ذكاء اصطناعي

ديبسيك تهدي مستخدميها نموذج V3.2-Exp الجديد بتكلفة أقل من 3 سنتات وتغيّر قواعد أسعار واجهات البرمجة

مصطفى يسري
مصطفى يسري

3 د

أعلنت DeepSeek عن نموذج V3.

2-Exp بتكلفة واجهة 0.

028 دولار لكل مليون رمز مخزّن.

يعتمد النموذج على آلية الانتباه المتناثر لتقليل تكاليف الحساب دون خسارة الجودة.

النموذج يتيح للشركات استضافته ذاتيًا أو استخدام واجهة DeepSeek للحفاظ على المرونة.

دخلت نماذج مفتوحة المصدر بتكاليف منخفضة الساحة، مما يعيد توجيه تنافس السوق العالمي.

أعلنت شركة DeepSeek عن نموذجها التجريبي الجديد V3.2-Exp، الذي يقدّم تخفيضًا كبيرًا في أسعار واجهة البرمجة (API) ليصل إلى أقل من 3 سنتات لكل مليون رمز إدخال. هذا التطور اللافت يأتي بعد أسبوع واحد فقط من إطلاق نموذج V3.1-Terminus، ويؤكد على تسارع وتيرة المنافسة في سوق النماذج اللغوية الكبيرة والاهتمام المتزايد بخفض التكاليف دون التضحية بالجودة.


نقلة سعرية لافتة في سوق النماذج اللغوية

بحسب التفاصيل المنشورة، تأتي أسعار واجهة V3.2-Exp الجديدة بـ 0.028 دولار فقط لكل مليون رمز في حالة التخزين المؤقت (cache hits)، مقارنة بـ 0.07 دولار في النسخة السابقة. كما انخفضت تكلفة الإدخال غير المخزّن إلى 0.28 دولار بدلًا من 0.56 دولار، بينما تراجعت تكلفة المخرجات من 1.68 دولار إلى 0.42 دولار.

  • إدخال مخزّن: 0.028 دولار لكل مليون رمز (سابقًا 0.07 دولار).
  • إدخال جديد: 0.28 دولار (سابقًا 0.56 دولار).
  • مخرجات: 0.42 دولار (سابقًا 1.68 دولار).

بهذا تصبح DeepSeek منافسًا مباشرًا لمقدمي الخدمات مثل OpenAI وGoogle وAnthropic، لكنها لا تزال أقل تكلفة من نموذج GPT-5 Nano الذي طرحته OpenAI مؤخرًا. هذا التنافس يضع مطوّري التطبيقات أمام خيارات متعددة لتقليل تكاليفهم التشغيلية على المدى الطويل.


تقنيات جديدة وراء خفض التكلفة

المفتاح التقني الذي مكّن من هذا التخفيض هو اعتماد آلية الانتباه المتناثر (Sparse Attention)، حيث يستعين النموذج بفهرس ذكي لتحديد الرموز الأكثر أهمية بدلًا من معالجة جميعها. هذه المقاربة تقلل الحمل الحسابي بشكل جذري مع الحفاظ على جودة المخرجات، خصوصًا عند التعامل مع سياقات طويلة تصل إلى 128 ألف رمز (ما يعادل مئات الصفحات النصية).


تقول الشركة في تقريرها التقني: "باختيار الرموز الأهم فقط للانتباه، نجحنا في كبح التكاليف دون التضحية بالقدرة".

ومن الناحية العملية، هذا يعني أن الصناعات التي تحتاج إلى تحليل وثائق طويلة أو التعامل مع محادثات مطوّلة لن تواجه زيادات غير متوقعة في التكلفة مع طول السياق، وهو تحدٍّ ظل قائمًا أمام مزوّدي النماذج اللغوية الأخرى.


بين الاعتماد على واجهة API والاستضافة الذاتية

النموذج متاح على واجهة DeepSeek الرسمية، وكذلك عبر منصات مفتوحة مثل Hugging Face وGitHub تحت رخصة MIT المرنة. هذا يفتح الباب أمام خيارين للشركات: إما الاعتماد على السحابة لتسريع الإطلاق وتفادي عبء البنية التحتية، أو استضافة النموذج ذاتيًا للحفاظ على السيطرة الكاملة على البيانات وتقليل المخاطر الأمنية، خاصة للقطاعات المالية أو الصحية.

لكن هذه الحرية تصطدم بتحديات تقنية ولوجستية، إذ تتطلب الاستضافة الذاتية تجهيزات متطورة مثل معالجات H200 أو MI350، إلى جانب فرق متخصصة لتشغيل النماذج بكفاءة. هنا يظهر السؤال الجوهري: هل تنجح المؤسسات في موازنة وفورات التكلفة مع متطلبات الحوكمة والأمن السيبراني؟


انعكاسات على المشهد العالمي للذكاء الاصطناعي

ذو صلة

إطلاق V3.2-Exp في هذا التوقيت يبرز ديناميكية سوق الذكاء الاصطناعي، حيث تتنافس شركات مختلفة على خفض كلفة الاستخدام دون خسارة الأداء. في المقابل، قد يثير دخول نماذج مفتوحة المصدر بتكاليف منخفضة من شركات آسيوية تساؤلات جديدة في أسواق مثل الولايات المتحدة وأوروبا حول الأمن والثقة ومخاطر الاعتماد على مزودين من خارج المنظومة المحلية.

هذه الخطوة لا تمثل مجرد تحديث تقني، بل مؤشرًا على تحوّل السوق نحو "كفاءة مدمجة" كقيمة جوهرية في الجيل الجديد من النماذج. وبينما تتنافس الشركات الكبرى على الحفاظ على موطئ قدمها في السوق، يبدو أن السؤال الأهم لم يعد: "من الأقوى أداءً؟" بل "من الأقدر على توفير القوة بأقل تكلفة ودون التفريط بالتحكم والسيادة الرقمية؟".

ذو صلة