مقارنة MiniMax M3 وKimi K2.7 Code وNemotron 3 Ultra: أفضل نماذج الذكاء الاصطناعي مفتوحة الأوزان في 2026

ثلاثة نماذج ضخمة مفتوحة الأوزان صدرت في غضون أسبوعين من بعضها. أحدها من شركة ناشئة في شنغهاي لم يكن أحد خارج أوساط الذكاء الاصطناعي يعرفها قبل عام. وآخر من أكثر مختبرات الذكاء الاصطناعي متابعةً في بكين. والثالث من الشركة التي تصنع الرقائق التي يشغّل عليها الجميع نماذجهم. كل واحد منها يراهن رهانًا مختلفًا على ما يهم أكثر في وكلاء الذكاء الاصطناعي اليوم — وكلها تستحق انتباهك الجدي.

---

---

لماذا تهم هذه المقارنة الآن

إذا كنت تتابع مجال الذكاء الاصطناعي مفتوح الأوزان خلال الأشهر الستة الماضية، فأنت تعرف بالفعل أن القصة تتقدم أسرع مما توقع أي أحد. القدرات نفسها التي كانت تتطلب قبل اثني عشر شهرًا اشتراكًا في Claude Opus بـ 15 دولارًا لكل مليون رمز أصبحت الآن متاحة كأوزان قابلة للتنزيل تشغّلها على خوادمك.

لكن يونيو 2026 كان شيئًا آخر تمامًا. في غضون اثني عشر يومًا، صدرت ثلاث إصدارات كبيرة مفتوحة الأوزان في أيام قليلة من بعضها: MiniMax M3 في 1 يونيو، Nemotron 3 Ultra في 4 يونيو، و— حرفيًا أمس — Kimi K2.7 Code في 12 يونيو. ومجتمعةً، تمثل على الأرجح أهم فترة أسبوعين في تاريخ الذكاء الاصطناعي مفتوح المصدر، وكل واحد منها يراهن رهانًا معماريًا وفلسفيًا مختلفًا على ما يحتاج الجيل القادم من وكلاء الذكاء الاصطناعي إلى فعله.

هذه ليست مجرد جولة على معايير القياس. سننظر في كيف تتصرف هذه النماذج فعليًا في الإنتاج: كيف تؤدي في أطر عمل الوكلاء التي يستخدمها المطورون حقًا — OpenClaw وHermes Agent وسير عمل VIBE Coding الشائع بشكل متزايد — وأين سيوفر لك كل نموذج مالًا أو وقتًا مقابل أين سيخذلك بهدوء.

لنبدأ بمن تكون هذه النماذج فعليًا.

---

المنافسون في لمحة

قبل التعمق، إليك ملخص 30 ثانية لما هو كل نموذج ولماذا وُجد:

MiniMax M3 هو محاولة MiniMax ومقرها شنغهاي أن تكون أول نموذج مفتوح الأوزان يجمع فعليًا ثلاثة أمور في وقت واحد: أداء برمجي بمستوى الحدود المتقدمة، ونافذة سياق بمليون رمز، وتعدد وسائط أصلي — بما في ذلك الصور والفيديو والتحكم في حاسوب مكتبي. ويأتي بترخيص أوزان مفتوحة وبسعر اشتراك يبدأ من 20 دولارًا شهريًا.

Kimi K2.7 Code هو الإصدار الرئيسي الخامس لـ Moonshot AI (بكين) في أقل من عام — ترقية برمجية مركّزة على هدف محدد للنموذج K2.6 المثير للإعجاب أصلًا، تقلّل استخدام رموز الاستدلال بنحو 30% مع دفع معايير الوكلاء الرئيسية أعلى بدرجة ملموسة. وصدر على Hugging Face أمس بترخيص MIT معدّل، بسعر 0.95/4.00 دولار لكل مليون رمز.

Nemotron 3 Ultra هو جواب NVIDIA على السؤال: ماذا لو صنع صانع الرقائق النموذج أيضًا؟ بـ 550 مليار معامل، هو أقدر نموذج مفتوح الأوزان يخرج من مختبر مقره الولايات المتحدة، بدرجة 47.7 على مؤشر الذكاء من Artificial Analysis — درجة تضعه في المرتبة نفسها مع Claude Opus 4.6 وKimi K2.6. وصدر في 4 يونيو بترخيص OpenMDW-1.1 التابع لمؤسسة Linux Foundation.

ثلاثة نماذج. ثلاث قصص أصل مختلفة جدًا. وكلها تستحق التشغيل.

---

MiniMax M3

من صنعه ولماذا

MiniMax ليست اسمًا مألوفًا لمعظم الناس خارج أوساط الذكاء الاصطناعي، لكن داخل هذه الأوساط أصبحت الشركة ومقرها شنغهاي يصعب تجاهلها بشكل متزايد. أُدرجت في بورصة هونغ كونغ في يناير 2026، وظلت تبني نحو M3 قرابة عام كامل. العرض طموح إلى حد يكاد يكون عدوانيًا: يُقدَّم M3 بوصفه أول نموذج مفتوح الأوزان يجمع البرمجة المتقدمة ونافذة سياق بمليون رمز وتعدد الوسائط الأصلي في نظام واحد — وأطلقوه بسعر يجعل أسعار النماذج المغلقة تبدو باهظة.

البنية: MiniMax Sparse Attention

القصة التقنية الرئيسية هنا هي MiniMax Sparse Attention (MSA) البنية. الانتباه القياسي في المحوّلات تربيعي — كل رمز ينتبه إلى كل رمز آخر، ما يعني أن مضاعفة سياقك تضاعف فاتورة الحوسبة أربع مرات تقريبًا. وعند مليون رمز، تصبح تلك الحسبة قاسية.

بنى MiniMax النموذج M3 على تصميمه الجديد MSA، الذي يقلّل الحوسبة لكل رمز عند سياق مليون رمز إلى نحو واحد على عشرين من الجيل السابق، مع تعبئة أولية أسرع بأكثر من 9× وفك ترميز أسرع بأكثر من 15×. هذا ليس تحسينًا هامشيًا. هذا هو الفرق بين أن تكون نافذة سياق المليون رمز مواصفة نظرية وأن تكون شيئًا يمكنك فعليًا نشره في الإنتاج دون أن تتصاعد فاتورة GPU عموديًا.

النموذج مبني على MiniMax Sparse Attention (MSA)، الذي يستبدل الانتباه الكامل باختيار كتل KV لتقليل الحوسبة لكل رمز في السياق الطويل، مع تعبئة أولية وفك ترميز أسرع بكثير مع الحفاظ على الجودة في معظم المهام.

من المثير للاهتمام أن MiniMax تخلّت عن الانتباه المتناثر في جيل M2 ثم أعادته تحديدًا في M3 — ما يشير إلى أن البنية كانت تعمل لديهم لكنهم احتاجوا مزيدًا من بيانات التدريب أو عمل مواءمة بعد التدريب لجعلها منافسة. ويبدو أن M3 يقول إنهم حلّوا المسألة.

ما الذي يجعل M3 مختلفًا فعلًا

أطلقت MiniMax النموذج M3 جامعًا بين أداء برمجي ووكيلي بمستوى الحدود المتقدمة ونافذة سياق بمليون رمز وتعدد وسائط أصلي بجزء يسير من تكلفة النماذج الاحتكارية الرائدة.

يستحق جانب تعدد الوسائط وقفة. فـ M3 لا يكتفي بقبول الصور — بل يستوعب الصور والفيديو، ويستطيع تشغيل حاسوب مكتبي بشكل أصلي. في سير عمل Vibe coding حيث تمرّر لقطة شاشة لواجهة وتقول “ابنِ لي هذا”، هذا مفيد حقًا بطريقة لا يقدّمها نموذج برمجي نصي فقط.

MiniMax-M3 هو نموذج MiniMax المتعدد الوسائط للبرمجة والوكلاء بمستوى الحدود المتقدمة، مبني على بنية MSA. يدعم نافذة سياق حتى مليون رمز ويقبل مدخلات الصور والفيديو. صُمم النموذج لتوليد الشيفرة وسير عمل الوكلاء واستخدام الأدوات وفهم السياق الطويل والاستدلال متعدد الخطوات.

معيار VIBE: المعيار الذي صنعته MiniMax بنفسها

أمر يستحق التنبيه: MiniMax لم تطلق نموذجًا فحسب — بل أطلقت معيار قياس جديدًا. و VIBE (Visual & Interactive Benchmark for Execution) هو إطار عمل MiniMax للردّ على ما تراه ثغرة في أطر التقييم القائمة. فبخلاف معايير القياس التقليدية مثل SWE-bench وTerminal-bench، التي تركّز على صحة الشيفرة الساكنة أو إنجاز المهام على مستوى سطر الأوامر، يقيّم VIBE تلقائيًا منطق التفاعل والعرض البصري للتطبيقات المولّدة في بيئة تنفيذ حقيقية، ما يوفر تقييمًا أكثر وفاءً لتجربة المستخدم الحقيقية.

إنه معيار يخدم مصلحة صاحبه، بالتأكيد — لكن النقد الأساسي ليس خاطئًا. فـ SWE-bench يخبرك هل يستطيع النموذج حل مشكلات GitHub؛ ولا يخبرك هل يستطيع بناء تطبيق ويب يعمل ومتماسك بصريًا من لقطة شاشة. وM3 يحقق نتيجة جيدة هنا، وهو منطقي نظرًا لبنائه الأصلي متعدد الوسائط.

معايير قياس MiniMax M3

يحقق MiniMax M3 نسبة 59.0% في SWE-Bench Pro و66.0% في Terminal-Bench 2.1 و34.8% في SWE-fficiency و83.5 في BrowseComp. ورقم BrowseComp تحديدًا لافت — فـ 83.5 تضعه أمام GPT-5.5 في مهام تصفح الويب المستقلة، وهي بالضبط القدرة التي تريدها في وكيل يقوم بعمل برمجي كثيف البحث.

يحقق MiniMax M3 نسبة 59.0% في SWE-Bench Pro، متجاوزًا GPT-5.5 وGemini 3.1 Pro ومقتربًا من Claude Opus 4.7. كما يحقق 66.0% في Terminal Bench 2.1 و34.8% في SWE-fficiency و28.8% في KernelBench Hard و74.2% في MCP Atlas.

تحفّظ يستحق الذكر: خط الأساس للمقارنة في مواد MiniMax نفسها يستخدم Claude Opus 4.7 وليس Opus 4.8 الأحدث إصدارًا. هذا التأطير ليس غير دقيق، لكن المطورين الذين يقيّمون M3 مقابل السقف الحالي لمعايير القياس يجب أن يستخدموا أرقام Opus 4.8، التي تضع M3 أبعد عن الحدود المتقدمة مما يوحي إعلان الإطلاق.

ومع ذلك — 59% في SWE-Bench Pro من نموذج مفتوح الأوزان بسياق مليون رمز أمر جدير بالملاحظة، والبيانات المستقلة تؤكد إلى حد كبير أن الأرقام التي أعلنتها الشركة في النطاق الصحيح.

الأسعار

عند الإطلاق، كان MiniMax M3 مدرجًا على OpenRouter بـ 0.60 دولار لكل مليون رمز إدخال و2.40 دولار لكل مليون رمز إخراج، مع خصم ترويجي مؤقت بنسبة 50% يخفضه إلى نحو 0.30 دولار للإدخال و1.20 دولار للإخراج لكل مليون رمز — جزء يسير من نماذج مغلقة متقدمة مثل Claude Opus وGPT-5.5.

للمقارنة: يعمل Claude Opus 4.8 بـ 5/25 دولارًا لكل مليون رمز. وM3 بالسعر الترويجي نحو 1/20 من تلك التكلفة. وحتى بالسعر القياسي، فأنت تنظر إلى 1/10. قصة التكلفة جاذبة بقدر قصة القدرات.

---

Kimi K2.7 Code

من صنعه ولماذا

أطلقت Moonshot AI أمس — 12 يونيو 2026 — ما هو الإصدار الرئيسي الخامس في أقل من عام للشركة ومقرها بكين، ووضعت نماذجها على ثلاثة أعمدة: قدرات الوكيل، والتعامل مع السياق الممتد، والمدخلات متعددة الوسائط. وأصبحت عائلة Kimi K2 واحدة من أكثر سلالات الأوزان المفتوحة متابعةً في 2026، وK2.7 Code هو أحدّ تكراراتها حتى الآن.

تغيير الاسم ذو معنى. فهذه أول مرة تضع Moonshot كلمة “Code” صراحةً في اسم النموذج. وهم لا يتظاهرون بأن K2.7 نموذج عام الأغراض — إنه مضبوط للهندسة، لا للمحادثة الواسعة، ويريدونك أن تعرف ذلك.

البنية: الأساس نفسه ذو التريليون معامل، بضبط أشد

Kimi K2.7 Code نموذج خليط خبراء (MoE) بتريليون معامل، مع 32 مليار معامل نشط لكل رمز و384 خبيرًا، ونافذة سياق بـ 262,144 رمزًا موروثة من K2.6، مع ضغط تلقائي للسياق لجلسات طويلة الأمد.

البنية نفسها لم تتغير جذريًا عن K2.6 — فما زال إطار MoE بتريليون معامل الذي جعل Kimi K2.6 أعلى نموذج مفتوح الأوزان تصنيفًا على مؤشر الذكاء من Artificial Analysis في وقت سابق من هذا العام. ما يمثله K2.7 Code هو تحسين موجّه: الهيكل نفسه، بمحرك أعيد ضبطه خصيصًا لسير عمل البرمجة الوكيل.

Kimi K2.7 Code هو نموذج Moonshot AI الوكيل المركّز على البرمجة، المبني على Kimi K2.6. يحسّن إنجاز مهام البرمجة الطويلة الأمد في الواقع واتباع التعليمات وكفاءة الرموز، مع تقليل استخدام رموز التفكير بنحو 30% مقارنةً بـ Kimi K2.6.

خفض رموز التفكير بنسبة 30% ليس أمرًا صغيرًا. في جلسة وكيل برمجي طويلة يدور فيها النموذج عبر مئات الأدوار، تعني رموز تفكير أقل تكلفة أدنى ووقتًا فعليًا أسرع. وإذا كنت تشغّل شيئًا مثل إعادة هيكلة مستودع كامل بين ليلة وضحاها، فإن مكاسب كفاءة K2.7 على K2.6 تتراكم بدرجة كبيرة.

ما الذي يحسّنه K2.7 فعليًا

يبدأ إعلان Moonshot بثلاثة أرقام: +21.8% على K2.6 في Kimi Code Bench v2، و+11.0% في Program Bench، و+31.5% في MLS Bench Lite، إلى جانب ادعاء بانخفاض استخدام رموز الاستدلال بنحو 30% مقارنةً بـ K2.6.

هذه أرقام من الجهة نفسها، مشغّلة على مجموعات معايير Moonshot الخاصة. والملاحظة الصادقة هنا أن حتى 13 يونيو 2026 — أي بعد يوم من الإصدار — لا توجد أرقام مستقلة من طرف ثالث لـ K2.7 على المجموعات العامة القياسية — SWE-bench Verified أو SWE-bench Pro أو Terminal-Bench أو LiveCodeBench أو GPQA Diamond أو AIME أو MMLU-Pro. وسيأتي ذلك التحقق في الأيام المقبلة. واستنادًا إلى مسار K2.6 (الذي أنتج فعلًا معايير قياس مستقلة تنافسية)، فالأرقام الداخلية مرجّح أن تكون صحيحة في الاتجاه.

أبرز نتيجة قريبة من الاستقلال حتى الآن: سجّل K2.7-Code نتيجة 81.1 في MCP Mark Verified، متجاوزًا 76.4% لـ Claude Opus 4.8. تختبر تلك المجموعة صحة استدعاء الأدوات عبر Model Context Protocol — فحوصات CI وتحديثات التذاكر وتعديلات الملفات في حلقة واحدة. وكون نموذج مفتوح الأوزان يتجاوز الآن Opus 4.8 في استخدام أدوات MCP هو، بأي مقياس معقول، لحظة تحوّل للذكاء الاصطناعي مفتوح المصدر.

حكاية منصة Kimi Code

عنصر يقلّ التطرق إليه في مقارنات النماذج: يُطلق K2.7-Code داخل Kimi Code — وكيل الطرفية مفتوح المصدر من Moonshot — بخطط عضوية تبدأ من 19 دولارًا شهريًا. تنافس Moonshot صراحةً على الحزمة الكاملة هنا: النموذج وCLI واقتصاديات الاشتراك. هذه اقتصاديات Cursor مقابل Kimi، وهي مهمة للفرق التي تقيّم سير عمل البرمجة بالذكاء الاصطناعي ككل لا النموذج الخام فقط.

أداة Kimi Code CLI نفسها تستحق التجربة. فهي مدركة للصدفة (shell)، وتدعم تكامل خادم MCP، ويعني الترخيص مفتوح المصدر أنك غير مقيّد بواجهة Moonshot API إذا أردت الاستضافة الذاتية.

قدرات متعددة الوسائط

مثل M3، لا يقتصر K2.7 Code على النص. يمكن للمطورين رفع لقطات شاشة أو مخططات أو نماذج أولية للمنتج أو حتى فيديوهات وطلب توليد شيفرة بناءً عليها. هذا يجعله مفيدًا لتطوير الواجهات الأمامية وتصحيح المشكلات البصرية وهندسة الواجهات عكسيًا. قدرة الرؤية حقيقية ومفيدة فعلًا لمهام البرمجة ذات التركيز على الواجهات، وإن كانت قصة تعدد الوسائط في K2.7 أضيق قليلًا من M3 (الذي يشمل استخدام حاسوب مكتبي).

الأسعار

الأسعار لـ Kimi K2.7 Code هي 0.95 دولار لكل مليون رمز إدخال، و4.00 دولار لكل مليون رمز إخراج، و0.19 دولار لكل مليون عند إصابة الذاكرة المؤقتة، على Moonshot API. والأوزان مجانية على Hugging Face للاستضافة الذاتية.

بالنسبة لنموذج بتريليون معامل، سعر الإدخال 0.95 دولار تنافسي جدًا. سعر الإخراج (4.00 دولار) أعلى من M3 بالقيمة المطلقة، لكن خفض K2.7 لرموز الاستدلال بنسبة 30% يعني أن التكلفة الفعلية لكل مهمة منجزة قد تكون أقل مما يوحي رقم السعر لكل رمز. يجب نمذجة الأسعار مقابل عبء عملك تحديدًا، لا مجرد السعر المعلن.

---

Nemotron 3 Ultra

من صنعه ولماذا

الأمر في Nemotron 3 Ultra الذي تقلّل معظم التغطيات من شأنه: هذه NVIDIA تبني نموذجًا متقدمًا. ليست شركة رقائق تتسلى في الذكاء الاصطناعي، ولا مختبرًا بحثيًا ملحقًا بعمل بنية تحتية — NVIDIA، التي تعتمد إيراداتها على تدريب الآخرين لنماذجهم، قررت بناء وإصدار نموذج متقدم تنافسي بترخيص مفتوح تمامًا. هذا تصريح ذو معنى عن اتجاه السوق.

في 4 يونيو 2026، أصدرت NVIDIA نموذج Nemotron 3 Ultra، وهو نموذج استدلال مفتوح تمامًا بـ 550 مليار معامل، مبني خصيصًا للوكلاء طويلة التشغيل.

في 4 يونيو 2026، أطلقت NVIDIA بهدوء Nemotron 3 Ultra على Hugging Face، بعد يومين من إعلان Jensen Huang عنه من على مسرح Computex في تايبيه. 550 مليار معامل. و55 مليارًا نشطة في كل تمرير أمامي. وأكثر من 300 رمز في الثانية. وأعلى درجة في مؤشر الذكاء لأي نموذج مفتوح الأوزان مطوّر في الولايات المتحدة، على الإطلاق.

البنية: Mamba-Transformer الهجينة التي تغيّر كل شيء

هنا يصبح Nemotron 3 Ultra مثيرًا للاهتمام تقنيًا. فبينما يستخدم M3 الانتباه المتناثر للتعامل مع السياقات الطويلة ويبقى K2.7 على مسار محوّل MoE المُجرَّب، يسلك Nemotron Ultra طريقًا مختلفًا تمامًا.

أصدرت NVIDIA نموذج Nemotron 3 Ultra كخليط خبراء بـ 550 مليار معامل مع 55 مليار معامل نشط، مُحسَّنًا لتنسيق سير عمل الوكلاء المعقّد وطويل التشغيل. تشمل الابتكارات المعمارية طبقات Mamba-Transformer هجينة لمعالجة السياق الطويل بكفاءة، وتكميم NVFP4 لنشر GPU عبر معماريات مختلفة بإنتاجية أعلى تصل إلى 5 أضعاف، وLatentMoE لتوجيه الخبراء، والتنبؤ متعدد الرموز لتحسين سرعة التوليد في المهام متعددة الأدوار.

نهج Mamba-Transformer الهجين مهم. فطبقات Mamba تتعامل مع التبعيات التسلسلية بكفاءة أكبر من الانتباه القياسي في السياقات الطويلة — فهي تتوسع خطيًا لا تربيعيًا مع طول التسلسل. والجمع بينها وبين انتباه المحوّل للمهام التي تستفيد منه، وتغليف ذلك كله في بنية MoE، يتيح لـ NVIDIA بلوغ تركيبة غير معتادة: ذكاء عالٍ وإنتاجية عالية وتكلفة منخفضة نسبيًا لكل رمز.

تكميم NVFP4 عامل تمييز آخر. على وحدات GPU من Blackwell (خلفاء H100)، يعمل بحسابات FP4 أصلية. وعلى Hopper (H100)، يتراجع إلى W4A16. وفي الحالتين، يحقق Nemotron 3 Ultra إنتاجية استدلال أعلى بـ 5.9 أضعاف مقارنةً بـ GLM-5.1، وأسرع بـ 4.8 أضعاف من Kimi K2.6، وأسرع بـ 1.6 ضعف من Qwen-3.5 في إعدادات 8K إدخال / 64K إخراج رمز، مع بلوغ دقة مكافئة عبر طائفة واسعة من معايير الوكلاء والاستدلال.

اقرأ ذلك مرة أخرى: أسرع بـ 4.8 أضعاف من Kimi K2.6 بدقة مماثلة. وبالنسبة للفرق التي تشغّل وكلاء إنتاجيين، يترجم فرق الإنتاجية هذا مباشرةً إلى تكلفة لكل مهمة.

معايير القياس ومؤشر الذكاء

يسجّل Nemotron 3 Ultra 47.7 على مؤشر الذكاء من Artificial Analysis — متقدمًا بفارق كبير على أقوى النماذج الأمريكية التالية مفتوحة الأوزان: Gemma 4 31B بـ 39.2، وNemotron 3 Super بـ 36.0، وgpt-oss-120b بـ 33.3.

التحفظ الصادق موجود في الفقرة نفسها: فهو لا يزال خلف الحدود المتقدمة للأوزان المفتوحة بقيادة الصين (Kimi K2.6 بـ 53.9). هذه قصة «الأول أمريكيًا»، وهي قصة جيدة — لكن Nemotron Ultra ليس أفضل نموذج مفتوح الأوزان في العالم الآن. إنه الأفضل أمريكيًا، وبفارق واسع.

في مهام الوكلاء، يسجّل Nemotron 3 Ultra 90.0 في PinchBench و56.0 في ProfBench Search. وقد حجز فريق NVIDIA كليهما كبوابات تعميم محجوزة، لم تُقيَّم إلا مرة واحدة على النموذج النهائي. ويسجّل 71.9 في SWE-Bench Verified و56.4 في Terminal Bench 2.1. وفي الاستدلال، يسجّل 570.0 في IOI 2025، وهو ما تصفه NVIDIA بأنه مستوى أقوى ثلاثة بشر في البرمجة التنافسية.

درجة 71.9% في SWE-Bench Verified تنافسية بشكل خاص. وهي تتبع Claude Fable 5 وGPT-5.5 عند حدود النماذج المغلقة، لكنها تتقدم على معظم البدائل مفتوحة الأوزان — والأهم أنها مقيسة بشكل متسق عبر أطر عمل وكلاء متعددة.

في AA-Omniscience، يسجّل أعلى درجة عدم تهويم في المجموعة عند 78.7، ما يشير إلى ميل أقل للإجابة عند عدم اليقين. والسياق الطويل يصمد على النطاق الكبير — إذ يسجّل النموذج 94.7 في RULER عند مليون رمز.

رقم التهويم هذا يستحق الإبراز. في سير عمل الوكلاء الإنتاجي، النموذج الذي يعرف متى لا يعرف شيئًا غالبًا أكثر قيمة من نموذج يسجّل نقاطًا أعلى قليلًا في معايير القياس لكنه يتهوّم بثقة عبر الحالات الطرفية.

حكاية بيانات التدريب المفتوحة

أصدرت NVIDIA — تراكميًا عبر إطلاقات Nemotron 3 الثلاثة — 50 مليون عينة ضبط دقيق بإشراف، ومليوني مهمة تعلّم معزّز، و55 بيئة تعلّم معزّز. هذا المستوى من الانفتاح غير معتاد لعائلة نماذج بمستوى الحدود المتقدمة، وهو ما استجاب له مجتمع أبحاث الذكاء الاصطناعي بأقوى شكل.

إذا أردت ضبط Nemotron Ultra بدقة أو توسيعه، فلن تفعل ذلك في الظلام. فوصفات التدريب والبيانات وبيئات التقييم كلها عامة. وبالنسبة لفرق المؤسسات التي تحتاج أداءً خاصًا بمجال معين ولديها القدرة على الضبط الدقيق، هذه ميزة ذات معنى لا يضاهيها حاليًا لا M3 ولا K2.7 Code.

الأسعار

لدى DeepInfra نقطة وصول ما قبل الإصدار نشطة بالفعل، بأسعار 0.37 دولار/مليون للإدخال و1.08 دولار/مليون للإخراج — أفضل من الوسيط لهذه الفئة الحجمية. وOpenRouter يدرجه ويمكن الوصول إليه. والتكامل المؤسسي متاح عبر خدمات NVIDIA NIM المصغّرة على build.nvidia.com.

يعمل Nemotron 3 Ultra بـ 0.50 دولار لكل مليون رمز إدخال و2.50 دولار للإخراج عند بعض المزودين، ما يوفر أداءً قويًا مقابل السعر لنموذج بهذا المستوى من الذكاء.

---

معايير قياس وجهًا لوجه

إليك نظرة جنبًا إلى جنب على الأرقام الأساسية عبر النماذج الثلاثة، مع سياق عمّا يقيسه كل معيار فعليًا:

SWE-Bench Pro (حل مشكلات GitHub الحقيقية)

يختبر SWE-Bench Pro القدرة على حل مشكلات GitHub حقيقية مرفوعة بعد تاريخ قطع تدريب النموذج — ما يقلل خطر تلوث البيانات مقارنةً بنسخ SWE-Bench الأقدم. وهو أقرب ما أنتجه مجتمع معايير القياس حتى الآن إلى سؤال “هل يستطيع هذا النموذج إصلاح أخطاء حقيقية في قواعد شيفرة حقيقية؟”.

• MiniMax M3: 59.0% (بحسب الشركة)
• Nemotron 3 Ultra: ~56-71.9% (SWE-Bench Verified)؛ أرقام SWE-Bench Pro بانتظار تأكيد مستقل
• Kimi K2.7 Code: سجّل K2.6 نسبة 58.6%؛ ومكاسب K2.7 الداخلية تشير إلى نتيجة مماثلة أو أعلى — الدرجة المستقلة بانتظار

Terminal-Bench 2.1 (مهام CLI متعددة الخطوات)

يختبر Terminal-Bench ما يفعله الوكلاء فعليًا في الإنتاج: مهام صدفة متعددة الخطوات في بيئات طرفية حية. وهو أقرب إلى “هل يستطيع تشغيل خط أنابيب CI” من “هل يستطيع إكمال الشيفرة تلقائيًا.”

• MiniMax M3: 66.0%
• Nemotron 3 Ultra: 56.4%
• Kimi K2.7 Code: تصدّر K2.6 بـ 67.2%؛ ويُتوقع أن يحسّن K2.7 على ذلك

في Terminal-Bench، يقع M3 وK2.7 في فئة مماثلة، وكلاهما متقدم على Nemotron Ultra. وهذا منطقي — فـ M3 وعائلة Kimi حُسّنا خصيصًا لمهام البرمجة طويلة الأمد، بينما أولويات تصميم Nemotron Ultra أوسع.

استخدام أدوات MCP (Model Context Protocol)

استخدام أدوات MCP هو المعيار الأهم بشكل متزايد لنشر الوكلاء الحقيقي. فصحة استدعاء الأدوات ليست مجرد درجات في معيار — إنها هل ينفّذ وكيلك الأفعال الصحيحة فعلًا دون تهويم في أسماء الدوال أو المعاملات.

• Kimi K2.7 Code: 81.1 في MCP Mark Verified (يتجاوز 76.4 لـ Claude Opus 4.8)
• MiniMax M3: 74.2 في MCP Atlas (بحسب الشركة)
• Nemotron 3 Ultra: درجات قوية في BFCL V4 (استدعاء الدوال)، وأرقام MCP Mark الدقيقة لم تُنشر بعد

يفوز K2.7 في هذه الفئة بوضوح. فالضبط الدقيق الوكيل لدى Moonshot استهدف تحديدًا أنماط استدعاء الأدوات، وهذا ظاهر.

مؤشر الذكاء من Artificial Analysis (درجة مركّبة)

هذه الدرجة المركّبة من 10 تقييمات تغطي الاستدلال والمعرفة والرياضيات والبرمجة — وهي في جوهرها متوسط مرجّح للذكاء العام للنموذج.

• عائلة Kimi K2.6 / K2.7: 53-54 (بيانات K2.7 بانتظار)
• Nemotron 3 Ultra: 47.7
• MiniMax M3: لم يُقيَّم بعد (تضع BenchLM النموذج M3 عند 76/100 في لوحة صدارة مؤقتة، المرتبة 29 من 122)

السرعة (رمز في الثانية)

هنا تحكي بنية Nemotron Ultra قصة مختلفة:

• Nemotron 3 Ultra: أكثر من 300 رمز/ثانية على GB200، أسرع بـ 5.9 أضعاف من GLM-5.1، وأسرع بـ 4.8 أضعاف من Kimi K2.6
• MiniMax M3: نحو 100 رمز/ثانية عند سياق مليون رمز
• Kimi K2.7 Code: مماثل لـ K2.6 (تحسينات الإنتاجية من كفاءة الرموز لا من السرعة الخام)

في عمليات النشر الإنتاجية عالية الإنتاجية حيث تشغّل وكلاء كثيرين بالتوازي، ميزة الإنتاجية لدى Nemotron Ultra كبيرة.

---

أداء الوكلاء في الواقع: Hermes وOpenClaw & WildClawBench

معايير القياس شيء. وكيف تتصرف هذه النماذج فعليًا في أطر عمل الوكلاء التي ينشرها المطورون اليوم شيء آخر.

OpenClaw: إطار عمل الوكلاء الذي يكتسح الساحة

إذا لم تسمع بـ OpenClaw بعد، فستسمع. في شهرين فقط جمع OpenClaw 247,000 نجمة على GitHub، ليصبح منصة وكلاء ذكاء اصطناعي تتبناها بحماس شركات في وادي السيليكون والصين. فهو يعمل محليًا، ومستقل عن النموذج، ويتكامل مع تطبيقات المراسلة — ثلاث خصائص تجعله مختلفًا بمعنى عن مساعدي الذكاء الاصطناعي القائمة على SaaS.

OpenClaw مستقل عن النموذج بحكم تصميمه، ما يعني أن جودة تجربتك تعتمد تقريبًا كليًا على أي LLM تضعه في الخلفية. وهنا يصبح اختيار النموذج ذا أثر مباشر.

الـ معيار PinchBench OpenClaw يشغّل 23 مهمة عبر تنفيذ الشيفرة وإنشاء المحتوى والبحث وأدوات النظام. ويضم الاختبار 23 مهمة تغطي تنفيذ الشيفرة وإنشاء المحتوى وأدوات النظام — مفتوح المصدر وقابل للتكرار، باستخدام بيانات من اختبارات وكيل OpenClaw لدى PinchBench.

في تقييم OpenClaw من PinchBench:

• Nemotron 3 Ultra: 90% في PinchBench Agent Productivity (يعادل Kimi K2.6 — أفضل نموذج صيني مفتوح في إنجاز المهام بحسب المعيار)
• Kimi K2.7 Code: يُتوقع أن ينافس أداء K2.6 القوي أو يتجاوزه
• MiniMax M3: درجات وكيلية قوية عمومًا؛ وميزة التكلفة بخمسة أضعاف على Kimi K2.6 في اختبارات الأدوات الواقعية لدى Composio جديرة بالذكر

كشفت مقارنة واقعية من Composio بين M3 وK2.6 (سلف K2.7) أمرًا مثيرًا: كلّف M3 نحو 0.81 دولار عبر 25 مهمة في Composio، بينما كلّف Kimi 4.08 دولار — أي نحو 5 أضعاف. وكان تفوق M3 أوضح في البرمجة الطرفية الصعبة؛ أما تنسيق أدوات SaaS اليومية فكان متعادلًا فعليًا.

فجوة التكلفة هذه ليست قصة اقتصادية فحسب — إنها تعني أنك تستطيع تشغيل تكرارات وكيل أكثر بخمسة أضعاف بالميزانية نفسها، وهذا مهم لمهام البرمجة كثيفة الاستكشاف حيث سرعة التكرار هي عنق الزجاجة.

Hermes Agent: الإطار الذي لا يحابي أحدًا

WildClawBench، المنشور في مايو 2026 من InternLM، أحد أكثر تقييمات الوكلاء المستقلة صرامةً المتاحة الآن. يختبر المعيار ما يهم فعلًا: هل يستطيع وكيل ذكاء اصطناعي إنجاز عمل حقيقي، من البداية إلى النهاية، دون إمساك بيده؟ يشغّل المجموعة نفسها من 60 مهمة تحت أربعة هارنسات وكلاء مختلفة — OpenClaw وClaude Code وCodex CLI وHermes Agent — فاصلًا قدرة النموذج عن سقالات الهارنس.

هارنس Hermes تحديدًا مثير للاهتمام لأنه صُمم لاختبار النماذج باستقلال عن سقالات أي مورّد. إنه إشارة نظيفة على جودة النموذج الأساسية.

يحقق Nemotron 3 Ultra درجات SWEBench Verified بين 65% و70.4% عبر Pi وOpenHands وHermes وOpenCode وMini SWE Agent — أداء متسق أيًا كان الإطار الذي تنشره فيه.

هذا الاتساق عبر الهارنسات إشارة جودة ذات معنى. فكثير من النماذج التي تسجّل نتائج جيدة في CLI الخاصة بها تتدهور بشكل كبير حين تضعها في إطار وكلاء مختلف. ويبدو أن بنية Nemotron Ultra متينة تجاه تغيير الإطار — على الأرجح لأن NVIDIA درّبت عمدًا عبر هارنسات وكلاء متعددة لكل نوع مهمة بدلًا من التحسين لواحد.

أما M3 وK2.7 Code، فأرقامهما الخاصة بـ WildClawBench لا تزال تتسرّب عبر المجتمع، لكن القوة التاريخية لعائلة K2 في تقييمات الوكلاء وتحسينات MCP في K2.7 تشير إلى نتائج قوية في هارنس Hermes.

خلاصة الأطر

إذا كنت تبني على OpenClaw والتكلفة تهم: M3 هو نموذجك. وإذا كنت تعمل بخطوط أنابيب كثيفة MCP: K2.7 Code هو المتصدر. وإذا احتجت اتساقًا مستقلًا عن الإطار عبر Hermes وOpenClaw وغيرهما في وقت واحد: فاتساق Nemotron Ultra المستقل عن الهارنس هو الخيار الصحيح.

---

Vibe coding: أي نموذج يبني التطبيقات جيدًا فعلًا؟

أصبح “Vibe coding” تعبيرًا مختصرًا عن نمط تطوير بمساعدة الذكاء الاصطناعي تبني فيه ميزات كاملة أو تطبيقات صغيرة تكرارًا من موجّهات باللغة الطبيعية، غالبًا بالانطلاق من لقطات شاشة أو نماذج أولية أو أوصاف تقريبية. وهو أقل عن توليد الشيفرة الدقيق وأكثر عن قدرة النموذج على حمل رؤية منتج متماسكة عبر أدوار كثيرة مع إنتاج مخرجات تعمل ومتماسكة بصريًا.

كل من هذه النماذج الثلاثة يقارب Vibe coding بطريقة مختلفة، والاختلافات مهمة.

MiniMax M3: أقوى أساس متعدد الوسائط

صُنع M3 لغرض محدد هو البعد البصري في Vibe coding. فقد قدّمت MiniMax معيار VIBE (Visual & Interactive Benchmark for Execution) تحديدًا لقياس قدرة النموذج على بناء تطبيقات كاملة قابلة للتشغيل من الصفر إلى واحد — بتقييم تلقائي لمنطق التفاعل والعرض البصري للتطبيقات المولّدة في بيئة تنفيذ حقيقية.

كون M3 قد قدّم هذا المعيار أمر دالّ. فمن الواضح أن MiniMax ترى أن معايير البرمجة القياسية — التي تختبر هل تنجح الشيفرة في اختبارات الوحدة — تغفل السؤال المهم فعلًا في Vibe coding: هل يعمل التطبيق و ويبدو صحيحًا؟

عمليًا، مدخلات الفيديو والصور الأصلية في M3 تعني أنك تستطيع لصق لقطة شاشة من Figma أو جلسة مستخدم مسجّلة وتطلب من النموذج البناء منها مباشرة. وهذا سير عمل مختلف جذريًا عن وصف ما تريد بالكلمات. وللتطوير الكثيف للواجهات الأمامية — مكوّنات React وواجهات تطبيقات الويب وتخطيطات الأولوية للجوال — تغيّر قدرة الإدخال البصري في M3 الحلقة بطريقة لا تضاهيها النماذج النصية البحتة.

نافذة السياق بمليون رمز تهم أيضًا في Vibe coding بطريقة محددة: تستطيع وضع قاعدة شيفرة كاملة متوسطة الحجم في السياق، ما يعني أن النموذج يستطيع إعادة الهيكلة عبر الملفات دون فقدان التماسك حول ما يبنيه. هذا أحد أنماط الفشل الحقيقية في Vibe coding مع النماذج ذات السياق الأصغر — إذ تبدأ الشيفرة بالتباعد عن نفسها عبر الأدوار مع فقدان النموذج رؤية قرارات معمارية سابقة.

Kimi K2.7 Code: أفضل Vibe coding متكامل مع الأدوات

يمكن للمطورين رفع لقطات شاشة أو مخططات أو نماذج أولية للمنتج أو حتى فيديوهات وطلب من Kimi K2.7 توليد شيفرة بناءً عليها — وهو مفيد لتطوير الواجهات الأمامية وتصحيح المشكلات البصرية وهندسة الواجهات عكسيًا.

ميزة K2.7 في Vibe coding هي تكامله مع أدوات MCP. فحين تبني عبر Kimi Code CLI، يستطيع النموذج الدوران عبر طرفية حقيقية: تشغيل التطبيق وفحص المخرجات وقراءة سجلات الأخطاء والتكرار — كل ذلك في الجلسة نفسها. هذه الحلقة من البداية إلى النهاية مع تغذية راجعة تنفيذية حقيقية هي ما يفصل “يولّد شيفرة” عن “يبني الشيء فعلًا.”

خفض الرموز بنسبة 30% يهم أيضًا في Vibe coding تحديدًا لأن جلسات Vibe coding تميل إلى الطول والمحادثة. فالنموذج الذي يستخدم رموزًا أقل لكل خطوة استدلال يستطيع إدامة جلسات أطول بتكلفة أقل، وهو ما يتوافق مباشرةً مع كيفية عمل بناء التطبيقات التكراري.

Nemotron 3 Ultra: قوي لكن أقل تخصصًا

Nemotron Ultra متعدد المواهب وقوي ويتعامل جيدًا مع المدخلات متعددة الوسائط، لكن أولويات تصميمه كانت التحسين لاتساق الوكيل وعمق الاستدلال لا للواجهة البصرية في Vibe coding. ولسير عمل Vibe coding الخالص — لقطة شاشة تدخل، تطبيق يعمل يخرج — يكون M3 الأنسب طبيعيًا.

يتفوق Nemotron Ultra في سير عمل التطوير في المراحل المعمارية والكثيفة الاستدلال من البناء: تصميم مكوّنات النظام، أو تصحيح مشكلات إدارة الحالة المعقّدة، أو تجاوز خوارزمية صعبة. فهو أقل “ابنِ هذه الواجهة من لقطة الشاشة هذه” وأكثر “ساعدني في تصميم البنية والتفكير في الحالات الطرفية.”

الحكم في Vibe coding

في Vibe coding، يأتي الترتيب هكذا: M3 (أفضل تكامل بصري، وأكبر سياق، والأرخص) → K2.7 Code (أفضل حلقة تغذية راجعة تنفيذية، وأقوى استخدام أدوات) → Nemotron Ultra (مساعد استدلال ممتاز، وأقل تخصصًا في بناء التطبيقات البصرية).

إذا كنت تمارس Vibe coding أساسًا في حزمة كثيفة الواجهات (React وVue والجوال)، فـ M3 هو نموذجك. وإذا كنت تبني تطبيقات أو أنظمة كثيفة الخلفية حيث تتضمن حلقة التكرار تشغيل الشيفرة الفعلية واختبارها، فتكامل MCP في K2.7 Code هو الميزة.

---

الأسعار وتحليل التكلفة إلى الأداء

لننظر في حسبة التكلفة الفعلية، لأن معايير القياس الرئيسية لا معنى لها إلا في سياق ما تدفعه.

الطراز	الإدخال (لكل مليون رمز)	الإخراج (لكل مليون رمز)	السياق	الترخيص
MiniMax M3 (ترويجي)	$0.30	$1.20	1M	أوزان مفتوحة
MiniMax M3 (قياسي)	$0.60	$2.40	1M	أوزان مفتوحة
Kimi K2.7 Code	$0.95	$4.00	256K	MIT معدّل
Nemotron 3 Ultra (DeepInfra)	$0.37	$1.08	1M	OpenMDW-1.1
Claude Opus 4.8	$5.00	$25.00	—	احتكاري
GPT-5.5	~$10.00+	~$30.00+	—	احتكاري

تصبح قصة التكلفة أكثر دقة عندما تحسب الكفاءة. فخفض K2.7 للرموز بنسبة 30% يعني أن جلسة تستخدم مليون رمز إخراج في K2.6 تستخدم ~700 ألف في K2.7. وبسعر 4.00 دولارات/مليون إخراج، فهذا 4.00 دولارات مقابل 2.80 — ليس فرق سعر فحسب بل توفير كفاءة. وعلى مدى تشغيلات وكلاء طويلة، يتراكم ذلك بدرجة كبيرة.

Nemotron Ultra بـ 0.37/1.08 دولار من DeepInfra ميسور التكلفة بشكل ملحوظ لنموذج بـ 550 مليار معامل ومؤشر ذكاء 47.7 — وهو جزئيًا نتيجة ميزة إنتاجيته (أسرع بـ 5.9 أضعاف يعني تكلفة أقل لكل مهمة منجزة حتى لو كانت أسعار الرمز واحدة).

M3 بالسعر الترويجي هو الأرخص بالقيم المطلقة، وإن كان السعر القياسي 0.60/2.40 دولار لا يزال قيمة ممتازة لنافذة سياق بمليون رمز مع برمجة بمستوى الحدود المتقدمة.

في معظم عمليات النشر الإنتاجية، حساب التكلفة الحقيقي ليس الرموز لكل دولار بل الإنجازات لكل دولار. ابنِ مجموعة اختبار صغيرة ممثلة لمهامك الفعلية وسعّر كل نموذج مقابلها. الأسعار المعلنة نقطة بداية لا الجواب.

---

من يستخدم أي نموذج؟

النماذج الثلاثة ليست في الحقيقة منافسة على حالة الاستخدام نفسها. إليك تقسيمًا عمليًا:

اختر MiniMax M3 إذا:

• كنت تحتاج أكبر نافذة سياق لقواعد شيفرة كبيرة أو مستندات طويلة أو مشاريع متعددة الملفات
• كان سير عملك مدفوعًا بصريًا (لقطات شاشة → شيفرة، نماذج أولية → تنفيذ)
• كانت التكلفة قيدك الأساسي وتحتاج تشغيل تكرارات كثيرة
• كنت تبني وكلاء متصفح أو خطوط أنابيب بحث مستقلة تستفيد من قوة BrowseComp
• كنت تريد نموذجًا واحدًا يتعامل مع النص والصور والفيديو دون تبديل

اختر Kimi K2.7 Code إذا:

• كنت تبني خطوط أنابيب متكاملة مع MCP وتحتاج أفضل موثوقية في استدعاء الأدوات
• كنت تمارس برمجة وكيلية طويلة الأمد بسير عمل طرفي متعدد الخطوات
• كنت تنشر عبر Kimi Code CLI وتريد أوثق تكامل بين النموذج والهارنس
• كنت تريد مرونة نموذج مفتوح الأوزان بترخيص MIT معدّل
• كانت كفاءة الرموز على الجلسات الطويلة مهمة (خفض 30% يتراكم عبر التشغيلات الوكيلية الكبيرة)

اختر Nemotron 3 Ultra إذا:

• كنت في مؤسسة مقرها الولايات المتحدة ومخاوف البيانات الجيوسياسية تستبعد النماذج ذات الأصل الصيني
• كنت تحتاج ضبطًا دقيقًا للنموذج مع وصول كامل إلى بيانات التدريب وعينات SFT وبيئات التعلّم المعزّز
• كان اتساق الإطار مهمًا — أي أنك تنشر عبر Hermes وOpenClaw وهارنسات أخرى في وقت واحد
• كانت الإنتاجية حرجة لنشر وكلاء متزامن عالي الحجم
• كنت تقوم بعمل كثيف الاستدلال: البرمجة التنافسية، والبنية المعقّدة، ومهام استدلال بمستوى الدراسات العليا
• كنت تريد أفضل نموذج أمريكي مفتوح الأوزان، وبلا مواربة

الحالة الحدّية الصادقة: إذا كنت في سياق شركة ناشئة صغيرة أو مطوّر مستقل لديه متطلبات بيانات مرنة، وكانت التكلفة قيدك الأساسي، فإن M3 بسعر العرض الترويجي يصعب تجاوزه حقًا. وإذا كنت في سياق مؤسسة أمريكية خاضعة للتنظيم، فإن Nemotron Ultra هو الخيار الافتراضي الآمن، وهو تنافسي بما يكفي بحيث لا تضحي بالكثير إذا تجنبت النماذج ذات الأصل الصيني.

---

الأمر الغائب عن النقاش: خصوصية البيانات

لن تكون هذه المقارنة مكتملة دون تناول موضوع يزداد أهمية لنشر المؤسسات.

يقع المقر الرئيسي لـ MiniMax في شنغهاي. وبموجب قانون الاستخبارات الوطنية الصيني الذي صدر عام 2017، يُلزم كل شركة صينية — بما فيها MiniMax — قانونًا بـ“دعم أعمال الاستخبارات الحكومية ومساعدتها والتعاون معها”. والالتزام سارٍ باستمرار، ولا يوفر أي مسار قانوني للشركة لرفض الامتثال عند وصول طلب حكومي.

تحقيق في الكونغرس الأمريكي أُعلن في 29 أبريل 2026 ذكر MiniMax إلى جانب مختبرات ذكاء اصطناعي صينية أخرى؛ ورفعت Anthropic في فبراير 2026 مزاعم بتقطير على نطاق صناعي ضد Claude؛ كما سُمح لدعوى حقوق نشر نشطة من Disney وUniversal وWarner Bros. Discovery بشأن منتج Hailuo بالمضي قدمًا في 26 مايو 2026.

تنطبق الاعتبارات نفسها على Kimi K2.7 Code من Moonshot AI (ومقرها بكين أيضًا). فالجدارة التقنية لهذه النماذج حقيقية، لكن فرق المشتريات في المؤسسات العاملة في صناعات خاضعة للتنظيم، أو الشركات القريبة من قطاع الدفاع، أو أي منظمة تتعامل مع ملكية فكرية حساسة، تحتاج إلى وضع هذه الاعتبارات في الحسبان عند اتخاذ القرار.

توفر الطبيعة مفتوحة الأوزان للنموذجين تخفيفًا محتملًا واحدًا: إذا استضفتهما ذاتيًا على بنيتك التحتية ولم ترسل أي طلبات إلى واجهات API الخاصة بـ Moonshot أو MiniMax، فيمكن قطع تدفق البيانات إلى البنية التحتية الصينية. أما ما إذا كان ذلك كافيًا لمتطلبات الامتثال لديك فهو سؤال قانوني ومتعلق بالمخاطر يخص مؤسستك وحدها.

Nemotron Ultra هو نموذج NVIDIA، وهي شركة أمريكية، بموجب ترخيص OpenMDW-1.1 من مؤسسة Linux Foundation. وبالنسبة للمؤسسات الأمريكية التي لديها متطلبات سيادة على البيانات، يمثل ذلك عامل تمييز ذا معنى لا تعكسه جداول معايير القياس.

---

الحكم النهائي

أسبوعان وثلاثة إصدارات بارزة. قصة الذكاء الاصطناعي مفتوح الأوزان في يونيو 2026 ليست قصة تحسّن تدريجي — بل قفزة نوعية.

MiniMax M3 هو الأكثر تنوعًا بين الثلاثة وأفضل قيمة مقابل السعر من حيث التكلفة المطلقة. وتمنحه نافذة السياق البالغة مليون token وطبيعته متعددة الوسائط الأصلية ملفًا فريدًا لأعمال التطوير المدفوعة بصريًا. والتحفظات هي معايير القياس غير المتحقق منها واعتبارات خصوصية البيانات لاستخدام المؤسسات.

Kimi K2.7 Code هو أفضل نموذج برمجي وكيلي في فضاء الأوزان المفتوحة الآن، بلا استثناء. فالتفوق على Claude Opus 4.8 في استخدام أدوات MCP بوصفه نموذجًا مفتوح الأوزان ليس فوزًا هامشيًا في معايير القياس — إنه الفرق بين “عرض مختبر مثير للإعجاب” و“أفضل فعليًا فيما يفعله الوكلاء في الإنتاج”. ويجعل تحسين كفاءة الـ token بنسبة 30% مقارنة بـ K2.6 تشغيله أرخص بشكل ملموس على نطاق واسع. والتحفظ: أنه متخصص في البرمجة فقط، وأن معايير القياس المستقلة لا تزال قادمة، وأن أسئلة مصدر بيانات Moonshot AI هي نفسها أسئلة MiniMax.

Nemotron 3 Ultra هو النموذج الذي تنشره عندما تحتاج إلى نموذج مفتوح الأوزان بجودة الحدود التقنية يمكنك الوثوق به للمؤسسات، وضبطه بدقة بشفافية كاملة، وتشغيله أسرع من أي شيء آخر عند مستوى ذكائه، ودعمه بمصداقية سلسلة التوريد التي تريح الفرق القانونية والمشتريات. فميزة الإنتاجية البالغة 4.8 ضعف مقارنة بـ Kimi K2.6 تحويلية حقًا لأحمال عمل الوكلاء في الإنتاج، واتساقه المستقل عن الهارنس في معايير قياس الوكلاء إشارة جودة لا تنقلها جداول معايير القياس وحدها بالكامل.

الخلاصة الأوسع من هذين الأسبوعين: انتقلت الحدود التقنية للذكاء الاصطناعي مفتوح الأوزان من “شبه مكافئة للنماذج المغلقة” إلى “أفضل من النماذج المغلقة في أبعاد محددة تهم”. ونتيجة استخدام أدوات MCP من K2.7 هي أوضح إشارة حتى الآن. لم نعد ننتظر حلول مفتوحة المصدر لتلحق بالركب — فهي متقدمة بالفعل في أبعاد معينة.

هل جرّبت أيًا من هذه النماذج في الإنتاج؟ شارك تجربتك في التعليقات — خصوصًا إذا أجريت جلسات وكلاء وجهًا لوجه على OpenClaw أو Hermes. فنقاط البيانات من العالم الحقيقي تساوي أكثر من أي معيار قياس الآن.

لمزيد من التحليلات المعمّقة لنماذج الذكاء الاصطناعي، تابع tech.grahammiranda.com.