ذكر تقرير State of Open Source AI الصادر عن Mozilla في 15 سبتمبر أن على المؤسسات استخدام النماذج المفتوحة بوصفها الخيار الافتراضي في معظم أعمالها. وجاء نموذج Kimi K3 مفتوح الأوزان من Moonshot AI متأخرًا بثلاث نقاط فقط عن نموذج Fable 5 المغلق من Anthropic في Artificial Analysis Intelligence Index، بينما يعمل بتكلفة تعادل 30% من تكلفته. ووفقًا لـRaffi Krikorian، CTO في Mozilla، تتمتع النماذج المغلقة بميزة في الأعمال المهنية التي تتطلب خبرة متخصصة، والوصول المكثف إلى المعلومات، والسياقات الطويلة. كما تُفضَّل لكونها جاهزة للاستخدام، ولتوفيرها حزم الامتثال والدعم والمساءلة. ورغم إمكانية تنزيل النماذج مفتوحة الأوزان، فإن بيانات التدريب ومسار البيانات ورمز التدريب لا تُشارَك في الغالب.
تستخدم DoorDash نموذج Kimi في الأعمال الروتينية، ونموذج Fable في المهام الأكثر صعوبة. وتُظهر بيانات «الأفق الزمني» لدى METR، التي تُقاس استنادًا إلى الوقت الذي يستغرقه الخبراء البشريون لإكمال المهام، أن أفضل نموذج مغلق يستطيع تنفيذ مهام أطول بـ1.7 مرة مما يستطيع أفضل نموذج مفتوح إكماله بصورة موثوقة. وقال Krikorian إنه بينما يستطيع النموذج المفتوح تنفيذ عمل يستغرق سبع ساعات، يستطيع النموذج المغلق إكمال عمل يستغرق 12 ساعة؛ وبعد أربعة أشهر يصل النموذج المفتوح إلى 12 ساعة، بينما يصل النموذج المغلق إلى نحو 20 ساعة. ويمكن إسناد المهام التي تقل مدتها عن ثماني ساعات إلى كلا النوعين من النماذج، في حين يظهر الفارق الحالي أساسًا في الأعمال التي تستغرق ما بين ثماني و12 ساعة. وبوجه عام، لا يستطيع أي نموذج تنفيذ مهام تتجاوز 12 ساعة بصورة موثوقة.
يمكن لطبقات البرمجيات الخاصة التي تتيح للنماذج الوصول إلى الأدوات والذاكرة أن تؤثر في المقارنات. وفي تقييم Terminal-Bench 2.1 الذي أُجري باستخدام برمجيات Vals AI المحايدة، اقترب نموذج GLM 5.2 من Z.ai بفارق نحو نقطة واحدة من نموذجي Claude Opus 4.7 و4.8 من Anthropic؛ وكان أرخص بنحو خمسة أضعاف لكل مهمة مكتملة. وبناءً على ذلك، فإن الدفع مقابل النماذج المغلقة يوفر أفضلية لمدة أربعة أشهر، بتكلفة تبلغ نحو خمسة أضعاف، في المهام التي تستغرق من ثماني إلى 12 ساعة فقط.
اعتبارًا من أغسطس 2026، كانت ثمانية من النماذج الـ10 الأولى على OpenRouter، بحسب حجم التوكنات، ذات أوزان مفتوحة. وفي المقابل، أظهر بحث Linux Foundation، استنادًا إلى بيانات مايو-سبتمبر 2025، أن النماذج المفتوحة حصلت على 4% من الإيرادات، بينما حصلت النماذج المغلقة على 96%. وأشار Krikorian إلى أن تركز أفضل النماذج المفتوحة في الصين، والنماذج المغلقة في الولايات المتحدة، يشكل خطرًا. واقترح دعم برامج الحوسبة العامة والمؤسسات المحايدة والشركات والمنظمات الخيرية لإنشاء منظومة بديلة في الولايات المتحدة وأوروبا؛ وشدد على صعوبة الوثوق بنماذج لا تُعرف عمليات تدريبها وتقييمها.
لماذا هذا مهم
يوضح هذا الجدول أن من الأجدى للمؤسسات الاختيار وفقًا لمدة المهمة والتكلفة ومتطلبات الدعم والامتثال، بدلًا من الالتزام بنوع واحد من النماذج. وبينما تخفف النماذج ذات الأوزان المفتوحة ضغوط التكلفة في المهام الروتينية والقصيرة، يصبح تفوق النماذج المغلقة أكثر وضوحًا في المهام الأطول والتي تتطلب خبرة متخصصة؛ غير أن عجز جميع الخيارات عن إتمام المهام التي تتجاوز 12 ساعة بصورة موثوقة يظل قيدًا على الأتمتة. ويكشف احتمال اختلاف النتائج بحسب طبقات البرمجيات الخاصة أنه لا ينبغي الاكتفاء بالنظر إلى درجات الأداء الخام في المقارنات. ويبرز تركز الاستخدام في النماذج المفتوحة، والإيرادات في النماذج المغلقة، الفارق بين التبني والقيمة التجارية، إلى جانب دور خدمات الدعم. ومع ذلك، فإن عدم الاتساق في تسمية نماذج Anthropic في المصدر يجعل التحقق من المقارنات ضروريًا.
مصطلح: الأوزان المفتوحة
تعني الأوزان المفتوحة أن المعلمات المدرَّبة لنموذج ذكاء اصطناعي قابلة للتنزيل؛ ولا يعني ذلك المصدر المفتوح، إذ قد لا تكون بيانات التدريب والشيفرة مفتوحة.