بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
سبعةٌ وتسعون بالمئة من فجوة الأداء بين النماذج المفتوحة والمغلقة اختفت خلال عامين — ثم عادت جزئياً. هذا هو الملخص الأكثر دقةً لما رصده تقرير حالة الذكاء الاصطناعي مفتوح المصدر لعام 2026، الذي أصدره معهد Mozilla بالتعاون مع SlashData، مستنداً إلى مسح شمل 1,410 مطوّراً في أكثر من ثماني مناطق جغرافية، ومراجعةً لـ 1,361 مشروعاً في 48 مكوّناً من مكوّنات المنظومة.
الأرقام تحكي قصةً متشعّبة. على منصة Chatbot Arena، انكمشت الفجوة بين أفضل النماذج المفتوحة وأفضل النماذج المغلقة من 8.04% في يناير 2024 إلى 0.5% فحسب بحلول أغسطس من العام ذاته، ثم أطلّ DeepSeek-R1 في فبراير 2025 ليتعادل لفترة وجيزة مع أفضل نموذج أمريكي. غير أن نماذج الاستدلال المغلقة ردّت بعنف، فأعادت فتح الفجوة إلى 3.3% بحلول مارس 2026. لكن هذه النسبة متوسطٌ يخفي تفاصيل جوهرية: المفتوحة في مكانة متكافئة تقريباً على مهام البرمجة ومتابعة التعليمات والمعرفة العامة، فيما تتركّز الهوّة في الاستدلال العميق واسترجاع السياقات الطويلة والمهام الوكيلية.
والأشدّ تأثيراً في السوق هو انهيار أسعار الاستدلال. تكلفة معالجة مليون توكن على مستوى GPT-4 انخفضت من 20 دولاراً إلى 0.40 دولار خلال 36 شهراً — أي تراجع 50 ضعفاً. وتُشير بيانات Stanford HAI AI Index 2025 إلى انخفاض أعمق بلغ 280 ضعفاً على مستوى نماذج GPT-3.5 خلال 18 شهراً فحسب، (وفقاً لتقرير Mozilla). هذا الانهيار يعني أن النماذج المغلقة فقدت ورقتها الأهم: التسعير كحاجز للدخول.
على صعيد حركة التوكن الفعلية، تجاوزت النماذج المفتوحة المغلقةَ في حجم التدفق على OpenRouter منتصفَ عام 2026. والخمسة الأعلى حجماً على المنصة كلّها نماذج أوزانها مفتوحة، فيما تأتي نماذج Anthropic المغلقة أول المنافسين الأمريكيين خارج هذه القائمة. والصورة الأوضح: النماذج الصينية وحدها تُعالج نحو 18 تريليون توكن أسبوعياً مقابل 5.5 تريليون للنماذج الأمريكية — نسبة تزيد على 3 إلى 1، (وفقاً لتحليل Financial Times المُستشهد به في التقرير). بعبارة أخرى، حيثما يختار المطوّرون بحرية على أساس التكلفة، يختارون المفتوحة.
غير أن الاعتماد لا يعني النشر الناجح. مسح Mozilla وSlashData يكشف الفجوة الحقيقية: 79% من المطوّرين الذين يضيفون وظائف ذكاء اصطناعي يستخدمون نماذج مفتوحة، مقابل 71% للمغلقة، ونصفهم يستخدم النوعين معاً. لكن نسبة الفرق تبرز في مرحلة الإنتاج: 63% فقط من فرق النماذج المغلقة تصل إلى الإنتاج الفعلي، بينما لا تتجاوز هذه النسبة 51% لفرق النماذج المفتوحة. والأكثر إثارةً أن الفجوة لا تُغلقها الشركات الكبرى: نسبة النشر الناجح للمغلقة ترتفع من 54% إلى 73% مع حجم المؤسسة، أما المفتوحة فتكاد تظلّ ثابتة بين 53% و57% — مما يعني أن المشكلة أدواتية وليست تكنولوجية بحتة.
التحديات التي أبلغ عنها المطوّرون الذين تركوا النماذج المفتوحة تؤكّد هذا التشخيص. التكاليف التشغيلية عالية للبنية التحتية تُذكرها 27% من المناطق في المتوسط، يليها الأمن والامتثال 26%، والصيانة المستمرة 24%، وتعقيد النشر 23%. الأداء المتدني — المشكلة التقنية الوحيدة — يأتي في قائمة الأسباب الأخيرة بنسبة 17% فحسب. جنوب آسيا تتصدّر من حيث الانشغال بالأمن والدعم (39% يذكران الامتثال الأمني)، فيما تنفرد أمريكا الشمالية والصين فقط بنسبة أكثر من 15% من مطوّريها الذين لا يواجهون تحديات تُذكر.
الخريطة الجغرافية تكشف طبقةً إضافية: الصين وشرق آسيا تقودان تبنّي النماذج المفتوحة بنسبة 89%، وهما المنطقتان الوحيدتان اللتان تتفوّق فيهما المفتوحة على المغلقة بفارق واضح. في المقابل، أمريكا الجنوبية وأوروبا الغربية هما المنطقتان الوحيدتان عالمياً حيث لا يزال تبنّي النماذج المغلقة يتقدّم على المفتوحة.
التقرير يُقيّم المنظومة التقنية على تسع طبقات و48 مكوّناً وفق عشرة معايير بمقياس من 1 إلى 5. النتيجة الصادمة: عمودان باردان يتكرّران في كل طبقة بلا استثناء — التوحيد القياسي وجاهزية المؤسسات. هذان هما الفجوة التشغيلية. الأدوات موجودة، لكن أحداً لم ينهِ بناء المنظومة التي تجعلها قابلة للاعتماد على نطاق واسع.
على الجانب التجاري، التقرير يُوثّق أن المصدر المفتوح أصبح سوقاً بمئات المليارات، لا مجرّد فلسفة. Databricks تجاوز إيراداته السنوية 5.4 مليار دولار، وMistral تضاعفت إيراداتها 20 مرة لتبلغ نحو 400 مليون دولار خلال 12 شهراً، وDeepSeek وصل إلى حوالي 220 مليون دولار سنوياً وجمع 7.4 مليار دولار بتقييم يتجاوز 50 مليار دولار. وZhipu AI وMiniMax طرحتا أسهمهما في بورصة هونغ كونغ في 2026. النماذج التجارية المُثبتة خمسة: الاستدلال المُستضاف، والمنصات المؤسسية، والترخيص المحلي، وخدمات الضبط الدقيق، وأدوات التحكيم. التقييم الصادر عن دراسة Nagle-Yue لصالح Linux Foundation يُقدّر الوفورات غير المُحقّقة الناجمة عن فارق التسعير — 6 أضعاف تكلفة الاستدعاء للقدرة ذاتها — بنحو 24.8 مليار دولار سنوياً.
ثمة لحظة استراتيجية في هذا التقرير تستحق الوقفة. كاتب الرسالة الافتتاحية، المدير التقني رافي كريكوريان، لا يصف حالة تقنية بقدر ما يصف رهاناً وجودياً: مذيعة ماورية في نيوزيلندا تدرّب نماذج كلامية على لغة لا يوجد لها سوق تجاري، ومزارعون في شرق أفريقيا يُشخّصون أمراض الكسافا بنموذج يعمل على الهاتف دون اتصال بالإنترنت، ومؤسسة PwC تُشغّل نموذجاً مُعدّلاً على لغة المحاسبة لمئات العملاء على خوادمها دون عدّاد توكن. هذه ليست حالات استخدام ثانوية — هي الحجة الأقوى لصالح المفتوحة، لأن المغلقة ببساطة لا تُتيح هذا الاحتمال.
أكثر من 70 استراتيجية وطنية للذكاء الاصطناعي باتت نشطة حول العالم، وفق التقرير. السؤال لم يعد إن كانت الدول ستمتلك سياسات للذكاء الاصطناعي، بل أيّ طبقة من المنظومة تستطيع امتلاكها فعلاً. وهنا تحديداً يتضح لماذا الفجوة التشغيلية — لا الفجوة التقنية — هي المعركة الحقيقية القادمة.
State of Open Source AI (Mozilla)
