ملك الذكاء الاصطناعي الخفي: كيف يُنافس نظام Qwen3.5 من علي بابا شركتي OpenAI وجوجل بقوة؟
إصدار تجريبي من إكسبرت
اختيار اللغة 📢
تاريخ النشر: ١٥ مارس ٢٠٢٦ / تاريخ التحديث: ١٥ مارس ٢٠٢٦ - المؤلف: Konrad Wolfenstein
ملك الذكاء الاصطناعي الخفي: كيف يُنافس نظام Qwen3.5 من علي بابا شركتي OpenAI وجوجل بقوة – الصورة: Xpert.Digital
مجاني بدلاً من مدفوع: خطوة الصين المبتكرة مفتوحة المصدر ضد ChatGPT وشركائها.
700 مليون عملية تنزيل: الثورة الصامتة لتقنية الذكاء الاصطناعي Qwen التي غفل عنها الجميع
الخروج من الظلال: كيف أصبحت كوين المنصة المهيمنة
لطالما اعتُبرت شركتا OpenAI وجوجل هما المسيطرتان بلا منازع على عالم الذكاء الاصطناعي، لكن تحولاً جذرياً يحدث في الخفاء. مع إطلاق عائلة نماذج Qwen3.5، لا تتحدى شركة علي بابا الصينية العملاقة للتكنولوجيا هيمنة الشركات الغربية الراسخة فحسب، بل تعيد تعريف قواعد لعبة الذكاء الاصطناعي بالكامل. من خلال إعادة تصميم معمارية جذرية، تحل Qwen3.5 مشكلة الموارد التي تعاني منها نماذج Transformer التقليدية، وتقدم أداءً غير مسبوق مع تقليل الجهد الحسابي بشكل كبير. الاستراتيجية بسيطة بقدر ما هي جريئة: نماذج مفتوحة المصدر عالية القوة ومتعددة الوسائط متاحة مجاناً - حتى الإصدارات المصغرة تقدم أداءً على الأجهزة المحلية لا يقل بأي حال من الأحوال عن الأنظمة التجارية الضخمة. هذه الخطوة تتجاوز مجرد تحديث تقني، فهي مناورة جيوسياسية تستهدف هوامش ربح سوق الذكاء الاصطناعي العالمي، وفي الوقت نفسه تُبشر بعصر وكلاء الذكاء الاصطناعي المستقلين المتاحين على نطاق واسع ("الذكاء الاصطناعي الوكيل"). يُظهر تحليل مفصل كيف حققت شركة علي بابا هذا الإنجاز وماذا تعني الأرقام المرجعية حقًا لمستقبل الصناعة.
ذو صلة بهذا الموضوع:
ثورة علي بابا الصامتة: كيف تعيد عائلة Qwen3.5 التفاوض على النظام العالمي للذكاء الاصطناعي
إن الهجوم الصيني على البرمجيات مفتوحة المصدر يصيب شركتي OpenAI وGoogle في أكثر نقاط ضعفهما ضرراً – في بنيتهما التحتية
عندما أطلقت شركة علي بابا سلسلة نماذج Qwen3 في أبريل 2025، كان رد فعل الصحافة التقنية الغربية فاتراً. صحيح أنها قوية، لكنها في النهاية مجرد نموذج واحد من بين العديد من النماذج في سوق متزايدة التنافس - هذا ما كان يُقال. ما أغفله هذا التقييم الموضوعي هو أن Qwen لم تعد مشروعاً متخصصاً، بل كانت في طريقها لتصبح منصة الذكاء الاصطناعي مفتوحة المصدر الأكثر استخداماً في العالم. في يناير 2026، أعلن فريق Qwen عن 700 مليون عملية تنزيل على منصة Hugging Face، محققاً بذلك مركزاً تفوق حتى على Llama من Meta، التي كانت لسنوات عديدة المعيار بلا منازع لنماذج اللغة مفتوحة المصدر. الأرقام تتحدث عن نفسها: في ديسمبر 2025، تجاوزت عمليات تنزيل Qwen الشهرية مجموع عمليات تنزيل النماذج الثمانية التالية الأكثر شيوعاً - بما في ذلك Meta وDeepSeek وOpenAI وMistral وNvidia.
لم تكن هذه الشعبية وليدة الصدفة، بل تعكس قرارًا استراتيجيًا دأبت عليه شركة علي بابا منذ عام 2023: إصدار نماذج Qwen في وقت أبكر، وبشكل متكرر، وبمختلف التنوعات عن منافسيها. حتى الآن، أتاحت علي بابا ما يقارب 400 نموذج من مجموعة Qwen كمصدر مفتوح، وأنتجت أكثر من 180 ألف نسخة مشتقة منها. حتى أن كبرى فرق البحث تعتمد على Qwen: فقد قام الفريق الذي يقوده رائد الذكاء الاصطناعي فاي فاي لي بتدريب نموذج الاستدلال s1 الشهير على Qwen بموارد متواضعة نسبيًا. أما مختبر DeepSeek الصيني للنمذجة، الذي أحدث ضجة عالمية بنموذجه R1 في أوائل عام 2025، فقد أصدر ستة نماذج مجتمعية، أربعة منها مبنية على Qwen.
في أهم معيار لمجتمع الذكاء الاصطناعي مفتوح المصدر، حققت Qwen مكانةً يعتبرها باحثو السوق تأثيرًا شبكيًا راسخًا: إذ يستفيد من يبنون على Qwen من منظومة واسعة من النماذج المشتقة، والتحسينات الدقيقة، والتعديلات، ودعم المجتمع. وفي الوقت نفسه، يتنافس من ينافسون Qwen مع دوامة من التأثيرات الشبكية. وتشكل هذه القوة الهيكلية الأساس الذي يجب على سلسلة نماذج Qwen3.5 تقييمها.
الرهان المعماري: لماذا يفكر نظام Qwen3.5 بشكل مختلف عن سابقيه؟
لا يكمن الاختلاف الجوهري بين عائلة Qwen3.5 وسابقاتها في مجرد زيادة عدد المعاملات، بل في تحول جذري في النموذج المعماري. تعتمد نماذج المحولات الكلاسيكية - من GPT-4 مرورًا بـ Llama وصولًا إلى Qwen3 الأصلية - على ما يُسمى بآلية الانتباه الذاتي، التي تتناسب رياضيًا مع التعقيد التربيعي. هذا يعني أن مضاعفة طول السياق تُضاعف الجهد الحسابي أربع مرات. هذه هي العقبة التي تجعل المستندات الطويلة، وقواعد البيانات البرمجية الضخمة، أو سجلات المحادثات التي تمتد لساعات طويلة، تستهلك موارد كثيرة جدًا بالنسبة لنماذج اللغة.
لم يحل Qwen هذه المشكلة من خلال تحسينات تدريجية، كما فعل DeepSeek مع آلية الانتباه الكامن متعددة الرؤوس، بل من خلال تغيير جذري في البنية. يكمن جوهر البنية الجديدة في هيكل مزيج الخبراء الهجين: من كل أربع وحدات تحويل، يتم استبدال ثلاث منها بشبكات دلتا البوابية - وهي نوع من الانتباه الخطي مبني على العمل النظري "شبكات دلتا البوابية: تحسين Mamba2 باستخدام قاعدة دلتا". تبقى وحدة واحدة فقط من كل أربع وحدات طبقة انتباه كاملة كلاسيكية للمهام الدقيقة. والنتيجة هي تعقيد حسابي ينمو خطيًا فقط مع طول السياق - وهو اختلاف جوهري عن التوسع التربيعي لوحدات التحويل الكلاسيكية.
تُعدّ عواقب هذا القرار بالغة الأهمية. عمليًا، يعني التوسع الخطي أنه باستخدام نفس القدرة الحاسوبية، يستطيع النموذج معالجة نصوص أطول بكثير وإنتاج رموز أسرع من نموذج كثيف ذي ذكاء مماثل. يدعم Qwen3.5-Plus، الإصدار المُستضاف عبر Alibaba Cloud، نافذة سياقية تضم مليون رمز، وهي سعة كانت قبل عامين فقط حكرًا على مناهج معمارية متخصصة مثل الذكاء الاصطناعي الدستوري لكلود. في الوقت نفسه، تُقلّل البنية الهجينة متطلبات ذاكرة الوصول العشوائي للفيديو (VRAM) بشكل كبير: فبينما يتطلب نموذج كثيف تقليدي ذو 400 مليار مُعامل أكثر من 800 جيجابايت من ذاكرة وحدة معالجة الرسومات (GPU)، يعمل Qwen3.5-397B-A17B بكفاءة باستخدام 48 إلى 96 جيجابايت فقط على الأنظمة المُكمّمة.
بُعد جديد للتحول الرقمي مع "الذكاء الاصطناعي المُدار" - منصة وحلول B2B | إكسبرت للاستشارات
بُعد جديد للتحول الرقمي مع "الذكاء الاصطناعي المُدار" - منصة وحلول B2B | إكسبرت للاستشارات - الصورة: Xpert.Digital
ستتعلم هنا كيف يمكن لشركتك تطبيق حلول الذكاء الاصطناعي المخصصة بسرعة وأمان ودون عوائق دخول عالية.
تُعدّ منصة الذكاء الاصطناعي المُدارة حلاً شاملاً ومريحاً لمشاكل الذكاء الاصطناعي. فبدلاً من التعامل مع التكنولوجيا المعقدة والبنية التحتية المكلفة وعمليات التطوير المطولة، ستحصل على حل جاهز مصمم خصيصاً لتلبية احتياجاتك من شريك متخصص، غالباً في غضون أيام قليلة فقط.
المزايا الرئيسية باختصار:
⚡ تنفيذ سريع: من الفكرة إلى التطبيق الجاهز للاستخدام في أيام، وليس شهورًا. نقدم حلولًا عملية تُحقق قيمة مضافة فورية.
🔒 أقصى درجات أمان البيانات: بياناتك الحساسة تبقى معك. نضمن معالجة آمنة ومتوافقة مع الأنظمة دون مشاركة البيانات مع أي جهات خارجية.
💸 لا مخاطر مالية: أنت تدفع فقط مقابل النتائج. يتم التخلص تماماً من الاستثمارات الأولية الكبيرة في الأجهزة أو البرامج أو الموظفين.
🎯 ركّز على جوهر عملك: انصبّ اهتمامك على ما تُجيده. نحن نتولّى جميع جوانب التنفيذ التقني والتشغيل والصيانة لحلول الذكاء الاصطناعي الخاصة بك.
📈 حلول مستقبلية وقابلة للتطوير: يتطور نظام الذكاء الاصطناعي الخاص بك معك. نضمن التحسين المستمر وقابلية التوسع، ونقوم بتكييف النماذج بمرونة مع المتطلبات الجديدة.
للمزيد من المعلومات، انقر هنا:
يتفوق الذكاء الاصطناعي الصيني الجديد على جوجل وOpenAI بحجم أصغر بكثير
الألعاب النارية في سلسلة النماذج: من 397 مليار إلى 0.8 مليار معلمة
اتبعت استراتيجية إطلاق عائلة Qwen3.5 إيقاعًا مدروسًا بعناية. انطلق النموذج الرائد، Qwen3.5-397B-A17B، قبيل رأس السنة الصينية بقليل: 397 مليار مُعامل إجمالي، منها 17 مليار مُعامل فقط نشط لكل رمز. أثارت هذه البنية المُركّبة من مجموعة مُتخصصة من المُعاملات المُتفرقة دهشةً في أول اختبار عملي، حيث أن معدل التفعيل الذي يقل عن 5% يعني أنه على الرغم من حجمه الإجمالي الهائل، حقق النموذج زمن استجابة يُضاهي نموذجًا أصغر حجمًا بكثير.
بعد ذلك بوقت قصير، ظهرت النتائج المبهرة: Qwen3.5-122B-A10B وQwen3.5-35B-A3B كنموذجين SMoE للتطبيقات عالية الأداء، ونموذج Qwen3.5-27B الكثيف كنموذج شامل للمستخدمين الذين يفضلون جودة المهام الفردية العالية على سرعة الاستدلال. كشفت التقييمات الأولية من قبل المجتمع عن صورة مفاجئة: حقق نموذج 27B، على الرغم من صغر حجمه من حيث المعلمات مقارنةً بمتغيرات SMoE، نتائج أقوى في العديد من الاختبارات المعيارية - مما يشير إلى أن عملية التدريب الأكثر تعقيدًا للهياكل المتفرقة لم تُحسّن بالكامل بعد، وأنها تحمل إمكانات أكبر.
لكنّ الضجة الأكبر كانت مع الإصدار اللاحق للنماذج الأصغر حجمًا: Qwen3.5-9B وQwen3.5-4B وQwen3.5-2B وQwen3.5-0.8B. صُممت هذه النماذج خصيصًا للاستخدام على أجهزة الكمبيوتر العادية، وتُقدم كثافة أداء غير مسبوقة تقريبًا في تاريخ نماذج اللغة المُدمجة. حقق نموذج Qwen3.5-9B درجة 81.7 نقطة في اختبار GPQA Diamond، الذي يقيس مهارات التفكير على مستوى الدراسات العليا الأكاديمية، متفوقًا بذلك على نموذج GPT-oss-120B من OpenAI الذي حصل على 80.1 نقطة، وهو نموذج يحتوي على أكثر من 13 ضعف عدد مُعاملاته. في اختبار MMMU-Pro، وهو اختبار للتفكير البصري، سجل نموذج 9B درجة 70.1 نقطة مقارنةً بنموذج Gemini 2.5 Flash-Lite الذي حصل على 59.7 نقطة. كما أثار نموذج 4B ضجةً أيضًا: فقد حقق 83.5 نقطة في اختبار Video-MME (مع الترجمة)، متفوقًا بفارق كبير على نموذج جوجل الذي حصل على 74.6 نقطة.
ذو صلة بهذا الموضوع:
تعدد الوسائط كمعيار: نهاية لاحقة VL
تُعدّ إزالة اختصار "VL" من أسماء نماذج Qwen3.5 خطوةً رمزيةً ذات أهمية استراتيجية. ففي السابق، كان اختصار "VL" (لغة الرؤية) يُشير إلى النماذج القادرة على معالجة الصور، وهي ميزة تُعتبر دائمًا إضافةً ثانوية. أما في الجيل 3.5، فجميع النماذج، دون استثناء، متعددة الوسائط بشكلٍ أصيل: فالنصوص والصور والفيديوهات لا تُعالج عبر مُهايئات لاحقة، بل تُدمج من البداية من خلال التدريب الأولي على دمج البيانات.
هذه الخطوة ليست مجرد تغيير شكلي، بل هي إشارة إلى إعادة تموضع استراتيجي: لم يعد برنامج Qwen ينظر إلى تعدد الوسائط كميزة إضافية لبعض نماذجه، بل كمتطلب أساسي لكل نموذج لغوي حديث. ويعني التطبيق التقني باستخدام تقنية Early Fusion أن فهم الصورة واللغة يتم في فضاء تمثيلي مشترك، ما يمنح النموذج ميزة الربط العميق بين المعرفة البصرية واللغوية بدلاً من مجرد دمجهما بشكل سطحي. كما يدعم Qwen 3.5 أيضاً 201 لغة ولهجة، مقارنةً بـ 119 لغة ولهجة في الجيل السابق.
الجغرافيا السياسية في مجال البرمجيات: ماذا يعني هجوم الصين على البرمجيات مفتوحة المصدر لسوق الذكاء الاصطناعي العالمي؟
وراء هذا التقدم التكنولوجي، يكمن بُعد جيوسياسي غالبًا ما يُغفل عنه في وسائل الإعلام الغربية. ففي عامي 2025 و2026، انتهجت صناعة الذكاء الاصطناعي الصينية استراتيجية يمكن وصفها بـ"التخفيض عبر المصادر المفتوحة": حيث تم طرح نماذج ذات أداء يُضاهي أداء أغلى مزودي الخدمات التجارية مجانًا، مع ترخيص يسمح بالاستخدام التجاري. وقد نتج عن ذلك انخفاضٌ ممنهج في قيمة السعر المرتفع الذي تفرضه شركات مثل OpenAI وAnthropic وGoogle على منتجاتها الرائدة.
تُصنّف شركة علي بابا نظام Qwen3.5 صراحةً كمنافسٍ لـ GPT-5.2 و Claude 4.5 Opus. في الاختبارات المعيارية الداخلية، تفوّق Qwen3.5 على كلا النموذجين في اختبار IFBench، وهو اختبار يقيس جودة تنفيذ التعليمات. أما في اختبار HMMT، فقد تفوّق Qwen3.5 على Claude 4.5 Opus ولكنه كان أقلّ أداءً من GPT-5.2. هذا التفاوت الدقيق في الأداء سمةٌ مميزة: فـ Qwen3.5 ليس الرائد بلا منازع في أي فئةٍ على حدة، ولكنه يُنافس بقوةٍ في جميع المجالات، وكل ذلك مع كونه مفتوح المصدر بالكامل.
بات رد فعل السوق على هذا الوضع واضحًا. يتجه المطورون، لا سيما في الشركات التي تعتمد على موارد محدودة، إلى مشتقات Qwen لأن التكلفة الإجمالية لامتلاك الاستدلال الجذري على أجهزتهم الخاصة أقل بكثير من تكاليف واجهات برمجة التطبيقات (API) لدى مزودي الخدمات التجارية. تُعد هذه ميزة حاسمة لعملاء B2B الذين يرغبون في توسيع نطاق حلول الذكاء الاصطناعي دون دفع رسوم لكل رمز مميز. وقد دفع ضغط الأسعار الذي تمارسه نماذج المصادر المفتوحة الصينية على السوق شركة OpenAI إلى طرح خطوط إنتاج بأسعار معقولة أكثر، مثل GPT-5 mini، كرد فعل مباشر على منافسة Qwen.
المعايير بدون خرافات: ما تقوله الأرقام حقاً
يتطلب التقييم الجاد لمعايير Qwen3.5 نظرة نقدية موضوعية. وقد أفادت شركة علي بابا بأن مقارنات الأداء التي أجرتها كانت "مُبلغ عنها ذاتيًا"، وهو ما أشارت إليه قناة CNBC صراحةً، مما يستلزم التحقق المستقل. علاوة على ذلك، فإن المعايير ليست مقاييس محايدة: إذ يمكن تدريب النماذج مسبقًا على بيانات مشابهة للمعايير، مما يؤدي إلى فرط التخصيص في بعض تنسيقات الاختبار دون أن ينتج عنه زيادة حقيقية في الأداء عند الاستخدام الفعلي. أما الاختبارات التي أجراها المجتمع في الأسابيع التي تلت الإصدار، فترسم صورة أكثر تباينًا، ولكنها في المجمل مثيرة للإعجاب.
تكون النتائج قوية للغاية عند تطبيقها على معايير تتطلب تفكيرًا استدلاليًا فعالًا ولا يمكن حلها بمجرد استرجاع المعلومات. يُعتبر معيار GPQA Diamond، الذي يطرح أسئلة من علم الأحياء والفيزياء والكيمياء على مستوى الدكتوراه، مقاومًا للتلاعب بشكل خاص. ووفقًا للأبحاث الحالية، فإن تفوق Qwen3.5-9B على نموذج ذي 120 مليار مُعامل ليس نتيجة لخطأ في القياس، بل هو تعبير عن تأثير تحسين الكفاءة الذي تُوفره البنية الجديدة بالاشتراك مع بيانات تدريب عالية الجودة. استخدم Qwen مسار FP8 وإطار عمل للتعلم المعزز غير المتزامن للتدريب، وهي قرارات تقنية تزيد من كفاءة البيانات وتجعل التدريب أكثر استقرارًا.
ذو صلة بهذا الموضوع:
الذكاء الاصطناعي الوكيل والمرحلة التالية من تطوير منصة كوين
لا تُقدّم علي بابا منصة Qwen3.5 كنموذج دردشة فحسب، بل كبنية أساسية لعصر الذكاء الاصطناعي الوكيل. ويدعم هذا الادعاء أدلة تقنية قوية: فقد تم توسيع نطاق تدريب التعلم المعزز ليشمل ملايين بيئات الوكلاء مع توزيعات مهام متزايدة التعقيد، وهي منهجية تركز على تنفيذ المهام الحقيقية متعددة المراحل بدلاً من إعادة إنتاج المعرفة الثابتة. توفر Qwen3.5-Plus استخدامًا أصليًا للأدوات عبر Alibaba Cloud ونظام استخدام أدوات تكيفي يمكّن الوكلاء من الوصول بشكل مستقل إلى واجهات برمجة التطبيقات الخارجية وقواعد البيانات واستعلامات البحث.
إن قدرة نموذج لغوي يحتوي على 17 مليار مُعامل نشط على التعامل مع هذه المهام بجودة تنافسية تُمثل نقلة نوعية في اقتصاديات تطبيقات الذكاء الاصطناعي القائمة على الوكلاء. فقد كانت الأساليب السابقة تتطلب نماذج ضخمة ومكلفة لتكون بمثابة عقل الوكيل، مما كان يرفع تكاليف التشغيل بشكل كبير للمهام المستقلة المطولة. أما Qwen3.5-9B، الذي يعمل محليًا على أجهزة مزودة بوحدة معالجة رسومية واحدة عالية الأداء، فيجعل أنظمة الذكاء الاصطناعي القائمة على الوكلاء في متناول شريحة أوسع من الشركات المتوسطة الحجم والمطورين الذين لا يملكون ميزانيات مخصصة للحوسبة السحابية. ومن شأن هذه الديناميكية الديمقراطية أن تُسرّع بشكل ملحوظ من وتيرة تبني وكلاء الذكاء الاصطناعي في الشركات المتوسطة الحجم.
الاستشارات - التخطيط - التنفيذ
Konrad Wolfenstein
يسعدني أن أكون مستشارك الشخصي.
التواصل معي عبر wolfenstein ∂ xpert.digital
اتصل بي على الرقم +49 89 89 674 804 (ميونخ) .
