Qwen3‑VL من علي بابا يتفوّق على جيميني وGPT‑5 في فهم الصور والفيديو بدقة عالية

في عالم الذكاء الاصطناعي البصري، تبدو المنافسة أشبه بسباقٍ لا يعرف التوقف، تتحرك فيه الشركات الكبرى بسرعةٍ تجريبية نحو قدرات أكثر دقة وفهمًا للمحتوى المرئي. وفي أحدث الفصول، كشفت شركة علي بابا في تقرير بحثي جديد عن نموذجها المتقدم Qwen3-VL، الذي أظهر تفوقًا لافتًا على نماذج مثل GPT‑5 وGemini 2.5 Pro في المهام البصرية الدقيقة.

وفقًا لتقرير فني نشره الباحث جوناثان كيمبر في The Decoder، حقق نموذج Qwen3‑VL أداءً تفوق على أبرز النماذج المنافسة في اختبارات تتعلق بفهم الصور والفيديوهات. اللافت في النتائج أن النموذج استطاع بلوغ دقة كاملة بنسبة 100٪ في ما يُعرف باختبارات «الإبرة في كومة القش» الخاصة بمقاطع الفيديو التي تصل مدتها إلى 30 دقيقة، وهو ما يشير إلى تطور نوعي في قدرة النماذج على التقاط التفاصيل النادرة وسط كم هائل من البيانات البصرية.

يعكس هذا الإنجاز تحولًا تدريجيًا من النماذج اللغوية البحتة إلى ما يُعرف بالنماذج متعددة الوسائط، القادرة على الجمع بين الفهم اللغوي والتفسير البصري في آنٍ واحد. مثل هذه القدرات تفتح الباب أمام استخدامات واسعة: من تحليل مشاهد الفيديو الطويلة بدقة، إلى ابتكار واجهات ذكاء اصطناعي يمكنها التعرف على السياق البصري للكلمات والصور معًا.

هذا التفوق لا يقتصر على الأرقام فحسب، بل يعكس نضوجًا في منهجية التعامل مع البيانات المرئية المعقدة. فبعد سنوات من تركيز الأبحاث على معالجة اللغة الطبيعية، تُظهر هذه النتائج أن الفهم البصري أصبح الركيزة التالية لتطور الذكاء الاصطناعي. كما يبرز اسم علي بابا مجددًا كلاعب آسيوي مؤثر في المشهد العالمي الذي تهيمن عليه شركات أمريكا الشمالية.

مع مضي النماذج نحو استيعاب العالم البصري، يزداد التقارب بينها وبين الطريقة التي يدرك بها البشر الأشياء. فحين يتمكن نموذج من تمييز تفصيلة صغيرة في مشهد طويل، فإنه لا يحاكي فقط قوة الحساب بل يقترب من إدراك يربط الصورة بالمعنى والسياق. هنا يستشعر المستخدم أن الذكاء الاصطناعي لم يعد مجرد خوارزمية، بل أداة قادرة على الفهم والتفسير لا الوصف فقط.

هذا التقدم يفتح أيضًا نقاشًا حول حدود الاستخدام وسلامة البيانات، خاصة مع زيادة اعتماد هذه النماذج على صور الأشخاص ومقاطع الفيديو اليومية. وبقدر ما يمثل إنجاز Qwen3‑VL قفزة علمية، فإنه يحمل في طياته مسؤولية تطوير تقنيات الاستخدام المسؤول والشفاف للذكاء الاصطناعي.

في النهاية، يبدو أن سباق النماذج البصرية لا يتوقف عند مجرد التفوق في الاختبارات، بل يمتد إلى إعادة تعريف كيفية تفاعل الإنسان مع أنظمة الذكاء الاصطناعي. وإذا استمر هذا التسارع، فقد نشهد قريبًا أدوات قادرة على «رؤية» العالم بعمق مماثل لطريقتنا في الفهم، وهو تحول قد يغير شكل العلاقة بين التقنية والإدراك الإنساني ذاته.