أفضل نماذج الذكاء الاصطناعي العربية في 2026: علّام وفالكون وما بعدهما

كيف تقرأ اختبارات النماذج العربية قبل أن تقارن بينها

تعتمد معظم إعلانات النماذج العربية على لوحة Open Arabic LLM Leaderboard ‏(OALL) المستضافة على منصة Hugging Face. وقد استقطبت نسختها الأولى أكثر من 700 نموذج من أكثر من 180 جهة. وفي فبراير 2025 أطلق القائمون عليها النسخة الثانية التي حذفت المهام المشبعة والمترجمة آلياً بسبب تدني جودتها واحتمال انحيازها الثقافي، وانتقلت إلى اختبارات أصيلة أو منقّحة بشرياً: ArabicMMLU الأصلي، ونسخة MMLU مترجمة بشرياً، وAlGhafa، وEXAMS، وMadinahQA، وAraTrust، وBelebele، إضافة إلى ALRAGE، وهي مهمة جديدة تقيس التوليد المعزّز بالاسترجاع. فحين يقول مطوّر إن نموذجه يتصدّر لوحة الترتيب العربية، فهذه غالباً اللوحة المقصودة.

ويُعدّ ArabicMMLU، المنشور في مؤتمر ACL عام 2024، اختبار المعرفة الكامن في كثير من تلك النتائج. وهو يضم 14,575 سؤال اختيار من متعدد موزعة على 40 مهمة، مأخوذة من اختبارات مدرسية في ثماني دول منها السعودية والإمارات والكويت، ويذكر مؤلفوه أن أكثر من نصف الأسئلة مصمم لسياقات عربية خاصة. وعند صدوره لم يتجاوز أفضل نموذج عربي التوجه نسبة 62.3%. إنه اختبار قوي لمعرفة الفصحى، لكنه لا يقيس مدى فهم النموذج لعميل يكتب بالنجدية أو الحجازية.

وقد بنت المؤسسات السعودية أدوات قياسها الخاصة. فمعيار «بلسم» الذي أطلقه مجمع الملك سلمان العالمي للغة العربية و«سدايا» خلال القمة العالمية للذكاء الاصطناعي في سبتمبر 2024 هو معيار مجتمعي تصف ورقته البحثية 78 مهمة ضمن 14 فئة ونحو 52 ألف مثال، مع مجموعات اختبار مخفية تقلّل خطر تدريب النماذج على الإجابات. وفي اللهجات بدأت الأبحاث الأكاديمية تلحق بالركب: فمعيار «أبشر» (2025) يستخدم أكثر من 18 ألف سؤال عن اللهجات السعودية، ووجد فجوات ملحوظة في الاستدلال الثقافي وفهم السياق حتى لدى النماذج القوية.

والدرس العملي بسيط: أرقام لوحات الترتيب أداة لتضييق القائمة لا لاتخاذ قرار الشراء. فمعظم النتائج المنشورة يعلنها مطوّر النموذج نفسه، وتعتمد صيغة الاختيار من متعدد بالعربية الفصحى، ولا تقول الكثير عن جودة المحادثة أو التعامل مع اللهجات أو سلوك النموذج حين يُؤسَّس على وثائقك الخاصة. استخدم الاختبارات لتختصر عشرة مرشحين إلى ثلاثة، ثم اختبر الثلاثة على بياناتك أنت.

علّام و«هيوماين»: النموذج العربي السعودي

بدأ نموذج «علّام» في المركز الوطني للذكاء الاصطناعي التابع لـ«سدايا»، الذي بنى نسخاً بأحجام 7B و13B و70B معاملاً. وأصبح علّام 13B متاحاً لمستخدمي منصة IBM watsonx في مايو 2024، وفي سبتمبر 2024 أعلنت مايكروسوفت الإتاحة العامة لنموذج علّام 7B على Azure خلال القمة العالمية للذكاء الاصطناعي في الرياض. وفي فبراير 2025 نُشر نموذج ALLaM-7B-Instruct-preview المضبوط بالتعليمات على Hugging Face بترخيص Apache 2.0، ليحصل المطورون على نموذج عربي سعودي الصنع يمكنهم تنزيله وتشغيله بأنفسهم.

وبطاقة هذا النموذج المفتوح مفصّلة على نحو لافت: فقد دُرّب من الصفر على نحو 4 تريليونات رمز إنجليزي ثم 1.2 تريليون رمز عربي وإنجليزي مختلط، وضُبط على قرابة 7 ملايين تعليمة، ويسجّل 67.78 على Arabic MMLU دون أمثلة مسبقة. وحدوده واضحة كذلك: نافذة سياق من 4,096 رمزاً فقط، وهي قصيرة للوثائق الطويلة، وحجم يتأخر عن أحدث النماذج الكبرى في الاستدلال. ولذلك يناسب المهام المركّزة وتجارب الضبط الدقيق والتشغيل داخل المنشأة حين يجب أن تبقى الأوزان لديك.

وفي مايو 2025 تولّت «هيوماين»، شركة الذكاء الاصطناعي الوطنية المدعومة من صندوق الاستثمارات العامة، ملكية علامة علّام ومشروعه بالتعاون مع «سدايا». وفي أواخر أغسطس 2025 أطلقت تطبيق «هيوماين تشات» على الويب وiOS وأندرويد، مدعوماً بنموذج علّام 34B الذي تصفه الشركة بأنه نموذج تأسيسي عربي التوجه بُني ودُرّب من الصفر. ويوفّر التطبيق بحثاً آنياً في الويب، وإدخالاً صوتياً عربياً بعدة لهجات، والتنقل بين العربية والإنجليزية في المحادثة نفسها، مع استضافة على بنية «هيوماين» داخل المملكة بما يتوافق مع نظام حماية البيانات الشخصية. ولم يُنشر علّام 34B بأوزان مفتوحة.

وتتسع طرق الوصول أمام المنشآت. ففي 26 أغسطس 2026 أعلنت مايكروسوفت و«هيوماين» تعاوناً طويل الأمد تعتزمان بموجبه إتاحة نماذج علّام عبر Microsoft Foundry، وتمكين المنشآت من بناء وكلاء باللغة العربية في Microsoft 365 Copilot. وحتى كتابة هذه السطور كانت هذه خططاً معلنة لا إتاحة عامة، لذا ينبغي للمشتري التحقق مباشرة من طرق الوصول الحالية ومناطق الاستضافة والشروط قبل أن يبني عليها.

Falcon Arabic وFalcon-H1 Arabic: متصدّرا لوحة الترتيب

دخل معهد الابتكار التكنولوجي في أبوظبي مجال العربية مباشرة في مايو 2025 بنموذج Falcon Arabic، وهو نموذج بحجم 7B مبني على Falcon 3-7B ومدرّب على بيانات عربية أصيلة لا ترجمة آلية، يغطي الفصحى واللهجات الإقليمية. وذكر المعهد أنه تفوّق على النماذج العربية من فئته الحجمية في OALL v2، بما فيها نماذج أكبر منه بعدة أضعاف، مع دعم سياق يبلغ 32 ألف رمز. وعند الإطلاق أتاحه المعهد عبر منصة Falcon للمحادثة لا كتنزيل مفتوح اعتيادي.

وفي 5 يناير 2026 أتبعه المعهد بعائلة Falcon-H1 Arabic بأحجام 3B و7B و34B. وتعتمد معمارية هجينة: كل طبقة تشغّل طبقات Mamba لنماذج فضاء الحالة وانتباه Transformer بالتوازي، وهو تصميم يعالج المدخلات الطويلة بكفاءة. ويدعم نموذجا 7B و34B سياقاً يصل إلى 256 ألف رمز، ونموذج 3B إلى 128 ألفاً، وهذا مهم لكل من يُدخل عقوداً أو سياسات أو أدلة طويلة في النموذج. ويقول المعهد إن بيانات التدريب وُسّعت لتشمل اللهجات الخليجية والمصرية والشامية والمغاربية.

وعلى صعيد النتائج، يعلن المعهد متوسطات على لوحة Open Arabic LLM Leaderboard تبلغ 61.87% لنموذج 3B و71.47% لنموذج 7B و75.36% لنموذج 34B، ويذكر أن نموذج 34B يتفوق على أنظمة أكبر بكثير مثل Llama-3.3-70B. أما في تقييم اللهجات الذي أجراه المعهد نفسه (AraDice، ويشمل المصرية والخليجية والشامية) فالنتائج أدنى بوضوح، في حدود الخمسينات، مقارنة بمهام الفصحى. وهذه الفجوة صادقة ومفيدة، إذ تؤكد أن اللهجات ما زالت أصعب من الفصحى حتى لدى متصدّر اللوحة الحالي.

وبالنسبة للمشترين، يُعدّ Falcon-H1 Arabic الخيار الأقوى حين تكون الوثائق الطويلة والدقة مقابل الحجم هي الأولوية. وأهم بند في العناية الواجبة هو الترخيص: فقد وجّهت تغطية الإطلاق المستخدمين إلى منصة التجربة العامة للمعهد، وينبغي قراءة الشروط المرتبطة بالأوزان القابلة للتنزيل بعناية على صفحات النماذج الرسمية للمعهد قبل التخطيط للاستضافة الذاتية أو الضبط الدقيق.

جيس 2 وفنار وبقية المشهد الإقليمي

ظلّت عائلة «جيس» أشهر نماذج العربية المفتوحة في المنطقة منذ أن فتحت «إنسبشن»، التابعة لمجموعة G42، مصدر النموذج الأصلي بحجم 13B بالتعاون مع جامعة محمد بن زايد للذكاء الاصطناعي وشركة Cerebras عام 2023. وفي ديسمبر 2025 أطلقت «إنسبشن» وCerebras ومعهد النماذج التأسيسية في الجامعة نموذج «جيس 2» بحجم 70 مليار معامل، بمعمارية معاد تصميمها وما يصفه مطوّروه بأكبر مجموعة بيانات عربية التوجه جمعوها. ويتوفر Jais-2-8B-Chat وJais-2-70B-Chat على Hugging Face، إلى جانب تطبيق «جيس تشات» على الويب والهواتف.

وتذكر بطاقة نموذج «جيس 2» بحجم 70B ترخيص Apache 2.0 (مع اشتراط الموافقة على الشروط في Hugging Face للوصول)، وسياقاً من 8,192 رمزاً، ودعماً للفصحى واللهجات الإقليمية والتنقل بين العربية والإنجليزية، ونتيجة 70.71 على معيار AraGen. وهذا المزيج من الحجم الكبير والترخيص المتساهل والعناية الصريحة بالمزج اللغوي يجعل «جيس 2» من أقوى المرشحين للمنشآت التي تريد نموذجاً عربياً مستضافاً ذاتياً بالكامل، شريطة توفر قدرة معالجات رسومية تكفي لنموذج بحجم 70B.

ويُعدّ نموذج «فنار» القطري، من معهد قطر لبحوث الحوسبة في جامعة حمد بن خليفة، خياراً موثوقاً آخر. فنموذج Fanar-1-9B-Instruct دُرّب تدريباً مستمراً انطلاقاً من نموذج Gemma-2-9B من Google على نحو تريليون رمز عربي وإنجليزي وبرمجي، ويدعم الفصحى واللهجات الخليجية والشامية والمصرية، ومنشور بترخيص Apache 2.0 بسياق 4,096 رمزاً. وهو نموذج متوسط الحجم مناسب للفرق التي تريد نموذجاً عربياً مفتوحاً يعمل على عتاد متواضع.

كما بنت شركات دولية نماذج إقليمية؛ فقد أطلقت Mistral AI في فبراير 2025 نموذج Mistral Saba بحجم 24B، المدرّب على بيانات منتقاة من الشرق الأوسط وجنوب آسيا، والمتاح عبر واجهة برمجة Mistral أو للنشر على البنية التحتية للعميل باستخدام معالج رسومي واحد. وهو مرجع مفيد للمشترين الذين يريدون نموذجاً إقليمياً مدمجاً من مزوّد تجاري يقدّم دعماً للمؤسسات.

كيف تتعامل النماذج العالمية مثل GPT وClaude وGemini وQwen مع العربية

النماذج العالمية المتقدمة قوية في العربية الفصحى، ومطوّروها ينشرون الأرقام التي تثبت ذلك. فعلى نسخة من اختبار MMLU مترجمة إلى العربية ترجمة احترافية، تُظهر نتائج OpenAI المنشورة حصول o3-high على 0.904 وGPT-4.1 على 0.844. وتذكر وثائق Anthropic أن Claude Sonnet 4.5 يبلغ في العربية 97.2% من أدائه في الإنجليزية على النوع نفسه من الاختبار. كما تتعامل نماذج Gemini من Google مع العربية بكفاءة في الاستخدام العملي، وتوفّر الشركات الثلاث نوافذ سياق كبيرة واستخداماً للأدوات ومنصات تطوير ناضجة.

ومن بين النماذج العالمية مفتوحة الأوزان، تذكر عائلة Qwen3 من علي بابا، الصادرة في أبريل 2025 بترخيص Apache 2.0 لنماذجها الكثيفة، دعم 119 لغة ولهجة، وتسمّي صراحةً تنويعات عربية منها الفصحى والنجدية والشامية والمصرية والمغربية. ولهذا كثيراً ما تُستخدم نماذج من فئة Qwen أساساً للضبط الدقيق بالعربية، ونقطةَ مقارنة شائعة في أوراق النماذج العربية؛ فمعهد الابتكار التكنولوجي مثلاً يقارن Falcon-H1 Arabic بنماذج Qwen3 وLlama ذات الأحجام المماثلة.

لكن هناك تحفظين مهمين. الأول أن اختبار MMLU المترجم يقيس المعرفة بالعربية الفصحى، ولا يقول شيئاً عن عميل يكتب باللهجة السعودية، أو يدمج أسماء منتجات إنجليزية في جمل عربية، أو يتوقع صياغة مناسبة ثقافياً. والثاني أن النماذج العالمية المغلقة تُستخدم عادةً عبر واجهات برمجة مستضافة خارج المملكة، ما يُدخل التزامات نقل البيانات عبر الحدود بموجب نظام حماية البيانات الشخصية متى ما كانت هناك بيانات شخصية.

وعملياً تجمع كثير من التطبيقات في السعودية بين العالمين: نموذج عالمي للاستدلال المعقّد على محتوى غير حساس، ونموذج عربي التوجه أو مستضاف ذاتياً للمحادثات مع العملاء والبيانات الشخصية. والمزيج الصحيح يحدده نوع العمل، لا الولاء لمزوّد بعينه.

اللهجات والأوزان المفتوحة وتوطين البيانات

اللهجات هي الميدان الذي ما زالت النماذج العربية تختلف فيه أكثر من غيره. فمعظم الاختبارات تقيس العربية الفصحى، بينما يكتب العملاء في السعودية بالنجدية والحجازية والخليجية وبأساليب مختلطة تتخللها مصطلحات إنجليزية. ونتائج اللهجات التي أعلنها معهد الابتكار التكنولوجي لنموذج Falcon-H1 Arabic أدنى بكثير من نتائج الفصحى، ووجدت دراسة «أبشر» فجوات ملحوظة في اللهجة والثقافة السعودية لدى النماذج التي اختبرتها. كما أظهرت دراسة عام 2025 أجرت ضبطاً دقيقاً لنموذج علّام 7B على بيانات حجازية ونجدية مدى فائدة العمل الموجّه: إذ ارتفعت نسبة المخرجات المصنّفة لهجةً سعودية من نحو 48% إلى 84%. أي أن أداء اللهجات قابل للتحسين، لكنه يجب أن يُقاس على بياناتك أنت.

والترخيص يحدد ما يمكنك فعله فعلاً بالنموذج. فنماذج ALLaM-7B-Instruct-preview و«جيس 2» وFanar-1-9B والنماذج الكثيفة من Qwen3 منشورة بترخيص Apache 2.0 الذي يسمح بالاستخدام التجاري والتعديل والاستضافة الذاتية. أما علّام 34B فيُستخدم عبر منتجات «هيوماين» وشركائها لا كأوزان قابلة للتنزيل. ونماذج Falcon تخضع لشروط الترخيص الخاصة بمعهد الابتكار التكنولوجي. والنماذج المتقدمة المغلقة مثل GPT وClaude وGemini متاحة فقط عبر واجهات مزوّديها البرمجية وشركائهم السحابيين.

وتوطين البيانات هو المرشّح الثالث، وهو في السعودية ليس خياراً. فنظام حماية البيانات الشخصية ينطبق على أي مساعد يتعامل مع أسماء العملاء أو أرقام هواتفهم أو بيانات حساباتهم أو معلوماتهم الصحية. وتشترط لائحة نقل البيانات الشخصية إلى خارج المملكة الصادرة عن «سدايا»، المحدّثة في سبتمبر 2024، ضمانات مناسبة مثل البنود التعاقدية القياسية أو القواعد المؤسسية الملزمة حين تفتقر جهة الوجهة إلى قرار ملاءمة، إضافة إلى تقييم للمخاطر في حالات معينة. واستضافة النموذج والبيانات داخل المملكة تُسقط طبقة كاملة من هذا التحليل.

ومجتمعةً، كثيراً ما تضيّق هذه العوامل الثلاثة الاختيار أسرع من أي اختبار. فالخدمة الموجهة لجهة حكومية التي تعالج بيانات شخصية باللهجة السعودية ستنتهي عادةً إلى نموذج عربي التوجه مستضاف داخل المملكة، بينما تتمتع أداة بحث داخلية تعمل على وثائق عامة بالعربية والإنجليزية بحرية أكبر بكثير.

كيف تختار المنشأة السعودية نموذج الذكاء الاصطناعي العربي المناسب

ابدأ بالمهمة لا بالنموذج. دوّن ثلاث أو أربع مهام يجب أن يؤديها المساعد، مثل الإجابة عن أسئلة السياسات، أو حجز المواعيد، أو تلخيص الوثائق العربية، أو التعامل مع الشكاوى، واجمع من 100 إلى 200 مثال حقيقي لكل منها من قنواتك، بما فيها اللهجات والأخطاء الإملائية والنصوص المختلطة بين العربية والإنجليزية. هذه هي مجموعة الاختبار الخاصة بك، وستخبرك أكثر مما تخبرك به أي لوحة ترتيب عامة.

ثم طبّق المرشّحات الحاسمة: توطين البيانات والترخيص والميزانية. فإن كانت هناك بيانات شخصية يجب أن تبقى داخل المملكة، فقائمتك المختصرة هي النماذج المفتوحة المستضافة ذاتياً (علّام 7B، وجيس 2، وفنار، ونماذج فئة Qwen) أو مزوّدون يستضيفون داخل السعودية. والتكلفة تتبع الحجم: فنموذج بحجم 7B إلى 9B يمكن تشغيله على معالج رسومي حديث واحد، ونموذج 34B يحتاج ذاكرة أكبر بكثير، ونموذج 70B يحتاج عادةً عدة معالجات أو ضغطاً مكثفاً للأوزان. أما النماذج عبر الواجهات البرمجية فلا تكلفة عتاد لها، لكنها تُحاسَب لكل رمز، وهو ما يتضاعف سريعاً مع الوثائق العربية الطويلة.

وتذكّر أن معظم الدقة في بيئة الأعمال تأتي من التأسيس على المصادر لا من النموذج الأساسي. فالتوليد المعزّز بالاسترجاع (RAG) يزوّد النموذج بالمقاطع ذات الصلة من سياساتك وبيانات منتجاتك وأسئلتك الشائعة لحظة الإجابة، فيستند المساعد إلى وثائقك بدلاً من التخمين. وقد أضافت OALL v2 مهمة ALRAGE تحديداً لأن هذه المهارة مهمة. ونموذج عربي متوسط الحجم مع استرجاع جيد واستخراج نظيف للنص العربي ووثائق منظمة كثيراً ما يتفوق على نموذج أكبر بكثير يجيب من ذاكرته.

وأخيراً، أجرِ مقارنة عمياء بين مرشحين أو ثلاثة على مجموعة الاختبار، يقيّمها متحدثون أصليون من جمهورك المستهدف من حيث الصحة وفهم اللهجة والنبرة وسلوك الرفض. واجعل المعمارية مستقلة عن النموذج لتتمكن من التبديل حين يظهر نموذج أفضل، ففي هذا السوق يحدث ذلك كل بضعة أشهر. واستمر في القياس بعد الإطلاق: تابع الأسئلة التي لم تُجب، وحالات التحويل إلى موظف، ورضا العملاء بالعربية بشكل منفصل عن الإنجليزية.

الأسئلة الشائعة

خاتمة

يقدّم سوق الذكاء الاصطناعي العربي في سبتمبر 2026 خيارات حقيقية. فعلّام يمنح السعودية عائلة نماذج محلية الصنع، من إصدار مفتوح بحجم 7B إلى نموذج «هيوماين» الرئيسي بحجم 34B المستضاف داخل المملكة. ويتصدّر Falcon-H1 Arabic الأرقام المعلنة على لوحة Open Arabic LLM Leaderboard مع سياق طويل جداً. ويقدّم «جيس 2» و«فنار» أوزاناً مفتوحة بتراخيص متساهلة، فيما تبقى النماذج العالمية المتقدمة قوية في العربية الفصحى.

أما بالنسبة للمنشأة، فالقرار يعود إلى قائمة قصيرة من الأسئلة العملية: هل يفهم النموذج لهجة عملائك؟ هل يمكنك نظاماً استضافته حيث يجب أن تبقى بياناتك؟ هل تتحمل تكلفته مع حجم الاستخدام الحقيقي؟ وهل يجيب بدقة حين يُؤسَّس على وثائقك؟ أجب عن هذه الأسئلة على بياناتك، وحافظ على مرونة بنيتك، وسيكون النموذج العربي الصحيح هو الذي يخدم عملاءك جيداً، أياً كانت اللوحة التي يتصدّرها.