هذه هي المدونة الثانية في سلسلة من ثلاثة أجزاء حول التقدم التاريخي لمجتمع المصادر المفتوحة في الصين منذ “لحظة DeepSeek” في يناير 2025. المدونة الأولى متاحة هنا، والمدونة الثالثة متاحة هنا.
في هذه القطعة الثانية نحول تركيزنا من النماذج إلى الخيارات المعمارية والأجهزة التي اتخذتها الشركات الصينية عندما أصبح الانفتاح هو القاعدة.
بالنسبة للباحثين والمطورين في مجال الذكاء الاصطناعي الذين يساهمون في النظام البيئي مفتوح المصدر ويعتمدون عليه، ولصانعي السياسات الذين يفهمون البيئة المتغيرة بسرعة، تشير التفضيلات المعمارية، وتنويع الأساليب، وإباحة الترخيص، وشعبية النماذج الصغيرة، والاعتماد المتزايد للأجهزة الصينية إلى استراتيجيات القيادة عبر العديد من المسارات. ألهمت خصائص DeepSeek R1 التداخل والمنافسة، وساهمت في التركيز بشكل أكبر على الأجهزة المحلية في الصين.
مزيج من الخبراء (وزارة التربية والتعليم) كخيار افتراضي
في العام الماضي، انتقلت النماذج الرائدة من المجتمع الصيني بالإجماع تقريبًا نحو تصميمات مزيج الخبراء (MoE)، بما في ذلك Kimi K2 وMiniMax M2 وQwen3. لقد كان R1 في حد ذاته نموذجًا لوزارة التربية والتعليم، وقد أثبت أيضًا أنه نقطة حاسمة: فالاستدلال القوي يمكن أن يكون مفتوحًا وقابلاً للتكرار ومصممًا في الممارسة العملية. وفي ظل القيود التي تفرضها الصين في العالم الحقيقي، والتي تحافظ على قدرة عالية مع التحكم في التكاليف، وضمان إمكانية تدريب النماذج ونشرها واعتمادها على نطاق واسع، ظهرت وزارة التعليم كحل طبيعي.
تشبه وزارة التربية نظام توزيع حسابي يمكن التحكم فيه؛ ضمن إطار قدرة واحد، يتم تخصيص موارد الحوسبة عبر الطلبات وبيئات النشر من خلال التنشيط الديناميكي لأعداد مختلفة من الخبراء وفقًا لتعقيد المهمة وقيمتها. والأهم من ذلك، أنه لا يتطلب كل الاستدلال لاستهلاك مجموعة كاملة من الموارد، ولا يفترض أن جميع بيئات النشر تشترك في ظروف أجهزة متطابقة.
كان الاتجاه العام للنماذج الصينية مفتوحة المصدر في عام 2025 واضحًا: ليس بالضرورة أقوى أداء ممكن، ولكن القدرة على العمل بشكل مستدام، والنشر بمرونة، والتطور المستمر، وتحقيق أفضل توازن في أداء التكلفة.
الاندفاع نحو التفوق عن طريق الوسيلة
بدءًا من فبراير 2025، لم يعد النشاط مفتوح المصدر يركز فقط على النماذج النصية. لقد توسعت بسرعة إلى اتجاهات متعددة الوسائط وقائمة على الوكيل: نماذج من أي إلى أي، نص إلى صورة، صورة إلى فيديو، نص إلى فيديو، تحويل النص إلى كلام، ثلاثي الأبعاد، و وكلاء تقدم كل شيء بالتوازي. ما دفعه المجتمع إلى الأمام لم يكن مجرد أوزان النماذج، بل مجموعة كاملة من الأصول الهندسية، بما في ذلك نشر الاستدلال ومجموعات البيانات والتقييم وسلاسل الأدوات وسير العمل والتنسيق من الحافة إلى السحابة. يشير الظهور الموازي لأدوات إنشاء الفيديو، والمكونات ثلاثية الأبعاد، ومجموعات بيانات التقطير، وأطر العمل الوكيل إلى شيء أكبر من مجرد اختراقات معزولة – فقد أشار إلى إمكانات قابلة لإعادة الاستخدام على مستوى النظام.
اشتدت المنافسة على القيادة المشابهة لـ DeepSeek بطريقة غير نصية. أصدرت شركة StepFun نماذج متعددة الوسائط عالية الأداء، تتفوق في إنشاء الصوت والفيديو والصور ومعالجتها أو تحريرها. يتميز أحدث طرازاتهم لتحويل الكلام إلى كلام Step-Audio-R1.1 بأداء متطور، متفوقًا على النماذج الخاصة. كما عكست Tencent هذا التحول من خلال العمل مفتوح المصدر في الفيديو والأبعاد الثلاثية. تعكس نماذج ومشاريع Hunyuan Video مثل Hunyuan 3D المنافسة المتزايدة خارج النماذج التي تركز على النص.
التفضيلات الكبيرة للنماذج الصغيرة
كانت النماذج في النطاق 0.5B–30B أسهل في التشغيل محليًا وضبطها ودمجها في أنظمة الأعمال وسير عمل الوكلاء. على سبيل المثال: من بين سلسلة Qwen، تحتوي Qwen 1.5-0.5B على أكثر النماذج المشتقة. في البيئات ذات الحوسبة المحدودة أو متطلبات الامتثال الصارمة، كانت هذه النماذج أكثر ملاءمة للتشغيل على المدى الطويل. وفي الوقت نفسه، غالبًا ما يستخدم كبار اللاعبين نماذج وزارة التربية الكبيرة في نطاق 100-700 مليار كحدود قصوى للقدرات أو “نماذج للمعلمين”، ثم يقومون بتقطير تلك القدرات إلى العديد من النماذج الأصغر. أدى هذا إلى إنشاء هيكل واضح: عدد قليل من النماذج الكبيرة جدًا في الأعلى، والعديد من النماذج العملية في الأسفل. تعكس الحصة المتزايدة من النماذج الصغيرة في الملخصات الشهرية احتياجات الاستخدام الحقيقية في المجتمع.
https://huggingface.co/spaces/cfahlgren1/hub-model-tree-stats
المزيد من التراخيص مفتوحة المصدر
بعد R1، أصبح Apache 2.0 قريبًا من الاختيار الافتراضي للنماذج المفتوحة من المجتمع الصيني. وقد أدت التراخيص الأكثر تساهلاً إلى تقليل الاحتكاك حول استخدام النماذج وتعديلها ونشرها في الإنتاج، مما جعل من الأسهل على الشركات نقل النماذج المفتوحة إلى أنظمة حقيقية. كما أن الإلمام بالتراخيص القياسية، مثل Apache 2.0 وMIT، ساهم في تسهيل الاستخدام بالمثل؛ تضيف التراخيص الإلزامية والمصممة خصيصًا الاحتكاك من خلال عدم الإلمام والحواجز القانونية الجديدة، مما يساهم في الانخفاض الموضح في الرسم البياني أدناه.
استنادًا إلى إصدارات جميع المنظمات الموضحة في خريطة التمثيل اللوني الصينية مفتوحة المصدر
من النموذج أولاً إلى الأجهزة أولاً
في عام 2025، ستتوافق إصدارات النماذج بشكل متزايد مع أطر الاستدلال، وتنسيقات القياس الكمي، ومحركات الخدمة، وأوقات تشغيل الحافة. لم يعد الهدف البارز مجرد جعل الأوزان قابلة للتنزيل، بل التأكد من إمكانية تشغيل النماذج مباشرة على الأجهزة المحلية المستهدفة — وتشغيلها بشكل موثوق وفعال. وكان هذا التغيير أكثر وضوحا على جانب الاستدلال. على سبيل المثال، مع DeepSeek-V3.2-Exp، حققت كل من رقائق Huawei Ascend وCambricon دعمًا فوريًا، ليس كعروض توضيحية سحابية، ولكن كخطوط أنابيب استدلالية قابلة للتكرار تم إصدارها جنبًا إلى جنب مع الأوزان، مما يمكّن المطورين من التحقق من صحة الأداء في العالم الحقيقي مباشرة.
وفي الوقت نفسه، بدأت إشارات جانب التدريب في الظهور. تستخدم نماذج Ling المفتوحة من Ant Group التدريب الأمثل على شرائح الذكاء الاصطناعي المحلية لتحقيق أداء قريب من NVIDIA H800، مما يقلل تكلفة تدريب 1 تريليون رمز مميز بحوالي 20%. وثقت نماذج Qianfan-VL المفتوحة من Baidu بوضوح أنه تم تدريب النموذج على مجموعة تضم أكثر من 5000 مسرع Baidu Kunlun P800، وهي شريحة الذكاء الاصطناعي الرائدة الخاصة بها، مع تفاصيل حول الموازاة والكفاءة. في بداية عام 2026، تم الإعلان عن كل من GLM-Image من Zhipu وأحدث نموذج مفتوح لشركة China Telecom – TeleChat3، على أنهما تم تدريبهما بالكامل على الرقائق المحلية. وأظهرت هذه الإفصاحات أن أجهزة الكمبيوتر المنزلية لم تعد مقتصرة على الاستدلال، ولكنها بدأت في دخول المراحل الرئيسية من خط التدريب.
ومن ناحية الخدمة والبنية التحتية، أصبحت القدرات الهندسية مفتوحة المصدر بشكل منهجي. Moonshot AI أصدرت نظام التقديم الخاص بها: Mooncake، وميزات مدعومة بشكل صريح مثل فصل التعبئة المسبقة/فك التشفير. ومن خلال الخبرة على مستوى الإنتاج مفتوح المصدر، أدت هذه الجهود إلى رفع خط الأساس للنشر والعمليات عبر المجتمع بشكل كبير، مما يسهل تشغيل النماذج بشكل موثوق على نطاق واسع. وقد تردد صدى هذا الاتجاه عبر النظام البيئي. أكد FastDeploy 2.0 من Baidu على التكميم الشديد والتحسين على مستوى المجموعة لتقليل تكاليف الاستدلال في ظل ميزانيات حسابية ضيقة. اتبع نظام Qwen البيئي التابع لشركة Alibaba التكامل الكامل، ومواءمة النماذج بإحكام، وأطر الاستدلال، واستراتيجيات القياس الكمي، وسير عمل النشر السحابي لتقليل الاحتكاك من التطوير إلى الإنتاج. ومع ذلك، فإن التقارير التي تشير إلى قيود الحوسبة في الصين تهدد التوسع؛ يقال إن Zhipu AI يقيد الاستخدام وسط أزمة الحوسبة.
عندما يتم تسليم النماذج والأدوات والهندسة معًا، فإن النظام البيئي لم يعد ينمو عن طريق إضافة المشاريع، ولكن عن طريق التمييز هيكليًا على أساس مشترك – والبدء في التطور من تلقاء نفسه. كيف ستستجيب الصين لمبيعات الأجهزة الأمريكية وضوابط التصدير بينما تبيع NVIDIA أجهزة H200 لا يزال سؤالًا مفتوحًا. اقرأ المزيد حول مشهد الحوسبة العالمي المتغير هنا.
إعادة الإعمار في التقدم
لقد فعلت “لحظة DeepSeek” في يناير 2025 أكثر من مجرد إطلاق موجة من النماذج المفتوحة الجديدة. لقد فرض ذلك إعادة نظر أعمق في كيفية بناء أنظمة الذكاء الاصطناعي عندما لم تعد المصادر المفتوحة اختيارية ولكنها أساسية، ولماذا تحمل هذه الاختيارات الأساسية الآن ثقلًا استراتيجيًا.
ولم تعد الشركات الصينية تعمل على تحسين النماذج المعزولة. وبدلاً من ذلك، فإنهم يتابعون مسارات معمارية متميزة تهدف إلى بناء أنظمة بيئية كاملة مناسبة لعالم مفتوح المصدر. وفي مشهد نموذجي أصبح سلعيًا بشكل متزايد، تشير هذه القرارات إلى تحول واضح في المنافسة من أداء النموذج إلى تصميم النظام.
ستتعمق مدونتنا التالية في المكاسب التنظيمية ومشاركة بعض ما نتوقع رؤيته في عام 2026.
