛ وتسري سياسة الاستخدام المقبول |
| Qwen 3 / 3.5 | Apache 2.0 عادةً | مسموح عموماً | أكّدوا الإصدار المحدّد، فالعائلة تضم متغيّرات كثيرة |
| DeepSeek V3 / R1 وما بعدهما | MIT عادةً | مسموح عموماً | افحصوا طبقات سياسة الاستخدام على الإصدار المحدّد؛ وأكّدوا ما إذا كان المتغيّر نصّياً فقط |
| Mistral Small 3.1 / Large 3 | Apache 2.0 على إصدارات مختارة | مسموح عموماً | أكّدوا المتغيّر بالضبط، فالإصدارات متعدّدة الوسائط والأكبر قد تختلف |
| gpt-oss | Apache 2.0 في القوائم الحالية | مسموح عموماً | راجعوا القيود الخاصة ببطاقة النموذج مقابل منظومة سياساتكم |
يبدو بند 700 مليون مستخدم نشط شهرياً في رخصة Llama بلا صلة بمعظم المؤسسات، وهو كذلك عادةً. وحيث يعضّ هو التوزيع المضمَّن: إذا شُحن النموذج داخل منتج بقاعدة مستخدمين نهائيين كبيرة، أو داخل منصّة يلمسها عملاء عملائكم، فتصير تلك العتبة ومتطلبات الإسناد أسئلة حيّة. دعوا الإدارة القانونية تقرأ الرخصة الفعلية للإصدار الفعلي، وسجّلوا القرار، لأن السؤال نفسه سيُطرح مجدداً عند تحديث النموذج التالي.
وتستحق سياسات الاستخدام المقبول انتباهاً مماثلاً. فهي أقصر من الرخصة وأسهل في المخالفة، خصوصاً للمؤسسات التي تمارس ما تصنّفه السياسة عالي المخاطر. وللعمل المعزول عن الشبكة اختبار إضافي: هل تسمح الشروط أصلاً بنسخ الأوزان إلى بيئة غير موصولة.
قراءة الاختبارات دون أن تُضلَّلوا
الاختبارات العامة أداة تصفية مشروعة وأداة قرار رديئة. وأربعة تحفّظات تهمّ في الشراء.
درجات لوحات الصدارة ليست أداء النشر. فنموذج يسجّل درجة ممتازة في تهيئة المُقيّم قد يقصّر تحت التكميم لديكم وحجم الدفعة وطول السياق وميزانية زمن الاستجابة. والتكميم INT4 تحديداً يزيح الترتيبات النسبية، وINT4 هو ما تشغّله معظم المؤسسات فعلاً.
وادّعاءات نافذة السياق متفائلة. فنافذة معلنة بمليون رمز بيان قدرة لا نقطة تشغيل. وبعد حساب أعباء الاسترجاع وحجم المطالبة وضغط ذاكرة KV ومقايضات الإنتاجية، تصير النافذة العملية للمؤسسة أصغر بكثير، وكلفة التشغيل قرب الحد المعلن باهظة عادةً.
وملاءمة العتاد تعيد ترتيب الجدول. فالنماذج التي تفوز بالدرجات الإجمالية تفترض غالباً استدلالاً متعدّد وحدات المعالجة. أما متغيّرات Qwen وMistral الأصغر، أو نماذج DeepSeek المقطّرة، فكثيراً ما تقدّم كلفة أفضل لكل وحدة جودة في الواقع على عقدة واحدة، وهناك تعيش معظم عمليات النشر الخاصة.
ومزيج المهام يحسم الفائز. عائلة تتصدّر في الاستدلال، وأخرى في الشيفرة، وأخرى في العمل متعدّد اللغات، وأخرى في المدخلات متعدّدة الوسائط. والاختيار وفق الموقع الإجمالي في لوحة الصدارة يُذيب بالمتوسّط التمييزَ الذي تحتاجونه تحديداً.
تسلسل تقييم يصمد
شغّلوا المرشّحات الرخيصة أولاً والاختبارات المكلفة أخيراً.
- التصفية بالترخيص. استبعدوا كل ما تتعارض شروطه مع موقفكم التجاري أو موقفكم من إعادة التوزيع أو الإسناد أو التنظيم. يكلّف هذا محامياً بعد ظهر واحد ويمنع أغلى صنف من الأخطاء.
- مطابقة الحجم بالعتاد. حدّدوا هل أنتم على وحدة معالجة رسومية واحدة أم عقدة متعددة الوحدات أم عنقود، واستبعدوا النماذج التي لا تتّسع عند التكميم المستهدف بهامش واقعي لذاكرة KV. هذا يقلّص الساحة إلى النصف عادةً.
- الاختبار على مزيج حمل عملكم. ابنوا مجموعة تقييم من مهام حقيقية: استرجاع المستندات الداخلية، ومراجعة الشيفرة، والتلخيص متعدّد اللغات، وسير عمل استخدام الأدوات، والاستخراج من سياق طويل، وأي شيء آخر يفعله مستخدموكم فعلاً. وقيّموها بالطريقة التي ستحكمون بها على جودة الإنتاج.
- قياس المؤشرات التشغيلية بجانب الجودة. زمن الاستجابة عند المئين 95، والرموز في الثانية تحت التزامن، وبصمة الذاكرة، ومعدّل الإخفاق، وخسارة التكميم مقابل الأساس غير المكمَّم، والكلفة لكل مليون رمز. لا تلتقط لوحات الصدارة أياً من هذه، وهي التي تحدّد ما إذا كان النشر محتمَل الكلفة.
- تشغيل نشر كناري وظلّي. قارنوا المرشّحين مقابل حركة الإنتاج الحالية وحكم البشر على معدّل الهلوسة وموثوقية التنسيق وسلوك الرفض والسلامة. لا تُترجَم مكاسب الاختبارات إلى سلوك تشغيلي أفضل بصورة موثوقة، وحركة الظلّ هي حيث تظهر تلك الفجوة قبل أن يجدها المستخدمون.
قائمة قصيرة حسب حالة الاستخدام
| حالة الاستخدام | العائلات الأنسب |
|---|---|
| مساعد داخلي عام الأغراض | Qwen 3/3.5، وLlama 4 Scout أو Maverick، وMistral Small 3.1 |
| البرمجة ومساعدات المطوّرين | متغيّرات DeepSeek للاستدلال والشيفرة، وعائلة Qwen Coder، وgpt-oss |
| استرجاع المستندات الطويلة | Llama 4، وفئة DeepSeek V3، ومتغيّرات Qwen ذات السياق الكبير |
| الأحمال متعدّدة اللغات | عائلتا Mistral وQwen |
| تساهل تجاري صارم | إصدارات Apache 2.0 وMIT: Qwen 3/3.5، ومختارات من Mistral وDeepSeek، وgpt-oss |
| أقصى نضج للمنظومة | Llama 4، مع قبول قيود الترخيص |
كيف نتعامل نحن مع الأمر
الخيار الافتراضي القابل للدفاع عنه لمعظم المؤسسات هو عائلة ذات ترخيص متساهل، أي Qwen 3 أو 3.5 أو إصدار Mistral برخصة Apache 2.0 أو إصدار DeepSeek برخصة MIT، محجّم ليعمل بارتياح على عتاد تملكونه أصلاً أو تستطيعون شراءه دون حالة استثنائية. واحتفظوا بـLlama 4 للحالات التي ترجح فيها منظومته أو دعمه متعدّد الوسائط أو معالجته للسياق على شروط الترخيص، وتعاملوا مع gpt-oss كمرشّح حقيقي متى اجتازت شروط بطاقة نموذجه مراجعة سياساتكم.
ثم ابنوا مجموعة التقييم قبل أن تبنوا أي شيء آخر. خمسون إلى مئتا مهمة حقيقية بتقييم متّفق عليه تكفي للتمييز بين المرشّحين، وتصبح أصلاً دائماً: المجموعة نفسها تُعاد على الإصدار التالي، ما يحوّل تحديث النموذج من جدال إلى قياس. وبالنظر إلى سرعة حركة هذا المجال، فإن القدرة على إعادة التقييم بكلفة زهيدة تساوي أكثر من إصابة الاختيار الأول بدقة.
وأخيراً، أبقوا القائمة صغيرة وضعوها خلف بوابة. نموذجان أو ثلاثة موجَّهة حسب المهمة تمنحكم تغطية يعجز عنها خيار واحد، دون العبء التشغيلي لصيانة حديقة نماذج لم يقيّمها أحد منذ يوم نشرها.
الأسئلة الشائعة
هل يعني مفتوح الأوزان أننا نستطيع استخدام النموذج تجارياً بلا قيود؟
لا. مفتوح الأوزان يصف إتاحة الأوزان، لا الترخيص المرفق بها. إصدارات Qwen تصدر عادةً برخصة Apache 2.0، وإصدارات DeepSeek عادةً برخصة MIT، وإصدارات مختارة من Mistral وgpt-oss برخصة Apache 2.0، وكلها متساهلة عموماً. أما Llama 4 فيستخدم رخصة مجتمع Meta: الاستخدام التجاري مسموح لكنه مشروط، مع عتبة 700 مليون مستخدم نشط شهرياً تستدعي اتفاقاً منفصلاً، ومتطلبات إسناد في بعض السياقات. تحقّقوا من الإصدار المحدّد لا من العائلة، لأن الشروط تختلف بين المتغيّرات.
كم ينبغي أن نثق بترتيب اختبارات الأداء العامة؟
كمرشّح لقائمة قصيرة، لا كقرار. تُنتَج درجات لوحات الصدارة في ظروف نادراً ما تطابق نشركم: التكميم لديكم وحجم الدفعة وطول السياق وميزانية زمن الاستجابة تغيّر الترتيب كلها. وادّعاءات نافذة السياق متفائلة على نحو خاص، فادّعاء مليون رمز ليس النافذة العملية للمؤسسة بعد حساب أعباء الاسترجاع وضغط ذاكرة KV. استخدموا الاختبارات لتضييق القائمة إلى ثلاثة أو أربعة مرشّحين، ثم احسموا على مزيج مهامكم بمجموعة تقييم خاصة بكم وعلى عتادكم.
هل نوحّد على نموذج واحد أم نشغّل عدة نماذج؟
عدة نماذج موجَّهة حسب المهمة هو النمط الذي يصمد. تتفوّق عائلات مختلفة في أعمال مختلفة: الاستدلال والشيفرة، والتلخيص متعدّد اللغات، واسترجاع المستندات الطويلة، واستخدام الأدوات الوكيلي نادراً ما يكون لها الفائز نفسه. وتشغيل اثنين أو ثلاثة خلف بوابة يتيح لكم التوجيه حسب حمل العمل واستبدال نموذج دون المساس بالتطبيقات. الكلفة تشغيلية، إذ يصبح كل نموذج أثراً إضافياً يحتاج تقييماً وترقيعاً ورصداً، فأبقوا القائمة صغيرة ومقصودة بدل تكديس النماذج كلما اكتشفتها الفرق.