في فبراير 2026، طرحت شركة الذكاء الاصطناعي الصينية الناشئة DeepSeek تحديثاً كبيراً لتطبيقها عبر الإنترنت وواجهة الويب الخاصة بها، ما يشير إلى زخم نحو إصدار نموذجها من الجيل التالي، DeepSeek V4. وعلى الرغم من أن التحديث يسبق الإطلاق الكامل لنموذج V4، فقد أشعل بالفعل نقاشاً بين المستخدمين والمراقبين في القطاع بسبب التغييرات في سلوك التفاعل، وقدرات السياق الطويل، والاختبارات التحضيرية لإمكانات مستقبلية.
برزت DeepSeek على الساحة العالمية بإصداراتها السابقة—وخاصة DeepSeek V3.2 وDeepSeek–R1—التي جمعت بين أداء عالٍ في المهام وقابلية توسّع فعّالة من حيث التكلفة. وقد حازت نسخة R1، على وجه الخصوص، اهتماماً دولياً في أوائل 2025 لأنها هزّت الأسواق العالمية وخفّضت أداء أسهم المنافسين، مما أبرز قدرة DeepSeek على إحداث تغيّر جذري.
ما الذي تغيّر بالضبط في تحديث DeepSeek الأخير؟
أي إصدار هذا، وما الذي تغيّر؟
يشمل التحديث الأخير تطبيق DeepSeek عبر الإنترنت وواجهة الويب، لكنه لا يطال نموذج الـ API حتى الآن. ووفقاً لمصادر متعددة:
- يُوصَف التحديث الحالي للتطبيق على نحو أدق بأنه اختبار بنية للسياق الطويل — يتيح لمستخدمي الويب والتطبيق الوصول إلى دعم سياق يصل إلى مليون رمز. وهذا قفزة كبيرة مقارنة بنافذة السياق البالغة نحو ~128 K في عرض واجهة برمجة تطبيقات DeepSeek V3.2.
- تعمل الترقية على زيادة الذاكرة الفعّالة لمحادثة أو مهمة واحدة، ما يسمح للنموذج بأن يتذكر ويعالج قدراً أكبر بكثير من المعلومات. وتشير التقارير إلى أن هذا يعادل فعلياً 10 أضعاف سعة الذاكرة السابقة — وهو اختراق للمنطق متعدد المراحل والعمليات الطويلة الأمد.
- فيما يخص تسمية الإصدار، تشير معظم الإشارات العامة إلى أن هذا التحديث يمثل دفعة تقنية تسبق V4 — وليس بعد الإصدار الرسمي لـ DeepSeek V4، لكنه يمهّد الطريق له بقوة.
تحت الغطاء: ما الذي يقود هذا التغيير؟
تكشف مستودعات DeepSeek على GitHub عن إضافات تحمل معرّفاً داخلياً ("MODEL1")، ما يوحي بوجود بنية نموذج جديدة تختلف عن V3.2. وتشير بنية الشفرة إلى تقنيات لتحسين الذاكرة، وتعزيز دعم FP8، والتوافق مع معماريات وحدات معالجة الرسومات الأحدث من Nvidia — وهي جميعها مكونات أساسية متوقعة في DeepSeek V4.
إضافة إلى ذلك، نشرت DeepSeek أبحاثاً حول "Engram"، وهي وحدة بحث ذاكرية تعيد التفكير في كيفية إدارة النماذج اللغوية الكبيرة للسياقات الطويلة والحقائق الحاسمة. ويبدو أن Engram تتموضع كتقنية تأسيسية للجيل التالي — وربما تمكّن قدرات الذاكرة الممتدة في DeepSeek V4.
تفاعلات المستخدمين
أثار الطرح طيفاً واسعاً من ردود الفعل:
- من جهة، يشعر كثير من المستخدمين بالحماسة تجاه توسعة السياق وإمكاناتها للتفاعلات الأعمق وحل المشكلات الأكثر تعقيداً.
- ومن جهة أخرى، علّق جزء كبير من المستخدمين علناً على تغييرات في النبرة وأسلوب المحادثة، واصفين الردود بأنها أقل تفاعلاً، وأقل تعاطفاً، أو "أبرد" ببساطة مقارنة بالسابق — ما أدى إلى نقاشات واسعة الانتشار على وسائل التواصل.
ويبرز هذا التباين حقيقة مهمة في نشر أنظمة الذكاء الاصطناعي: ترقيات القدرات التقنية قد تعيد تشكيل تجربة المستخدم بطرق غير متوقعة، ما يستدعي تحسينات مت iterative قبل الإصدار النهائي.
ما المزايا الرئيسية لهذا التحديث؟
1. توسعة هائلة للسياق
بدعم يصل إلى مليون رمز من السياق في تفاعل الويب/التطبيق، تصبح DeepSeek من بين القلائل القادرين على فهم شامل بلا تقطيع للنصوص الطويلة، وقواعد الشيفرة، والمستندات القانونية، أو الكتب كاملة في جلسة واحدة. وهذا يحمل آثاراً كبيرة للاستخدام الواقعي، من البحث والكتابة إلى تحليل مستندات المؤسسات.
2. تغييرات في أسلوب التفاعل
أحدث الطرح الأخير تغييرات ملحوظة في نبرة المحادثة لدى DeepSeek. وقد لاحظ كثير من المستخدمين أن التفاعل مع النموذج المحدّث يبدو أكثر حيادية أو "مسطّحاً" — باستخدام مسمّيات عامة مثل "User" بدلاً من الألقاب الشخصية وتقديم ردود أكثر إيجازاً في أوضاع الاستدلال العميق. وقد ولّدت هذه التحولات الأسلوبية ضجة على منصات التواصل، مع إبداء بعض المستخدمين شعوراً بعدم الارتياح أو المفاجأة.
3. تاريخ قطع المعرفة وتحديث السياق
جرى تحديث قاعدة المعرفة في التطبيق لتعكس معلومات حتى مايو 2025، بينما تبقى خدمة الـ API على V3.2 بتاريخ قطع المعرفة السابق. ويوحي هذا الانقسام بأن DeepSeek تجرب تحسينات تدريجية قبل ترقية كاملة لمنصة V4.
4. التحضيرات لدمج V4
هدف استراتيجي واضح لهذا التحديث يتمثل في اختبار البنية الأساسية وتجربة المستخدم تمهيداً لـ DeepSeek V4 القادم. فمن المرجح أن تدعم توسعة السياق وتغييرات الذاكرة اختبار ضغط واقعي للمعماريات قيد التطوير — ما يساعد المطورين على تقييم الأداء والموثوقية والتغذية الراجعة قبل النشر الكامل.
ما الميزات التقنية الجديدة المُدرجة في التحديث وكيف تعمل؟
تفاعلات المستخدمين
أثار الطرح طيفاً واسعاً من ردود الفعل:
- من جهة، يشعر كثير من المستخدمين بالحماسة تجاه توسعة السياق وإمكاناتها للتفاعلات الأعمق وحل المشكلات الأكثر تعقيداً.
- ومن جهة أخرى، علّق جزء كبير من المستخدمين علناً على تغييرات في النبرة وأسلوب المحادثة، واصفين الردود بأنها أقل تفاعلاً، وأقل تعاطفاً، أو "أبرد" ببساطة مقارنة بالسابق — ما أدى إلى نقاشات واسعة الانتشار على وسائل التواصل.
ويبرز هذا التباين حقيقة مهمة في نشر أنظمة الذكاء الاصطناعي: ترقيات القدرات التقنية قد تعيد تشكيل تجربة المستخدم بطرق غير متوقعة، ما يستدعي تحسينات مت iterative قبل الإصدار النهائي.
Engram: ذاكرة مشروطة للاسترجاع الانتقائي
تُعد Engram الفكرة البارزة في التحديث. من الناحية المفاهيمية، هي آلية استرجاع مشروط مُضمّنة داخل بنية النموذج: عندما يحتوي الإدخال على إشارات مرتبطة بإنغرامات مخزنة، يسترجع الشبكة تمثيلات شعاعية مُحتسبة مسبقاً لتكميل (أو أحياناً استبدال) طبقات استدلال مكلفة. والفائدة المعلَن عنها مزدوجة: تقليل الحسابات المتكررة على المعارف الثابتة، وتوفير آلية متينة لتحديث أو تصحيح الذاكرة الواقعية دون إعادة تدريب النموذج كاملاً. تُظهر الملخصات التقنية ومعاينات المطورين أن Engram مُعدّة لكل من معرفة الشيفرة (المكتبات، توقيعات الدوال) والاستدعاء الواقعي عبر المستندات.
mHC (اتصالات فائقة مقيّدة بمتشعّبات)
كما قُدم في المعاينة والملاحظات التقنية الداعمة، فإن mHC هي استراتيجية معمارية تهدف إلى تقييد تفاعلات المعاملات ضمن متشعّبات ذات معنًى. يحدّ هذا القيد من عدد التفعيلات الزوجية التي يجب حسابها، ما يحسّن كفاءة الحوسبة أثناء التدريب والاستدلال. والفكرة النظرية هي الحفاظ على القدرة التعبيرية حيث تهم (المتشعّبات ذات الصلة بالمهام) مع قطع الحسابات المهدورة في أماكن أخرى — لاستثمار أفضل للعتاد نفسه. أوصاف مبكرة تبدو تقنية وواعدة، لكنها تثير أيضاً أسئلة حول التنفيذ والتحقق (انظر أدناه).
انتباه متناثر من DeepSeek (DSA) وسياقات بملايين الرموز
إحدى الادعاءات الملموسة هي دعم سياقات تتجاوز مليون رمز عبر مزيج من تقنيات الانتباه المتناثر ومنطق تشغيل ديناميكي. وإذا تحقق ذلك في الإنتاج، فسيسمح لتمرير استدلال واحد بالنظر في مستودعات كاملة، أو نصوص مطولة، أو ترقيعات متعددة الملفات — وهو دفع لمهام مثل تلخيص قواعد الشيفرة، وإعادة هيكلة متعددة الملفات، ووكلاء المحادثة الطويلة. تقارير المعاينة ومعايير البائعين تُظهر إنتاجية عالية للسياقات الكبيرة وتلمّح إلى مكاسب كفاءة كبيرة مقارنة ببعض المنافسين. ولا يزال التحقق المستقل محدوداً في هذه المرحلة.
ماذا نتوقّع تالياً — وماذا يخبرنا هذا التحديث عن DeepSeek v4؟
الإجابة المختصرة: التحديث العام هو في آنٍ واحد تعزيز وظيفي ومنصة تمهيد لإطلاق أكبر. تشير تقارير القطاع والجدول الزمني الخاص بـ DeepSeek إلى إطلاق وشيك لـ v4 (مستهدفاً نافذة رأس السنة القمرية) سيربط على الأرجح بين ذاكرة طويلة السياق، وبنية ذاكرة متخصصة على غرار Engram، وقدرات مُحسّنة في البرمجة والوكلاء.
فيما يلي توقعات دقيقة، قائمة على الأدلة، لما سيشمله v4 على الأرجح — مستندة إلى إشارات التغيير الحالية وتوقعات القطاع.
التوقّع 1 — ذاكرة أصلية طويلة الأجل واسترجاع مفهرس
بالنظر إلى تجارب التطبيق على سياق بمليون رمز والتركيز الصريح على الوكلاء في V3.2، فمن المرجح أن يقوم v4 بإضفاء الطابع الرسمي على نظام ذاكرة يحتفظ بالمعرفة المفهرسة عبر الجلسات (وليس مجرد سياق مؤقت أكبر). سيجمع هذا النظام الفرعي بين:
- استرجاع كثيف عبر تضمينات مخزنة.
- تقسيم فعّال يوازن بين كمون الاستجابة وتكلفة الرموز.
- طبقة اتساق تصل ما يُسترجع من مقاطع ضمن نافذة السياق الداخلية للنموذج.
إذا نُفّذ، فسيسمح ذلك للوكلاء بالحفاظ على شخصيات مستمرة، وتفضيلات المستخدمين، وتاريخ مشاريع غني دون إعادة إدخال البيانات في كل جلسة.
التوقّع 2 — توليد شيفرة متخصص واستدلال عبر ملفات متعددة
يُرجّح أن تكون براعة التوليد البرمجي أولوية في v4، مع تلميحات إلى تحسينات في النموذج ومعايير الأداء تستهدف سير عمل المطورين. توقّع قدرات أصلية لإعادة هيكلة متعددة الملفات، وتحسين توليد اختبارات الوحدات، وتوليد شيفرة مدرك للأدوات يمكنه التنفيذ، والتقييم، والتكرار على الشيفرة عبر سلاسل أدوات معزولة. هذه بالضبط هي المهام التي تفتحها النماذج طويلة السياق.
التوقّع 3 — تركيز أكبر على سلامة الوكلاء والتحقق
نظراً للتدقيق العام حول ممارسات التدريب، من المرجح أن تعطي DeepSeek الأولوية لقابلية التدقيق: سجلات تدريب قابلة لإعادة الإنتاج، بيانات أوضح حول الأصل، وتدابير أمان محصّنة تُشير إلى الهلوسات أو فجوات الأصل أثناء تفاعلات الأدوات متعددة الخطوات. توقّع ميزات منتج تجعل الأصل مرئياً لعملاء المؤسسات والباحثين.
التوقّع 4 — خارطة طريق تنافسية ونظام شراكات
ستُقرأ خارطة طريق v4 كإشارة سوقية لدى اللاعبين المحليين والعالميين. ومع شحن المنافسين لتحديثات عدوانية (من لاعبين كبار يستهدفون الكفاءة والنشر على الأجهزة المحمولة إلى لاعبين متخصصين يُكثّفون الرهان على النماذج مفتوحة المصدر)، يجب على DeepSeek موازنة الانفتاح وقابلية الدفاع. إذا قدم v4 مكاسب كبيرة بتكلفة أقل، فسيسرّع الاتجاه نحو نماذج عالية الإمكانات منخفضة التكلفة في الصين وخارجها — ومن المحتمل أن يُكثّف التدقيق السياسي عبر الحدود.
خلاصة: قوة متنامية في الذكاء الاصطناعي
يمثّل التحديث الأخير لـ DeepSeek خطوة ذات مغزى نحو تحوّل أوسع في ذكاء الذكاء الاصطناعي. وعلى الرغم من أن الشركة لم تُطلق V4 بالكامل بعد، فإن التحسينات الاستباقية — وخاصة حول طول السياق وإعادة هيكلة التفاعل — تكشف التزاماً بدفع قدرات النماذج اللغوية الكبيرة قدماً. ومع اقتراب V4، تبدو DeepSeek في موقع محوري لتشكيل العصر التالي من الذكاء الاصطناعي واسع النطاق، منخفض التكلفة، عالي الأداء.
يمكن للمطورين الوصول إلى Deepseek API عبر CometAPI الآن. للبدء، استكشف قدرات النموذج في Playground واطّلع على دليل API للتعليمات التفصيلية. قبل الوصول، يُرجى التأكد من تسجيل الدخول إلى CometAPI والحصول على مفتاح API. يقدّم CometAPI سعراً أقل بكثير من السعر الرسمي لمساعدتك على الدمج.
هل أنت جاهز للبدء؟→ سجّل في Deepseek اليوم!
إذا كنت تريد المزيد من النصائح والأدلة والأخبار حول الذكاء الاصطناعي، تابعنا على VK، وX، وDiscord!