تقرير Hugging Face صيف 2026: النماذج المفتوحة بالأرقام، من يقود السباق فعلاً؟

آخر تحديث: أغسطس 2026

ماذا لو كان أهم تغيّر في عالم الذكاء الاصطناعي هذا العام لا يحدث في إعلانات النماذج المغلقة، بل في مستودعات مفتوحة يتنزّلها المطورون ليلاً ونهاراً؟ هذا هو السؤال الذي يجيب عنه تقرير «حالة النماذج المفتوحة صيف 2026» الذي نشرته Hugging Face في 14 أغسطس 2026، وهو تحليل نصف سنوي يغطي الفترة من يناير إلى أغسطس 2026 ويستند إلى بيانات المنصة نفسها: قرابة ثلاثة ملايين مستودع نموذج ومليون مجموعة بيانات. الخلاصة المختصرة: المعسكر الصيني يبني نماذج مفتوحة أكبر بكثير من نظيره الأمريكي، النماذج الصغيرة هي طبقة الاستخدام الفعلية، والإعجاب شيء والاعتماد شيء آخر تماماً. في هذا المقال نفكك أرقام التقرير بالكامل ونترجمها إلى قرارات عملية لمن يبني منتجاً أو يختار نموذجاً لمشروعه القادم.

المصدر: مدونة Hugging Face الرسمية — State of Open Models: Summer 2026

ما هو تقرير حالة النماذج المفتوحة ومن يقف خلفه؟

التقرير إصدار دوري (نصف سنوي) تكتبه Hugging Face، أكبر منصة عالمية لاستضافة النماذج المفتوحة ومجموعات البيانات، وشارك في إعداده هذه المرة باحثون معروفون في المنظومة المفتوحة مثل إيرين سليمان التي تعمل مديرة لسياسات الذكاء الاصطناعي في المنصة. ما يميزه عن مقالات التحليل الصحفي أنه مبني على بيانات تشغيلية حقيقية: أرقام التنزيلات والمستودعات والتفاعل داخل المنصة نفسها خلال الفترة من يناير إلى أغسطس 2026، لا استطلاعات أو انطباعات.

وبينما تغطي وسائل الإعلام عادة سباق النماذج المغلقة واشتراكاتها الشهرية، يلتقط هذا التقرير الطبقة الأهدأ والأعمق: من يبني فعلاً، وعلى أي أحجام نماذج، ومن ينزل المطورون على أجهزتهم. وهذه الطبقة هي التي تحدد على المدى الطوسطبيعة الأدوات التي ستصل إليك أنت كمستخدم نهائي: أسرع، أرخص، وربما تعمل على جهازك دون إنترنت.

للمقارنة مع التغطية السابقة لدينا حول النماذج المفتوحة من ميتا، راجع تحليلنا لنموذج Meta Muse Glimmer مفتوح المصدر بـ 30 مليار معامل، فهو من النماذج التي يذكرها التقرير ضمن عودة ميتا لجذورها المفتوحة.

كم نماذج مفتوحة جديدة ظهرت في 2026؟

الأرقام الإجمالية أولاً، كما وردت حرفياً في التقرير:

المصدر: مجموعات بيانات Hugging Face التوثيقية الرسمية

نصف مليون نموذج جديد في سبعة أشهر رقم يبدو فلكياً، لكن التقرير يضع بجانبه الرقم الذي يكسر البريق: 85.6% من النماذج لديها أقل من 200 تنزيل في حياتها كلها، بينما 1.5% فقط من المستودعات تستحوذ على 99.2% من إجمالي التنزيلات. أي أن المنظومة تنمو شكلاً كهرم ضخم، بينما قمته الفعالة — النماذج التي يستخدمها الناس فعلاً — صغيرة جداً ومركزة.

من يتصدر سباق الحجم: الصين أم أمريكا؟

هنا المفاجأة الكبرى في بيانات التقرير: في كل شهر تقريباً من 2026، كان أكبر نموذج مفتوح من مختبر صيني أكبر حجماً من أي نموذج أطلقه مختبر أمريكي في الشهر نفسه. سقف المعسكر الصيني تراوح بين 754 مليار و2.78 تريليون معامل شهرياً، بينما بقيت النماذج الأمريكية تحت 130 مليار معامل في خمسة من سبعة أشهر، باستثناءين: نيموترون 3 ألترا من إنفيديا (561 مليار) ومايو-مايو يوليو، ونموذج Inkling من مختبر Thinking Machines.

نقطة مهمة قبل الاستنتاجات: التقرير يميز بين نموذجين من الاستراتيجيات، لا بين «جيد وسيئ»:

وراء قدرة المعسكر الأول على القفز للقمة مباشرة، يذكر التقرير عاملين: أن بناء النموذج الضخم لم يعد عامل تمييز بحد ذاته (شاومي وميتوان تجاوزا حاجز التريليون معامل هذا العام ولم يكونا اسمين معروفين في عالم الأوزان المفتوحة قبل اثني عشر شهراً)، وأن طبقة التكميم المجتمعية تجعل النموذج الضخم قابلاً للتشغيل خلال أيام من إصداره — موضوع يستحق وقفة منفصلة أدناه.

المصدر: مجموعات بيانات Hugging Face التوثيقية الرسمية

هل معنى هذا أن أمريكا غابت عن المصادر المفتوحة؟

لا، والرقم التالي في التقرير يقلب الصورة: أكبر ناشرين للنماذج المفتوحة الجديدة هذا العام أمريكيان وهما صانعا العتاد نفسهما — AMD وNVIDIA، بأكثر من 200 مستودع نموذج جديد لكل منهما، وبفارق كبير عن الثالث LiquidAI بحوالي 100 مستودع. صانعو الرقائق اكتشفوا أن النموذج المحسّن لعتادك والمتاح مجاناً هو أوضح إثبات أن العتاد يعمل.

كذلك يرصد التقرير تفصيلاً دقيقاً: بعض الإصدارات الأمريكية الضخمة (فوق 100 مليار معامل) مبنية فوق نماذج صينية أو تستفيد من مخرجات مختبرات صينية — مثال Inkling من Thinking Machines بسعة 952 مليار معامل — بينما الإصدارات الأمريكية الأصلية الكبيرة تشمل نيموترون 3 ألترا (561 مليار) ونيموترون 3 سوبر (124 مليار) وTrinity-Large من Arcee AI (399 مليار). وقد تحدثنا سابقاً عن عائلة نيموترون العملية في تغطيتنا لنموذج Nvidia Nemotron 3.5 Lightning مفتوح المصدر للوكلاء.

الترجمة الاقتصادية لهذه الحركة: المنافسة انتقلت من «من يملك أفضل نموذج» إلى «من يملك طبقة التوزيع والتشغيل»، والأمريكيون يلعبونها عبر العتاد والتحسين والتكميم، والصينيون عبر الحجم الأمامي والطيف الكامل. المطور الرابح هو من يفهم أنه يستطيع الجمع بين الاثنين بحرية.

ما الفرق بين الشهرة والاستخدام الفعلي؟

أجمل ملاحظات التقرير عنوانها الصريح: الانتباه لا يساوي التبني. قارن الباحثون قائمة أفضل 25 مستودعاً حسب التنزيلات لهذا العام بأفضل 25 حسب الإعجابات، فوجدوا أن مستودعاً واحداً فقط يظهر في القائمتين معاً. نموذج يتصدّر نقاشات مواقع التواصل قد لا يلمسه أحد في الإنتاج، ونموذج تعتمد عليه آلاف التطبيقات قد لا يظهر في أي ترند.

المصدر: مجموعات بيانات Hugging Face التوثيقية الرسمية

لماذا يهمك هذا عملياً؟ لأن اختيار نموذج لمشروعك بناء على ضجة الإطلاق خطأ تكلفة حقيقية: تتبنى نموذجاً «رائجاً» ثم تكتشف بعد أسابيع أن لا مجتمع أدوات حوله ولا نسخ مكمّمة مستقرة ولا توثيق ناضج. المعيار الأصدق: حجم التنزيلات النشطة، حداثة التحديثات، ووجود اشتقاقات (fine-tunes) مجتمعية حية — وهي إشارات تظهر بوضوح في صفحة أي نموذج على المنصة.

لماذا صارت Qwen نموذج المجتمع الأساسي؟

من نتائج التقرير أن عائلة Qwen من علي بابا صارت النموذج الأساسي الذي يبني عليه المجتمع: عدد الاشتقاقات والنماذج المبنية فوقها يتقدم العائلات الأخرى، والسبب منطقي تماماً — هي المحفظة الوحيدة من الطرفين الصيني والأمريكي التي تغطي كل الأحجام من أقل من مليار معامل حتى القمة، ما يجعلها خياراً آمناً للمطور أياً كان حجم هدفه. وقد رأينا نماذج ذلك عملياً في تغطيتنا لـQwen 3.8-Max من Alibaba بـ 2.4 تريليون معامل وللنموذج المفتوح Qwen3.8-27B الأقوى في البرمجة المجانية.

ماذا يعني هذا لك؟ قرارات عملية من التقرير

• لمؤسس شركة أو مدير تقني: لا تختر نموذجاً، اختر طيفاً. محفظة كاملة الطيف (مثل Qwen) تعطيك مسار ترقية من النموذج الصغير على جهاز الاختبار إلى الضخم في الإنتاج دون إعادة كتابة. ومن يبني منتجاً عربياً، فاختبر دعم العربية بنفسك على عينة أسئلتك الحقيقية — التقارير العامة لا تحسم هذا البند.
• للمطور المستقل: النماذج الصغيرة هي الطبقة العملية كما يقول التقرير حرفياً — ابدأ بنموذج تحت 10 مليارات معامل يجري على جهازك أو على وحدات معالجة رسومية رخيصة، وتوسع فقط عندما يثبت المنتج نفسه. طبقة التكميم المجتمعية تتيح لك تجربة العمالقة بتكلفة زهيدة.
• للباحث الأكاديمي: مليون مجموعة بيانات علنية الآن على المنصة، والفجوة بين ما يُنشر وما يُستخدم فرصة بحثية بحد ذاتها: لماذا يستقر الاعتماد على 1.5% من المستودعات؟ ما سمات النماذج التي تعبر من الشهرة إلى الإنتاج؟
• للمستثمر والمحلل: قوة صانعي الرقائق في قائمة النشر (AMD وNVIDIA أمام مختبرات الذكاء الاصطناعي نفسها) إشارة إلى أين تستقر القيمة الفعلية في سلسلة المنظومة المفتوحة: العتاد وطبقة التشغيل، لا الأوزان وحدها.
• للمستخدم النهائي غير التقني: كل هذا يعني أن الأدوات المدفوعة التي تستخدمها يومياً — من محررات الكتابة إلى مساعدي البرمجة — ستصبح أرخص تشغيلاً وأكثر خصوصية (تشغيل محلي) خلال أشهر، لأن طبقة النماذج المجانية تتحسن بهذا الإيقاع. وإن كنت تستخدم أكثر من مساعد مدفوع وتريد خفض تكلفتك، ألق نظرة على اشتراكات الذكاء الاصطناعي المشتركة في متجر Truescho بأسعار مخفضة عن الرسمية.

مقارنة سريعة: النماذج المفتوحة مقابل المغلقة في 2026

والقرار العملي ليس معسكراً بل هجيناً: كثيرون يبنون النموذج الأولي على المغلق لسرعته، ثم ينقلون الإنتاج إلى المفتوح عندما يستقر المنتج — أو العكس عندما يحتاجون أحدث قدرة عاجلاً. من يفهم الطبقتين معاً يوفر أكثر.

ما الذي لم يشرحه التقرير؟ (حدود القراءة)

• أرقام المنصة تعكس بيئة Hugging Face تحديداً؛ هناك نماذج مفتوحة تُوزع عبر قنوات أخرى (GitHub مثلاً) لا تظهر كاملة هنا.
• حجم المعاملات ليس مؤشر جودة: نموذج ضخم مدرّب ببيانات أقل قد يخسر أمام نموذج أصغر مدرّباً أفضل، والتقرير نفسه ينبه إلى أن ملف الحجم «بيان نوايا أكثر منه بيان قدرة».
• التنزيلات تقيس الاهتمام التقني لا الاستخدام الإنتاجي المضمون؛ النسخة التجارية عبر واجهات برمجية رسمية رقم منفصل تماماً.
• التقرير لا يقيّم دعم اللغات — وبالنسبة لنا نحن المستخدمين العرب هذا البند الأهم، ويحتاج اختباراً ذاتياً على مهامك العربية الفعلية.

الأسئلة الشائعة

ما هي النماذج المفتوحة المصدر في الذكاء الاصطناعي؟

هي نماذج تنشر أوزانها المدرّبة للعموم، فيستطيع أي مطور تنزيلها وتشغيلها وتعديلها بدل الاكتفاء باستدعائها عبر خدمة صاحبها مقابل رسوم. الأشهر عالمياً عائلات Qwen وLlama وNemotron وMistral المفتوحة، وتُستضاف معظمها على منصة Hugging Face التي أصدرت هذا التقرير.

من يتصدر النماذج المفتوحة في 2026؟

وفق تقرير Hugging Face صيف 2026، المختبرات الصينية تتصدر أحجام القمة (سقف شهري بين 754 مليار و2.78 تريليون معامل)، بينما AMD وNVIDIA هما أكبر ناشرين بعدد المستودعات الجديدة، وعائلة Qwen من علي بابا هي الأكثر اعتماداً كمودع أساسي للمجتمع لكونها تغطي كل الأحجام.

لماذا النماذج الصينية المفتوحة أكبر حجماً من الأمريكية؟

لأن استراتيجيتها مختلفة: مختبرات مثل Moonshot وXiaomi وZ.ai تركز على الواجهة الأمامية الضخمة فقط لتحقيق مواقع متقدمة في المقاييس وطلب الواجهات البرمجية، بينما تتكفل طبقة التكميم المجتمعية بجعل نماذجها قابلة للتشغيل على أجهزة أصغر. في المقابل، الأمريكيون — خاصة صانعي الرقائق — ينشرون عدداً أكبر من النماذج المتوسطة والمحسّنة للعتاد.

ما هو تكميم النماذج ولماذا هو مهم؟

التكميم تقنية تقلل دقة الأرقام الداخلية للنموذج (مثلاً من 16 بت إلى 4 بت) فيصغر حجمه ويعمل على عتاد أضعف بكثير مع فقد جودة محدود. أهميته أنه يحوّل النماذج الضخمة من «تتطلب مركز بيانات» إلى «تعمل على حاسوب مكتبي» خلال أيام من إصدارها، وهو ما جعل استراتيجية النماذج الضخمة المفتوحة ممكنة أصلاً.

كيف أختار نموذجاً مفتوحاً لمشروعي عملياً؟

قاعدة عملية من ثلاث خطوات: أولاً حدد ميزانية التشغيل (جهازك؟ خادم مخصص؟ سحابة؟) فهي تحدد سقف الحجم. ثانياً افتح صفحة المرشح على المنصة وتحقق من ثلاث إشارات: تنزيلات نشطة الشهر الحالي، تاريخ آخر تحديث، وعدد الاشتقاقات المجتمعية — لا الإعجابات. ثالثاً اختبر على عينة من أسئلة مشروعك الحقيقية (عربية إن كان جمهورك عربياً) وقيّم الجودة بنفسك قبل أي التزام طويل.

هل النموذج المفتوح مناسب لمشروعي التجاري؟

غالباً نعم عندما تحتاج خصوصية بيانات، أو تكلفة تشغيل مستقرة عند أحجام استخدام كبيرة، أو تخصيصاً عميقاً لمجالك. وقد يناسبك المغلق أكثر إذا كنت تحتاج أحدث قدرة فور صدورها أو فريقك صغير بلا خبرة تشغيل. الاختبار العملي: ابدأ بنموذج مفتوح صغير على بياناتك، وقارن جودة النتائج وتكلفتها الفعلية ببديلك المغلق قبل الحسم.

باختصار: التقرير يقول إن منظومة النماذج المفتوحة لم تعد بديلاً فقيراً عن المغلق، بل طبقة بنيوية كاملة بأحجام وقنوات وقواعد لعبة خاصة — من يتعلم قراءة أرقامها اليوم (التنزيلات لا الإعجابات، الطيف لا القمة، التكميم لا الحجم الخام) سيبني قراراته التقنية على أرض أصلب من ضجيج الإطلاقات.

المصادر

• Hugging Face Blog — State of Open Models: Summer 2026 Observations — التقرير الأصلي كاملاً بالبيانات
• مدونة جوجل — تجاوز Gemini مليار مستخدم شهرياً — سياق المنافسة مع النماذج المغلقة
• مدونة OpenAI — Advancing the price-performance frontier with GPT-5.6 — مثال الجبهة المقابلة (النماذج المغلقة التجارية)