انتهى عذر التكلفة

OpenAI تقطع 80% من سعر Luna

المصدر: OpenAI

يوم 31 يوليو نزلت OpenAI بسعر GPT-5.6 Luna إلى $0.20 للمليون token دخلًا و$1.20 خرجًا — خُمس السعر السابق. وTerra نزل 20% إلى $2 و$12. التخفيض لم يأت من فراغ: قبله بيومين أعلنت الشركة أنها قلّصت كلفة التشغيل عندها 20% بتحسين kernels، وحسّنت كفاءة توليد الـ tokens 15% عبر speculative decoding. أول من استفاد هو Codex نفسه — مراجعة الكود التلقائية انتقلت من GPT-5.4 إلى Luna وصارت أرخص بنحو عشرة أضعاف.

الخلاصة لك: لا تنتظر إعادة كتابة شيء. خذ الـ prompts التي عندك اليوم، شغّلها على Luna، وقارن المخرجات والفاتورة. الفرق بين $1 و$0.20 لا يصلح فاتورتك فقط — يفتح لك تسعيرًا لم يكن ممكنًا الشهر الماضي.

Moonshot تفتح أوزان Kimi K3 — 2.8 تريليون parameter

المصدر: Hugging Face

يوم 27 يوليو، منتصف الليل بتوقيت UTC، رفعت Moonshot أوزان Kimi K3 على Hugging Face: نموذج mixture-of-experts بـ 2.8 تريليون parameter إجمالًا، ينشّط منها 104 مليار لكل token، بنافذة سياق تبلغ 1,048,576 token. هذا أكبر إطلاق أوزان مفتوحة حتى الآن. وحجم التحميل 1.4 تيرابايت. ونقطة يغفل عنها كثيرون: الرخصة ليست MIT، بل رخصة خاصة باسم Kimi K3 — اقرأها قبل أن تبني عليها منتجًا.

الخلاصة لك: لن تشغّله على جهازك، ولا على خادم واحد. القيمة العملية لك ليست في التحميل بل في السقف: وجود نموذج بهذا المستوى مفتوحًا يضع حدًّا أعلى لما تستطيع أي شركة API أن تطلبه منك. وإن كان منتجك يحتاج فعلًا نموذجًا لا يغادر بنيتك التحتية، صار الخيار موجودًا — بشرط أن تقرأ الرخصة أولًا.

قاع السوق: $0.0028 للمليون token — بشروط

المصدر: DeepSeek API Docs

صفحة أسعار DeepSeek الرسمية اليوم تعرض deepseek-v4-flash (نسخة 0731) بنافذة سياق مليون token: $0.14 للمليون دخلًا، $0.28 خرجًا. أما إن أصاب طلبك الـ cache فالسعر $0.0028 — أرخص خمسين مرة. لكن اقرأ السطر الصغير: الأسعار تتضاعف في ساعات الذروة، من 9 إلى 12 ومن 14 إلى 18 بتوقيت بكين. احسبها بتوقيتك: النافذة الثانية تقع بين 09:00 و13:00 في الرياض والقاهرة، وبين 10:00 و14:00 في دبي — أي في قلب دوام مستخدميك.

الخلاصة لك: صمّم على أساس الـ cache لا على أساس السعر المعلن. ثبّت بداية الـ prompt (التعليمات، السياق الثابت) وغيّر النهاية فقط — هكذا تصيب الـ cache وتدفع جزءًا من ألف. وأخّر المهام الثقيلة إلى ما بعد 13:00 في الرياض (14:00 في دبي).

Falcon H1 يتصدّر أول مؤشر عالمي للذكاء الاصطناعي السيادي

المصدر: Counterpoint Research

يوم 30 يوليو نشرت Counterpoint Research مؤشرها الأول لنماذج اللغة السيادية، بعد مسح شمل أكثر من 80 دولة و170 نموذجًا نشطًا. جاء Falcon H1 من معهد الابتكار التقني في أبوظبي في المركز الأول عالميًا، متصدّرًا المحاور الأربعة كلها: الملكية، والبناء من الأساس، وعمق اللغة الأم، والتطبيق الواقعي. والمراكز الأربعة الأولى كلها من المنطقة: Falcon H1، وALLaM السعودي، وJais 2، وK2 Think V2 — قبل روسيا والهند وكوريا الجنوبية واليابان وفرنسا وسويسرا. والرقم الذي يستحق الوقوف عنده: 56% من النماذج السيادية في العالم مبنية فوق نماذج مفتوحة قائمة، لا من الصفر.

الخلاصة لك: الخبر ليس للفخر. الخبر أن النماذج الأقرب إلى عربية مستخدميك صار خلفها نشر حقيقي لا أوراق بحثية فقط. ضع Falcon وALLaM في مجموعة الاختبار عندك إلى جانب GPT وClaude — لا كإيماءة، بل لأن أحدًا لم يقس بعد أيّها أفضل على حالتك أنت.

Konecta تختار القاهرة لأول مركز عالمي لها في الذكاء التوليدي

المصدر: Daily News Egypt

يوم 28 يوليو افتتحت مجموعة Konecta الإسبانية مقرّها الإقليمي في القاهرة الجديدة، ومعه أول مركز تميّز عالمي لها في الذكاء الاصطناعي التوليدي — ضمن استثمار قيمته 100 مليون دولار في مصر، افتتحه وزير الاتصالات رأفت هندي. المركز يضم اليوم 800 متخصص مصري يقدّمون خدمات بالعربية والإنجليزية والفرنسية والألمانية والإيطالية والإسبانية والهولندية، والخطة أن يصلوا إلى نحو 3,000 بنهاية 2028. واللافت في الإعلان أن العمل يشمل تطوير وتوطين منصة Kolibri الوكيلة الخاصة بالمجموعة — أي بناء منتج، لا تشغيل دعم فقط.

الخلاصة لك: الرقم ليس هو الخبر. الخبر أن شركة عالمية اختارت القاهرة لأول مركز منتج لها في هذا المجال، لا لمكتب الدعم رقم عشرة. إن كنت توظّف مهندسي ذكاء اصطناعي يتقنون العربية، ظهر لك منافس ممول جيدًا في نفس السوق. وإن كنت تبيع أدوات للمطورين، فهذه 3,000 مقعد تتشكّل في مدينة واحدة.

codebase-memory-mcp — ذاكرة لمشروعك بدل إعادة القراءة

المصدر: GitHub

خادم MCP يفهرس مستودعك في graph معرفي دائم بدل أن يقرأ وكيلك الملفات ملفًا ملفًا في كل مرة. يدعم 158 لغة برمجة عبر tree-sitter، ويعمل محليًا بالكامل — لا يغادر كودك جهازك. الرقم الذي يبرّر التجربة من README المشروع: خمسة استعلامات بنيوية كلّفت نحو 3,400 token عبره، مقابل نحو 412,000 token بالبحث في الملفات — أي 120 ضعفًا. ويفهرس نواة Linux (28 مليون سطر في 75 ألف ملف) في ثلاث دقائق. رخصة MIT، وملف تنفيذي واحد بلا اعتماديات.

الخلاصة لك: أرخص token هو الذي لم ترسله. إن كان وكيلك يقضي نصف السياق في إعادة اكتشاف مشروعك، فهذه أعلى أداة عائدًا تركّبها هذا الأسبوع — وتركيبها أمر واحد.

نموذجا تفريغ صوتي جديدان من OpenAI

المصدر: OpenAI Developer Community

يوم 29 يوليو أطلقت OpenAI نموذجين للتفريغ الصوتي عبر الـ API: GPT-Transcribe للملفات الجاهزة والدفعات بسعر $0.0045 للدقيقة، وGPT-Live-Transcribe للبث الحيّ منخفض التأخير بسعر $0.017 للدقيقة. تقول الشركة إن معدّل الخطأ في النموذج غير المتزامن انخفض إلى أقل من نصف ما كان عليه في Whisper، وإن الفهم تحسّن للسياق والمصطلحات المتخصصة، وعرضت تفريغًا دقيقًا وسط عزف موسيقي لإظهار مقاومة الضجيج.

الخلاصة لك: وعود الشركات عن «اللغات واللهجات» ليست وعودًا عن لهجتك. قبل أن تخطّط لميزة صوتية، مرّر عشرين دقيقة من تسجيلات حقيقية — خليجية ومصرية وشامية — على النموذجين واحكم على تسجيلاتك أنت، لا على العرض التقديمي.

Codex يراجع الآن عبر أكثر من مستودع

المصدر: OpenAI Codex Changelog

تحديث Codex رقم v26.727 يوم 30 يوليو أضاف مراجعة الفروق عبر مستودعات متعددة في مراجعة واحدة، ومتصفحًا مدمجًا ببحث في السجل، وعارض صور موسّعًا بوضعَي Canvas وFocused، ولوحًا جانبيًا للنشاط. وللحسابات المؤسسية والتعليمية أضافت OpenAI ضوابط إدارية تفصل Work Local عن Work Cloud، وتضبط وضع Fast افتراضيًا مع استثناءات حسب الدور.

الخلاصة لك: إن كان منتجك موزّعًا على مستودع للواجهة وآخر للـ API وثالث للبنية التحتية، فهذه هي الميزة التي كنت تنتظرها: المراجعة كانت تتوقف عند حدود المستودع، وتغييرك لا يتوقف عندها.

Molt — إطار تدريب صُمّم ليقرأه وكيل برمجي كاملًا

المصدر: arXiv

نشر أحد عشر باحثًا من NVIDIA ورقة Molt على arXiv (2607.21653): إطار تدريب للتعلّم المعزّز الوكيل مكتوب بـ PyTorch أصلًا، ورخصته Apache-2.0. الجديد فيه ليس خوارزمية، بل قرار تصميم صريح: أن يبقى الكود صغيرًا بما يكفي ليحمله باحث في رأسه، وليقرأه مساعد برمجي بالكامل ويتتبّع مسار الخوارزمية من طرفه إلى طرفه. الوكيل عندهم برنامج عادي، وحلقة واحدة غير متزامنة تدرّب سياسات متعددة الوسائط وmixture-of-experts دون أن تتدرّب على token لم تولّده هي. والنتيجة التي تهمّ: هذا الاختصار لم يكلّفهم أداءً — تحت بروتوكول متطابق، النتائج مكافئة إحصائيًا لمكدّس Megatron.

الخلاصة لك: اسرق القرار، لا الإطار. إن كان مستودعك أكبر من أن يقرأه وكيلك دفعة واحدة، فهذه لم تعد مسألة أناقة — صارت كلفة تدفعها في كل جلسة. NVIDIA اختارت الصِّغَر عمدًا وقاست أنها لم تخسر شيئًا. اسأل نفسك: كيف يبدو مشروعك لو كان «يقرأه وكيل كاملًا» شرطًا في التصميم؟

انشر أول قياس عربي للطبقة الرخيصة

المصدر: Hugging Face

الأسعار نزلت هذا الأسبوع، وما نزل معها رقم واحد يقول كيف تتصرّف هذه النماذج الرخيصة بالعربية. لوحة Open Arabic LLM Leaderboard على Hugging Face تقيس النماذج العربية المفتوحة، لكن الطبقة الرخيصة المغلقة — Luna وV4 Flash وأشباههما — خارج القياس. ابنِ مجموعة اختبار صغيرة وصادقة من مجالك: خمسون مثالًا حقيقيًا، وإجابات مرجعية، ومقياس واضح. شغّلها على أربعة نماذج وانشر الجدول.

الخلاصة لك: خمسون مثالًا تكفي لتصير المرجع. من ينشر الرقم أولًا يملك السؤال — وكل من يبني بالعربية بعدها سيبحث عن جدولك.

ابنِها وأطلقها على شُهُب ←

منتج صوتي باللهجة صار ممكنًا اقتصاديًا

المصدر: شُهُب

اجمع أرقام هذا الأسبوع: تفريغ صوتي بـ $0.0045 للدقيقة، ونموذج لغوي بـ $0.20 للمليون token. ساعة مكالمة كاملة صارت تكلّف قروشًا. هذا يفتح ما كان مستحيلًا في هوامش السوق العربي: تلخيص مكالمات المبيعات باللهجة، محاضر اجتماعات عربية، دعم صوتي لمن لا يكتب بالعربية بسهولة. والجانب الثاني — التوليد الصوتي — له بالفعل من يخدمه عربيًا: Lahajati على شُهُب يغطي أكثر من 190 لهجة.

الخلاصة لك: ابدأ من المكالمة لا من النموذج. سجّل عشر مكالمات حقيقية من عملك، فرّغها، ولخّصها بيدك أولًا. إن كان التلخيص اليدوي مفيدًا، فالأتمتة تستحق البناء — وإن لم يكن، وفّرت على نفسك شهرًا.

ابنِها وأطلقها على شُهُب ←

صمّم على الـ cache: خمسون ضعفًا على الطاولة

المصدر: DeepSeek API Docs

فرق السعر بين إصابة الـ cache وعدمها عند DeepSeek هذا الأسبوع خمسون ضعفًا: $0.0028 مقابل $0.14 للمليون token. أغلب التطبيقات تضيّع هذا الفرق لأنها تبني الـ prompt من جديد في كل طلب. الحل بنيوي لا تحسيني: ثبّت المقدمة — التعليمات، تعريف المنتج، السياق الثابت — واجعل المتغيّر في النهاية فقط. ثم ضع طبقة توجيه أمام كل شيء: النموذج الرخيص أولًا، والتصعيد إلى الأغلى فقط حين يفشل معيار تعرفه أنت.

الخلاصة لك: اقرأ الـ prompt الذي ترسله الآن. إن كان اسم المستخدم أو التاريخ في أول سطر، فأنت تدفع خمسين ضعفًا بلا سبب. انقلهما إلى الأسفل قبل أن تفكّر في تغيير النموذج.

ابنِها وأطلقها على شُهُب ←