أفضل نموذج LLM مفتوح المصدر لمشروعك في يوليو 2026 يعتمد على المهمة، وليس على عنوان المعيار. تشمل الخيارات الحالية DeepSeek V4 Pro وQwen3.6 وKimi K2.6 وGLM-5.1، ولكل منها نقاط قوة مختلفة في الاستدلال والبرمجة والعمل مع السياقات الطويلة والترخيص. السؤال العملي هو ما إذا كنت بحاجة إلى أوزان قابلة للتنزيل أو API مُستضاف يعمل دون فريق لتشغيل وحدات معالجة الرسومات (GPU). يقدم هذا الدليل مقارنة للمجال الحالي، ويشرح الفرق بين الاستضافة الذاتية والوصول عبر API، ويوضح كيفية استخدام النماذج مفتوحة الأوزان في عامل برمجة مع Novita AI.
ما الذي يُعتبر نموذج LLM مفتوح المصدر؟
“مفتوح المصدر” يغطي نطاقًا واسعًا في الممارسة العملية. التمييز الأكثر أهمية من الناحية التشغيلية هو ما إذا كان يمكنك تشغيل أوزان النموذج بنفسك، وليس ما إذا كان كود التدريب عامًا. الحالات الشائعة هي:
- أوزان مفتوحة بالكامل مع ترخيص متساهل (Apache 2.0، MIT): يمكنك استخدام النموذج وتعديله وتشغيله تجاريًا، وفقًا لشروط الترخيص. أمثلة: Qwen3.6 (Apache 2.0)، DeepSeek R1 (MIT)، وGLM-5.1 (MIT).
- أوزان مفتوحة مع ترخيص مخصص: الأوزان قابلة للتنزيل ولكن قد يكون هناك قيود على الاستخدام التجاري أو إعادة التوزيع أو الضبط الدقيق. يستخدم Llama 4 من Meta ترخيصًا مخصصًا مع حدود لعدد المستخدمين تتجاوز 700 مليون مستخدم شهريًا.
- أوزان للبحث فقط أو مقيدة: الأوزان متاحة ولكنها مقيدة بالاستخدام غير التجاري أو تتطلب موافقة. أقل صلة بفرق الإنتاج.
بالنسبة لمعظم قرارات الإنتاج، المرشح العملي هو: هل يمكنك قانونيًا تشغيل هذا النموذج لمستخدميك، وهل يسمح الترخيص بحالة الاستخدام التجاري التي تحتاجها؟
أفضل نماذج LLM مفتوحة المصدر في 2026
لقد تقلصت طبقة الأوزان المفتوحة بشكل ملحوظ. تم تحديث هذه القائمة في 22 يوليو 2026 لتشمل إصدارات Qwen وKimi وGLM الأحدث. أحد الحدود المهمة: أعلنت Moonshot عن Kimi K3 في 16 يوليو، لكن أوزانه الكاملة مقررة في 27 يوليو. إلى أن يتم نشر هذه الأوزان فعليًا، يظل Kimi K2.6 أحدث نموذج Kimi قابل للتنزيل مشمول هنا.
للأغراض العامة والاستدلال
DeepSeek V4 Pro (685B، قريب من MIT) هو الرائد الحالي في المعايير للبرمجة العاملة (agentic coding). إنه يتعادل أو يتفوق على نماذج الحدود المغلقة في معايير SWE-Bench واستدعاء الوظائف، مما يجعله خيارًا عمليًا لعوامل البرمجة التي تحتاج إلى قراءة قواعد بيانات كبيرة وتنفيذ استدعاءات أدوات متعددة الخطوات. وهو متاح كـ API مُستضاف إذا لم يكن لديك البنية التحتية لتشغيل نموذج بحجم 685B بنفسك.
Qwen3.6 يوسع عائلة Qwen مفتوحة الأوزان بمتغيرات كثيفة (Dense) وMoE متفرقة، وإدخال متعدد الوسائط، ونافذة سياق أصلية بحجم 262K. ترخيص Apache 2.0 يبقيه عمليًا للنشر التجاري، بينما مجموعة أحجام النماذج تمنح الفرق مساحة أكبر للمفاضلة بين الجودة وتكلفة التشغيل.
Kimi K2.6 هو نموذج MoE مفتوح الأوزان من Moonshot AI بحجم 1 تريليون معلمة مع 32 مليار معلمة نشطة ونافذة سياق 256K. إنه مصمم للبرمجة العاملة طويلة الأمد، واستخدام الأدوات، والتنسيق متعدد العوامل، وهو متاح عبر وصول API مُستضاف إذا كنت لا ترغب في تشغيل النموذج الكامل بنفسك.
DeepSeek R1 (685B، MIT) يظل أقوى خيار للرياضيات والاستدلال الرسمي — 79.8% على AIME. إذا كان تطبيقك يتضمن التحقق من الكود، أو البراهين الرسمية، أو سلاسل الاستدلال المنظمة، فإن R1 هو النقطة المرجعية المعيارية.
GLM-5.1 هو تحديث مرخص من MIT من Z.ai لـ GLM-5، مع 40 مليار معلمة نشطة ونافذة سياق 204.8K. ملاءمته الرئيسية هي العمل العاملي طويل الأمد حيث يجب على النموذج مواصلة التكرار، وفحص النتائج، وتغيير الاستراتيجية بدلاً من التوقف بعد تمريرة برمجة قصيرة.
مخصصة للبرمجة
Qwen 2.5 Coder 32B (Apache 2.0) يحقق 92% على HumanEval ويعمل على بطاقة RTX 4090 واحدة. إذا كنت بحاجة إلى نموذج برمجة يمكنك استضافته ذاتيًا على أجهزة استهلاكية، فهذا هو الاختيار العملي.
Kimi K2.6 هو أيضًا الخيار الحالي المُركز على البرمجة من Kimi. تصميمه ذو السياق الطويل والأفق الطويل يجعله أكثر أهمية من متغير Kimi K2 Code السابق للعمل المستدام على المستودعات، وسير العمل الثقيل بالأدوات، والتصحيح الذاتي المستقل.
صغيرة وفعالة
Phi-4 14B من Microsoft يعمل في 8 غيغابايت من ذاكرة الوصول العشوائي للفيديو (VRAM) ويتعامل بشكل جيد مع اتباع التعليمات والبرمجة والاستدلال الخفيف. استخدمه عندما تكون زمن الوصول وقيود الأجهزة أكثر أهمية من الجودة القصوى.
Llama 4 Scout من Meta يدعم ما يصل إلى 10 ملايين رمز (token) في السياق ويتسع في 16 غيغابايت VRAM. الخيار المناسب عندما يتضمن عبء العمل الخاص بك معالجة مستندات طويلة.
مقارنة النماذج في لمحة
| النموذج | الحجم | الترخيص | الأفضل لـ | السياق |
|---|---|---|---|---|
| DeepSeek V4 Pro | 685B | قريب من MIT | البرمجة العاملة، SWE-Bench | 1M |
| Qwen3.6 | متغيرات كثيفة وMoE | Apache 2.0 | الاستدلال متعدد الوسائط، الاستخدام التجاري | 262K |
| Kimi K2.6 | 1T MoE، 32B نشطة | MIT معدل | البرمجة العاملة، استخدام الأدوات | 256K |
| DeepSeek R1 | 685B | MIT | الرياضيات، الاستدلال الرسمي | 163K |
| GLM-5.1 | MoE، 40B نشطة | MIT | العمل العاملي طويل الأمد | 204.8K |
| Qwen 2.5 Coder 32B | 32B | Apache 2.0 | البرمجة، الاستضافة الذاتية | 128K |
| Phi-4 14B | 14B | MIT | VRAM منخفضة، استخدام التطوير | 128K |
| Llama 4 Scout | ~109B | مخصص | المستندات طويلة السياق | 10M |
الاستضافة الذاتية مقابل استدلال API مُستضاف
هذا هو القرار التشغيلي الذي يحدد تكلفتك الفعلية واستثمار وقتك. النسخة المختصرة: استدلال API المُستضاف أرخص وأسرع في التشغيل إلا إذا كنت تتجاوز حوالي 2-5 ملايين رمز يوميًا مع حركة مرور مستدامة على مدار 12 شهرًا.
متى يفوز استدلال API المُستضاف
- فريقك ليس لديه خبرة في تشغيل وحدات معالجة الرسومات (GPU)
- ما زلت في مرحلة النمذجة الأولية أو التكرار على اختيار النموذج
- حجم الرموز الخاص بك أقل من نقطة التعادل للاستضافة الذاتية
- تحتاج إلى تبديل النماذج بسرعة مع ظهور إصدارات جديدة
- الموثوقية والتوسع التلقائي أكثر أهمية من تحسين التكلفة
API LLM مُستضاف، خاصةً المتوافق مع OpenAI، يتيح لك إضافة نموذج جديد بتغيير سطر واحد في عنوان URL الأساسي ومعرف النموذج. تتجنب إدارة البداية الباردة، ومفاضلات التكميم، وتكوين التجميع، وترقيات إطار العمل.
متى تفوز الاستضافة الذاتية
- لا يمكن لبياناتك مغادرة بنيتك التحتية (الرعاية الصحية، المالية، القانونية، الصناعات المنظمة)
- تقوم بمعالجة أكثر من 5 ملايين رمز يوميًا مع حركة مرور يمكن التنبؤ بها
- تحتاج إلى تشغيل نقطة تفتيش مضبوطة بدقة أو مُكيفة لا يقدمها أي مزود مُستضاف
- لديك مجموعة GPU موجودة بسعة متاحة
الاستضافة الذاتية على H100s مع SGLang أو vLLM فعالة من حيث التكلفة حقًا على نطاق واسع. تضع المعايير الحديثة SGLang عند إنتاجية أعلى بنسبة 29% من vLLM على أعباء العمل القياسية، وتصل إلى 6 أضعاف سرعة خطوط أنابيب RAG الثقيلة بالبادئة عبر RadixAttention. لكن هذه المكاسب تهم فقط إذا كانت لديك القدرة التشغيلية للحفاظ على مكدس التشغيل من خلال تحديثات النموذج، وأعطال الأجهزة، وارتفاعات حركة المرور.
المسار الهجين
معظم الفرق تنتهي إلى هجين: API مُستضاف للنمذجة الأولية والوصول المرن للنماذج، ومثيلات GPU لأعباء العمل التي تبرر السعة المخصصة. الميزة العملية للبقاء على منصة سحابية واحدة للذكاء الاصطناعي هي أنك لست بحاجة إلى إعادة بناء خطوط أنابيب المصادقة والفواتير والمراقبة والنشر عندما تنتقل من API بدون خادم إلى نقطة نهاية مخصصة إلى مثيل GPU مخصص.
كيفية الوصول إلى نماذج LLM مفتوحة المصدر عبر API
توفر Novita AI وصولاً عبر API متوافق مع OpenAI إلى كتالوج من النماذج مفتوحة المصدر بما في ذلك DeepSeek V4 Pro وDeepSeek V4 Flash وKimi K2.6 وQwen3.6 وGLM-5.1 وMiniMax M3 وغيرها. هيكل نقطة النهاية هو نفسه من OpenAI، لذا يمكن للكود الموجود الذي يستخدم openai SDK الاتصال بنماذج Novita مع تغييرات طفيفة.
استدعاء API أساسي
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
api_key="YOUR_NOVITA_API_KEY",
)
response = client.chat.completions.create(
model="deepseek/deepseek-v4-pro",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Explain the difference between DeepSeek R1 and V4 Pro."},
],
)
print(response.choices[0].message.content)
لتبديل النماذج، قم بتغيير معلمة model. لا حاجة لتغييرات أخرى. قائمة كاملة بمعرفات النماذج المدعومة متاحة على novita.ai/docs/model-api/reference/llm/models.html.
TypeScript
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.novita.ai/v3/openai",
apiKey: process.env.NOVITA_API_KEY,
});
const response = await client.chat.completions.create({
model: "qwen/qwen3.5-397b-a17b",
messages: [{ role: "user", content: "Write a Python function to parse JSON." }],
});
console.log(response.choices[0].message.content);
مرجع الأسعار
تختلف الأسعار حسب النموذج ويتم تحصيلها لكل مليون رمز. DeepSeek V4 Flash بسعر 0.14 دولار/مليون رمز للإدخال و0.28 دولار/مليون رمز للإخراج هو الخيار الأكثر فعالية من حيث التكلفة للأغراض العامة. DeepSeek V4 Pro بسعر 1.60 دولار/مليون رمز للإدخال و3.20 دولار/مليون رمز للإخراج هو الخيار المتميز لسير عمل البرمجة والعمل حيث تؤثر جودة النموذج بشكل مباشر على معدل إنجاز المهام. تحقق من novita.ai/models/llm للحصول على الأسعار الحالية، حيث يتغير ذلك مع إضافة نماذج جديدة.
نماذج LLM مفتوحة المصدر لعوامل البرمجة
أكثر إعدادات عوامل البرمجة فعالية في 2026 تجمع بين نموذج LLM مفتوح المصدر للاستدلال وتوليد الكود وبيئة تنفيذ معزولة (sandbox) لتشغيل الكود. هذه بنية مختلفة عن استدعاء API بسيط: يحتاج العامل إلى قراءة الملفات، وكتابة الكود، وتشغيل الأوامر، وفحص المخرجات، والتكرار.
نمطا الفشل اللذان يجب تجنبهما هما:
- تشغيل الكود المُولد بواسطة العامل على جهاز التطوير أو الخادم الإنتاجي — خطأ إذا قام النموذج بتوليد شيء مدمر أو غير متوقع
- إعداد جهاز افتراضي كامل لكل جلسة عامل بنفسك — سريع النمو، بطيء في التوسع
Novita Agent Sandbox
توفر Agent Sandbox من Novita بيئات Linux معزولة تبدأ في أقل من 200 مللي ثانية. كل صندوق رمل لديه نظام ملفات يمكن للعامل القراءة والكتابة فيه، وshell يمكن للعامل تشغيل الأوامر فيه، وعزل بحيث لا يمكن لأي شيء يولده النموذج التأثير على صناديق الرمل الأخرى أو بنيتك التحتية. تستمر الجلسات عبر الطلبات، لذا يمكن للعامل الحفاظ على الحالة عبر مهمة متعددة الخطوات.
SDK Python مباشر:
from novita_sandbox.code_interpreter import Sandbox
sandbox = Sandbox.create()
# Agent writes a file
sandbox.files.write("/workspace/app.py", code_content)
# Agent runs it
result = sandbox.commands.run("python /workspace/app.py")
print(result.stdout)
# Clean up
sandbox.kill()
قم بإقران هذا مع أي نموذج متوافق مع OpenAI على LLM API من Novita، وستحصل على عامل برمجة يمكنه توليد الكود وتشغيله وفحصه ومراجعته دون أي بنية تحتية تتجاوز مفتاح API الخاص بك.
أطر عمل العوامل مفتوحة المصدر
العديد من عوامل البرمجة مفتوحة المصدر متاحة كبيئات تشغيل جاهزة على Novita Agent Sandbox:
- OpenClaw على Novita — انشر عامل OpenClaw مستمر عبر صندوق الرمل Novita بدون حد للجلسة. يتصل بـ LLM API و Sandbox من Novita تلقائيًا، مما يجعله عمليًا لمهام الأتمتة طويلة الأمد.
- Hermes Agent — عامل مستقل من Nous Research بذاكرة مستمرة. يعمل كعملية طويلة الأمد بدلاً من جلسة واحدة.
- Goose — عامل برمجة مفتوح المصدر (أكثر من 45 ألف نجمة على GitHub) مع Novita كمزود أصلي، مما يمنحه الوصول إلى أكثر من 200 نموذج خلف بيانات اعتماد واحدة.
بالنسبة للفرق التي تبني عوامل برمجة مخصصة بدلاً من نشر إطار عمل موجود، تقدم Novita Agent Runtime طبقة هيكل خفيفة تتعامل مع دورة حياة الصندوق الرمل، وتوجيه استدعاءات الأدوات، واستمرار الجلسة.
أي نموذج LLM مفتوح المصدر يجب أن تستخدمه؟
شجرة القرار قصيرة:
للبرمجة والمهام العاملة: ابدأ بـ DeepSeek V4 Pro عبر API. إنه الرائد الحالي في الأداء لـ SWE-Bench واستخدام الأدوات متعددة الخطوات. إذا كانت التكلفة هي القيد، فإن DeepSeek V4 Flash يتعامل مع مهام البرمجة الأبسط بجزء بسيط من السعر.
للاستدلال والرياضيات: DeepSeek R1 لا يزال المرجع المعياري لـ AIME والاستدلال الرسمي. استخدمه عندما تتضمن المهمة حل المشكلات المنظمة بدلاً من تنفيذ الكود.
للاستخدام التجاري مع ترخيص مفتوح: Qwen3.6 تحت ترخيص Apache 2.0 هو نقطة بداية عملية عندما يحتاج فريقك القانوني إلى ترخيص متساهل مألوف. اختر من بين المتغيرات الكثيفة وMoE بناءً على ميزانية التشغيل واختبارات جودة المهمة.
للبرمجة المستضافة ذاتيًا على وحدات GPU استهلاكية: Qwen 2.5 Coder 32B يعمل على بطاقة RTX 4090 واحدة ويسجل 92% على HumanEval. إذا كنت بحاجة إلى استضافة نموذج برمجة ذاتيًا بدون بنية تحتية GPU عالية المستوى، فهذا هو الاختيار العملي.
للمستندات الطويلة: Llama 4 Scout مع نافذة سياق 10 ملايين رمز يتعامل مع أعباء العمل التي تتطلب تجزئة على أي نموذج آخر.
للبيئات الصغيرة: Phi-4 14B يتسع في 8 غيغابايت من VRAM ويتعامل بشكل جيد مع اتباع التعليمات وتوليد الكود والاستدلال الخفيف.
النمط عبر كل هذه الخيارات: الوصول عبر API المُستضاف يزيل العبء التشغيلي ويتيح لك تبديل النماذج مع تطور المشهد. الاستضافة الذاتية منطقية عندما تبرر سيادة البيانات أو اقتصاديات الرموز على نطاق واسع استثمار تشغيل GPU. معظم فرق الإنتاج ينتهي بها الأمر إلى القيام بالأمرين معًا.
الخلاصة
مشهد LLM مفتوح المصدر في 2026 مختلف جوهريًا عما كان عليه قبل عامين. نماذج مثل DeepSeek V4 Pro وQwen3.6 وKimi K2.6 وGLM-5.1 هي مرشحة من الدرجة الأولى لأعباء عمل محددة مثل البرمجة العاملة، والاستدلال الرسمي، والتحليل متعدد الوسائط، ومعالجة السياقات الطويلة.
القرار العملي ليس أي نموذج هو الأفضل على لوحة الصدارة. بل هو أي نموذج يناسب نموذجك التشغيلي: API مُستضاف إذا كنت بحاجة إلى التحرك بسرعة وتجنب عمليات GPU، واستضافة ذاتية إذا كانت بياناتك لا يمكنها مغادرة بنيتك التحتية أو أن اقتصاديات الرموز تبرر الاستثمار، وطبقة تنفيذ معزولة إذا كان نموذجك بحاجة إلى العمل على الكود بدلاً من مجرد توليده.
يغطي LLM API من Novita AI النماذج مفتوحة المصدر الرئيسية خلف نقطة نهاية متوافقة مع OpenAI، لذا يمكنك تشغيل كود التكامل نفسه ضد DeepSeek أو Qwen أو Kimi أو GLM دون إعادة بناء مكدسك لكل إصدار نموذج. قم بإقرانه مع Agent Sandbox عندما تتطلب المهمة تنفيذ الكود، وستحصل على جوهر عامل برمجة جاهز للإنتاج دون إدارة البنية التحتية الأساسية بنفسك.
الأسئلة الشائعة
ما هو أفضل نموذج LLM مفتوح المصدر في 2026؟
DeepSeek V4 Pro مرشح قوي للبرمجة العاملة، وKimi K2.6 يستهدف استخدام الأدوات طويل الأمد، وQwen3.6 يقدم خيارات Apache 2.0 بأحجام متعددة، وGLM-5.1 يستهدف التنفيذ العاملي المستدام. الإجابة الصحيحة تعتمد على مهمتك، ومتطلبات الترخيص، والأجهزة، وما إذا كنت ترغب في الاستضافة الذاتية.
ما هي أفضل نماذج LLM مفتوحة المصدر للاستخدام المحلي؟
Qwen 2.5 Coder 32B (بطاقة RTX 4090 واحدة)، وPhi-4 14B (8 غيغابايت VRAM)، وLlama 4 Scout (16 غيغابايت VRAM، 10 ملايين سياق) هي الخيارات العملية للاستدلال المحلي. النماذج التي تزيد عن 70 مليار معلمة تتطلب عادةً إعدادات GPU متعددة.
هل نماذج اللغة الكبيرة مفتوحة المصدر جيدة مثل النماذج المغلقة؟
لمهام محددة، نعم. DeepSeek V4 Pro يتعادل أو يتفوق على GPT-4.1 في SWE-Bench ومعايير البرمجة. للمهام المفتوحة العامة، لا تزال النماذج المغلقة الأعلى تحتفظ بميزة. الفجوة تعتمد بشكل كبير على المهمة والمعيار المحدد.
ما هي أخبار نماذج LLM مفتوحة المصدر اليوم؟
اعتبارًا من 22 يوليو 2026، تشمل الإصدارات الحديثة للأوزان المفتوحة Qwen3.6 وKimi K2.6 وGLM-5.1 وDeepSeek V4 Pro. تم الإعلان عن Kimi K3، لكن أوزانه الكاملة مقررة في 27 يوليو، لذا لا ينبغي معاملته بعد كخيار أوزان مفتوحة قابلة للتنزيل.
كيف يمكنني الوصول إلى نماذج LLM مفتوحة المصدر دون استضافة ذاتية؟
استخدم API استدلال مُستضاف. توفر Novita AI وصولاً متوافقًا مع OpenAI إلى DeepSeek وQwen وKimi وGLM وMiniMax ونماذج مفتوحة المصدر أخرى. قم بتغيير عنوان URL الأساسي إلى https://api.novita.ai/v3/openai ومعرف النموذج إلى الذي تريده؛ لا حاجة لتغييرات أخرى على كودك الموجود.
ما الفرق بين نماذج LLM مفتوحة المصدر ونماذج اللغة مفتوحة المصدر؟
يتم استخدام المصطلحين بالتبادل في معظم السياقات. من الناحية الفنية، يشير “نموذج لغة كبير (LLM)” تحديدًا إلى نماذج اللغة المحولة المدربة على نطاق واسع. “نموذج لغة مفتوح المصدر” يمكن أن يشير أيضًا إلى نماذج أصغر أو نماذج خارج بنية المحول، ولكن في الاستخدام الحالي، يصف كلا المصطلحين نفس فئة النماذج.
