Zolamir
ع
EnglishENFrançaisFREspañolESالعربيةع

أفضل نماذج الذكاء الاصطناعي للغة العربية

يستهلك النص العربي رموزًا أكثر من النص الإنجليزي، ويختلف الفارق من نموذج لآخر. قسنا ذلك بأنفسنا، ثم جمعناه مع درجات جودة مستقلة والأسعار الحالية لنبيّن أي النماذج تمنحك أفضل نتيجة مقابل ما تدفعه بالعربية.

يحتاج النص نفسه إلى رموز أكثر بنسبة تتراوح بين 26‎%‎ و87‎%‎ باللغة العربية مقارنة بالإنجليزية، بحسب النموذج. Mistral (Nemo) هو الأكثر كفاءة، وZ.ai (GLM-4.5) هو الأقل.

تكلفة اللغة العربية حسب عائلة النماذج

أداة التقطيعiالرموز (الإنجليزية)الرموز (العربية)الزيادة مقارنة بالإنجليزية
Mistral (Nemo)220277
+26‎%‎
OpenAI (GPT-4o)219295
+35‎%‎
Google (Gemma 3)218320
+47‎%‎
Meta (Llama 4)219347
+58‎%‎
Alibaba (Qwen 3)219360
+64‎%‎
DeepSeek (V3.1)219368
+68‎%‎
Z.ai (GLM-4.5)219409
+87‎%‎

لا تنشر Anthropic (Claude) وxAI (Grok) أدوات التقطيع الخاصة بهما، لذا لا يمكن قياسهما، ونستخدم لنماذجهما متوسط العائلات المقاسة (مع علامة ≈). ويُقدَّر Gemini باستخدام Gemma، أداة التقطيع المفتوحة من Google.

أقوى النماذج وتكلفتها الفعلية باللغة العربية

التصنيفات →
النموذجالمؤشر العامiمعامل العربيةالمدخلاتi1,000 صفحة
166.6×1.35‏10 US$‏4.56 US$
165.0≈ ×1.55‏10 US$‏5.25 US$
163.6≈ ×1.55‏10 US$‏5.25 US$
Claude Opus 5Anthropic
162.7≈ ×1.55‏5 US$‏2.62 US$
162.5×1.35‏30 US$‏13.69 US$
162.0×1.35‏2 US$‏0.912 US$
159.3×1.35‏2 US$‏0.912 US$
GPT-5.5OpenAI
159.3×1.35‏5 US$‏2.28 US$
159.1×1.35‏30 US$‏13.69 US$
158.3≈ ×1.55‏5 US$‏2.62 US$
Gemini 3.7 FlashGoogle DeepMind
157.7×1.47‏0.75 US$‏0.371 US$
Kimi K3Moonshot AI
157.7≈ ×1.55‏3 US$‏1.57 US$
Gemini 3.8 FlashGoogle DeepMind
157.1×1.47‏0.75 US$‏0.371 US$
156.9×1.58‏1.25 US$‏0.671 US$
GPT-5.4OpenAI
156.9×1.35‏2.50 US$‏1.14 US$

تكلفة قراءة 1,000 صفحة من النص (نحو 300,000 كلمة بالإنجليزية) مكتوبة باللغة العربية كمدخلات. يحصل كل نموذج على المعامل المقاس على أحدث أداة تقطيع عامة لشركته، لذا فهو تقدير، إذ قد تستخدم النماذج الأحدث أداة مختلفة. تشير ≈ إلى الشركات التي لا تنشر أداة تقطيع (متوسط العائلات المقاسة).

أفضل قيمة مقابل السعر باللغة العربية

نماذج قوية (مؤشر عام 140 أو أكثر) مرتبة من الأرخص إلى الأغلى في معالجة النص باللغة العربية.

  • DeepSeek V4 Flash 0731
    المؤشر العام 154.5 · ×1.68
    ‏0.01 US$ / 1,000 صفحة
  • Qwen3.7 Flash
    المؤشر العام 144.6 · ×1.64
    ‏0.017 US$ / 1,000 صفحة
  • Qwen3.5-Flash
    المؤشر العام 144.0 · ×1.64
    ‏0.036 US$ / 1,000 صفحة
  • Gemma 4 26B A4B
    المؤشر العام 141.9 · ×1.47
    ‏0.038 US$ / 1,000 صفحة
  • Gemma 4 31B
    المؤشر العام 142.7 · ×1.47
    ‏0.045 US$ / 1,000 صفحة
  • Qwen3.6 35B A3B
    المؤشر العام 143.9 · ×1.64
    ‏0.084 US$ / 1,000 صفحة
  • Qwen3.5-35B-A3B
    المؤشر العام 142.5 · ×1.64
    ‏0.09 US$ / 1,000 صفحة
  • GPT-5.6 Luna
    المؤشر العام 156.3 · ×1.35
    ‏0.091 US$ / 1,000 صفحة

نماذج صُممت للغة العربية

لا تتوفر النماذج المتخصصة دائمًا عبر الواجهات البرمجية الكبرى أعلاه، لكنها تستحق التجربة، خاصةً للهجات المحلية والمعرفة الثقافية.

  • Jais ↗
    Inception (G42) · MBZUAI
    نماذج عربية إنجليزية من الإمارات، منشورة بأوزان مفتوحة.
  • ALLaM ↗
    SDAIA
    نماذج تركّز على العربية طوّرتها الهيئة السعودية للبيانات والذكاء الاصطناعي.
  • Fanar ↗
    QCRI · HBKU
    نماذج ومساعد يركّزان على العربية من قطر.
  • Falcon Arabic ↗
    TII
    نسخ عربية من نماذج Falcon المفتوحة من معهد الابتكار التكنولوجي في أبوظبي.
  • SILMA ↗
    SILMA AI
    نماذج عربية مفتوحة صغيرة مصممة للعمل بتكلفة منخفضة.

تصنيفات مستقلة للغة العربية

تختبر هذه المشاريع النماذج مباشرةً باللغة العربية. استخدمها إلى جانب الدرجات العامة أعلاه.

  • Open Arabic LLM Leaderboard (OALL) ↗
    Hugging Face
    يقيّم النماذج المفتوحة في اختبارات المعرفة والاستدلال بالعربية.
  • HELM Arabic ↗
    Stanford CRFM
    تقييم شفاف وقابل لإعادة الإنتاج للنماذج المفتوحة والتجارية بالعربية.
  • Arabic Broad Leaderboard ↗
    SILMA AI
    اختبار عربي واسع يغطي أنواعًا كثيرة من المهام، مع قياسات للسرعة.

نصائح لاستخدام الذكاء الاصطناعي باللغة العربية

  1. اختبر النموذج بلهجتك. معظم النماذج أقوى في العربية الفصحى الحديثة، أما النتائج باللهجات المصرية أو الخليجية أو الشامية أو المغاربية فتتفاوت كثيرًا من نموذج لآخر.
  2. اطلب العربية صراحةً. أضف عبارة «أجب بالعربية» إلى تعليماتك، خاصةً إذا تضمن سؤالك مصطلحات إنجليزية، وإلا فقد يغيّر بعض النماذج اللغة.
  3. تحقق من العرض من اليمين إلى اليسار. قد يظهر النص الذي يخلط العربية بالحروف اللاتينية (أسماء المنتجات، الشيفرة، الأرقام) بترتيب خاطئ إذا لم يتعامل تطبيقك مع الاتجاه بشكل صحيح.
  4. خصص ميزانية لرموز إضافية. بحسب النموذج، يكلّف المحتوى نفسه بالعربية أكثر من الإنجليزية بنسبة تتراوح بين 26‎%‎ و87‎%‎، فاستخدم الجدول أعلاه أو عدّاد الرموز للتقدير.
  5. راجع الأسماء والأرقام والتشكيل. قد يكون النص العربي المولَّد سلسًا لكنه يخطئ في أسماء الأعلام أو التواريخ أو علامات التشكيل، فراجع أي محتوى قبل نشره.

كيف قسنا

كتبنا النصوص الأربعة نفسها (خبر، ورسالة لعميل، وشرح تقني، ونصائح سفر) بـ 15 لغة، ثم عددنا الرموز التي تنتجها كل أداة تقطيع متاحة للعموم. تأتي درجات الجودة من Epoch AI وتُقاس غالبًا بالإنجليزية، لذا اختبر دائمًا النماذج المرشحة على محتواك الخاص باللغة العربية.

احصل على توصية مخصصةاحسب رموز نصك