الذكاء الاصطناعي

إطلاق نموذج Deepseek V4.1 Flash بكفاءة عالية وهلوسات

أحدثت شركة Deepseek ضجة واسعة في قطاع الذكاء الاصطناعي بعد ترقية نموذجها مفتوح الأوزان المفتوح للاستخدام إلى الإصدار V4.1 Flash 1017، والذي يقدم كفاءة مذهلة وتكلفة تشغيل منخفضة، رغم مواجهته لتحديات واضحة تتعلق بالهلوسة مقارنة بالمنافسين التجاريين.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 23 أكتوبر 2026 · آخر تحديث: 23 أكتوبر 2026 · 4 دقائق قراءة

إطلاق نموذج Deepseek V4.1 Flash بكفاءة عالية وهلوسات — الصورة: Tom's Hardware

تحديث جديد ورفع كفاءة النماذج مفتوحة الأوزان

أجرت شركة Deepseek ترقية بارزة لنموذجها المفتوح الأوزان V4.1 Flash إلى المراجعة 1017، ممثلة خطوة متقدمة ومهمة نحو تحسين كفاءة النماذج. وفقاً لما ورد في صفحة المنتج على منصة <a href="https://api-docs.deepseek.com/news/news261017">product page</a>، تستخدم الشركة شعار البرمجة المدفوعة بالتمنيات لتعكس مدى ملاءمة النموذج للمهام المفتوحة ذات الوصف الواسع والمهام المرنة، رغم التحديات التي يواجهها النماذج مفتوحة الأوزان عموماً.

وتنقسم نماذج اللغة الكبيرة عادة إلى فئتين رئيسيتين: جهود تجارية مغلقة من مختبرات رائدة تكون مكلفة التشغيل لكنها تقدم نتائج ممتازة، ومنافسون صينيون مفتوحو الأوزان يضحون بنسبة من الموثوقية مقابل تكلفة تشغيل زهيدة للغاية، لا سيما في المهام الوكيلية طويلة الأمد.

البنية التقنية ومتطلبات الأجهزة المنخفضة

يعتمد نموذج Deepseek V4.1 Flash على معمارية مزيج الخبراء (MoE) مع إجمالي معلمات يبلغ 552 ملياراً، منها 16 مليار معلمة نشطة أثناء التشغيل الفعلي. كما أن النموذج يدعم الوسائط المتعددة ويقبل النصوص والرسوم كمدخلات، مع نافذة سياق قياسية بطول مليون رمز.

أدى التحديث الأخير إلى خفض متطلبات الأجهزة بشكل كبير جداً مقارنة بالإصدار السابق V4 Flash؛ حيث بات النموذج يستخدم ربع سريعة النطاق الترددي HBM وثمن مساحة تخزين أقراص SSD لذاكرة التخزين المؤقت للرموز KV، مستهلكاً 890 بايت فقط لكل رمز مدخل.

نشرت المنصة رسومًا بيانية توضح كلفة المهام اعتماداً على مجموعة بيانات DeepSWE، مسجلة نتائج قوية تضع الإصدار الجديد في مرتبة قريبة جداً من أقصى إعدادات النماذج المنافسة الباهظة التكلفة، مما يعكس تطوراً ملحوظاً في كفاءة التكلفة مقابل الأداء.

تكلفة تشغيل زهيدة ومقارنة الأداء

على صعيد التسعير، تقدم الشركة أسعاراً تنافسية للغاية للمليون رمز في أوقات الذخيرة المنخفضة بواقع 0.15 دولار للمدخلات و0.6 دولار للمخرجات. وفي حالات الإصابة بالتخزين المؤقت، تنخفض تكلفة المدخلات إلى 0.003 دولار فقط. كما تقدم ميزة البحث بتكلفة 0.75 دولار لكل ألف استعلام، وهي أقل من أقرب المنافسين وفق تقارير <a href="https://www.tomshardware.com/tech-industry/artificial-intelligence/deepseeks-latest-ai-model-is-smarter-than-ever-but-its-low-running-costs-come-at-a-price-open-weight-model-is-fit-for-agentic-workloads-but-is-more-prone-to-hallucination-than-proprietary-competitors">Tom's Hardware</a> التقنية.

وفي مؤشرات الذكاء، يحتل النموذج المرتبة الثانية ضمن فئة النماذج مفتوحة الأوزان الكبيرة، ويُعد من بين أسرع النماذج في فئته مع تكلفة منخفضة للغاية لا يتفوق عليها سوى نماذج شركات أخرى مثل شاومي.

أزمة الهلوسة وموثوقية النتائج

رغم المزايا العديدة والتكلفة المنخفضة، تظهر مشكلة رئيسية تتمثل في الهلوسة وعدم قدرة النموذج على معرفة ما يجهله بدقة. تشير نتائج اختبارات Omniscience إلى أن النموذج يجيب عن الأسئلة بشكل صحيح بنسبة 43%، لكنه يقع في هلوسة بنسبة 67% عندما لا يملك إجابة مبنية على حقائق موثوقة.

تؤدي هذه النسبة إلى خصم النقاط في مؤشرات الأداء، مما يوضح أن النموذج ذكي لكنه يتطلب حذراً شديداً في اختيار المهام الموكلة إليه لضمان عدم تلقي نتائج مضللة غير موثوقة.

المهام المناسبة والتوجه العام لسوق الذكاء الاصطناعي

تعتبر المهام ذات المخرجات القابلة للتحقق مثل البرمجة، والتعرف البصري على الحروف مع المراجعة، وتحويل التنسيقات، ملائمة تماماً للنموذج نظراً لقدرة الوكيل على التحقق من عمله وتصحيحه. في المقابل، تُعد الأبحاث المفتوحة وتحليل الوقائع بدقة مجالات تفوق فيها النماذج الاحتكارية أو البشر.

تؤكد التوجهات الحالية لقطاع التقنية أن النماذج سريعة وميسورة التكلفة تمثل اتجاهاً متنامياً يتيح خفض تكلفة الذكاء الاصطناعي بشكل عام، رغم استمرار التحديات المرتبطة بجودة ودقة المخرجات والاعتمادية.