DeepSeek

لقد قدمنا لنموذج DeepSeek R1 مسألة منطقية متعددة الخطوات، تتمثل في ثغرة جدلية على غرار اختبار LSAT مدفونة عبر ثلاث فقرات، وراقبنا ما حدث قبل ظهور الإجابة. في كتلة <think>، المرئية بالكامل، اكتشف النموذج خطأه في الخطوة الثانية، وأشار بوضوح إلى عدم يقينه بشأن جملة شرطية، ثم صحح مساره قبل تقديم استجابة نهائية دقيقة. لا يوجد نموذج رائد آخر يريك ذلك. يخفي GPT-o1 سلسلة أفكاره بالكامل. ويلخص Claude نهجه. بينما يبرز DeepSeek R1 الحوار الداخلي بأكمله، بما في ذلك المنعطفات الخاطئة، والتصحيحات الذاتية، ومؤشرات الثقة، وكل شيء. هذه الشفافية هي إما الميزة الأكثر تقليلًا من شأنها في DeepSeek أو أداة التشخيص الأكثر كشفًا للحقائق، اعتمادًا على ما يحتويه الاستنتاج. وما يخبرك به ذلك حول ما إذا كان DeepSeek يستحق مكانًا في حزمة أدواتك في عام 2026 يعتمد بشكل كبير على ما تبنيه وأين توجد بياناتك.

تم إطلاق DeepSeek R1 في 20 يناير 2025، مدعيًا أن تكاليف التدريب بلغت حوالي $5.5 مليون، أي أقل بحوالي 20 مرة من النماذج الأمريكية المماثلة، وتسبب في انخفاض بنسبة 16.9% في يوم واحد في سهم NVIDIA، مما أدى إلى محو $589 مليار من القيمة السوقية. أما DeepSeek V4، الذي تم إصداره في أوائل عام 2026 والذي يُقال إنه تم تدريبه على رقائق Huawei Ascend للتحايل على ضوابط التصدير الأمريكية، فقد زاد من عمق التساؤلات التي أثارها ذلك الحدث. قدرات النموذج حقيقية. وكذلك التعقيدات المرتبطة به.

نظرة سريعة على DeepSeek. أبريل 2026

المنتج الاستهلاكي على deepseek.com مجاني بالكامل اعتبارًا من أبريل 2026، ولا توجد فئة اشتراك. النموذج الذي تصل إليه عبر تطبيق الويب هو DeepSeek V4، والذي قدم أوضاع استنتاج هجينة: وضع "التفكير" الذي ينتج سلسلة أفكار ممتدة مرئية في وسوم <think>، ووضع "عدم التفكير" للحصول على استجابات أسرع دون عبء الاستنتاج. يتعامل نفس النموذج مع كلا الوضعين، مما يجعله أكثر مرونة من الانقسام السابق بين V3 و R1.

تعمل واجهة برمجة التطبيقات (API) على نموذجين نشطين. يبلغ سعر deepseek-v4-flash $0.14 لكل مليون رمز إدخال (في حالة عدم وجود ذاكرة تخزين مؤقت) و $0.28 لكل مليون رمز إخراج، مع تقليل تكاليف الإدخال إلى $0.028 في حالة استخدام ذاكرة التخزين المؤقت، وهو خصم بنسبة 80% يُطبق تلقائيًا دون الحاجة إلى تغييرات في الكود. يعمل deepseek-v4-pro بسعر $1.74 لكل مليون رمز إدخال و $3.48 لكل مليون رمز إخراج، مع تكلفة $0.145 في حالة استخدام ذاكرة التخزين المؤقت. تصل نوافذ السياق لكلا النموذجين إلى مليون رمز مع حد أقصى للإخراج يبلغ 384K رمز. تم إيقاف استخدام أسماء النماذج القديمة deepseek-chat و deepseek-reasoner.

على جانب الأوزان المفتوحة، يتوفر DeepSeek R1 (بـ 671B معلمة) و V3 بترخيص MIT على Hugging Face. تعمل المتغيرات المصغرة (Distilled) بأحجام 8B و 14B و 32B و 70B على الأجهزة الاستهلاكية عبر Ollama. يتطلب النموذج الكامل بحجم 671B أجهزة بتكلفة تتراوح بين $40,000 و $80,000. يتوفر DeepSeek V3.1 على Amazon Bedrock و Azure AI Foundry و Google Cloud Vertex AI مع عمليات نشر في منطقة الاتحاد الأوروبي، وهو حل جزئي لمشكلة تخزين البيانات للفرق التي لا تملك رأس المال الكافي للبنية التحتية المحلية.

ما الذي يجيده DeepSeek حقًا

أوضح دليل على قيمة DeepSeek يكمن في الرياضيات والاستنتاج والبرمجة بتكلفة منخفضة لواجهة برمجة التطبيقات. يحقق DeepSeek R1 دقة تقارب 90% في معايير الرياضيات AIME 2024، مقابل حوالي 83% لنموذج GPT-4o. في مهام البرمجة على غرار LeetCode: قام أحد مراجعي ProductHunt بتشغيل الإصدار المصغر R1 70B على ثماني مشكلات ترحيل من Kotlin إلى TypeScript ووجد "درجات صحة متفوقة مقارنة بالنماذج المنافسة". يعمل الإصدار المصغر 70B محليًا عبر Ollama دون تكاليف واجهة برمجة التطبيقات أو مغادرة البيانات لبنيتك التحتية.

مسار الاستنتاج مفيد لأكثر من مجرد الوصول إلى الإجابات الصحيحة. كما كتب أحد المطورين على mccormickml.com في فبراير 2025: "يمكنك تعلم الكثير عن المشكلة التي تحاول حلها من رموز الاستنتاج، وليس فقط من المخرجات النهائية للنموذج." لتصحيح أخطاء سلوك النموذج، أو بناء أمثلة عملية، أو فهم أين ينهار الاستنتاج، تُعد كتلة <think> المكشوفة أداة مختلفة نوعيًا عن النماذج التي تعرض استنتاجها النهائي فقط.

ميزة التكلفة لمستخدمي واجهة برمجة التطبيقات (API) ذوي الحجم الكبير ليست هامشية. أبلغت الفرق التي تدير معالجة المستندات المجمعة، أو مسارات RAG، أو الاستدلال عالي التردد عن انخفاض التكاليف بنسبة 50-95% عند التبديل من GPT-4o أو GPT-5. بسعر $0.14 لكل مليون رمز إدخال، الحسابات واضحة. بالنسبة للتطبيقات الحساسة للخصوصية، توفر الأوزان المفتوحة بترخيص MIT مخرجًا من واجهات برمجة التطبيقات المستضافة بالكامل. أشار أحد المعلقين على Hacker News إلى أن "الأمان/حماية الملكية الفكرية هي الميزة الأساسية، وتجنب واجهات برمجة التطبيقات عن بُعد تمامًا." تحصل الفرق القانونية والمؤسسات التي لديها متطلبات تخزين البيانات والتي تقوم بتشغيل المتغيرات المصغرة على بنية تحتية خاصة على جودة استنتاج قريبة من النماذج الرائدة مع انعدام القياس عن بُعد (telemetry).

أين يفشل DeepSeek، وأنماط الفشل التي يواجهها المستخدمون باستمرار

مشكلة الرقابة ليست مصدر قلق هامشي. يرفض DeepSeek التفاعل مع مواضيع مثل ساحة تيانانمن، أو الوضع السياسي لتايوان، أو انتقاد الحزب الشيوعي الصيني. عند اختباره مباشرة في أوائل عام 2025، استجاب النموذج لسؤال حول ساحة تيانانمن عام 1989 قائلاً: "عذرًا، هذا خارج نطاقي الحالي. دعنا نتحدث عن شيء آخر." وحول تايوان، صرح بأن "تايوان، كجزء من الصين، ليست دولة" قبل حذف الرد وتكرار رسالة الخروج عن النطاق. هذه ليست حالات نادرة تتعلق بمواضيع غامضة، بل تؤثر على الباحثين في الشأن الصيني، والصحفيين، والعاملين في مجال حقوق الإنسان، والشركات التي تتخذ من تايوان مقراً لها، وأي شخص يبني منتجات قد تشير إلى التاريخ الجيوسياسي الحديث. أشار رون ديبرت، مدير Citizen Lab في جامعة تورنتو، إلى أن الأمر غير المعتاد هنا هو أنه "من غير المعتاد أن تقوم التطبيقات التي تتخذ من الصين مقراً لها بفرض رقابة على المستخدمين الدوليين"، حيث يمتد الفلترة إلى ما هو أبعد من الاستعلامات باللغة الصينية لتشمل المستخدمين الناطقين باللغة الإنجليزية على مستوى العالم.

انكشاف خصوصية المنتج المستضاف موثق وليس نظريًا. في 29 يناير 2025، اكتشفت Wiz Research قاعدة بيانات ClickHouse يمكن الوصول إليها بشكل عام على النطاقات الفرعية لـ DeepSeek تحتوي على أكثر من مليون سجل تدفق، بما في ذلك سجلات دردشة المستخدمين، ومفاتيح واجهة برمجة التطبيقات (API) بنص عادي، وتفاصيل البنية التحتية الخلفية، والبيانات الوصفية التشغيلية، دون الحاجة إلى مصادقة. تم الكشف عن الانكشاف بمسؤولية وتصحيحه على الفور، لكنه أكد أن البنية التحتية التي تؤمن بيانات المستخدمين بها فجوات مادية. بشكل منفصل، وجدت NowSecure أن تطبيق DeepSeek لنظام iOS ينقل بيانات الجهاز غير مشفرة إلى Volcengine، منصة السحابة التابعة لـ ByteDance. يتم تخزين جميع بيانات المستخدمين التي تتم معالجتها من خلال واجهة برمجة التطبيقات أو التطبيق الاستهلاكي على خوادم جمهورية الصين الشعبية الخاضعة لقانون المخابرات الوطنية الصيني لعام 2017.

فيما يتعلق بالأداء، يخلق وضع الاستنتاج المطول فئة فشل محددة للمهام البسيطة. ينتج وضع التفكير سلسلة أفكار طويلة للأسئلة التي لا تستدعي ذلك، ويمكن للنموذج أن يجادل نفسه للوصول إلى إجابات خاطئة من نقاط انطلاق صحيحة:

"كثير الكلام جدًا في الأسئلة العادية، حتى بعد تعديل المعلمات للإيجاز. فعال لمقتطفات البرمجة فقط.". مراجع على ProductHunt، 2025

"يحسب النموذج ثلاثة أحرف R في كلمة 'strawberry' بشكل صحيح، ثم يجادل نفسه مرارًا وتكرارًا بأن الإجابة يجب أن تكون اثنين، ويرفض في النهاية الوثوق باستنتاجه الخاص.". معلق على Hacker News، معرف الموضوع 42768072، 2025

تجعل كتلة <think> هذه الانهيارات مرئية، وهو أمر مفيد للتشخيص ولكنه غير مفيد عندما تحتاج إلى إجابات موثوقة على استعلامات بسيطة.

كان توفر الخادم مشكلة مستمرة منذ طفرة الإطلاق في يناير 2025. استوعبت البنية التحتية هجوم حرمان من الخدمات (DDoS) بلغ 230 مليون ضربة على مدار خمسة أيام في أوائل عام 2025، وكانت أخطاء 429 "الخادم مشغول" واسعة الانتشار طوال عام 2025. لا يمكن للمطورين الذين يختبرون عمليات الدمج ويحتاجون إلى الموثوقية الاعتماد على المنتج الاستهلاكي المجاني تحت الضغط.

DeepSeek مقابل GPT-4o مقابل Llama

ChatGPT (GPT-4o / GPT-5): حجة DeepSeek هي التكلفة. يعد V4-flash أرخص بـ 10 إلى 30 مرة لكل رمز، والمنتج الاستهلاكي مجاني بدون اشتراك. لا يفرض ChatGPT رقابة على المواضيع الحساسة جيوسياسيًا، ويخزن البيانات تحت الولاية القضائية الأمريكية، ويقدم موثوقية بنية تحتية أفضل بشكل ملموس. بالنسبة للفرق التي تبني منتجات دولية أو أي شيء يمس التاريخ الجيوسياسي، فإن غياب الرقابة السياسية في ChatGPT هو متطلب وظيفي. بالنسبة لمسارات الاستدلال غير السياسية ذات الحجم الكبير، فإن ميزة التكلفة لـ DeepSeek تتضاعف.

Llama (Meta): المقارنة هنا تتعلق بالنشر المحلي. يتنافس Llama 3.1 70B من Meta والإصدار المصغر DeepSeek R1 70B بشكل مباشر على الاستخدام المستضاف ذاتيًا. يتفوق الإصدار المصغر DeepSeek R1 في معايير الأداء على Llama 3.1 70B في مهام الاستنتاج، لكن Llama لا يعاني من مخاوف الرقابة ويمتلك نظامًا بيئيًا أكثر نضجًا للضبط الدقيق (fine-tuning). كلا النموذجين عبارة عن أوزان مجانية. تختار الفرق التي تحتاج إلى النظام البيئي الأكثر اختبارًا في الإنتاج للاستضافة الذاتية Llama؛ بينما تتجه الفرق التي تعطي الأولوية لأداء معايير الاستنتاج وتشعر بالراحة مع مقايضة الرقابة إلى الإصدار المصغر DeepSeek R1.

حالة الاستخدام التي تُحسم بوضوح لصالح DeepSeek هي الاستدلال غير السياسي عالي الحجم عبر واجهة برمجة التطبيقات (API)، لا سيما لمنتجات SaaS الحساسة للتكلفة حيث أصبحت فواتير OpenAI بندًا رئيسيًا في الميزانية.

هل تستحق الفئة المدفوعة التكلفة؟

لا يحتوي المنتج الاستهلاكي لـ DeepSeek على فئة مدفوعة اعتبارًا من أبريل 2026، فتطبيقات الويب والأجهزة المحمولة مجانية بالكامل. مسألة التكلفة تكمن على مستوى واجهة برمجة التطبيقات (API)، حيث يكون الاختيار بين v4-flash و v4-pro.

يعد V4-flash بسعر $0.14 لكل مليون رمز إدخال هو الخيار الافتراضي لمعظم حالات الاستخدام. بالنسبة لمعالجة المستندات المجمعة، واسترجاع RAG، ومسارات التلخيص، والمساعدة العامة في البرمجة، يصعب مطابقة نسبة الجودة إلى التكلفة لنموذج flash. يعني الخصم التلقائي عند استخدام ذاكرة التخزين المؤقت، والذي يقلل تكاليف الإدخال إلى $0.028 لكل مليون رمز عندما تشترك المطالبات في البادئات، أن التطبيقات ذات مطالبات النظام المتسقة أو السياق المتكرر تحصل على تخفيض بنسبة 80% في تكلفة الإدخال دون الحاجة إلى تغييرات في التنفيذ.

يعد V4-pro بسعر $1.74 لكل مليون رمز إدخال هو الخيار الصحيح للفرق التي قامت بقياس جودة الاستنتاج على نوع مهامها المحدد وتحتاج إلى عمق سلسلة الأفكار الممتدة للفئة المميزة. بهذا السعر، يعد GPT-4o و Claude Sonnet خيارات منافسة، وقد يرجح سجلهم الأنظف في تخزين البيانات القرار لصالح أعباء العمل الاحترافية. بالنسبة لمعظم المطورين، نقطة البداية هي v4-flash مع تحسين ذاكرة التخزين المؤقت. تدعم نافذة السياق (مليون رمز) وحد الإخراج (384K رمز) مسارات عمل المستندات الطويلة دون الحاجة إلى تقسيمها.

أفضل حالات الاستخدام (ومتى يجب تجنبه)

يؤدي DeepSeek أداءً جيدًا في: الاستدلال عالي الحجم عبر واجهة برمجة التطبيقات حيث تؤثر تكاليف OpenAI أو Anthropic ماديًا على هوامش الربح؛ والتطبيقات التي تعتمد بشكل كبير على الرياضيات بما في ذلك منصات التدريس، وأدوات البرمجة التنافسية، ومساعدي الحوسبة العلمية؛ ومراجعة الأكواد وتصحيح الأخطاء حيث يساعد مسار الاستنتاج المستخدمين على فهم سبب نجاح الإصلاح؛ وعمليات النشر المستضافة ذاتيًا على البنية التحتية الخاصة حيث لا تغادر البيانات المؤسسة أبدًا.

حالة الاستخدام غير المتوقعة التي تظهر بشكل متكرر في مجتمعات المطورين هي تشغيل المتغيرات المصغرة محليًا كمحرك استنتاج غير خاضع للرقابة للأبحاث الحساسة قانونيًا أو تنافسيًا. يمكن تعديل الأوزان المرخصة من MIT وإزالة طبقة المحاذاة بعد التدريب، مما يعني أن النموذج الذي يتم تشغيله محليًا سيجيب على الأسئلة التي يرفضها الإصدار المستضاف. وثقت الفرق سير العمل هذا للذكاء التنافسي الذي يتضمن ديناميكيات السوق الصينية، ومراجعة المستندات القانونية التي تمتد عبر التحليل التنظيمي عبر الحدود، والبحث الأكاديمي حول التاريخ الصيني. الإعداد العملي: إصدار مصغر مكمم (quantized) بحجم 14B أو 32B عبر Ollama للمهام الحساسة، وواجهة برمجة تطبيقات مستضافة للاستدلال السلعي بسعر $0.14 لكل مليون رمز للباقي.

تجنب استخدام DeepSeek في مسارات العمل التي تتضمن سياسات الصين أو تايوان أو التبت أو هونغ كونغ، فالرقابة متسقة وغير قابلة للتكوين. وتجنبه في تطبيقات المؤسسات حيث يمثل تخزين البيانات في جمهورية الصين الشعبية عائقًا أمام الامتثال، وللفرق التي تحتاج إلى ضمانات موثوقية البنية التحتية (الفئة المجانية ليست على مستوى الإنتاج تحت الضغط)، وللكتابة الإبداعية أو المحادثات المفتوحة حيث تظل فجوة الجودة مقابل ChatGPT و Claude ثابتة.

البدء مع DeepSeek

يتطلب التطبيق الاستهلاكي التسجيل بالبريد الإلكتروني فقط. بالنسبة لواجهة برمجة التطبيقات (API)، قم بالتسجيل في platform.deepseek.com، واجهة برمجة التطبيقات متوافقة مع OpenAI، لذا فإن عمليات دمج OpenAI SDK الحالية تنتقل عن طريق تغيير عنوان URL الأساسي واسم النموذج فقط. استخدم deepseek-v4-flash أو deepseek-v4-pro؛ تم إيقاف استخدام الأسماء القديمة deepseek-chat و deepseek-reasoner.

للنشر المحلي، تتوفر المتغيرات المصغرة R1 على Hugging Face على github.com/deepseek-ai/DeepSeek-R1 بموجب ترخيص MIT. يدعمها Ollama بشكل أصلي: ollama pull deepseek-r1:70b. يتناسب الإصدار المكمم بحجم 32B مع وحدة معالجة رسومات (GPU) واحدة بسعة 24GB. آخر اختبار: أبريل 2026.