DeepSeek-V4.1-Flash يقترب من كبرى النماذج: معمارية جديدة وأداء أعلى بتكلفة أقل
أطلقت شركة ديب سيك (DeepSeek) الصينية رسمياً نموذجها الذكي الحديث DeepSeek-V4.1-Flash، معلنة دمج المعالجة البصرية الأصلية ضمن أصغر نماذج جيلها المعماري الجديد، وهبوط أسعار واجهات البرمجة بنسب قياسية وصلت إلى 60% لمدخلات الذاكرة المخبأة. وأفادت البيانات التقنية الصادرة عن الشركة في العاشر من سبتمبر 2026 بأن النظام الجديد يعتمد على معمارية مبتكرة غير متماثلة تدمج 552 مليار معلمة، وتضغط استهلاك الذاكرة السريعة بمقدار أربعة أضعاف مقارنة بالإصدار السابق. وتزامن هذا الإعلان مع تقارير دولية كشفت عن بدء الشركة تحضيرات مكثفة لطرح أسهمها في بورصة شنغهاي عبر سوق ستار المالي وسط تقارير عن جولة تمويل قد ترفع تقييم الشركة إلى نحو 500 مليار يوان صيني، بالتزامن مع قرار رسمي بإحالة نموذج V4-Pro إلى التقاعد عقب إعلان الشركة تفوق الإصدار الحديث عليه في الأداء والسرعة والتكلفة التشغيلية الإجمالية.
المعمارية الجديدة: كيف قسمت DeepSeek المعالجة بين مرحلتي الإدخال والإخراج؟
في خطوة هندسية غير مسبوقة، تخلت ديب سيك عن الهياكل التقليدية لصالح معمارية حديثة تجمع بين المشفر السببي وفك التشفير (Causal Encoder-Decoder)، مستلهمة أفكار تصميم YOCO. واعتمدت هذه البنية على توزيع 40 طبقة برمجية بالتساوي؛ 20 طبقة لعمليات التشفير واستقبال المدخلات، و20 طبقة لفك التشفير وتوليد المخرجات، مع دمج 552 مليار معلمة في الهيكل الأساسي، ووجود وحدة ذاكرة شرطية (Engram) بحجم 196 مليار معلمة موزعة على طبقات مخصصة لها داخل النموذج.
الميزة الجوهرية في هذه المعمارية تكمن في غياب التماثل بين المدخلات والمخرجات. فعند استقبال المدخلات الطويلة، يقف استهلاك المعلمات عند حاجز 8 مليارات معلمة فقط لكل رمز، في حين ترتفع المعلمات النشطة إلى 16 مليار معلمة أثناء توليد الإجابات. هذا التوزيع الذكي يخدم مهام الوكلاء المستقلين الذين يقضون معظم وقت التشغيل في قراءة مستودعات الأكواد، وسجلات المحادثات، والوثائق الطويلة، قبل إصدار تعليمات برمجية محددة ومختصرة.
من جانب آخر، ألغت هذه المعمارية حاجة وحدة فك التشفير إلى حساب ذاكرة سياق عامة خاصة بها؛ إذ تعتمد طبقات التوليد على الحالة الخفية النهائية القادمة من المشفر عبر أوزان إسقاط مخصصة لكل طبقة. وقاد هذا التصميم إلى خفض كبير في تكلفة الحساب أثناء مرحلة الإدخال، الأمر الذي يخدم كفاءة تشغيل المهام ذات السياقات الطويلة وصولاً إلى سياق المليون رمز.
كيف تخفض البنية الجديدة استهلاك الذاكرة في السياقات الطويلة؟
واجهت نماذج الذكاء الاصطناعي طويلاً عقبة تراكم ذاكرة السياق المخبأة (KV Cache)، والتي تستنزف الذاكرة العشوائية فائقة السرعة (HBM) ومساحات التخزين الصلبة (SSD) لدى تشغيل النوافذ المليونية. وجاء إصدار DeepSeek-V4.1-Flash ليقدم حلولاً جذرية خفضت حجم ذاكرة التخزين المؤقت للرمز الواحد إلى 890 بايت فقط، وهو رقم يقل بمقدار 437 ضعفاً عن استهلاك الجيل الأول DeepSeek-V1، ويهبط إلى ربع مساحة الإصدار السابق V4-Flash.
واعتمدت الشركة على الجيل الثاني من الانتباه المتناثر المضغوط (CSA2)، حيث وزعت الطبقات بين ثلاثة أنماط عمل ثابتة:
- نمط الحساب الشامل (Full): يبني الذاكرة الرئيسية ويبدأ عملية الفهرسة الأولى. وتعتمد آلية الفهرسة الهرمية على حصر البحث ضمن مجموعة مرشحين تصل إلى 512 موقعاً لتقليص نطاق البحث في الطبقات اللاحقة.
- نمط إعادة الفهرسة (Reindex): يستند إلى الذاكرة الرئيسية للطبقة الشاملة السابقة مع إعادة تقييم الأوزان فقط.
- نمط إعادة الاستخدام (Reuse): يعتمد كلياً على الذاكرة والفهارس الجاهزة، متجاوزاً العمليات الحسابية المعقدة.
وعلاوة على ذلك، اعتمدت ديب سيك صيغة التكميم الرقمي الدقيق FP4 (بتنسيق E2M1) لتخزين الذاكرة الرئيسية بدلاً من صيغة FP8 السابقة، ونقلت ذاكرة الانتباه ذات النافذة المنزلقة (128 رمزاً) إلى ذاكرة الخادم المشتركة (Host DRAM) مع زمن بقاء مؤقت. وقاد هذا المزيج التقني إلى تقليص استهلاك ذاكرة البطاقات الرسومية السريعة إلى الربع، وخفض سعة التخزين الدائم إلى الثمن مقارنة بالإصدار السابق.
فهم الصور داخل النموذج ودعم سياق يصل إلى مليون رمز
شهد هذا الإصدار خطوة استراتيجية تمثلت في دمج قدرات الفهم البصري متعدد الوسائط بصورة أصلية ومباشرة داخل النموذج الأساسي، بعد أن كانت قدرات الرؤية متاحة عبر إصدار تجريبي منفصل هو V4 Flash Vision Exp.
وتسمح هذه الإمكانات الموحدة للوكلاء الأذكياء بقراءة الشفرات البرمجية وفحص لقطات واجهات المستخدم وتحليل المخططات الهندسية بالتزامن دون الحاجة للتبديل بين نماذج متعددة. ويدعم النظام إدخال المستندات والصور عبر روابط الويب المباشرة أو من خلال واجهة رفع الملفات (Files API).
وفي هذا السياق، يقدم النموذج تحكماً مستمراً ومرناً في جهد الاستدلال والتفكير المنطقي؛ إذ يستطيع المطور تعديل كثافة التفكير بحرية وفق متطلبات كل مهمة، واضعاً التوازن الدقيق بين الدقة المنطقية وسرعة الإنجاز واستهلاك الرموز.
كيف جاءت نتائج الاختبارات أمام النماذج المنافسة؟
خضع DeepSeek-V4.1-Flash لعمليات تدريب تأسيسي ضخمة شملت 45 تريليون رمز متعدد الوسائط، مع تدريب آلية الانتباه المتناثر أولاً على سياقات بطول 64 ألف رمز قبل تمديد السياق إلى مليون رمز، تلتها مرحلة تدريب لاحق بالتعلم المعزز عبر أطر عمل متنوعة شملت Claude Code وCodex وOpenCode ومنظومة DeepSeek Harness.
وكشفت الاختبارات القياسية عن نتائج متقدمة للنموذج في بيئات البرمجة والأتمتة المستقلة مقارنة بأقوى المنافسين عالمياً:
- في اختبار DeepSWE v1.1 المخصص لحل المشكلات البرمجية داخل مستودعات غيت هاب، سجل النموذج 74.2%، متقدماً على نموذج Opus-5 التابع لشركة أنثروبيك (74.0%) ونموذج GPT-5.6 Sol التابع لشركة أوبن إيه آي (73.0%)، ومتجاوزاً نتيجة V4-Flash السابق البالغة 54.4%.
- في اختبار Terminal-Bench 2.1 لقياس مهارات العمل عبر سطر الأوامر، حقق النموذج 90.6 نقطة مقارنة بنحو 82.7 نقطة للإصدار السابق، متقدماً كذلك على Opus-5 (89.1) وGPT-5.6 Sol (88.8).
- في اختبار Automation-Bench ارتفعت النتيجة من 37.7% إلى 54.8%، وسجل النموذج تقييم 3471 نقطة في منصة Codeforces التنافسية، محرزاً 65.6 نقطة في اختبار MathArena Apex.
- في اختبار الفحص السيبراني CyberGym حقق النموذج 88.1% متجاوزاً سلفه V4-Pro الذي توقف عند 83.3%.
رغم ذلك، لا تعني هذه النتائج أن النموذج الصيني تفوق في كل الميادين بلا استثناء؛ ففي اختبار Terminal-Bench 4.0 شديد التعقيد، سجل النموذج 31.2% متخلفاً عن Opus-5 الذي حقق 51.8% وعن GPT-5.6 Sol الذي بلغ 39.9%.
كذلك سجل النموذج في اختبار ProgramBench نسبة 20.3%، وهي نتيجة تتجاوز إصدار V4-Pro السابق البالغ 15.5%، لكنها تبقى أدنى من نتائج النماذج الاحتكارية الكبرى مثل GPT-5.6 Sol (23.0%) وOpus-5 (37.0%).
لذلك فإن التوصيف الأدق ليس أن V4.1-Flash اكتسح الساحة بالكامل، بل إنه استطاع مزاحمة أعتى النماذج الاحتكارية في صلب مهام هندسة البرمجيات، متفوقاً عليها في سيناريوهات عديدة بتكلفة تشغيلية أقل بكثير.
DeepSeek Harness يدعم قدرات البرمجة والعمل الوكيلي
ترافق إطلاق النموذج مع تحديثات ضمن خط الإصدارات التطويري لمنظومة DeepSeek Harness (مثل الإصدار v0.1.5)، حيث شهد النموذج تدريباً مخصصاً للتوافق مع أنماط العمل القياسية، واستدعاء الأدوات البرمجي (Programmatic Tool Calling)، والوضع المبسط.
وتقدم المنظومة ميزة هندسية بالغة الأهمية تسمح بتحديث توجيهات النظام الأساسية (System Prompt) دون فقدان كاش الذاكرة المحسوب سابقاً، الأمر الذي يمنع الهدر المالي عند إعادة ضبط قواعد العمل للمهام الطويلة.
وعلى صعيد التعاون الجماعي للأنظمة الذكية، قدمت البيئة خاصية تجريبية تتيح إنشاء فرق عمل من الوكلاء (Agent Teams)؛ حيث يتولى وكيل رئيسي توزيع المهام وتتبع الإنجاز عبر جدول أعمال مشترك، مع تبادل الرسائل والتنسيق الآلي قبل تقديم التقرير الختامي للمستخدم. وتدعم الواجهة استعراض الملفات بمختلف الصيغ البرمجية والمكتبية لتقديم تجربة تطوير متكاملة، إلى جانب شراكات تكامل رسمية مع منصات Tencent WorkBuddy وCodeBuddy وOpenCode.
أسعار أقل لواجهات الاستخدام.. كم يبلغ حجم التوفير الفعلي؟
ترجمت ديب سيك كفاءتها المعمارية إلى خفض غير مسبوق في تسعير واجهات الاستخدام البرمجية (API)، واعتمدت الشركة نظام التسعير المتفاوت بين فترات الذروة والفترات الهادئة لتشجيع جدولة الأعمال خارج أوقات الضغط.
وحددت الشركة فترات الذروة بين التاسعة صباحاً والثانية عشرة ظهراً، وبين الثانية بعد الظهر والسادسة مساءً من الإثنين إلى الجمعة بتوقيت بكين، مانحة خصماً بنسبة 50% خارج تلك الأوقات.
وانخفض سعر قراءة المدخلات المحفوظة في كاش الذاكرة بنسبة 60% ليصل إلى 0.02 يوان لكل مليون رمز في الأوقات الهادئة، و0.04 يوان في أوقات الذروة. كذلك تراجع سعر المدخلات الجديدة غير المخبأة بنسبة 33.3% ليصل إلى يوان واحد في أوقات الهدوء (ويوانين في الذروة)، وانخفض سعر رموز المخرجات بنسبة 11.1% ليصل إلى 4 يوانات (و8 يوانات في الذروة).
هذه الأرقام تكتسب أهمية كبرى في بيئات الوكلاء الأذكياء؛ فالوكيل يقرأ السياق التاريخي وقواعد الأدوات والتعليمات مرات متتالية في المهمة الواحدة. وفي حسبة تطبيقية: مهمة تستهلك مليون رمز مخبأ، و100 ألف رمز مدخلات جديدة، و10 آلاف رمز مخرجات، انخفضت تكلفتها الإجمالية في الأوقات الهادئة من 0.245 يوان إلى 0.160 يوان، مسجلة وفراً يقترب من 34.7%.
كيف يتأثر مستخدمو V4-Pro بعد 14 سبتمبر؟
اتخذت الشركة قراراً تقنياً حاسماً بإحالة نموذجها السابق V4-Pro إلى التقاعد الكامل، بعد أن أظهرت الاختبارات الشاملة تفوق V4.1-Flash عليه في السرعة والدقة والتكلفة الإجمالية.
وأعلنت ديب سيك بدء إعادة توجيه كافة الطلبات الواردة إلى معرف deepseek-v4-pro نحو النموذج الحديث V4.1-Flash انطلاقاً من 14 سبتمبر 2026 في تمام الساعة 04:00 بتوقيت غرينتش (12:00 ظهراً بتوقيت بكين)، مع محاسبة المستخدمين بتسعيرة Flash المخفضة لحين طرح إصدار V4.1-Pro المرتقب. كما أغلقت الشركة المعرفات التجريبية القديمة ودمجت خدماتها تحت اسم موحد عبر الواجهات المتوافقة مع OpenAI ومعايير Anthropic.
DeepSeek تستعد لخطوة جديدة في سوق الأسهم
تزامن هذا التطور التقني مع تحركات مالية واسعة كشفت عنها وكالة رويترز للأنباء؛ حيث بدأت ديب سيك إجراءات الاستعداد لطرح أسهمها للاكتتاب العام الأولي في سوق ستار المالي (STAR Market) المخصص لشركات التكنولوجيا في بورصة شنغهاي.
وتعاقدت الشركة مع بنك الاستثمار الصيني سيتيك للأوراق المالية (CITIC Securities) لبدء أعمال الإرشاد والتأهيل للإدراج، وسط تقارير عن جولة تمويل جديدة قد ترفع تقييم الشركة إلى نحو 500 مليار يوان صيني (أي قرابة 75 مليار دولار أمريكي وفق التقديرات المصرفية المتداولة). ويعكس هذا الاهتمام المالي، الذي أعقب جولة تمويلية سابقة جمعت فيها الشركة نحو 7.4 مليار دولار، رغبة المستثمرين في دعم الحلول البرمجية عالية الكفاءة ومنخفضة التكلفة.
أين يتفوق النموذج وأين تظهر حدوده؟
تقتضي النظرة الموضوعية فحص مواضع النقص بجانب مواضع القوة؛ فالنموذج حقق اختراقات ملموسة في البرمجة وإدارة الذاكرة، لكنه لا يزال يواجه فوارق واضحة في بعض الميادين التجريدية.
ففي اختبارات العلوم المعقدة والاستدلال الأكاديمي فائق الصعوبة مثل GPQA Diamond، سجل النموذج 90.9%، متأخراً عن نماذج القمة مثل GPT-5.6 Sol الذي حقق 94.1% ونموذج Opus-5 الذي سجل 93.4%.
أما على صعيد الاختبارات البصرية، تكشف النتائج أن النموذج لا يتصدر كافة التحديات متعددة الوسائط؛ إذ سجل 89.6% في اختبار BabyVision و78.9% في اختبار Chartography، في حين حققت نماذج متخصصة أخرى أرقاماً متقدمة في هذه المسارات.
نموذج مفتوح جاهز للتشغيل المحلي
على عكس العديد من الشركات التي تفرض قيوداً متزايدة على إصداراتها، طرحت ديب سيك ملفات النموذج الكاملة عبر منصة Hugging Face تحت رخصة MIT الحرة بالكامل.
ويسمح هذا الترخيص للباحثين والشركات بتعديل النموذج وتشغيله محلياً عبر مكتبات vLLM وSGLang وTransformers دون عوائق قانونية. وفي هذا الإطار، وجهت الشركة دعوة للمؤسسات الراغبة في بناء مراكز استدلال ضخمة تتضمن 2000 معالج رسومي مع مصفوفات تخزين مخصصة للتواصل المباشر بغرض تطوير خيارات التشغيل الموسع. ورسخ هذا المسار موقع ديب سيك كداعم رئيسي لحركة البرمجيات المفتوحة دولياً.
الخلاصة: هل يعكس V4.1-Flash تطوراً حقيقياً؟
برز DeepSeek-V4.1-Flash كأحد أبرز الإصدارات الحديثة في ميدان النماذج الموجهة للبرمجة والوكلاء الأذكياء خلال العام الحالي. القفزة التي سجلها في كفاءة استهلاك الذاكرة وتخفيض تكلفة الكاش بنسبة 60% تضعه في موقع تنافسي فريد، خاصة مع تفوقه في اختبارات البرمجة والعمل الوكيلي واعتماده رخصة MIT المفتوحة.
لكن يجب تجنب الاندفاع وراء الحماس دون تدقيق؛ فالنموذج يشهد حدوداً واضحة في المهام العلمية فائقة التجريد وبعض اختبارات الرؤية المتخصصة، وتتطلب نتائج الإطلاق إخضاعها لتجارب مستقلة واسعة النطاق من قبل مجتمع المطورين لإثبات ثباتها عبر مختلف بيئات العمل الواقعية.
وفي المحصلة، أثبت هذا الإصدار أن خفض تكلفة السياق وإتقان التدريب كفيل بتقليص المسافة مع أكبر العمالقة، واضعاً معياراً اقتصادياً وتقنياً جديداً لكل من يسعى لتشغيل وكلاء أذكياء للمستقبل.
