GPT-5.5 أم Claude Opus 4.7 أم DeepSeek V4 أم Kimi K2.6؟

لماذا لا يكفي ترتيب واحد؟

لا يوجد في المواد العامة المتاحة اختبار واحد يجمع النماذج الأربعة في الوقت نفسه، ومن الجهة نفسها، وبميزانية استدلال واحدة، وصلاحيات أدوات متطابقة. الأرقام المتاحة تأتي من صفحات شركات، قوائم طرف ثالث، تقارير إعلامية، توثيق API، صفحات توجيه نماذج، وتجارب فردية؛ لذلك تختلف المنهجيات ولا يصح جمعها في ترتيب نهائي واحد بلا تحفظ.

هذا مهم جدًا في النماذج الحديثة. مثلًا، Artificial Analysis تفرّق بين GPT-5.5 xHigh وGPT-5.5 High وClaude Opus 4.7 Adaptive Reasoning Max Effort؛ كما توثق OpenAI أن GPT-5.5 يدعم مستويات جهد استدلال تشمل none وlow وmedium وhigh وxhigh. أي أن فوز نموذج في جدول عام لا يعني تلقائيًا أنه سيفوز داخل تطبيقك، مع تعليماتك، وأدواتك، وحدود زمن الاستجابة والتكلفة لديك.

الأرقام التي تستحق المتابعة

GPT-5.5: الخيار الافتراضي عندما تريد أعلى خط أساس

تُظهر صفحة OpenAI أن GPT-5.5 وGPT-5.5 Pro أصبحا متاحين في تحديث 24 أبريل 2026؛ وتصف وثائق OpenAI API نموذج gpt-5.5 بأنه مخصص للترميز والعمل الاحترافي، مع سياق 1M، وإخراج أقصى 128K، ودعم استدعاء الدوال، البحث على الويب، البحث في الملفات، واستخدام الحاسوب.

في الأرقام العامة، يظهر GPT-5.5 كخط أساس قوي جدًا. فقد منحته Artificial Analysis درجة 60 لإعداد xHigh و59 لإعداد High؛ وتجمع VentureBeat أنه حقق 82.7% في Terminal-Bench 2.0، أعلى من 69.4% لـ Claude Opus 4.7 و67.9% لـ DeepSeek V4.

المقابل هو السعر. توثق OpenAI سعر GPT-5.5 عند 5 دولارات لكل مليون توكن إدخال و30 دولارًا لكل مليون توكن إخراج. في مهام التقارير الطويلة، حلقات الوكلاء متعددة الخطوات، أو التطبيقات التي تنتج مخرجات كبيرة، يصبح سعر الإخراج عاملًا حاسمًا لا يقل أهمية عن النتيجة في الاختبار.

متى تضعه أولًا؟ عند بناء وكيل ترميز معقد، أتمتة عبر الطرفية، بحث عابر للأدوات، أو سير عمل احترافي يجمع بين الدوال والويب والملفات واستخدام الحاسوب.

Claude Opus 4.7: عندما تكون الدقة الطويلة والانضباط أهم من السرعة وحدها

تسوق Anthropic Claude Opus 4.7 بوصفه مناسبًا للمهام الطويلة ومتعددة الخطوات. وتقول الشركة إنه تعادل على أعلى نتيجة إجمالية في معيار داخلي لوكلاء البحث بدرجة 0.715، وإنه قدّم أكثر أداء طويل السياق اتساقًا بين النماذج التي اختبرتها. وفي وحدة General Finance، وصل Opus 4.7 إلى 0.813 مقابل 0.767 لـ Opus 4.6، مع وصفه بأنه الأفضل في الإفصاح والانضباط في البيانات ضمن المجموعة.

في Humanity’s Last Exam كما تجمعه VentureBeat، سجل Claude Opus 4.7 نسبة 46.9% من دون أدوات، أعلى من GPT-5.5 عند 41.4% وDeepSeek V4 عند 37.7%. ومع الأدوات، سجل Claude 54.7%، أعلى من GPT-5.5 الأساسي عند 52.2%، لكنه أقل من GPT-5.5 Pro عند 57.2%.

لكن ذلك لا يعني أنه يتفوق في كل شيء. في Terminal-Bench 2.0، تظهر نتيجة GPT-5.5 البالغة 82.7% أعلى بوضوح من Claude Opus 4.7 عند 69.4%. كما توجد مواد طرف ثالث تذكر أن Opus 4.7 حقق 82.4% في SWE-bench Verified، لكن هذا ليس اختبارًا موحد المصدر للنماذج الأربعة، ولا ينبغي خلطه مباشرة مع SWE-Bench Pro أو مؤشرات أخرى في نتيجة واحدة.

متى تضعه أولًا؟ عند تحليل وثائق طويلة، معالجة مواد مالية، كتابة مخرجات تحتاج إظهار الأساس والحدود، أو تشغيل سير عمل متعدد الخطوات يتطلب مراجعة وانضباطًا في البيانات.

DeepSeek V4: أفضلية السعر واضحة، لكنها لا تعني تفوقًا مطلقًا

القصة الرئيسية في DeepSeek V4 هي التكلفة. تجمع Mashable أن سعر API لـ DeepSeek V4 يبلغ 1.74 دولار لكل مليون توكن إدخال و3.48 دولار لكل مليون توكن إخراج؛ وفي الجدول نفسه، يظهر GPT-5.5 عند 5/30 دولار وClaude Opus 4.7 عند 5/25 دولار.

من ناحية الأداء، يبدو DeepSeek V4 قريبًا من مستوى النماذج المتقدمة، لكنه لا يتصدر عمومًا في التجميعات العامة المتاحة. في Humanity’s Last Exam، تجمع VentureBeat أن DeepSeek V4 سجل 37.7% بلا أدوات و48.2% مع أدوات، دون GPT-5.5 وGPT-5.5 Pro وClaude Opus 4.7. وفي Terminal-Bench 2.0، جاءت نتيجته 67.9% قريبة من Claude عند 69.4%، لكنها بعيدة عن GPT-5.5 عند 82.7%.

لذلك، من الأفضل التفكير في DeepSeek V4 كمرشح أول للأنظمة الحساسة للتكلفة، لا كبديل تلقائي لكل نموذج مغلق متقدم. السؤال العملي هو: هل يبلغ مستوى الجودة المقبول في مهامك؟ وهل يكفي انخفاض السعر لتعويض أي إعادة محاولات، مراجعة بشرية، أو تأخير إضافي؟

متى تضعه أولًا؟ في المعالجة الدفعية، الاستدلال عالي الحجم، التطبيقات منخفضة الهامش، أو الأنظمة التي تتحمل مراجعة جودة محدودة مقابل خفض واضح في تكلفة التوكنات.

Kimi K2.6: مرشح قوي للأوزان المفتوحة والسياق الطويل

جاذبية Kimi K2.6 تأتي من ثلاث نقاط: الأوزان المفتوحة، الإدخال متعدد الوسائط، والسياق الطويل. تصفه Artificial Analysis بأنه نموذج جديد رائد ضمن فئة الأوزان المفتوحة، وتذكر أنه يدعم إدخال الصور والفيديو وإخراج النص، مع حد سياق أقصى 256K.

تسجل صفحة OpenRouter لـ Kimi K2.6 درجات Artificial Analysis التالية: Intelligence عند 53.9، Coding عند 47.1، وAgentic عند 66.0، وتعرض حدًا أقصى 256K للتوكنات وحد إخراج 66K. وفي مؤشرات بحث الويب، تجمع DocsBot أن Kimi K2.6 يحقق 83.2% في BrowseComp مقابل 84.4% لـ GPT-5.5.

هذه أرقام مشجعة، لكنها لا تكفي لإعلان فوز عام. بعض مواد Kimi K2.6 تقارنه أساسًا بـ GPT-5.4 أو Claude Opus 4.6، وليس مباشرة بمجموعة GPT-5.5 وClaude Opus 4.7 وDeepSeek V4 في اختبار موحد واحد.

متى تضعه أولًا؟ عندما تريد أوزانًا مفتوحة، تحكمًا أكبر في منظومة النشر، معالجة سياق طويل، إدخال صور أو فيديو، أو توازنًا بين التكلفة وقابلية التحكم.

التكلفة والسياق والنشر: لا تنظر إلى الدرجة وحدها

التوكن هو وحدة الحساب الأساسية في أغلب واجهات نماذج اللغة: كلما طال الإدخال أو الإخراج، ارتفعت الفاتورة. لذلك قد يكون النموذج الأعلى في اختبار عام أقل ملاءمة إذا كان تطبيقك ينتج مخرجات ضخمة أو يدير محادثات وكلاء طويلة.

تنبه إرشادات OpenAI الخاصة بـ GPT-5.5 إلى أن سير العمل الكثيف الأدوات أو الطويل يجب أن يُقارن مع نماذج أخرى من حيث الدقة، استهلاك التوكنات، وزمن الاستجابة الكامل؛ كما تظهر وثائق النموذج أن مستوى جهد الاستدلال في GPT-5.5 قابل للضبط من none إلى xhigh.

كيف تختبرها في بيئتك؟

استخدم الجداول العامة لتقليص القائمة، لا لاتخاذ القرار النهائي. الاختبار العملي الجيد يجب أن يسجل على الأقل أربعة أشياء: معدل نجاح المهمة، أنواع الفشل، زمن الاستجابة من البداية إلى النهاية، وتكلفة التوكنات مع إعادة المحاولات. هذا ينسجم مع توصية OpenAI بمقارنة النماذج في سير العمل الطويل أو الكثيف الأدوات على الدقة، استهلاك التوكنات، والكمون الكامل.

يمكن للتجارب الفردية أن تعطي إشارات مفيدة، لكنها ليست ترتيبًا رسميًا. في اختبار ترميز نشره AkitaOnRails في أبريل 2026، سجل Claude Opus 4.7 درجة 97، وGPT-5.5 xHigh Codex درجة 96، وKimi K2.6 درجة 87، وDeepSeek V4 Pro درجة 69. وسجل الجدول نفسه تكاليف تقديرية تقارب 1.10 دولار لـ Claude Opus 4.7، و10 دولارات لـ GPT-5.5 xHigh Codex، و0.30 دولار لـ Kimi K2.6، و0.50 دولار لـ DeepSeek V4 Pro.

قيمة هذه التجارب أنها تذكّر الفرق التقنية بحقيقة بسيطة: النموذج الأفضل في مستودع كود معين، أو مجموعة أدوات معينة، قد لا يكون الأفضل في منتجك. لذلك اختبر على 30 إلى 100 مهمة حقيقية من بيئتك إن أمكن، مع مراجعة عمياء للنتائج، وتسجيل واضح لإعادة المحاولات والتكاليف.

التوصية النهائية

إذا كان عليك اختيار نموذج واحد فقط لتبدأ به التقييم، فابدأ بـ GPT-5.5. فهو يتقدم في مؤشر Artificial Analysis العام، وتظهر له أفضلية واضحة في Terminal-Bench 2.0 كما تجمع VentureBeat.

إذا كانت المهمة أقرب إلى بحث طويل في الوثائق، تحليل مواد مالية، أو عمل متعدد الخطوات يحتاج انضباطًا في البيانات، فضع Claude Opus 4.7 في الشريحة الأولى. تدعم ذلك بيانات Anthropic الداخلية لوكلاء البحث وبيانات Humanity’s Last Exam التي تجمعها VentureBeat.

إذا كانت القيود الأكبر هي حجم الاستدعاءات والميزانية، فاختبر DeepSeek V4 مبكرًا. الأسعار العامة المجمعة له أقل بكثير من GPT-5.5 وClaude Opus 4.7، وقد تكون هذه الأفضلية حاسمة في الإنتاج عالي الحجم.

إذا كنت تحتاج أوزانًا مفتوحة، إدخالًا متعدد الوسائط، أو سياق 256K، فإن Kimi K2.6 يستحق تقييمًا جادًا؛ لكن المقارنات الموحدة المباشرة بينه وبين GPT-5.5 وClaude Opus 4.7 وDeepSeek V4 لا تزال محدودة.

الخلاصة: دع الجداول العامة تخبرك من أين تبدأ، ودع مهامك الحقيقية تخبرك بمن تذهب إلى الإنتاج. ترتيب النماذج يختصر الطريق، لكنه لا يلغي المفاضلة العملية بين الجودة، التكلفة، وزمن الاستجابة.