DeepInfra

DeepInfra هي منصة استدلال سحابية (cloud inference) صُممت خصيصاً لتشغيل نماذج الذكاء الاصطناعي مفتوحة المصدر بتكلفة منخفضة وبأحجام كبيرة. إنها ليست شركة مطورة للنماذج بل مضيف استدلال: حيث ترسل الطلبات إلى نقاط الاتصال (endpoints) الخاصة بها والمتوافقة مع OpenAI، وتعمل النماذج على البنية التحتية المتكاملة لوحدات معالجة الرسومات (GPU) الخاصة بـ DeepInfra، وتعود النتائج في غضون أجزاء من الثانية. تأسست الشركة في سبتمبر 2022 في بالو ألتو على يد نيكولا بوريسوف، ويسين كانابين، وجورجيوس بابوتسيس، وهم نفس الفريق الذي بنى تطبيق المراسلة imo الذي يستخدمه أكثر من 200 مليون شخص. وبحلول منتصف عام 2026، أصبحت المنصة تعالج ما يقرب من خمسة تريليونات رمز (token) أسبوعياً عبر ثمانية مراكز بيانات في الولايات المتحدة، وهو ما يمثل نطاق إنتاج حقيقي وليس مجرد مقياس إطلاق.

يتيح مفتاح API واحد الوصول إلى أكثر من 150 نموذجاً، تغطي توليد النصوص، والاستنتاج، والتضمين (embeddings)، والصور، وتحويل الكلام إلى نص، وغيرها، من DeepSeek، و Llama، و Qwen، و Mistral، و Gemma، وغيرها. عملية الانتقال لا تتطلب سوى تغيير عنوان URL الأساسي (base-URL) لأي شخص يستخدم بالفعل حزمة تطوير البرمجيات (SDK) الخاصة بـ OpenAI، أو LiteLLM، أو أدوات مشابهة. الجاذبية الحقيقية تكمن في السعر: حيث يتوفر نموذج Mistral Nemo بسعر $0.02 للمدخلات و $0.04 للمخرجات لكل مليون رمز، وهو تقريباً الأرخص في أي مكان، وتعمل وحدة H100 المخصصة بسعر $1.79 في الساعة، وهو جزء بسيط من تكلفة المنافسين المتميزين. تحمل DeepInfra شهادتي SOC 2 و ISO 27001 مع سياسة عدم الاحتفاظ بالبيانات (zero-retention)، وقد تضمنت جولة التمويل (Series B) في مايو 2026 شركة NVIDIA كمستثمر استراتيجي.

ما تقدمه DeepInfra في يونيو 2026

المنتج ضيق وعميق بشكل متعمد: استدلال بدون خوادم (serverless inference) عبر كتالوج منتقى يضم أكثر من 150 نموذجاً، مع فوترة تعتمد بالكامل على الاستخدام، دون اشتراكات أو تراخيص مقاعد. توليد النصوص هو الجوهر، لكن الكتالوج يمتد أيضاً ليشمل التضمين (embeddings)، ونماذج الصور مثل FLUX، وتحويل الكلام إلى نص، ونماذج إعادة الترتيب (rerankers)، بحيث يمكن لتطبيق متعدد الوسائط الاعتماد على مزود واحد. بالنسبة للفرق التي تحتاج إلى العزل، تقدم DeepCluster مثيلات GPU مخصصة مع نقاط اتصال خاصة ودعم للأوزان المخصصة أو المضبوطة بدقة (fine-tuned)، على الرغم من عدم وجود مسار مُدار للضبط الدقيق. مسار نمو الشركة حاد: كشفت جولة التمويل (Series A) بقيمة $18 مليون في أبريل 2025 عن زيادة في حجم الرموز بمقدار 8,000 ضعف منذ مرحلة التأسيس، وفي 4 مايو 2026، جاءت جولة تمويل (Series B) بقيمة $107 مليون بقيادة مشتركة من 500 Global مع NVIDIA كمستثمر مُسمى، إلى جانب التعاون في تحسين استدلال Nemotron والوصول إلى وحدات معالجة الرسومات من فئة Blackwell. هذه العلاقة مع NVIDIA هي أوضح إشارة على أن DeepInfra هي أكثر من مجرد واجهة برمجة تطبيقات رخيصة.

مقارنة DeepInfra مع Groq و Together AI

في مواجهة Groq، تكمن المفاضلة بين التكلفة والسرعة. تقدم شرائح LPU المخصصة من Groq نموذجاً بحجم 120B بسرعة تقارب 476 رمزاً في الثانية مقابل 161 لـ DeepInfra، لكن DeepInfra تتقاضى جزءاً بسيطاً من السعر وتوفر عشرة أضعاف خيارات النماذج، حيث تُشغل Groq عدداً قليلاً فقط من النماذج على أجهزة مخصصة للاستدلال فقط. اختر Groq عندما يكون لكل مائة مللي ثانية أهمية، واختر DeepInfra عندما تكون التكلفة والتنوع هما الأهم. وفي مواجهة Together AI، فإن DeepInfra ببساطة أرخص، وغالباً ما تكون أرخص بنسبة 67 إلى 76% على نفس نماذج Llama، لكن Together تتمتع بميزة واضحة في الضبط الدقيق (fine-tuning)، حيث تقدم مساراً كاملاً للتدريب والتشغيل تفتقر إليه DeepInfra، بالإضافة إلى كتالوج أعمق لنماذج مزيج الخبراء (mixture-of-experts). الفريق الذي يحتاج إلى الضبط الدقيق والنشر من واجهة برمجة تطبيقات واحدة سيميل إلى Together؛ بينما الفريق الذي يسعى لتحسين تكلفة الاستدلال البحتة سيميل إلى DeepInfra. فيما يتعلق بالموثوقية، أشارت بيانات التوجيه من مجمّعات مثل OpenRouter إلى ضعف في وقت التشغيل (uptime) على بعض نقاط الاتصال الأقل شيوعاً في DeepInfra، وهو التحذير المتكرر.

أين تُحبط DeepInfra المطورين

الشكوى الأبرز تتعلق باستقرار الأسعار. نظراً لأن النماذج تُسعر بشكل فردي ويمكن أن تتغير دون سابق إنذار، فإن اقتصاديات عبء العمل قد تتغير فجأة.

"يجذبونك بالأسعار الرخيصة ثم يرفعون السعر بنسبة 400% أو يحذفون النموذج مما يجبرك على استخدام إصدارات أكثر تكلفة." سايمون م.، SourceForge، سبتمبر 2025.

وثق هذا المراجع ثلاثة تغييرات في الأسعار في أقل من شهر، بما في ذلك نموذج محذوف دون بديل. النمط الثاني هو الأداء على النماذج المتخصصة (niche models): تظل نقاط الاتصال الشائعة سريعة، لكن النقاط الأقل استخداماً يمكن أن تتدهور بشدة تحت الضغط، ولا تتلقى تقارير الأخطاء دائماً استجابة.

"أصبحت Deepinfra بطيئة للغاية. لقد أحببت Deepinfra حقاً ولكن يبدو أن هناك خطأ ما." wolttam، Hacker News، أبريل 2026.

يتم تقديم الدعم الفني في الغالب من خلال نموذج مبيعات بدلاً من قناة تقنية، وتأتي إيقافات النماذج (deprecations) دون مسارات انتقال، وترفع مستويات الفوترة المدفوعة مسبقاً الحد الأدنى لإعادة الشحن بهدوء كلما توسعت، ليصل إلى $10,000 في المستوى الأعلى. لا شيء من هذا يمنع الاستخدام بالنظر إلى السعر، ولكنه السبب الذي يجعل فرق الإنتاج تحتفظ بمزود احتياطي مُعد مسبقاً.

من يجب أن يستخدم DeepInfra، ومن لا ينبغي له ذلك

تُعد DeepInfra خياراً ممتازاً للفرق الحساسة للتكلفة والتي تعالج أحجاماً كبيرة من الرموز، وللمطورين الذين يستخدمون بالفعل حزمة تطوير البرمجيات (SDK) الخاصة بـ OpenAI ويريدون نماذج مفتوحة أرخص بمجرد تغيير عنوان URL الأساسي، وللمنتجات متعددة الوسائط التي تريد كتالوجاً واسعاً من مزود واحد، وللمشترين الذين يحتاجون إلى امتثال SOC 2 أو ISO 27001 مع عدم الاحتفاظ بالبيانات. يمكن للشركات الناشئة الممولة أيضاً الاستفادة من برنامج DeepStart للحصول على مليار رمز مجاني.

إنها الخيار الخاطئ عندما لا يمكنك تحمل التغييرات المفاجئة في الأسعار أو النماذج دون إشعار، أو عندما تحتاج إلى مسار مُدار للضبط الدقيق (Together AI تناسب ذلك بشكل أفضل)، أو عندما تحتاج إلى موثوقية مضمونة للمخرجات المهيكلة على كل نموذج (Fireworks AI أقوى في هذا الجانب)، أو عندما يكون زمن الوصول (latency) هو المنتج وميزة أجهزة Groq تستحق التكلفة الإضافية. يجب على أي شخص يبني على نموذج جديد تماماً أو متخصص أن يختبر الموثوقية تحت ضغط حقيقي قبل الالتزام.