تحديث DeepSeek-R1-0528: يُعيد تحديث DeepSeek نموذج الذكاء الاصطناعي الصيني إلى مستوى رواد الصناعة الغربيين – الصورة: Xpert.Digital
الذكاء الاصطناعي مفتوح المصدر في أقصى حدوده: ديب سيك يتفوق على أوبن إيه آي وجوجل
من 60 إلى 68: ديب سيك تعيد الذكاء الاصطناعي الصيني إلى القمة
حققت شركة DeepSeek الصينية الناشئة في مجال الذكاء الاصطناعي إنجازًا هامًا بإصدارها DeepSeek-R1-0528 في 28 مايو 2025، مما أعاد تعريف مشهد الذكاء الاصطناعي العالمي. يُظهر هذا التحديث لنموذج الاستدلال مفتوح المصدر تحسيناتٍ هائلة في الأداء، مما يضع DeepSeek لأول مرة في مصافّ OpenAI o3 وGoogle Gemini 2.5 Pro. والجدير بالذكر أن هذا الأداء المتميز تحقق بتكلفة أقل بكثير وبأوزان نموذج مفتوحة المصدر بالكامل، مما يثير تساؤلات جوهرية حول مستقبل أنظمة الذكاء الاصطناعي الاحتكارية. وقد منحت منصة التقييم المستقلة Artificial Analysis النموذج الجديد 68 نقطة، بزيادة ملحوظة من 60 إلى 68 نقطة، وهو ما يعادل فرق الأداء بين OpenAI o1 وo3.
ذو صلة بهذا الموضوع:
التحديث والتحسينات التقنية التي يتضمنها
يمثل DeepSeek-R1-0528 تحسينًا جوهريًا يحقق تطورات ملحوظة في الأداء من خلال تحسينات خوارزمية وزيادة استخدام الموارد الحاسوبية في مرحلة ما بعد التدريب، دون تغيير البنية الأساسية. ويركز التحديث بشكل أساسي على تحسين قدرات الاستدلال، مما يُمكّن، وفقًا لشركة DeepSeek، من "عمليات تفكير أعمق بكثير". ويتجلى مثالٌ بارزٌ على هذا التحسين في اختبار الرياضيات AIME 2025، حيث ارتفعت الدقة من 70% إلى 87.5%. وفي الوقت نفسه، ازداد متوسط عدد الرموز لكل سؤال من 12000 إلى 23000 رمز، مما يشير إلى معالجة أكثر كثافة.
إضافةً إلى تحسينات الاستدلال، يُقدّم التحديث وظائف جديدة هامة، تشمل إخراج JSON واستدعاء الدوال، وواجهة مستخدم مُحسّنة، وتقليل الأخطاء غير المقصودة. هذه التحسينات تجعل النموذج أكثر عمليةً للمطورين وتُوسّع نطاقه بشكلٍ ملحوظ. يبقى التوافر كما هو: سيتلقى مستخدمو واجهة برمجة التطبيقات الحاليون التحديث تلقائيًا، بينما ستظل أوزان النموذج متاحةً بموجب ترخيص MIT المفتوح على منصة Hugging Face.
أداء معياري ومقارنات الأداء
أظهرت نتائج التقييم المعياري لنموذج DeepSeek-R1-0528 تحسينات ملحوظة في جميع فئات التقييم. ففي المهام الرياضية، ارتفعت نسبة نجاحه في اختبار AIME-2024 من 79.8% إلى 91.4%، وفي اختبار HMMT-2025 من 41.7% إلى 79.4%، وفي اختبار CNMO-2024 من 78.8% إلى 86.9%. وتؤكد هذه النتائج مكانة النموذج كواحد من أقوى أنظمة الذكاء الاصطناعي لحل المسائل الرياضية على مستوى العالم.
يُظهر DeepSeek-R1-0528 تقدمًا ملحوظًا في معايير البرمجة. فقد تحسّن أداؤه في LiveCodeBench من 63.5% إلى 73.3%، وفي Aider-Polyglot من 53.3% إلى 71.6%، وفي SWE Verified من 49.2% إلى 57.6%. كما ارتفع تصنيفه في Codeforces من 1530 إلى 1930 نقطة، مما يضعه ضمن أفضل نماذج حل المشكلات الخوارزمية. وبالمقارنة مع النماذج المنافسة، حقق DeepSeek-R1 نسبة 49.2% في SWE Verified، متقدمًا بذلك على OpenAI o1-1217 الذي حقق 48.9%، بينما في Codeforces، وبنسبة 96.3% وتصنيف Elo بلغ 2029 نقطة، يقترب جدًا من النموذج الرائد لـ OpenAI.
تؤكد اختبارات المعرفة العامة والمنطق التحسن الكبير في الأداء: فقد ارتفعت نسبة النجاح في اختبار GPQA-Diamond من 71.5% إلى 81.0%، وفي اختبار Humanity's Last Exam من 8.5% إلى 17.7%، وفي اختبار MMLU-Pro من 84.0% إلى 85.0%، وفي اختبار MMLU-Redux من 92.9% إلى 93.4%. أما اختبار SimpleQA من OpenAI، فقد شهد انخفاضًا طفيفًا فقط من 30.1% إلى 27.8%. وتُظهر هذه التحسينات الشاملة أن DeepSeek-R1-0528 يتمتع بقدرة تنافسية عالية ليس فقط في المجالات المتخصصة، بل في جميع أنواع المهام المعرفية.
البنية التقنية والابتكارات
يعتمد الأساس التقني لنموذج DeepSeek-R1-0528 على بنية MoE (مزيج من الخبراء) متطورة، تضم 37 مليار مُعامل نشط من أصل 671 مليار مُعامل، ويبلغ طول سياقها 128 ألف رمز. يُطبّق النموذج تقنيات متقدمة للتعلم المعزز لتحقيق التحقق الذاتي، والتفكير متعدد المراحل، وقدرات استدلالية تُحاكي القدرات البشرية. تُمكّن هذه البنية النموذج من معالجة مهام الاستدلال المعقدة من خلال عمليات تفكير تكرارية، مما يُميّزه عن نماذج اللغة التقليدية.
من أبرز الجوانب المبتكرة تطوير نسخة مُصغّرة، DeepSeek-R1-0528-Qwen3-8B، والتي تم إنشاؤها من خلال استخلاص آلية عمل DeepSeek-R1-0528 لتدريب Qwen3-8B-Base بعد اكتمال التدريب. تُحقق هذه النسخة المُصغّرة أداءً مذهلاً مع متطلبات موارد أقل بكثير، وتعمل على وحدات معالجة رسومية (GPUs) بسعة 8-12 جيجابايت من ذاكرة الوصول العشوائي للفيديو (VRAM). في اختبار AIME 2024، حقق النموذج أداءً متميزًا بين نماذج المصادر المفتوحة، مع تحسن بنسبة 10% مقارنةً بـ Qwen3-8B وأداء مُماثل لـ Qwen3-235B-Thinking.
تُظهر منهجية التطوير أن DeepSeek يعتمد بشكل متزايد على التدريب اللاحق باستخدام التعلم المعزز، مما أدى إلى زيادة استهلاك الرموز بنسبة 40% خلال التقييم - من 71 إلى 99 مليون رمز. يشير هذا إلى أن النموذج يُنتج إجابات أطول وأكثر عمقًا دون الحاجة إلى تغييرات جوهرية في بنيته.
الوضع السوقي وديناميكيات المنافسة
يُرسّخ DeepSeek-R1-0528 مكانته كمنافس قويّ للنماذج الاحتكارية الرائدة لشركات التكنولوجيا الغربية. وفقًا لموقع Artificial Analysis، حصل النموذج على 68 نقطة، ما يجعله في مستوى يُضاهي Gemini 2.5 Pro من جوجل، ويتفوّق على نماذج مثل Grok 3 mini من xAI، وLlama 4 Maverick من Meta، وNemotron Ultra من Nvidia. أما في فئة البرمجة، فيُحقق DeepSeek-R1-0528 مستوىً أدنى بقليل من o4-mini وo3 من OpenAI.
كان لإطلاق التحديث أثرٌ بالغٌ على مشهد الذكاء الاصطناعي العالمي. فقد أدى الإصدار الأولي لـ DeepSeek-R1 في يناير 2025 إلى انخفاضٍ في أسهم شركات التكنولوجيا خارج الصين، وتحدى الافتراض السائد بأن توسيع نطاق الذكاء الاصطناعي يتطلب قدرة حاسوبية واستثمارات هائلة. وقد استجاب المنافسون الغربيون سريعًا: فقد قدمت جوجل أسعارًا مخفضةً للوصول إلى Gemini، بينما خفضت OpenAI الأسعار وقدمت نموذج o3 Mini الذي يتطلب قدرة حاسوبية أقل.
ومن المثير للاهتمام أن تحليلات أسلوب النص من EQBench تُظهر أن أسلوب DeepSeek-R1 متأثرٌ بجوجل أكثر من تأثره بـ OpenAI، مما يُشير إلى احتمال استخدام المزيد من مخرجات Gemini الاصطناعية في تطويره. تُؤكد هذه الملاحظة على التأثيرات المعقدة وعمليات نقل التكنولوجيا بين مطوري الذكاء الاصطناعي المختلفين.
الكفاءة من حيث التكلفة والتوافر
تكمن إحدى أهم مزايا DeepSeek-R1-0528 التنافسية في كفاءتها الاستثنائية من حيث التكلفة. فهيكل تسعيرها أكثر ملاءمة بكثير من هيكل تسعير OpenAI: إذ تبلغ تكلفة رموز الإدخال 0.14 دولارًا أمريكيًا لكل مليون رمز عند الوصول إلى ذاكرة التخزين المؤقت، و0.55 دولارًا أمريكيًا عند عدم الوصول إليها، بينما تبلغ تكلفة رموز الإخراج 2.19 دولارًا أمريكيًا لكل مليون رمز. في المقابل، يفرض OpenAI o1 رسومًا قدرها 15 دولارًا أمريكيًا لرموز الإدخال و60 دولارًا أمريكيًا لرموز الإخراج لكل مليون رمز، مما يجعل DeepSeek-R1 أرخص بنسبة 90-95%.
تُقدّم مايكروسوفت أزور أيضًا خدمة DeepSeek-R1 بأسعار تنافسية: تبلغ تكلفة النسخة العالمية 0.00135 دولارًا أمريكيًا لكل 1000 رمز إدخال و0.0054 دولارًا أمريكيًا لكل 1000 رمز إخراج، بينما تُباع النسخة الإقليمية بأسعار أعلى قليلًا. هذه الأسعار تجعل هذا النموذج جذابًا للغاية للشركات والمطورين الذين يرغبون في الاستفادة من وظائف الذكاء الاصطناعي عالية الجودة دون تكبّد التكاليف الباهظة للحلول الاحتكارية.
يُتيح توفره كنموذج مفتوح المصدر بموجب ترخيص MIT استخدامه وتعديله تجاريًا دون رسوم ترخيص. يمكن للمطورين تشغيل النموذج محليًا أو استخدامه عبر واجهات برمجة التطبيقات المختلفة، مما يوفر مرونة وتحكمًا كاملين في عملية التنفيذ. وللمستخدمين ذوي الموارد المحدودة، تتوفر نسخة مُبسطة تحتوي على 8 مليارات مُعامل، تعمل على أجهزة المستخدمين العاديين بذاكرة 24 جيجابايت.
ذو صلة بهذا الموضوع:
لحاق الصين بركب الذكاء الاصطناعي: ماذا يعني نجاح ديب سيك؟
يمثل تحديث DeepSeek-R1-0528 نقطة تحول في تطوير الذكاء الاصطناعي عالميًا، إذ يُبرهن على قدرة الشركات الصينية على تطوير نماذج تُنافس أفضل الأنظمة الغربية رغم القيود الأمريكية على التصدير. ويُثبت هذا التحديث إمكانية تحقيق تحسينات كبيرة في الأداء دون تغييرات جوهرية في البنية، وذلك عند استخدام تحسينات ما بعد التدريب والتعلم المعزز بفعالية. ويُشكل الجمع بين الأداء المتميز والتكاليف المنخفضة بشكل كبير وتوافر البرمجيات مفتوحة المصدر تحديًا جذريًا لنماذج الأعمال السائدة في صناعة الذكاء الاصطناعي.
بدأت ردود فعل المنافسين الغربيين على نجاح DeepSeek تُظهر بالفعل تغيرات أولية في السوق: تخفيضات في الأسعار من OpenAI وجوجل، بالإضافة إلى تطوير نماذج أكثر كفاءة في استخدام الموارد. ومع الإصدار المرتقب لـ DeepSeek-R2، الذي كان من المقرر إطلاقه في مايو 2025، قد يزداد هذا الضغط التنافسي. تُبيّن قصة نجاح DeepSeek-R1-0528 أن الابتكار في مجال الذكاء الاصطناعي لا يتطلب بالضرورة استثمارات ضخمة وموارد حاسوبية هائلة، بل يمكن تحقيقه من خلال خوارزميات ذكية وأساليب تطوير فعّالة.
ذو صلة بهذا الموضوع:
خبيركم في مجال التحول الرقمي بالذكاء الاصطناعي، وتكامل الذكاء الاصطناعي، ومنصات الذكاء الاصطناعي
☑️ لغة أعمالنا هي الإنجليزية أو الألمانية
☑️ جديد: مراسلات بلغتك الأم!
Konrad Wolfenstein
يسعدني أنا وفريقي أن نكون متاحين لكم بصفتنا مستشاركم الشخصي.
يمكنكم التواصل معي عبر ملء نموذج الاتصال هنا wolfenstein@xpert.digital:أو الاتصال بي مباشرةً على الرقم +49 7348 4088 965. عنوان بريدي الإلكتروني هو
أتطلع إلى مشروعنا المشترك.
