Qwen3.8-27B يطابق GPT-5.6 Luna بنتيجة 52

كما أن الحديث عن شروط محتملة لتقاسم الإيرادات لا ينطبق على إصدار 27B. هذه الشروط مرتبطة بالترخيص المنفصل لنموذج Qwen3.8-Max، وهو الإصدار الرائد الذي يضم 2.4 تريليون معلمة. لذلك يجب فحص شروط الاستخدام لكل نموذج على حدة، بدلاً من تعميمها على عائلة Qwen بأكملها.

أما السعر الذي يظهر أحياناً على أنه صفر، فلا ينبغي اعتباره سعراً نهائياً وموحداً من Alibaba Cloud. تشير المعلومات المتاحة إلى أن نقطة الوصول المستضافة لـ Qwen3.8-27B كانت لا تزال قيد الإتاحة، كما تختلف الأسعار باختلاف المزود.

مقارنة Intelligence Index

مؤشر Intelligence Index من Artificial Analysis هو مقياس مركب يجمع تسعة تقييمات تشمل البرمجة والعلوم والاستدلال والمهام المهنية وغيرها. وهو مفيد للمقارنة العامة، لكنه لا يصف كل سير عمل عملي أو كل استخدام ممكن للوكلاء الذكيين.

الاستنتاج الأكثر أماناً هو أن Qwen3.8-27B عادل GPT-5.6 Luna وتفوق على GPT-5.6 Terra في هذا المؤشر وضمن الإعدادات نفسها. ولا تثبت هذه البيانات أنه يتفوق إجمالاً على Claude Opus 4.8 أو DeepSeek V4 Pro أو GLM-5.2.

وتتحدث بعض التقارير عن حصول Qwen3.8-27B على 51 نقطة في Agentic Index. لكن بيانات أخرى تعرض نتيجة جزئية تبلغ 48% في اختبار τ²-Bench، وهي ليست معادلة لمؤشر Agentic Index إجمالي. لذلك لا توجد قاعدة متسقة كافية لبناء ترتيب موثوق وشامل لأداء جميع هذه النماذج في المهام الوكيلة.

ما الذي يضيفه التشغيل المحلي؟

لا تكمن قيمة Qwen3.8-27B في النتيجة وحدها. فالأوزان المفتوحة تتيح للفرق تنزيل النموذج وتعديله وضغطه ودمجه في أنظمتها الخاصة، من دون الاعتماد الكامل على واجهة برمجة تطبيقات تابعة لمزود واحد. وتفيد هذه المرونة في:

• البرمجة الخاصة التي تتطلب حماية الشيفرة والبيانات؛
• التطبيقات التي تعمل دون اتصال بالإنترنت؛
• الخدمات الحساسة لزمن الاستجابة؛
• البيئات التي تفرض سيطرة أكبر على البيانات؛
• التخصيص والتدريب الإضافي وبناء وكلاء متخصصين.

ويمنح ترخيص Apache 2.0 مساحة واسعة للاستخدام والتعديل وإعادة التوزيع والاستغلال التجاري، مع ضرورة الالتزام بشروط الترخيص نفسه. وهذا يختلف جوهرياً عن نموذج مملوك لا يُتاح إلا عبر نقطة وصول سحابية.

مع ذلك، فالمقارنة ليست متكافئة تماماً. فالنموذج السحابي يوفر البنية التحتية، والتوافر، والتوسع، والتحديثات، وربما قدرة أكبر على التعامل مع أصعب المهام. أما التشغيل الذاتي فينقل إلى المستخدم تكلفة العتاد والذاكرة والطاقة والتحسين والمراقبة والصيانة. وبعبارة أخرى، لا يعني «مجاني» في سعر الرموز أن التكلفة الإجمالية تساوي صفراً.

لماذا لا تكفي أرقام المعلمات؟

تنتج عن عناوين مثل «27 مليار» أو «2.4 تريليون» مقارنات سهلة، لكنها قد تكون مضللة. Qwen3.8-27B نموذج كثيف، بينما تستخدم نماذج أخرى مفتوحة الأوزان بنية «مزيج الخبراء» التي تميّز بين إجمالي المعلمات والمعلمات النشطة أثناء الاستدلال.

فعلى سبيل المثال، تسجل Artificial Analysis لـ DeepSeek V4 Pro نحو 1.6 تريليون معلمة إجمالاً، منها 49 ملياراً نشطة أثناء الاستدلال، بينما يسجل GLM-5.2 نحو 753 مليار معلمة إجمالاً و40 ملياراً نشطة.

لذلك، فإن مقارنة 2.4 تريليون معلمة منسوبة إلى Qwen3.8-Max، و2.8 تريليون منسوبة إلى Kimi K3، بنماذج أميركية لم تُعلن أحجامها، لا تنتج ترتيباً موثوقاً بحد ذاتها. فالبنية، وبيانات التدريب، والتدريب اللاحق، وميزانية الاستدلال، واستخدام الأدوات، وأداء منظومة التشغيل قد تؤثر في النتيجة أكثر من الرقم الكبير في العنوان.

ماذا تقول هذه النتيجة عن استثمارات البنية التحتية؟

لا تثبت نتيجة Qwen3.8-27B أن الاستثمارات الأميركية الضخمة في مراكز البيانات ضعيفة العائد. فأنظمة الذكاء الاصطناعي الرائدة تحتاج إلى بنية تحتية للتدريب واسع النطاق، والتجريب، وخدمة ملايين المستخدمين، والسلامة، والموثوقية، والقدرات متعددة الوسائط، والمهام التي قد يتراجع فيها نموذج أصغر.

لكنها توضح أن الحجم وحده لا يتحول تلقائياً إلى ميزة تنافسية حاسمة. فالتدريب اللاحق الأفضل، والاستدلال الأكثر كفاءة، والتقطير، وخطوط البيانات المتخصصة، والتحسينات البرمجية والعتادية، والتوزيع المفتوح، يمكن أن تجعل نموذجاً أصغر منافساً بقوة في تطبيقات واقعية.

وهذا يغيّر سؤال الاستثمار. فبدلاً من الاكتفاء بالسؤال عن صاحب النموذج الأكبر، ينبغي النظر إلى العلاقة بين الأداء والتكلفة، وقنوات التوزيع، وسهولة الاستخدام، وحجم النظام البيئي المحيط بالنموذج.

استراتيجية Alibaba والمنافسة بين الولايات المتحدة والصين

تقول Alibaba إن عائلة Qwen أطلقت أكثر من 460 نموذجاً مفتوحاً وتجاوزت 3 مليارات عملية تنزيل عالمية خلال ستة أشهر. وهذه أرقام معلنة من الشركة عن النظام البيئي، وليست قياساً لعدد المستخدمين النشطين أو الإيرادات أو حجم الاستخدام الإنتاجي المؤكد.

وتقدم قياسات مستقلة من Hugging Face، الواردة في تقارير ذات صلة، رقماً أضيق يبلغ نحو 2.045 مليار تنزيل لعائلة Qwen على المنصة خلال عام 2026 وحده.

تمنح استراتيجية الأوزان المفتوحة Alibaba نوعاً مختلفاً من الميزة التنافسية. إذ يستطيع المطورون ومزودو الخدمات السحابية ومصنعو العتاد وشركات التكامل الإقليمية بناء نسخ مضبوطة أو مضغوطة ومنتجات متخصصة حول الأوزان، من دون انتظار توفير كل وظيفة عبر واجهة Alibaba السحابية.

كما يمكن للشراكات مع مصنعي الأجهزة ومعالجات الذكاء الاصطناعي أن تدعم التشغيل المحلي وتوسّع انتشار النظام البيئي. وهنا لا تقتصر المنافسة على امتلاك أفضل نموذج مغلق، بل تشمل كسب المطورين، وتوفير قنوات النشر، وتحسين العتاد، وبناء شبكة من النماذج المشتقة والتطبيقات المتخصصة.

وتكشف سياسة الترخيص المزدوجة عن منطق تجاري واضح: فترخيص Apache 2.0 لإصدار 27B يسهّل الانتشار إلى أقصى حد، بينما تحتفظ الشروط التجارية المنفصلة لنموذج Qwen3.8-Max بآلية لاستخلاص قيمة من عمليات النشر التجارية الضخمة.

الخلاصة للمطورين والشركات

بالنسبة إلى الفرق التي تحتاج إلى التحكم في البيانات، والتشغيل المحلي، والتخصيص، أو تقليل الاعتماد على واجهات برمجة التطبيقات المغلقة، يمثل Qwen3.8-27B خياراً جدياً. فنتيجة 52 تضعه قريباً من GPT-5.6 Luna وأعلى من GPT-5.6 Terra في هذه المقارنة المحددة.

أما الشركات التي تحتاج إلى توسع فوري، وموثوقية مُدارة، وتوافر مستمر، أو قدرات أكبر في بعض المهام، فقد يظل النموذج السحابي الرائد أكثر ملاءمة. ولا ينبغي أن يعتمد القرار على نتيجة معيارية واحدة أو على عدد المعلمات، بل على التكلفة الكلية، ومتطلبات الخصوصية، والبنية التحتية، وشروط الترخيص، وسير العمل المستهدف.

لا يثبت Qwen3.8-27B أن الذكاء الاصطناعي الرائد أصبح سلعة متاحة بالكامل للجميع. لكنه يثبت شيئاً أكثر عملية: أن القدرات القوية مفتوحة الأوزان تنتشر بسرعة كافية لجعل التطوير المحلي، والتخصيص، والاستقلال عن مزود سحابي واحد، مزايا تنافسية مركزية في سوق الذكاء الاصطناعي.