قبل سنة ونصف أخبرت صديقاً أن تشغيل عمل جدي على الأوزان المفتوحة هو هواية لا خطة. كنت مخطئاً، ويمكنني أن أشير إلى الرقم الذي غيّر رأيي: 87.
هذا هو تقريباً المكان الذي يجلس فيه DeepSeek V4 Pro على لوحة BenchLM المركّبة اليوم. نموذج يمكنك تنزيله كاملاً، بأوزانه وكل شيء، يجلس مباشرة تحت الحدود المغلقة بدلاً من أن يتخلف عنها بميل. لذا أريد أن أفعل الشيء غير البراق وأقارن فعلياً خيارات أفضل نموذج لغوي مفتوح المصدر في منتصف 2026، مرتبةً حسب ما يجيد كل منها فعله حقاً. ليس حسب أيها كان الأعلى صوتاً في أسبوع إطلاقه.
لوحة النماذج مفتوحة الأوزان بوضوح
إليك أين تقع المجموعة المفتوحة على النتيجة المركّبة لـ BenchLM الآن. تنبيه واحد قبل القائمة: هذه الدرجات هي كما أوردتها BenchLM حتى يونيو 2026 — تعامل معها كمؤشرات استرشادية، لا كحقيقة مطلقة.
- DeepSeek V4 Pro (Max) — حوالي 87. النموذج المفتوح الأول.
- GLM-5.1 — حوالي 83.
- Kimi K2.6 — حوالي 81.
- GLM-5 (Reasoning) — حوالي 79.
- Qwen3.5 397B (Reasoning) — حوالي 77.
انظر إلى هذا الفارق. عشر نقاط تفصل الأول عن الخامس، وكل نموذج من هؤلاء هو شيء تشحنه بسعادة. ترتيب اللوحة هو متوسط عبر عشرات المهام. أنت لا تشغّل متوسطاً في الإنتاج. أنت تشغّل حِملك الخاص.
لذا السؤال المفيد ليس "أيها الأفضل". بل "الأفضل في ماذا". دعني أفكك ذلك حسب المهمة.
أفضل نموذج لغوي مفتوح المصدر للبرمجة
هذه هي الفئة التي توقفت فيها الأوزان المفتوحة عن كونها بديلاً احتياطياً.
يحقق GLM-5 حوالي 77.8% على SWE-bench Verified، وفقاً لـ BenchLM. هذا المعيار يجعل النموذج يصلح مشكلات GitHub حقيقية في مستودعات حقيقية، لا يكمّل دالة أنيقة. منتصف إلى أعلى السبعينيات هناك هو منطقة مجاورة للحدود. DeepSeek V4 Pro بجانبه تماماً بحوالي 80.6% في نفس الاختبار. إذا كنت تعيش في Claude Code أو Cursor وتريد شيئاً قابلاً للاستضافة الذاتية يصمد عبر إعادة هيكلة متعددة الملفات، فإن أياً منهما هو خيار أول معقول. أميل إلى GLM-5 عندما أريد البصمة الأصغر وإلى DeepSeek عندما أريد هامش المناورة.
لكن هناك حد صادق واحد. SWE-bench Verified يتحقق فقط مما إذا كان التصحيح يجتاز الاختبارات. لا يقول شيئاً عما إذا كان مهندسك الأول الكبير سيوافق على طلب السحب. معرفة متى لا تلمس ملفاً، ومتى تترك شيئاً قبيحاً لأن إعادة كتابته أخطر من الإبقاء عليه، هذا النوع من ضبط النفس لا يظهر في النتيجة. لذا خذ الـ 77.8% كما وردت في التقرير، وما زل تقرأ كل فارق.
أفضل نموذج لغوي مفتوح المصدر للسياق الطويل
تريد إطعامه قاعدة بيانات كاملة، أو سنة من وثائق التصميم في رمية واحدة؟ يعلن Llama 4 Scout عن نافذة سياق تبلغ حوالي 10 مليون رمز مميز، وفقاً لـ هذه المقالة على Hugging Face. هذا هو الرقم المُعلن، والأوزان مفتوحة. بالنسبة للاسترجاع الثقيل بالوثائق أو تحليل المستودع بأكمله، لا شيء مفتوح آخر يقترب من حجم النافذة الخام.
سأضع شيئين في الاعتبار قبل أن تتحمس. النافذة الضخمة و"يتعامل بموثوقية مع كلها" ليسا ادعاءً واحداً. يتلاشى الاستدعاء عبر المسافة لكل نموذج اختبرته، مفتوح أو مغلق. وبصراحة، في معظم الأوقات لا تحتاج إلى عشرة ملايين رمز مميز. تحتاج إلى استرجاع لائق ونافذة نظيفة بـ 200K، وهو ما تمنحك إياه معظم هذه القائمة. لكن عندما تحتاج فعلاً للذهاب إلى نطاق هائل، فإن Scout هو الإجابة المفتوحة.
أفضل نموذج لغوي مفتوح المصدر للمنتجات متعددة اللغات
إذا لم يكن جميع مستخدميك يكتبون بالإنجليزية، فإن هذا المحور يهم أكثر من معيار التفكير لديك بنقاط قليلة. تُشير جولة Hugging Face إلى Qwen3 كاختيار متعدد اللغات قوي، وفي اختباراتي الخاصة يتعامل خط Qwen مع المدخلات غير الإنجليزية بقدر أكبر من الاتساق مما توحي به درجاته العامة. نموذج أقل بثلاث نقاط في بعض تقييمات التفكير لكنه يتحدث فعلاً لغة عملائك هو النموذج الأفضل لذلك المنتج. لا يستدعي الأمر تفكيراً.
Qwen3.5 397B هو أيضاً نموذج دردشة عام قادر، لذا أنت لا تتخلى عن الجودة للحصول على تغطية اللغة.
الجزء الذي لا يضعه أحد على اللوحة: الترخيص
هنا تتقدم الأوزان المفتوحة بهدوء، وهنا أرى باستمرار المطورين لا يقرؤون الخط الدقيق.
وفقاً لـ نفس نظرة عامة Hugging Face، يشحن خط DeepSeek تحت MIT وQwen3 تحت Apache-2.0. كلاهما يتيح لك بناء منتج على الأوزان، والتحصيل مقابله، وعدم تلقّي فاتورة أو إشعار إزالة. هذا عالم مختلف عن API مغلق، حيث تصبح التسعير وحدود المعدل و"نحن نوقف هذا النموذج خلال 90 يوماً" قرارات تُتخذ بدلاً عنك، على تقويم لا تتحكم فيه.
لكن اقرأ ملف الترخيص الفعلي في كل مرة. يُلاحظ المصدر نفسه أن Kimi K2.6 يستخدم نسخة MIT معدّلة يجب عليك مراجعتها قبل الاستخدام التجاري، وأن Llama 4 يشحن تحت ترخيص مجتمعي مع حدود استخدام وقيود جغرافية وقواعد إعادة توزيع. "أوزان مفتوحة" و"افعل ما تشاء" ليسا مترادفين. نماذج MIT وApache هي تلك التي تكون الأوزان فيها ملكاً لك فعلاً.
أين لا تزال النماذج المغلقة تتفوق
إنها لا تزال تتفوق في القمة، ولن أتظاهر بخلاف ذلك. كلٌّ من Artificial Analysis وllm-stats لا يزالان يُظهران أن الحدود المغلقة تحتفظ بأعلى موثوقية واتباع للتعليمات، النوع الذي تشعر به بعد ساعة من العمل الوكيل لا تقرؤه من مخطط.
يستحق الملاحظة تفصيل هادئ واحد من BenchLM: سياق المليون رمز مميز الذي يُنسب بشكل عارض إلى النماذج الرائدة المغلقة ينتمي، بحسب حسابات BenchLM، إلى DeepSeek V4 Pro هنا. الجانب المفتوح لا يتنافس فقط على السعر بعد الآن. إنه يتنافس على المواصفات الرئيسية أيضاً.
كيف تختار فعلاً
توقف عن مطاردة الأول عالمياً. اختر أصغر نموذج وأرخصه يتجاوز معيارك الخاص:
- وكيل برمجة باستضافة ذاتية → GLM-5، مع DeepSeek V4 Pro كخيار أثقل.
- مهام حشو الكل في النافذة → Llama 4 Scout، مع الانتباه لمسألة الاستدعاء.
- المنتجات غير الإنجليزية → Qwen3.5.
- بناء عمل تجاري مباشرة على الأوزان → نماذج MIT أو Apache، أي DeepSeek أو Qwen، ليس شيئاً تحت ترخيص مجتمعي مقيّد.
- أعلى موثوقية حيث التكلفة ليست القيد → الحدود المغلقة.
ثم شغّل تقييمك الخاص. عشرون مهمة حقيقية مسحوبة من متراكم أعمالك الفعلي ستخبرك أكثر مما طبعته أي لوحة. النتائج المركّبة تمنحك قائمة مختصرة. عملك يختار الفائز منها.
الحدود لا تزال تقود. ما تغيّر في 2026 هو أنها لم تعد وحدها هناك في القمة، والرفقة التي تحتفظ بها لا تكلف شيئاً للترخيص.