النموذج نفسه، أين يختلف بين المزودين
الاسم نفسه، لكن الخدمة مختلفة. النموذج المفتوح المصدر نفسه يمكن أن يقدّمه العديد من المزودين. الدرس السابق تحقق من «هل هو هذا النموذج»؛ وهذا الدرس يتحقق من «هل خدمة هذا المزود سهلة الاستخدام»: ما مدى سرعة ظهور أول حرف، وكم حرفًا يُنتَج في الثانية، وما أقصى طول للإدخال، وهل استدعاء الأدوات وJSON يعملان مباشرة، وهل يحدث انتهاء مهلة باستمرار.
ماذا ستستطيع فعله بعد هذا الدرس
- أن تذكر في أي النواحي يختلف «النموذج نفسه» بين المزودين المختلفين
- أن تجري تقييمًا للمزودين المرشحين باستخدام قائمة واحدة
- أن تختار المزود بناءً على مهمتك أنت، لا بناءً على اسم النموذج
ماذا تقول الأبحاث: اسم النموذج لا يكفي
قاست ورقة بحثية من عام 2026 بعنوان «When Is the Same Model Not the Same Service?» (arXiv 2605.02821) الاستخدام الفعلي لواجهات API للنماذج مفتوحة المصدر المستضافة في الربع الرابع من عام 2025. فكرتها المحورية هي: الوحدة المستخدمة فعليًا في بيئة الإنتاج ليست «النموذج»، بل الخدمة، التي تحددها هذه العناصر مجتمعة:
| المكوّن | المعنى |
|---|---|
| نسخة النموذج | أي إصدار تحديدًا |
| سلوك البروتوكول | صيغ الواجهات المدعومة، مثل توافق OpenAI وتوافق Anthropic |
| سعة السياق | أقصى طول للإدخال والإخراج يمكن قبوله فعليًا |
| السعر المعلن | كم التكلفة لكل مليون token |
| زمن الاستجابة ومعدل النقل | متى يظهر أول حرف (TTFT)، وكم token في الثانية (TPS) |
| الموثوقية | هل يحدث انتهاء مهلة، وهل يمكن التعافي بعد الخطأ |
| قابلية تنفيذ المهمة | هل مهمتك تعمل لدى هذا المزود |
كما أن كل هذه العناصر تتغير مع الوقت.
ثلاث نتائج من الورقة البحثية:
- الأسعار المعلنة متقاربة نسبيًا، والفروق الأخرى أكبر. الأسعار المعلنة لدى الجميع متقاربة، بينما الفروق في زمن الاستجابة ومعدل النقل وطول السياق ودعم البروتوكولات وطريقة حدوث الأخطاء أكبر
- كثرة المعروض لا تعني كثرة الاستخدام. قد يقدّم النموذج الواحد العديد من المزودين، لكن الاستخدام الفعلي يتركز لدى قلة منهم
- المهمة هي التي تحدد الاختيار. تختلف أطوال الإدخال والإخراج بشكل كبير بين التطبيقات المختلفة، لذا يجب عند اختيار المزود النظر إلى «أي نموذج، وأي مزود، وأي مهمة، وأي وقت»، ولا يمكن الاعتماد على جدول حسب اسم النموذج
حسبت الورقة البحثية أيضًا مثالين: مع تلبية قيود قابلية التنفيذ، وبتوزيع الطلبات على المزودين المناسبين، انخفضت تكلفة Qwen3-32B بنسبة 37.8%؛ وارتفع متوسط معدل النقل لـ DeepSeek-V3.2 بنحو 90% مقارنة بالاتصال المباشر بالمزود الرسمي.
اختبر معرفتكمزودا الخدمة يحددان نفس سعر DeepSeek. هل يمكن القول إنهما متساويان بالنسبة لك؟
- أعرف في أي النواحي الرئيسية يختلف المزودون
الخطوة 1: غربلة الشروط الصارمة أولًا
بعض الشروط إن لم تتحقق تُستبعد مباشرة، دون مقارنة النقاط. توصية الورقة البحثية هي: عندما يتطلب التطبيق صيغة إخراج صارمة أو توافق استدعاء الأدوات، اعتبر هذه شروطًا يجب تلبيتها، لا عناصر لإضافة أو خصم النقاط.
راجع مهمتك بندًا بندًا:
- يدعم صيغة الواجهة المستخدمة في الكود لديك (OpenAI Chat Completions أو Anthropic Messages أو OpenAI Responses)
- طول السياق وأقصى طول للإدخال وأقصى طول للإخراج تكفي أطول طلب لديك
- عند الحاجة إلى التخزين المؤقت، يدعم التخزين المؤقت
ينبغي أن تحصل على: قائمة بالمزودين المرشحين المتبقين.
الخطوة 2: القياس وفق خمسة أبعاد
بعض منصات التقييم تقسّم قدرات المزودين إلى خمسة أبعاد. يمكنك استعارة هذا الإطار واختباره بطلباتك الخاصة:
| البُعد | ماذا يُقاس | كيف يُقاس |
|---|---|---|
| جودة الإجابات | الإجابة حسب التعليمات، أسئلة الاستدلال، الأسئلة المتخصصة، أسئلة النص والصور | استخدم مجموعة التقييم الخاصة بك وسجّل نسبة الإجابات الصحيحة |
| كفاءة الاستجابة | زمن أول استجابة، انتظار المحتوى الرئيسي، سرعة التوليد، إجمالي زمن المهمة | طلبات تدفقية، سجّل زمن أول token وعدد الـ tokens في الثانية |
| التعامل مع الأدوات | اختيار الأداة الصحيحة، استدعاء أدوات متعددة، عدم استخدام الأدوات بشكل خاطئ، المتابعة بعد الحصول على نتائج الأداة | جهّز بعض الطلبات مع تعريفات أدوات وشاهد ما إذا كانت الاستدعاءات صحيحة |
| توافق الصيغة | الالتزام بـ JSON المحدد، عمل المعاملات الشائعة من المحاولة الأولى، القدرة على استخدام المعاملات المعقدة | أرسل معاملات الطلب الحقيقية من الكود الخاص بك |
| إعادة استخدام الذاكرة المؤقتة | إمكانية إصابة الذاكرة المؤقتة بالطلبات المتكررة، نسبة إعادة استخدام المدخلات في المحادثات متعددة الأدوار | أرسل البادئة الطويلة نفسها عدة مرات وراقب الـ tokens المخزنة مؤقتًا في الفاتورة |
عند الاختبار استخدم طلباتك الخاصة: نفس التعليمات، ونفس المعاملات، ونفس إعدادات التدفق، ومن نفس المنطقة.
اختبر معرفتكتطبيقك هو روبوت خدمة عملاء، وكلما طال انتظار المستخدم زاد احتمال مغادرته. أي بعد من الأبعاد الخمسة تنظر إليه أولاً؟
- اختبرت كل مزود خدمة مرشّح باستخدام طلباتي الخاصة
الخطوة 3: اختبر أكثر من مرة
تعتبر الورقة البحثية زمن القياس جزءًا من الخدمة: فزمن الاستجابة والإنتاجية والموثوقية كلها تتغير مع الوقت. إذا اختبرت مرة واحدة فقط، فسترى تلك اللحظة فقط.
- اختبر في الفترات التي تستخدمها فعليًا
- اختبر مرة واحدة على الأقل في عدة أيام وفترات مختلفة
- سجّل عدد مرات انتهاء المهلة والأخطاء، وليس متوسط السرعة فقط
توضح تقارير منصات التقييم عادةً أيضًا: تُعرض آخر عيّنة صالحة فقط، وتتأثر الدرجات بطول المخرجات وإعدادات التفكير وغيرها، فهي للمرجعية فقط. عند الاختبار بنفسك عليك تسجيل هذه الإعدادات أيضًا.
الخطوة 4: ضمّن المخاطر في الحساب أيضًا
تقسّم الورقة البحثية "مخاطر استخدام مزود خدمة واحد" إلى عدة فئات يمكن استخدامها مباشرة كقائمة تحقق:
| المخاطر | ما الذي ستواجهه |
|---|---|
| انتهاء المهلة | تعليق الطلب والحاجة إلى إعادة المحاولة |
| أخطاء الصيغة | فشل تحليل JSON أو استدعاءات الأدوات |
| اقتطاع السياق | اقتطاع المدخلات الطويلة وفقدان معلومات في الإجابة |
| الفوترة | عدم تطابق المبلغ المخصوم فعليًا مع المتوقع |
| انجراف الهوية أو الجودة | تغيّر النموذج الكامن خلف الخدمة، انظر الدرس السابق |
تذكّر الورقة البحثية أيضًا: المقارنة الكاملة لا تنظر إلى التكلفة والسرعة فقط، بل أيضًا إلى تكلفة إعادة المحاولة، ومعدل الفشل، ومعدل الاقتطاع، وتوافق استدعاءات الأدوات وصيغة JSON، وجودة المهمة.
نقاط التحقق
- النموذج نفسه يُعد خدمة مختلفة لدى كل مزود
- الأسعار المعلنة متقاربة، والفروق في زمن الاستجابة والإنتاجية والسياق والبروتوكول وأنماط الأخطاء
- صفِّ الشروط الصارمة أولًا، ثم اختبر وفق الأبعاد الخمسة، وكرر الاختبار في فترات مختلفة
- قائمة المخاطر: انتهاء المهلة، أخطاء الصيغة، الاقتطاع، الفوترة، انجراف الجودة
مفاهيم خاطئة شائعة
"اختيار الأرخص يكفي." الأسعار بين المزودين غالبًا متقاربة. تكلفة إعادة المحاولة بعد الفشل والاقتطاع وأخطاء الصيغة قد تكون أكبر من فروق سعر الوحدة.
"الأسرع في اختبار واحد هو الأسرع دائمًا." السرعة تتغير حسب الفترة الزمنية. إذا اختبرت مرة واحدة فقط، فقد تكون قد اختبرت في وقت كان ذلك المزود فيه خاملاً بالصدفة.
القسم التالي
إذا شعرت أثناء الاستخدام أن النموذج "أصبح أغبى"، فهل هذا حقيقي؟ ما قصة تدهور قدرة النموذج.