The latest articles on DEV Community by Yusuf Khalidd (@yusuf_khalidd). https://dev.to/yusuf_khalidd https://media2.dev.to/dynamic/image/width=90,height=90,fit=cover,gravity=auto,format=auto/https:%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Fuser%2Fprofile_image%2F3821724%2F0310c456-f78f-4e57-a40e-62fa6c7bebaa.png https://dev.to/yusuf_khalidd en Yusuf Khalidd Mon, 03 Aug 2026 07:40:06 +0000 https://dev.to/yusuf_khalidd/mqrn-byn-qwen-38-w-kimi-k3-mlqy-lsyn-mftwhy-lwzn-3bi6 https://dev.to/yusuf_khalidd/mqrn-byn-qwen-38-w-kimi-k3-mlqy-lsyn-mftwhy-lwzn-3bi6 <p>تحول يوليو 2026 إلى شهر منافسة بين نموذجين رائدين مفتوحي الوزن من الصين: أطلقت Moonshot AI نموذج <strong>Kimi K3</strong> في 16 يوليو، ثم كشفت علي بابا عن <strong>Qwen 3.8-Max</strong> بعد ثلاثة أيام وأتاحته للجمهور في أوائل أغسطس. كلاهما نموذج خليط خبراء (MoE) بمليارات المعلمات، ويتكامل مع أنظمة وكلاء شبيهة بـ Claude Code، ويستهدف تكلفة أقل من مختبرات الذكاء الاصطناعي الأمريكية الرائدة. لكن الاختلاف العملي بينهما يظهر في الأوزان المتاحة فعليًا، ودعم الصور، والتكلفة عند الاستخدام المكثف. ابدأ بـ <a href="https://apidog.com/ar/blog/what-is-qwen-3-8?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">شرح Qwen 3.8-Max</a> للحصول على تفاصيل النموذج، ثم استخدم هذه المقارنة لاتخاذ قرار تنفيذ مناسب.</p> <p><a href="https://apidog.com/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary">جرّب Apidog اليوم</a> </p> <blockquote> <p><strong>ملاحظة مهمة:</strong> لا يوجد حتى الآن معيار مستقل ومباشر يقيّم Qwen 3.8-Max وKimi K3 تحت نفس الإعدادات. جميع أرقام المعايير أدناه منشورة من البائعين أنفسهم، لذلك تعامل معها كمؤشرات أولية لا كحكم نهائي.</p> </blockquote> <h2> الجدول الزمني: من أطلق ماذا، ومتى </h2> <p>ترتيب الإطلاق مهم هنا لأن عبارة «الأوزان المفتوحة» لا تعني الشيء نفسه للنموذجين في الوقت الحالي.</p> <ul> <li> <strong>Kimi K3</strong>: أُطلق في 16 يوليو 2026، ووصلت أوزانه إلى Hugging Face في 27 يوليو بصيغة MXFP4 وبحجم 594 جيجابايت. يمكنك تنزيله وتكميمه وتشغيله على بنيتك الخاصة الآن.</li> <li> <strong>Qwen 3.8-Max</strong>: كُشف عنه في 19 يوليو، وأصبح متاحًا عبر Alibaba Cloud Model Studio في أوائل أغسطس، وفقًا لـ <a href="https://qwen.ai/blog?id=qwen3.8" rel="noopener noreferrer">منشور إطلاق Qwen الرسمي</a>. وُعدت الأوزان بالوصول إلى Hugging Face وModelScope «الأسبوع المقبل»، أي قرب 10 أغسطس.</li> </ul> <p><strong>قرار عملي:</strong> إذا كانت الاستضافة الذاتية شرطًا أساسيًا هذا الأسبوع، فاختر Kimi K3. أما إذا كنت تعتمد على واجهة برمجة تطبيقات مستضافة، فتابع المقارنة.</p> <h2> المعلمات: نموذجان MoE بحجم تريليوني </h2> <p>كلا النموذجين يستخدمان خليط خبراء متفرقًا؛ لذلك يجب التمييز بين إجمالي المعلمات والمعلمات النشطة لكل رمز. العدد النشط أقرب لتقدير تكلفة الاستدلال.</p> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>المواصفات</th> <th>Qwen 3.8-Max</th> <th>Kimi K3</th> </tr> </thead> <tbody> <tr> <td>إجمالي المعلمات</td> <td>2.4T</td> <td>2.8T</td> </tr> <tr> <td>المعلمات النشطة لكل رمز</td> <td>95B</td> <td>104B</td> </tr> <tr> <td>نسبة التنشيط</td> <td>~4%</td> <td>~3.7%</td> </tr> <tr> <td>قاعدة المعمارية</td> <td>أساس Qwen 3.5، MoE</td> <td>MoE</td> </tr> <tr> <td>الأوزان المفتوحة</td> <td>وُعدت قرب 10 أغسطس</td> <td>MXFP4، بحجم 594 جيجابايت على Hugging Face</td> </tr> </tbody> </table></div> <p>Qwen 3.8-Max أصغر بـ 400 مليار معلمة إجمالية و9 مليارات معلمة نشطة لكل رمز. هذا لا يثبت جودة أعلى أو أقل، لكنه يشير إلى تكلفة خدمة أقل نظريًا عند تساوي العوامل الأخرى.</p> <p>بالنسبة للاستضافة الذاتية، حجم تنزيل K3 البالغ 594 جيجابايت بدقة MXFP4 يعني نقلًا متعدد العقد قبل احتساب ذاكرة KV cache لسياقات طويلة. من المتوقع أن تقع أوزان Qwen 3.8-Max في الفئة نفسها تقريبًا عند إصدارها.</p> <h2> الانفتاح اليوم: أوزان مباشرة مقابل وعد </h2> <p>الأوزان العامة ليست مجرد تسمية تسويقية. تحقق من هذه النقاط قبل اختيار النموذج:</p> <ol> <li>هل يمكنك تنزيل الأوزان الآن؟</li> <li>هل يمكنك مراجعة الترخيص؟</li> <li>هل يمكنك تشغيل إصدار ثابت من النموذج دون تبديله من البائع؟</li> <li>هل توجد تكميمات أو أدوات مجتمع متاحة؟</li> </ol> <p>بالنسبة إلى <strong>Kimi K3</strong>، الإجابة هي نعم اليوم: الأوزان متاحة، ويمكن استضافتها وتكميمها وضبطها بدقة.</p> <p>بالنسبة إلى <strong>Qwen 3.8-Max</strong>، يمثل الوعد بنشر الأوزان تحولًا مهمًا؛ إذ سيكون أول نموذج من فئة Qwen-Max يصدر بأوزان مفتوحة. لكن حتى يصبح المستودع متاحًا، يبقى نموذج API مع إعلان عن أوزان قادمة.</p> <p><strong>الخلاصة الحالية:</strong> </p> <ul> <li>الاستضافة الذاتية الآن: <strong>Kimi K3</strong> </li> <li>إعادة التقييم قرب 10 أغسطس: <strong>Qwen 3.8-Max</strong> إذا نُشرت الأوزان كما وُعد</li> </ul> <h2> الوسائط: Qwen يرى الصور، وK3 نصي </h2> <p>هذه واحدة من أوضح الفروقات العملية.</p> <p>يدعم Qwen 3.8-Max إدخال النصوص والصور وفقًا لتهيئة النموذج الرسمية:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight json"><code><span class="p">{</span><span class="w"> </span><span class="nl">"input_modalities"</span><span class="p">:</span><span class="w"> </span><span class="p">[</span><span class="s2">"text"</span><span class="p">,</span><span class="w"> </span><span class="s2">"image"</span><span class="p">]</span><span class="w"> </span><span class="p">}</span><span class="w"> </span></code></pre> </div> <p>تعرض علي بابا أيضًا فهم مستندات PDF طويلة وفيديوهات عبر رسوم ذاكرة في منشور الإطلاق، لكن هذه عروض توضيحية وليست أنواع إدخال API موثقة بوضوح. دعم الصور نفسه متاح عبر API.</p> <p>أما Kimi K3 فهو نموذج نصي. إذا كانت مهامك تشمل:</p> <ul> <li>لقطات شاشة</li> <li>مستندات ممسوحة ضوئيًا</li> <li>OCR</li> <li>فهم واجهات المستخدم</li> <li>وكلاء استخدام الكمبيوتر</li> </ul> <p>فستحتاج إلى إضافة نموذج رؤية منفصل إلى خط أنابيب K3، مع زيادة في التعقيد وزمن الاستجابة.</p> <p><strong>قاعدة الاختيار:</strong></p> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>حالة الاستخدام</th> <th>الخيار العملي</th> </tr> </thead> <tbody> <tr> <td>ترميز ووكالات نصية فقط</td> <td>كلاهما مناسب مبدئيًا</td> </tr> <tr> <td>تحليل صور أو واجهات أو مستندات</td> <td>Qwen 3.8-Max</td> </tr> <tr> <td>خط أنابيب محلي بنموذج نصي قابل للتثبيت</td> <td>Kimi K3</td> </tr> </tbody> </table></div> <h2> السياق، الإخراج، وواجهة API </h2> <p>يوفر Qwen 3.8-Max:</p> <ul> <li>نافذة سياق ثابتة: <strong>1,000,000 رمز</strong> </li> <li>حد أقصى للإخراج: <strong>65,536 رمزًا</strong> </li> <li>تحكم في الاستدلال عبر <code>reasoning_effort</code> </li> <li>مستويات استدلال: <code>xhigh</code> افتراضيًا، و<code>medium</code>، و<code>low</code> </li> <li>احتساب أوضاع التفكير وغير التفكير بالسعر نفسه، مع احتساب رموز التفكير ضمن الإخراج</li> </ul> <p>يتوفر Qwen عبر Alibaba Cloud Model Studio في مناطق بكين وسنغافورة وفرجينيا، ويقدم واجهتين متوافقتين مع:</p> <ul> <li>OpenAI</li> <li>Anthropic</li> </ul> <p>لهذا يمكن دمجه مع Claude Code بأسلوب متغيرات البيئة:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code><span class="nb">export </span><span class="nv">ANTHROPIC_BASE_URL</span><span class="o">=</span><span class="s2">"https://&lt;dashscope-anthropic-endpoint&gt;"</span> <span class="nb">export </span><span class="nv">ANTHROPIC_MODEL</span><span class="o">=</span><span class="s2">"qwen3.8-max"</span> <span class="nb">export </span><span class="nv">ANTHROPIC_API_KEY</span><span class="o">=</span><span class="s2">"&lt;your-api-key&gt;"</span> </code></pre> </div> <p>راجع التوفر الإقليمي والتشكيلة من <a href="https://www.alibabacloud.com/help/en/model-studio/models" rel="noopener noreferrer">صفحة نماذج Model Studio</a>.</p> <p>يدعم Kimi K3 أيضًا نقطة نهاية متوافقة مع Anthropic، لذلك يمكنه العمل مع أنظمة وكلاء مشابهة لـ Claude Code. للحصول على تفاصيل نقاط النهاية وحدودها الحالية، راجع <a href="https://apidog.com/ar/blog/what-is-kimi-k3?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">شرح Kimi K3</a>.</p> <p>عند اختبار مناطق متعددة أو مزودين مختلفين، استخدم بيئات منفصلة في <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a> لحفظ عنوان URL الأساسي ومفتاح API ومعرف النموذج لكل مزود دون تعديل الطلب يدويًا.</p> <h2> التسعير: إدخال أرخص وإخراج أقل تكلفة مع Qwen </h2> <p>الأسعار المعلنة لكل مليون رمز:</p> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>السعر</th> <th>Qwen 3.8-Max</th> <th>Kimi K3</th> </tr> </thead> <tbody> <tr> <td>الإدخال</td> <td>$2.00</td> <td>$3.00</td> </tr> <tr> <td>الإخراج</td> <td>$6.00</td> <td>$15.00</td> </tr> <tr> <td>الإدخال من ذاكرة التخزين المؤقت</td> <td>$0.20</td> <td>$0.30</td> </tr> <tr> <td>التصنيف الطبقي</td> <td>ثابت حتى سياق 1M</td> <td>وفق جدول Moonshot المنشور</td> </tr> </tbody> </table></div> <p>وفقًا لـ <a href="https://www.alibabacloud.com/help/en/model-studio/model-pricing" rel="noopener noreferrer">صفحة تسعير Model Studio الرسمية</a>، يكلف Qwen 3.8-Max:</p> <ul> <li>2 دولار لكل مليون رمز إدخال</li> <li>6 دولارات لكل مليون رمز إخراج</li> <li>125% من سعر الإدخال لإنشاء ذاكرة تخزين مؤقت صريحة</li> <li>10% من سعر الإدخال لضربات ذاكرة التخزين المؤقت</li> </ul> <p>هناك أيضًا حصة مجانية قدرها مليون رمز في منطقة سنغافورة لمدة 90 يومًا.</p> <h3> كيف تقدّر التكلفة قبل الترحيل </h3> <p>استخدم معادلة بسيطة:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>التكلفة = (رموز الإدخال ÷ 1,000,000 × سعر الإدخال) + (رموز الإخراج ÷ 1,000,000 × سعر الإخراج) + تكلفة التخزين المؤقت إن وجدت </code></pre> </div> <p>مثال على عبء عمل وكيل كثيف الإخراج:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>إدخال: 2M رمز إخراج: 1M رمز Qwen 3.8-Max = (2 × $2) + (1 × $6) = $10 Kimi K3 = (2 × $3) + (1 × $15) = $21 </code></pre> </div> <p>الفجوة الأكبر تظهر في الإخراج: سعر K3 البالغ 15 دولارًا يساوي 2.5 ضعف سعر Qwen البالغ 6 دولارات.</p> <blockquote> <p>انتبه إلى أن <code>reasoning_effort=xhigh</code> هو الوضع الافتراضي في Qwen، وتُحتسب رموز التفكير كرموز إخراج. لذلك قد تكون الفاتورة الفعلية أعلى من تقدير إدخال/إخراج بسيط.</p> </blockquote> <p>لأمثلة تكلفة حسب المهمة، راجع <a href="https://apidog.com/ar/blog/qwen-3-8-pricing?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">تحليل تسعير Qwen 3.8</a>.</p> <h2> المعايير: جدولان من البائعين، لا مقارنة مباشرة </h2> <p>ما هو متاح اليوم:</p> <ul> <li>نشرت علي بابا نتائج Qwen 3.8-Max مقابل Claude Opus 4.8 وFable 5 وGPT-5.6 Sol وQwen 3.7-Max.</li> <li>نشرت Moonshot نتائج Kimi K3 مقابل مجموعة مشابهة من النماذج الرائدة.</li> <li>كلا الجدولين صادر عن البائع الذي يقيّم نموذجه.</li> </ul> <p>ما ليس متاحًا:</p> <ul> <li>تقييم مستقل يضع Qwen 3.8-Max وKimi K3 في نفس بيئة الاختبار.</li> <li>إعدادات موحدة للنظام والمنصة وأخذ العينات.</li> <li>أرقام Artificial Analysis لـ Qwen 3.8-Max وقت كتابة المقالة.</li> </ul> <h3> نتائج علي بابا المنشورة </h3> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>المعيار</th> <th>Qwen 3.8-Max</th> <th>Claude Opus 4.8</th> <th>Fable 5</th> <th>GPT-5.6 Sol</th> </tr> </thead> <tbody> <tr> <td>Terminal Bench 2.1</td> <td>86.6</td> <td>84.6</td> <td>84.6</td> <td>88.8</td> </tr> <tr> <td>SWE-bench Pro</td> <td>67.7</td> <td>69.2</td> <td>80.0</td> <td>64.6</td> </tr> <tr> <td>PaperBench</td> <td>93.0</td> <td>80.3</td> <td>88.8</td> <td>90.5</td> </tr> <tr> <td>GPQA Diamond</td> <td>92.6</td> <td>92.0</td> <td>92.6</td> <td>94.1</td> </tr> <tr> <td>HLE</td> <td>43.6</td> <td>45.7</td> <td>53.3</td> <td>47.2</td> </tr> </tbody> </table></div> <p>تشير نتائج علي بابا نفسها إلى نقاط ضعف واضحة: يتأخر Qwen 3.8-Max عن Fable 5 في SWE-bench Pro، ويتأخر عن جميع النماذج المدرجة في HLE. من أبرز صفوفه PaperBench واتباع التعليمات والمسح متعدد الوسائط.</p> <p>أما Moonshot، فتعرض تفوق K3 على Claude Opus 4.8 في عدد من معاييرها، مع تأخره عمومًا عن Fable 5 وGPT-5.6 Sol. راجع <a href="https://apidog.com/ar/blog/kimi-k3-vs-claude-opus-4-8?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">مقارنة Kimi K3 وClaude Opus 4.8</a> لمعرفة التفاصيل والتحذيرات.</p> <p><strong>التفسير الصحيح:</strong> لا تستخدم جدول بائع لاختيار نموذج للإنتاج. استخدمه فقط لتحديد ما يجب اختباره في عبء عملك الحقيقي.</p> <h2> أجرِ مقارنتك الخاصة في Apidog </h2> <p>أفضل معيار هو تشغيل نفس المهام من منتجك على النموذجين. بما أن كليهما يوفر واجهات إكمال دردشة متوافقة مع OpenAI، يمكنك إعداد اختبار قابل للتكرار بسرعة في <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a>.</p> <h3> 1. أنشئ بيئتين </h3> <p>بيئة Qwen:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>BASE_URL = &lt;DashScope endpoint&gt; MODEL = qwen3.8-max API_KEY = &lt;Qwen API key&gt; </code></pre> </div> <p>بيئة Kimi:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>BASE_URL = &lt;Moonshot endpoint&gt; MODEL = &lt;K3 model identifier&gt; API_KEY = &lt;Moonshot API key&gt; </code></pre> </div> <h3> 2. احفظ طلبًا موحدًا </h3> <p>استخدم مهمة حقيقية من منتجك بدل لغز عام:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight json"><code><span class="p">{</span><span class="w"> </span><span class="nl">"model"</span><span class="p">:</span><span class="w"> </span><span class="s2">"{{MODEL}}"</span><span class="p">,</span><span class="w"> </span><span class="nl">"messages"</span><span class="p">:</span><span class="w"> </span><span class="p">[</span><span class="w"> </span><span class="p">{</span><span class="w"> </span><span class="nl">"role"</span><span class="p">:</span><span class="w"> </span><span class="s2">"system"</span><span class="p">,</span><span class="w"> </span><span class="nl">"content"</span><span class="p">:</span><span class="w"> </span><span class="s2">"أنت مساعد برمجي. أعد إجابة عملية وقابلة للتنفيذ."</span><span class="w"> </span><span class="p">},</span><span class="w"> </span><span class="p">{</span><span class="w"> </span><span class="nl">"role"</span><span class="p">:</span><span class="w"> </span><span class="s2">"user"</span><span class="p">,</span><span class="w"> </span><span class="nl">"content"</span><span class="p">:</span><span class="w"> </span><span class="s2">"{{PROMPT}}"</span><span class="w"> </span><span class="p">}</span><span class="w"> </span><span class="p">]</span><span class="w"> </span><span class="p">}</span><span class="w"> </span></code></pre> </div> <h3> 3. اختبر المقاييس التي تهمك </h3> <p>لكل نموذج، سجّل:</p> <ul> <li>زمن الاستجابة</li> <li>عدد رموز الإدخال والإخراج</li> <li>جودة الحل</li> <li>نجاح استدعاءات الأدوات أو الوكيل</li> <li>التزام مخطط JSON</li> <li>تكلفة المهمة</li> <li>سلوك البث عبر SSE</li> </ul> <h3> 4. أضف تأكيدات قابلة للتكرار </h3> <p>أمثلة مفيدة:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>- رمز الحالة يجب أن يكون 200 - زمن الاستجابة أقل من الحد المقبول - الاستجابة تطابق مخطط JSON المتوقع - الإخراج يتضمن الكلمات أو الحقول المطلوبة </code></pre> </div> <p>يساعدك تصحيح SSE في Apidog على فحص تدفق محتوى الاستدلال، خصوصًا إذا كانت واجهتك تعرض رموز التفكير للمستخدمين. يمكنك <a href="https://apidog.com/download?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">تنزيل Apidog</a> مجانًا وتشغيل مجموعة من الموجهات نفسها على النموذجين قبل اتخاذ قرار معماري.</p> <h2> بطاقة الأداء </h2> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>المحور</th> <th>الفائز اليوم</th> <th>التحذير</th> </tr> </thead> <tbody> <tr> <td>إجمالي/المعلمات النشطة</td> <td>Qwen 3.8-Max</td> <td>الأصغر لا يعني الأفضل؛ الفرق يشير أساسًا إلى تكلفة الخدمة</td> </tr> <tr> <td>الأوزان المفتوحة اليوم</td> <td>Kimi K3</td> <td>أوزان Qwen وُعدت قرب 10 أغسطس</td> </tr> <tr> <td>الوسائط</td> <td>Qwen 3.8-Max</td> <td>دعم الفيديو والمستندات الطويلة معروض في المدونة، لا كأنواع API موثقة</td> </tr> <tr> <td>نافذة السياق</td> <td>Qwen 3.8-Max</td> <td>تحقق من حدود K3 الحالية في وثائق Moonshot</td> </tr> <tr> <td>السعر</td> <td>Qwen 3.8-Max</td> <td>وضع التفكير الافتراضي xhigh قد يزيد فاتورة الإخراج</td> </tr> <tr> <td>المعايير</td> <td>لا يمكن تحديد فائز</td> <td>لا توجد مقارنة مستقلة مباشرة</td> </tr> <tr> <td>نظام الوكلاء</td> <td>تعادل</td> <td>كلاهما يدعم نقاط نهاية بروتوكول Anthropic</td> </tr> <tr> <td>سجل الوعود</td> <td>Kimi K3</td> <td>شحن الأوزان بعد 11 يومًا؛ وعد Qwen ما زال مفتوحًا</td> </tr> </tbody> </table></div> <h2> أي نموذج تختار؟ </h2> <p><strong>اختر Kimi K3 إذا كنت تحتاج إلى:</strong></p> <ul> <li>أوزان قابلة للتنزيل والاستضافة الذاتية الآن</li> <li>نموذج يمكن تثبيته ومراجعته لأسباب امتثال</li> <li>حمل نصي بحت</li> <li>سيناريو كثيف الإدخال مع استخدام فعال لذاكرة التخزين المؤقت</li> </ul> <p><strong>اختر Qwen 3.8-Max إذا كنت تحتاج إلى:</strong></p> <ul> <li>إدخال صور أو مهام فهم مستندات وواجهات</li> <li>سياق يصل إلى مليون رمز</li> <li>أحمال وكلاء كثيفة الإخراج</li> <li>تكلفة إخراج أقل</li> <li>تكامل سريع مع واجهات OpenAI أو Anthropic المتوافقة</li> </ul> <p><strong>انتظر إذا كانت الأوزان المفتوحة هي عامل الحسم الوحيد.</strong> إذا نشرت علي بابا أوزان Qwen كما وعدت قرب 10 أغسطس، فستتحول المقارنة إلى الترخيص، والوسائط، والسعر، ونتائج اختبارك الفعلية.</p> <p>في النهاية، لا تجعل جدول بائع يقرر عنك. شغّل موجهاتك وبياناتك ومهام وكيلك على النموذجين، ثم اختر بناءً على الجودة وزمن الاستجابة والتكلفة التي تراها في بيئتك.</p> <h2> الأسئلة الشائعة </h2> <h3> هل Kimi K3 أكثر انفتاحًا من Qwen 3.8-Max؟ </h3> <p>اليوم، نعم. أوزان K3 متاحة على Hugging Face منذ 27 يوليو 2026 بحجم 594 جيجابايت وبصيغة MXFP4، بينما أوزان Qwen 3.8-Max كانت موعودة قرب 10 أغسطس وليست قابلة للتنزيل بعد. حتى ذلك الحين، K3 هو الخيار الوحيد للاستضافة الذاتية. راجع <a href="https://apidog.com/ar/blog/run-kimi-k3-locally?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل تشغيل Kimi K3 محليًا</a> لمعرفة المتطلبات.</p> <h3> أي نموذج أفضل للبرمجة؟ </h3> <p>لا توجد إجابة موثوقة بعد. ينشر كلا البائعين أرقامًا قوية للبرمجة الوكيلية، لكن الاختبارات نُفذت في بيئات مختلفة ولا توجد مقارنة مستقلة مباشرة بينهما. شغّل النموذجين على مهام من مستودعك، مثل إصلاح أخطاء حقيقية أو مراجعة طلبات السحب أو توليد اختبارات، قبل اتخاذ القرار.</p> <h3> هل يمكن استخدام النموذجين مع Claude Code؟ </h3> <p>نعم. يوفر كلاهما نقاط نهاية متوافقة مع Anthropic. بالنسبة إلى Qwen 3.8-Max، عيّن <code>ANTHROPIC_BASE_URL</code> إلى نقطة نهاية DashScope المتوافقة مع Anthropic، واضبط <code>ANTHROPIC_MODEL=qwen3.8-max</code>. يدعم Kimi K3 نمطًا مماثلًا عبر نقطة نهاية Moonshot.</p> <h3> أيهما أرخص لعبء عمل وكيل نموذجي؟ </h3> <p>بحسب الأسعار المعلنة، Qwen 3.8-Max أرخص: 2 دولار للإدخال و6 دولارات للإخراج لكل مليون رمز، مقابل 3 دولارات و15 دولارًا لـ Kimi K3. هذا مهم لوكلاء البرمجة لأنهم يميلون إلى توليد كثير من رموز الإخراج. لكن نمذج مزيج الرموز الفعلي لديك، لأن ضربات ذاكرة التخزين المؤقت في K3 تنافسية، ولأن رموز التفكير الافتراضية في Qwen تُحتسب ضمن الإخراج.</p> Yusuf Khalidd Mon, 03 Aug 2026 07:08:31 +0000 https://dev.to/yusuf_khalidd/mqrn-kwyn-38-wkwyn-37-mks-brz-lfrwqt-wltgyyrt-39gg https://dev.to/yusuf_khalidd/mqrn-kwyn-38-wkwyn-37-mks-brz-lfrwqt-wltgyyrt-39gg <p>أصدرت Alibaba نموذج Qwen 3.8-Max في أوائل أغسطس 2026. إذا كنت تستخدم <code>qwen3.7-max</code> في الإنتاج، فقرار الترقية يعتمد على نوع عبء العمل والتكلفة الفعلية، وليس على كون النموذج أحدث فقط. يقدم 3.8-Max مكاسب كبيرة في مهام الوكلاء والبحث، ويدعم إدخال الصور، وسعر قائمته أقل، مع وعد بإتاحة أوزان مفتوحة.</p> <p><a href="https://apidog.com/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary">جرّب Apidog اليوم</a> </p> <p>لكن <code>qwen3.7-max</code> متاح حاليًا بخصم ترويجي 50%، ما يجعله أرخص من 3.8-Max بأسعار اليوم. استخدم هذه المقارنة لتحديد ما إذا كان عليك التبديل الآن، أو الاستمرار مؤقتًا مع 3.7-Max، أو اختيار <code>qwen3.7-plus</code> للمهام الروتينية.</p> <p>إذا كنت تحتاج إلى خلفية عن النموذج الجديد، اقرأ <a href="https://apidog.com/ar/blog/what-is-qwen-3-8?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">ما هو Qwen 3.8-Max</a>. وللنموذج السابق، راجع <a href="https://apidog.com/ar/blog/what-is-qwen-3-7?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">ما قدمه Qwen 3.7</a>.</p> <blockquote> <p><strong>ملاحظة منهجية:</strong> كل الأرقام المعيارية أدناه مأخوذة من جدول Alibaba في <a href="https://qwen.ai/blog?id=qwen3.8" rel="noopener noreferrer">منشور إطلاق Qwen 3.8 الرسمي</a>. قورنت النماذج ضمن اختبار البائع نفسه، لذلك تكون الفروقات الداخلية مفيدة للمقارنة، لكن التحقق المستقل ما زال مطلوبًا. شُغّلت معظم اختبارات البرمجة عبر حزمة Claude Code، وبعض المعايير داخلية لـ Qwen.</p> </blockquote> <h2> النسخة المختصرة </h2> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>ما الذي تغير؟</th> <th>Qwen 3.7-Max</th> <th>Qwen 3.8-Max</th> </tr> </thead> <tbody> <tr> <td>Terminal Bench 2.1</td> <td>74.5</td> <td>86.6</td> </tr> <tr> <td>SWE-bench Pro</td> <td>60.6</td> <td>67.7</td> </tr> <tr> <td>PaperBench</td> <td>64.8</td> <td>93.0</td> </tr> <tr> <td>IFBench</td> <td>79.1</td> <td>82.8</td> </tr> <tr> <td>GPQA Diamond</td> <td>92.4</td> <td>92.6</td> </tr> <tr> <td>HLE</td> <td>41.4</td> <td>43.6</td> </tr> <tr> <td>سعر القائمة لكل مليون رمز</td> <td>$2.5 إدخال / $7.5 إخراج</td> <td>$2 إدخال / $6 إخراج</td> </tr> <tr> <td>السعر الحالي الترويجي</td> <td>$1.25 إدخال / $3.75 إخراج</td> <td>$2 إدخال / $6 إخراج</td> </tr> <tr> <td>إدخال الصور</td> <td>لا</td> <td>نعم</td> </tr> <tr> <td>البنية المعلنة</td> <td>غير معلنة</td> <td>2.4T إجمالي، 95B MoE نشط</td> </tr> <tr> <td>الأوزان المفتوحة</td> <td>لم تصدر</td> <td>وُعد بها للأسبوع التالي تقريبًا</td> </tr> <tr> <td>نافذة السياق</td> <td>مليون رمز</td> <td>مليون رمز</td> </tr> </tbody> </table></div> <h2> أين تظهر القفزة فعلًا؟ </h2> <p>تتركز مكاسب Qwen 3.8-Max في المهام الوكيلية طويلة الأمد: التخطيط، تنفيذ الأدوات، التصحيح الذاتي، وإعادة المحاولة.</p> <p><a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fassets.apidog.com%2Fblog-next%2F2026%2F08%2Fimage-8.png" class="article-body-image-wrapper"><img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fassets.apidog.com%2Fblog-next%2F2026%2F08%2Fimage-8.png" alt="مقارنة معايير Qwen 3.7-Max وQwen 3.8-Max" width="800" height="589"></a></p> <h3> Terminal Bench 2.1: من 74.5 إلى 86.6 </h3> <p>هذه زيادة 12 نقطة في مهام الوكلاء المعتمدة على الطرفية. إذا كنت تبني وكيلًا يشغل أوامر، يفحص ملفات، ويصحح أخطاء تنفيذ، فهذه من أهم نتائج الترقية.</p> <p>في جدول Alibaba نفسه، سجل Claude Opus 4.8 وFable 5 نتيجة 84.6، بينما سجل GPT-5.6 Sol نتيجة 88.8.</p> <h3> SWE-bench Pro: من 60.6 إلى 67.7 </h3> <p>تحسن بمقدار 7 نقاط في مهام هندسة البرمجيات الواقعية. هذا مفيد، لكنه ليس صدارة للفئة: يسجل Fable 5 نتيجة 80.0 في الجدول نفسه.</p> <p><strong>القرار العملي:</strong> اختبر النموذج على مجموعة الإصلاحات الخاصة بمستودعك بدل الاعتماد على المعيار وحده، خصوصًا إذا كان معدل حل مشكلات البرمجة هو معيار الشراء الرئيسي لديك.</p> <h3> PaperBench: من 64.8 إلى 93.0 </h3> <p>أكبر قفزة في الجدول: 28 نقطة في إعادة إنتاج أبحاث الذكاء الاصطناعي. إذا كان التدفق لديك يشمل قراءة أوراق طويلة، استخراج منهجيات، أو تنفيذ استدلال علمي متعدد الخطوات، فهذه نتيجة تستحق اختبارًا مباشرًا.</p> <h3> IFBench: من 79.1 إلى 82.8 </h3> <p>تحسن في اتباع التعليمات بنحو 4 نقاط. كان 3.7-Max قويًا أصلًا في هذا الاختبار، لذلك تعزز النسخة الجديدة نقطة قوة قائمة بدل معالجة ضعف كبير.</p> <h3> GPQA Diamond: من 92.4 إلى 92.6 </h3> <p>فرق شبه معدوم. إذا كانت مهامك تشبه أسئلة وأجوبة العلوم المتقدمة، فلا تتوقع مكسب جودة ملموسًا من الترقية وحدها.</p> <h3> HLE: من 41.4 إلى 43.6 </h3> <p>تحسن بمقدار نقطتين، لكنه يظل خلف المتصدرين في جدول Alibaba: Fable 5 عند 53.3 وGPT-5.6 Sol عند 47.2.</p> <p><strong>الخلاصة:</strong> اختر 3.8-Max للوكلاء والبحث وإدخال الصور. لا تبرر الترقية فقط لأنك تتوقع تحسنًا كبيرًا في أسئلة المعرفة العامة أو GPQA.</p> <p>للتفاصيل الكاملة حول الحزم والمعايير الداخلية، راجع <a href="https://apidog.com/ar/blog/qwen-3-8-benchmarks?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">تحليل معايير Qwen 3.8</a>.</p> <h2> البنية: أرقام معلنة للتخطيط الأفضل </h2> <p>Qwen 3.8-Max نموذج خليط خبراء (MoE) بإجمالي 2.4 تريليون معلمة، مع 95 مليار معلمة نشطة في كل تمريرة أمامية، ومبني على أساس Qwen 3.5.</p> <p>نسبة التنشيط تقارب 4%، وهي مهمة لتخطيط الخدمة: الحوسبة الفعلية مرتبطة بالمعلمات النشطة، لا بإجمالي 2.4 تريليون.</p> <p>لم تنشر Alibaba أرقامًا مماثلة لـ Qwen 3.7-Max. في المقابل، توثق <a href="https://www.alibabacloud.com/help/en/model-studio/models" rel="noopener noreferrer">وثائق Model Studio</a> ومنشور الإصدار بنية 3.8-Max، ما يجعل تقدير السعة والتكلفة أكثر وضوحًا.</p> <p>للمقارنة، يعمل Kimi K3 بإجمالي 2.8 تريليون معلمة و104 مليارات معلمة نشطة، لذا فإن Qwen 3.8-Max أصغر على المحورين.</p> <h2> إدخال الصور: قدرة جديدة يجب اختبارها </h2> <p>Qwen 3.7-Max نموذج نصي فقط. أما Qwen 3.8-Max فيدعم إدخال الصور أصليًا.</p> <p>تذكر Alibaba نتائج متعددة الوسائط تشمل:</p> <ul> <li>MathVision: <code>95.2</code> </li> <li>LogicVista: <code>91.9</code> </li> <li>OSWorld-Verified: <code>86.1</code> </li> </ul> <p>لا توجد مقارنة مباشرة مع 3.7-Max لأنه لا يدعم الصور أساسًا.</p> <p>هذا يسمح لك بتجميع تدفقات كانت تحتاج نموذج رؤية مستقلًا، مثل:</p> <ul> <li>فهم لقطات الشاشة.</li> <li>تحليل صور المستندات.</li> <li>استخراج المخططات والرسوم البيانية.</li> <li>أتمتة واجهات المستخدم اعتمادًا على الصور.</li> </ul> <p>تحقق من وثائق API قبل اعتماد تدفقات الفيديو أو المستندات الطويلة؛ منشور الإطلاق يعرض هذه القدرات، لكنها ليست بالضرورة أنواع إدخال API مستقلة لكل حالة استخدام.</p> <h2> التسعير: أرخص في القائمة، أغلى حاليًا </h2> <p>سعر قائمة Qwen 3.8-Max هو:</p> <ul> <li><strong>$2 للإدخال لكل مليون رمز</strong></li> <li><strong>$6 للإخراج لكل مليون رمز</strong></li> </ul> <p>بينما سعر قائمة Qwen 3.7-Max هو:</p> <ul> <li><strong>$2.5 للإدخال</strong></li> <li><strong>$7.5 للإخراج</strong></li> </ul> <p>أي أن 3.8-Max أقل 20% في سعر القائمة رغم قدراته الإضافية.</p> <p>لكن خصم 50% الحالي على 3.7-Max يغير الحساب:</p> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>النموذج</th> <th>الإدخال لكل مليون رمز</th> <th>الإخراج لكل مليون رمز</th> </tr> </thead> <tbody> <tr> <td> <code>qwen3.7-max</code> — عرض ترويجي</td> <td>$1.25</td> <td>$3.75</td> </tr> <tr> <td><code>qwen3.8-max</code></td> <td>$2</td> <td>$6</td> </tr> </tbody> </table></div> <p>بأسعار اليوم، 3.7-Max أقل تكلفة بنحو 38%.</p> <p>راجع <a href="https://www.alibabacloud.com/help/en/model-studio/model-pricing" rel="noopener noreferrer">صفحة تسعير Model Studio الرسمية</a> قبل اتخاذ القرار، ثم انتبه إلى نقطتين:</p> <ol> <li> <strong>العرض الترويجي محدود الوقت.</strong> لا يوجد تاريخ انتهاء منشور، لذلك لا تبنِ ميزانية طويلة الأمد على السعر المخفض.</li> <li> <strong>رموز التفكير تُحاسب كإخراج.</strong> يضبط Qwen 3.8-Max افتراضيًا <code>reasoning_effort: xhigh</code>، وقد ترتفع التكلفة الفعلية للطلب كثيرًا عن السعر النظري لكل رمز.</li> </ol> <p>للتخزين المؤقت وحساب التكلفة لكل مهمة، راجع <a href="https://apidog.com/ar/blog/qwen-3-8-pricing?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل تسعير Qwen 3.8</a>.</p> <p>إذا كانت تكلفة Max مرتفعة لمهامك، فـ <code>qwen3.7-plus</code> بسعر <code>$0.4</code> إدخال و<code>$1.6</code> إخراج يظل خيار القيمة. راجع <a href="https://apidog.com/ar/blog/qwen-3-7-plus-vs-max?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">مقارنة Plus وMax</a>.</p> <h2> الأوزان المفتوحة: فرق استراتيجي بين النموذجين </h2> <p>لم تصدر Alibaba أوزانًا مفتوحة سابقًا لأي نموذج من فئة Qwen-Max، ولم تكن هناك إشارة إلى أن 3.7-Max سيحصل عليها.</p> <p>لكن منشور Qwen 3.8-Max يعد بإتاحة الأوزان عبر Hugging Face وModelScope في “الأسبوع القادم”، أي تقريبًا 10 أغسطس 2026.</p> <p>حتى 3 أغسطس 2026، لم تكن الأوزان متاحة للتنزيل. تعامل مع ذلك بوصفه وعدًا حتى تصدر الأوزان فعليًا.</p> <p>عمليًا، استضافة نموذج بإجمالي 2.4 تريليون معلمة مشروع متعدد العقد حتى مع التكميم. لذلك، بالنسبة لمعظم الفرق، ستكون الفائدة الأقرب هي الوصول عبر استضافات طرف ثالث أو ضغط الأسعار، لا تشغيل النموذج داخل البنية التحتية الخاصة بك.</p> <h2> ما الذي لم يتغير؟ </h2> <ul> <li> <strong>نافذة السياق:</strong> مليون رمز في النموذجين.</li> <li> <strong>مسار الوصول:</strong> كلاهما متاح من خلال Alibaba Cloud Model Studio ونقاط نهاية متوافقة مع OpenAI.</li> <li> <strong>التبديل الأساسي:</strong> تغيير معرف النموذج من <code>qwen3.7-max</code> إلى <code>qwen3.8-max</code>.</li> <li> <strong>ضوابط الاستدلال في 3.8-Max:</strong> تتوفر <code>reasoning_effort</code> بثلاثة مستويات، إضافة إلى <code>enable_thinking</code> و<code>preserve_thinking</code>.</li> </ul> <p>مثال عملي: اجعل معرف النموذج متغيرًا بيئيًا بدل تثبيته في الكود.<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight javascript"><code><span class="kd">const</span> <span class="nx">model</span> <span class="o">=</span> <span class="nx">process</span><span class="p">.</span><span class="nx">env</span><span class="p">.</span><span class="nx">QWEN_MODEL</span> <span class="o">??</span> <span class="dl">"</span><span class="s2">qwen3.7-max</span><span class="dl">"</span><span class="p">;</span> <span class="c1">// بدّل البيئة فقط عند الاختبار:</span> <span class="c1">// QWEN_MODEL=qwen3.8-max</span> </code></pre> </div> <p>ولخفض مخاطر التكلفة، عيّن مستوى الاستدلال صراحة أثناء المقارنة:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight json"><code><span class="p">{</span><span class="w"> </span><span class="nl">"model"</span><span class="p">:</span><span class="w"> </span><span class="s2">"qwen3.8-max"</span><span class="p">,</span><span class="w"> </span><span class="nl">"reasoning_effort"</span><span class="p">:</span><span class="w"> </span><span class="s2">"medium"</span><span class="p">,</span><span class="w"> </span><span class="nl">"messages"</span><span class="p">:</span><span class="w"> </span><span class="p">[</span><span class="w"> </span><span class="p">{</span><span class="w"> </span><span class="nl">"role"</span><span class="p">:</span><span class="w"> </span><span class="s2">"user"</span><span class="p">,</span><span class="w"> </span><span class="nl">"content"</span><span class="p">:</span><span class="w"> </span><span class="s2">"حلل هذا الطلب وأعد النتيجة بصيغة JSON."</span><span class="w"> </span><span class="p">}</span><span class="w"> </span><span class="p">]</span><span class="w"> </span><span class="p">}</span><span class="w"> </span></code></pre> </div> <p>لا تفترض أن الإعداد الافتراضي <code>xhigh</code> مناسب لكل تدفق إنتاجي؛ قارن الجودة وزمن الاستجابة واستخدام الرموز على بياناتك الفعلية.</p> <h2> قرار الترقية: ثلاثة مسارات واضحة </h2> <h3> رقِّ الآن إلى Qwen 3.8-Max إذا </h3> <ul> <li>كنت تبني وكلاء طرفية أو أدوات برمجية.</li> <li>كان عبء العمل يتضمن البحث أو إعادة إنتاج أوراق تقنية.</li> <li>تحتاج إلى تحليل لقطات الشاشة أو صور المستندات.</li> <li>تريد سعر قائمة أقل واستقرارًا أكبر بعد انتهاء عرض 3.7-Max.</li> </ul> <p>فروقات Terminal Bench من <code>74.5</code> إلى <code>86.6</code> وPaperBench من <code>64.8</code> إلى <code>93.0</code> هي الأكثر احتمالًا للظهور في الإنتاج لهذه الحالات.</p> <h3> استمر مع Qwen 3.7-Max مؤقتًا إذا </h3> <ul> <li>كانت مهامك دردشة عامة أو تلخيصًا أو أسئلة وأجوبة.</li> <li>كان النموذج الحالي يحقق مؤشرات الجودة لديك.</li> <li>كانت التكلفة الحالية عامل القرار الأكبر.</li> </ul> <p>اضبط تذكيرًا شهريًا لمراجعة العرض الترويجي. يجب أن تكون خطتك الاحتياطية السعرية هي 3.8-Max بسعر <code>$2 / $6</code>، لا سعر 3.7-Max الترويجي.</p> <h3> انتقل إلى <code>qwen3.7-plus</code> إذا </h3> <p>كانت المهام روتينية، مثل:</p> <ul> <li>التصنيف.</li> <li>الاستخراج المنظم.</li> <li>التوليد البرمجي البسيط.</li> <li>التحويلات النصية المتكررة.</li> </ul> <p>بسعر <a href="https://apidog.com/ar/blog/qwen-3-7-plus?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">0.4 دولار / 1.6 دولار</a>، قد تكون قدرات فئة Max إنفاقًا زائدًا لهذه الحالات.</p> <h2> اختبر التبديل قبل الالتزام </h2> <p>لا تتخذ القرار من المعايير فقط. أنشئ اختبارًا جنبًا إلى جنب باستخدام عينات من حركة مرورك الفعلية.</p> <p>اتبع هذا المسار:</p> <ol> <li>أنشئ مجموعة طلبات تمثل أكثر المهام شيوعًا أو أهمية.</li> <li>استخدم نفس نقطة نهاية Model Studio المتوافقة مع OpenAI.</li> <li>أنشئ بيئتين تختلفان فقط في متغير النموذج: <ul> <li><code>qwen3.7-max</code></li> <li><code>qwen3.8-max</code></li> </ul> </li> <li>شغّل المجموعة على البيئتين.</li> <li>قارن: <ul> <li>دقة المخرجات.</li> <li>الالتزام بالبنية المطلوبة.</li> <li>زمن الاستجابة.</li> <li>عدد رموز الإدخال والإخراج.</li> <li>التكلفة الفعلية لكل مهمة مكتملة.</li> </ul> </li> </ol> <p>في <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a>، يمكنك حفظ طلب واحد، وإنشاء بيئتين، ثم تبديل قيمة معرف النموذج وإعادة تشغيل سيناريوهات الاختبار نفسها. بما أن النموذجين يشتركان في واجهة API، فلن تحتاج إلى بناء مجموعتي طلبات منفصلتين.</p> <p>حوّل سؤال “هل نرقّي؟” إلى نتائج قابلة للقياس على بياناتك. <a href="https://apidog.com/download?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">نزّل Apidog مجانًا</a> واختبر النموذجين قبل تغيير إعدادات الإنتاج.</p> <h2> الأسئلة الشائعة </h2> <h3> هل Qwen 3.8-Max أرخص من Qwen 3.7-Max؟ </h3> <p>بسعر القائمة، نعم: <code>$2 / $6</code> مقابل <code>$2.5 / $7.5</code> لكل مليون رمز.</p> <p>لكن بالأسعار الحالية، لا: خصم 50% يجعل 3.7-Max بسعر <code>$1.25 / $3.75</code>، أي أقل بنحو 38% من 3.8-Max. لا يوجد تاريخ انتهاء منشور للعرض. راجع <a href="https://apidog.com/ar/blog/qwen-3-8-pricing?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل تسعير Qwen 3.8</a> للتفاصيل.</p> <h3> هل أحتاج إلى تغيير الكود للتبديل من <code>qwen3.7-max</code> إلى <code>qwen3.8-max</code>؟ </h3> <p>للاستخدام الأساسي، لا. كلاهما يستخدم نقاط نهاية Model Studio المتوافقة مع OpenAI، لذا يكفي تغيير معرف النموذج.</p> <p>لكن عيّن <code>reasoning_effort</code> صراحة عند استخدام 3.8-Max، لأن القيمة الافتراضية هي <code>xhigh</code> ورموز التفكير تُحاسب كرموز إخراج. وإذا أرسلت صورًا، فهذه قدرة متاحة في 3.8-Max فقط.</p> <h3> هل لدى Qwen 3.7-Max أوزان مفتوحة؟ </h3> <p>لا. لم تصدر Alibaba أوزانًا مفتوحة لفئة Qwen-Max سابقًا. Qwen 3.8-Max هو أول نموذج من هذه الفئة يُوعَد بإتاحة أوزانه على Hugging Face وModelScope، والمتوقع تقريبًا في 10 أغسطس 2026. وحتى 3 أغسطس، لم تكن الأوزان متاحة بعد.</p> <h3> هل Qwen 3.8-Max أفضل من Claude أو GPT؟ </h3> <p>يعتمد ذلك على المعيار، وهذه أرقام Alibaba نفسها. في جدولها، يتفوق 3.8-Max على Opus 4.8 وFable 5 في Terminal Bench 2.1، ويتصدر في PaperBench وIFBench. لكنه يتخلف عن Fable 5 في SWE-bench Pro (<code>67.7</code> مقابل <code>80.0</code>) ويتأخر عن المتصدرين في HLE.</p> <p>لا توجد تقييمات مستقلة بعد، لذلك اختبر النموذج على مهامك قبل اتخاذ قرار نهائي.</p> Yusuf Khalidd Mon, 03 Aug 2026 06:44:49 +0000 https://dev.to/yusuf_khalidd/kwyn-38-llbrmj-d-mstql-lmd-16-ywman-wrbt-bkwd-klwd-5dd1 https://dev.to/yusuf_khalidd/kwyn-38-llbrmj-d-mstql-lmd-16-ywman-wrbt-bkwd-klwd-5dd1 <p>معظم عمليات إطلاق النماذج تعرض قدرات البرمجة بالطريقة نفسها: درجة HumanEval ومقتطف يوضح كتابة بحث ثنائي. اتخذت Alibaba مسارًا مختلفًا مع Qwen 3.8-Max؛ فالادعاء ليس أنه يكتب وظائف جيدة، بل أنه يستطيع إدارة مشروع برمجي لأسابيع: فتح المشكلات، ودمج طلبات السحب، وشحن الميزات دون تدخل بشري.</p> <p><a href="https://apidog.com/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary">جرّب Apidog اليوم</a> </p> <p>تراجع هذه المقالة العروض التوضيحية الثلاثة للبرمجة التي نشرتها Alibaba عند الإطلاق، وأرقام المعايير التي تدعمها، ثم الجزء العملي: كيفية استخدام <code>qwen3.8-max</code> في Claude Code وCodex وQoder وQwen Code وOpenClaw، وكيفية اختبار واجهات API التي ينتجها الكود.</p> <p>إذا كنت جديدًا على النموذج، فابدأ بقراءة <a href="https://apidog.com/ar/blog/what-is-qwen-3-8?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">ما هو Qwen 3.8</a>: 2.4 تريليون معلمة إجمالية، و95 مليار معلمة نشطة، ونافذة سياقية بحجم مليون رمز، وأوزان مفتوحة موعودة للأسبوع التالي للإطلاق. سنركز هنا على البرمجة. المعلومات التالية تعكس الوضع حتى 3 أغسطس 2026.</p> <h2> ما تدعيه Alibaba بالفعل </h2> <p>يركز <a href="https://qwen.ai/blog?id=qwen3.8" rel="noopener noreferrer">منشور إصدار Qwen 3.8 الرسمي</a> على الاستقلالية بدلًا من مقتطفات الكود. تضع Alibaba نموذج Qwen 3.8-Max كنموذج يستطيع الحفاظ على مهمة هندسية طويلة الأفق: تخطيط العمل، وتنفيذه على مدى أيام، والتعافي من أخطائه، وتسليم نتيجة قابلة للمراجعة.</p> <p><a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fassets.apidog.com%2Fblog-next%2F2026%2F08%2Fimage-7.png" class="article-body-image-wrapper"><img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fassets.apidog.com%2Fblog-next%2F2026%2F08%2Fimage-7.png" alt="صورة توضيحية" width="800" height="589"></a></p> <p>ثلاث نقاط تجعل الادعاء أكثر إثارة للاهتمام من تسويق الإطلاق المعتاد:</p> <ol> <li> <strong>العروض التوضيحية طويلة.</strong> ستة عشر يومًا تختلف جذريًا عن معيار وكيل مدته 20 دقيقة. على هذا المقياس، تصبح استعادة الأخطاء وإدارة السياق والانجراف عوامل حاسمة.</li> <li> <strong>أحد العروض التوضيحية عام.</strong> يمكنك تصفح المستودع وقراءة التعهدات والحكم على جودة الكود بنفسك.</li> <li> <strong>النظام المستخدم منافس.</strong> أجرت Alibaba معظم معايير البرمجة باستخدام Claude Code، ونشرت إعدادًا رسميًا يمكنك تشغيله بنفسك.</li> </ol> <blockquote> <p>تحذير: جميع الأرقام هنا تأتي من مواد إطلاق Alibaba. لم يكن هناك تحقق مستقل حتى أوائل أغسطس 2026، لذا تعامل مع هذه العروض كعروض توضيحية وليست تدقيقات مستقلة.</p> </blockquote> <h2> العروض التوضيحية الثلاثة للبرمجة </h2> <h3> oh-my-cli: 16 يومًا من التطوير المستقل </h3> <p>العرض الرئيسي هو تشغيل Qwen 3.8-Max لبناء أداة سطر أوامر وتركه يعمل دون مراقبة. حتى 30 يوليو، استمرت العملية 16 يومًا وأنتجت:</p> <ul> <li>265 تعهدًا</li> <li>127 طلب سحب</li> <li>151 مشكلة</li> </ul> <p>وفقًا لـ Alibaba، فتح النموذج هذه العناصر وعمل عليها وأغلقها بنفسه.</p> <p>المستودع عام على <a href="https://github.com/qwen-code-dev-bot/oh-my-cli" rel="noopener noreferrer">qwen-code-dev-bot/oh-my-cli</a>، وهذه أهم نقطة عملية في العرض. لا تكتفِ بعدد التعهدات؛ راجع المستودع بنفسك:</p> <ul> <li>هل تصلح طلبات السحب المشكلات التي تشير إليها؟</li> <li>هل ينشئ النموذج مهامًا مصطنعة ليغلقها؟</li> <li>كيف يتعامل مع التراجعات والأخطاء التي تسبب بها؟</li> <li>هل الاختبارات والتوثيق وتغييرات الكود متسقة؟</li> </ul> <p>هذه الأنماط تكشف عن موثوقية العمل طويل الأمد أكثر مما تكشفه درجة معيار واحدة.</p> <h3> تشغيل استنساخ الأبحاث: كود بحثي وليس كود تطبيق </h3> <p>استهدف العرض الثاني مهمة أصعب: استنساخ ورقة بحثية في تعلم الآلة من الصفر. وفقًا لأرقام Alibaba، استغرقت العملية نحو 125 ساعة، وأنتجت نحو 7,600 سطر من الكود، ونفذت 33 جولة تدريب على GPU.</p> <p><a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fiwmxx336gfj0pe59ua4z.gif" class="article-body-image-wrapper"><img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fiwmxx336gfj0pe59ua4z.gif" alt="تشغيل استنساخ ورقة بحثية" width="600" height="357"></a></p> <p>النتيجة المعلنة هي استنساخ 6 نتائج من الورقة، ثم تجاوز النتيجة المبلغ عنها بـ 2.7 نقطة على AIME24.</p> <p>استنساخ الأبحاث يختبر قدرات تختلف عن الإكمال التلقائي: إعداد البيئات، واكتشاف المعلمات الفائقة غير الواضحة، وتشخيص الأخطاء الصامتة، وإدارة دورات تدريب طويلة. يتوافق هذا العرض مع أقوى معيار لـ Qwen 3.8-Max: PaperBench.</p> <h3> مسابقة Tianchi: 24 ساعة ضد فرق بشرية </h3> <p>وضع العرض الثالث النموذج في مسابقة حية لعلوم البيانات على منصة Tianchi التابعة لـ Alibaba، بحد أقصى 24 ساعة. قدم النموذج 45 مشاركة، وكرر نهجه بناءً على نتيجة كل محاولة، ووصل إلى دقة نهائية قدرها <code>0.853</code>.</p> <p>وضعت هذه النتيجة النموذج أمام 458 من أصل 526 فريقًا بشريًا مشاركًا.</p> <p><a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fdbi8mg6g87cceccgr2jz.png" class="article-body-image-wrapper"><img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fdbi8mg6g87cceccgr2jz.png" alt="نتيجة مسابقة Tianchi" width="598" height="411"></a></p> <p>النموذج لم يفز، لكنه تفوق على 87% من المشاركين. هذا يوضح قدرة مفيدة عمليًا: التكرار السريع تحت ضغط الوقت، حيث تصبح نتيجة كل إرسال مدخلًا للمحاولة التالية.</p> <blockquote> <p>تحذير إضافي: Tianchi منصة تابعة لـ Alibaba. العرض حقيقي، لكن المورد يتحكم في بيئة التنفيذ.</p> </blockquote> <h2> معايير البرمجة وراء العروض التوضيحية </h2> <p>نشرت Alibaba جدول معايير كاملًا عند الإطلاق. فيما يلي الصفوف المرتبطة بالبرمجة؛ جميع الأرقام نتائج تشغيل Alibaba نفسها.</p> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>المعيار</th> <th>Qwen 3.8-Max</th> <th>أفضل منافس وفق جدول Alibaba</th> </tr> </thead> <tbody> <tr> <td>Terminal Bench 2.1</td> <td>86.6</td> <td>88.8 — GPT-5.6 Sol</td> </tr> <tr> <td>SWE-bench Pro</td> <td>67.7</td> <td>80.0 — Fable 5</td> </tr> <tr> <td>PaperBench</td> <td>93.0</td> <td>90.5 — GPT-5.6 Sol</td> </tr> </tbody> </table></div> <p>النقاط العملية من الجدول:</p> <ul> <li><p><strong>Terminal Bench 2.1: 86.6</strong><br><br> تضع هذه النتيجة Qwen 3.8-Max أمام Claude Opus 4.8 وFable 5، وكلاهما سجّل <code>84.6</code> في جدول Alibaba. هذا هو المعيار الأقرب إلى سيناريوهات العمل عبر الطرفية والوكلاء، ويدعم عرض <code>oh-my-cli</code>.</p></li> <li><p><strong>SWE-bench Pro: 67.7</strong><br><br> هنا يتأخر النموذج بوضوح عن Fable 5 الذي سجّل <code>80.0</code>. إذا كانت مهمتك الأساسية هي إصلاح مشكلات ضمن مستودع قائم، فلا تتعامل مع Qwen 3.8-Max باعتباره المتصدر وفق هذه الأرقام.</p></li> <li><p><strong>PaperBench: 93.0</strong><br><br> هذه أفضل نتيجة رئيسية للنموذج في الجدول، وتدعم عرض استنساخ الأوراق البحثية مباشرة.</p></li> </ul> <p>هناك تفصيل مهم: أجرت Alibaba معظم هذه المعايير على Claude Code، بما في ذلك عمليات تشغيل النماذج المنافسة. وتشير حواشي الجدول إلى أن نتائج Fable 5 قد تتضمن عمليات احتياطية. اختيار النظام يؤثر في نتائج معايير الوكلاء، لذا اعتبر هذا الجدول نقطة بيانات، لا حكمًا نهائيًا.</p> <p>في المقابل، يعني ذلك أيضًا أن Alibaba حسّنت النموذج لنظام قد تستخدمه فعلًا، ونشرت إعدادًا له.</p> <h2> كيفية البرمجة باستخدام Qwen 3.8 اليوم </h2> <p>يتوفر Qwen 3.8-Max على Alibaba Cloud Model Studio. تحتاج إلى مفتاح DashScope API من <a href="http://home.qwencloud.com" rel="noopener noreferrer">home.qwencloud.com</a>.</p> <p>وفق <a href="https://www.alibabacloud.com/help/en/model-studio/model-pricing" rel="noopener noreferrer">صفحة تسعير Model Studio الرسمية</a>، السعر هو:</p> <ul> <li>2 دولار لكل مليون رمز إدخال</li> <li>6 دولارات لكل مليون رمز إخراج</li> <li>سعر ثابت حتى سياق مليون رمز</li> </ul> <h3> Claude Code </h3> <p>يوفر النموذج نقطة نهاية متوافقة مع Anthropic. اضبط متغيرات البيئة التالية قبل تشغيل Claude Code:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code><span class="nb">export </span><span class="nv">ANTHROPIC_BASE_URL</span><span class="o">=</span>https://dashscope-intl.aliyuncs.com/apps/anthropic <span class="nb">export </span><span class="nv">ANTHROPIC_AUTH_TOKEN</span><span class="o">=</span>your-dashscope-api-key <span class="nb">export </span><span class="nv">ANTHROPIC_MODEL</span><span class="o">=</span>qwen3.8-max </code></pre> </div> <p>ثم شغّل Claude Code كالمعتاد. ستتجه الطلبات إلى Qwen 3.8-Max بدلًا من Claude.</p> <p>هذا هو الإعداد الأقرب إلى البيئة التي استخدمتها Alibaba في معظم معايير البرمجة، لذا ابدأ به عند إجراء تقييم داخلي.</p> <h3> Codex </h3> <p>أضف موفر النموذج إلى إعدادات Codex:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight toml"><code><span class="py">model</span> <span class="p">=</span> <span class="s">"qwen3.8-max"</span> <span class="py">model_provider</span> <span class="p">=</span> <span class="s">"qwencloud"</span> <span class="nn">[model_providers.qwencloud]</span> <span class="py">name</span> <span class="p">=</span> <span class="s">"QwenCloud"</span> <span class="py">base_url</span> <span class="p">=</span> <span class="s">"https://dashscope-intl.aliyuncs.com/compatible-mode/v1"</span> <span class="py">env_key</span> <span class="p">=</span> <span class="s">"DASHSCOPE_API_KEY"</span> <span class="py">context_window</span> <span class="p">=</span> <span class="mi">1000000</span> </code></pre> </div> <p>ثم عيّن مفتاح API:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code><span class="nb">export </span><span class="nv">DASHSCOPE_API_KEY</span><span class="o">=</span>your-dashscope-api-key </code></pre> </div> <p>يستخدم هذا الإعداد نقطة النهاية المتوافقة مع OpenAI بدل نقطة Anthropic، مع النموذج والمفتاح نفسيهما.</p> <h3> Qoder وQwen Code وOpenClaw </h3> <p>الإعدادات الأساسية للأدوات الأخرى:</p> <ul> <li> <strong>Qoder CLI:</strong> اختر <code>qwen3.8-max</code> كنموذج. التكامل من الطرف الأول، لذا يكون الإعداد عبر قيمة تكوين.</li> <li> <strong>Qwen Code:</strong> عيّن <code>DASHSCOPE_API_KEY</code> واختر النموذج. إذا كنت تستخدم Qwen Code مع نماذج Qwen البرمجية السابقة، فلا تحتاج عادةً إلى تغيير آخر.</li> <li> <strong>OpenClaw:</strong> يحدد الإعداد الرسمي معرف النموذج ويضبط <code>maxTokens</code> على <code>65536</code>، وهو الحد الأقصى لطول الإخراج المذكور للنموذج.</li> </ul> <p>ارجع إلى منشور الإطلاق للحصول على أحدث صيغة إعداد لكل أداة، بدل الاعتماد على لقطة إعدادات قديمة.</p> <h3> حدد جهد التفكير عمدًا </h3> <p>يدعم Qwen 3.8-Max المعلمة <code>reasoning_effort</code> بثلاثة مستويات:</p> <ul> <li> <code>xhigh</code> — الافتراضي</li> <li><code>medium</code></li> <li><code>low</code></li> </ul> <p>استخدمها بحسب المهمة:</p> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>نوع المهمة</th> <th>الإعداد المقترح</th> </tr> </thead> <tbody> <tr> <td>إعادة هيكلة متعددة الملفات</td> <td><code>xhigh</code></td> </tr> <tr> <td>تصحيح أخطاء طويل ومعقد</td> <td><code>xhigh</code></td> </tr> <tr> <td>تخطيط وتنفيذ مهام وكيل</td> <td><code>xhigh</code></td> </tr> <tr> <td>إعادة تسمية رموز</td> <td><code>low</code></td> </tr> <tr> <td>إضافة أو تحديث docstrings</td> <td><code>low</code></td> </tr> <tr> <td>تغييرات ميكانيكية متكررة</td> <td><code>low</code></td> </tr> </tbody> </table></div> <p>تُحاسب رموز التفكير كرموز إخراج، أي بسعر 6 دولارات لكل مليون رمز. استخدم <code>xhigh</code> عندما تحتاج فعلًا إلى تخطيط واستدلال عميق، ولا تستخدمه تلقائيًا لتعديلات بسيطة.</p> <p>إذا كان Qwen 3.8-Max أكبر من احتياجات المهمة، فخط <a href="https://apidog.com/ar/blog/qwen3-coder?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Qwen3 Coder</a> السابق ما زال متاحًا للأعمال البرمجية المخصصة، بينما يغطي <a href="https://apidog.com/ar/blog/qwen3-coder-flash?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Qwen3 Coder Flash</a> المهام الأسرع والأقل كلفة. وللمقارنة مع نموذج آخر ذي أوزان مفتوحة، راجع <a href="https://apidog.com/ar/blog/kimi-k3-coding?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">كيف يتعامل Kimi K3 مع أعمال البرمجة</a>.</p> <h2> اختبار ما يبنيه النموذج: خطوة Apidog </h2> <p>توجد فجوة في عروض البرمجة المستقلة: قد يكتب النموذج كودًا يتصل بواجهات API، لكن ذلك لا يضمن صحة هذه الاتصالات. يمكن أن ينجح البناء والاختبار المحلي بينما يظل الكود:</p> <ul> <li>يستدعي نقطة نهاية خاطئة</li> <li>يتعامل مع أخطاء <code>429</code> بشكل غير صحيح</li> <li>يرسل جسم طلب لا يجتاز التحقق في الإنتاج</li> <li>يفترض شكل استجابة مختلفًا عن الشكل الفعلي</li> </ul> <p>اتبع عادتين عمليتين لتقليل هذه المخاطر.</p> <h3> 1. اختبر نقاط النهاية التي يستدعيها الكود المولّد </h3> <p>عندما ينشئ Qwen 3.8-Max خدمة أو عميل API، استورد المواصفة ذات الصلة إلى <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a> واختبر نقاط النهاية مباشرة:</p> <ol> <li>اختبر تدفقات المصادقة.</li> <li>أرسل استجابات أخطاء متوقعة وغير متوقعة.</li> <li>اختبر حمولات الحالات الهامشية.</li> <li>تحقق من سلوك إعادة المحاولة وحدود المعدل.</li> <li>قارن الطلبات الفعلية بالمواصفة.</li> </ol> <p>اكتشاف افتراض خاطئ في تشغيل اختباري أرخص من تتبع أثر خطأ بعد يومين من جلسة وكيل مستقلة.</p> <p>إذا كنت تقيّم API الخاصة بالنموذج قبل الالتزام بها، يشرح <a href="https://apidog.com/ar/blog/qwen-3-8-api?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل Qwen 3.8 API</a> إعداد بروتوكولي OpenAI وAnthropic. يمكنك استخدام Apidog لفحص أشكال البروتوكولين جنبًا إلى جنب، بما في ذلك الاستجابات المتدفقة وفروق التفكير.</p> <h3> 2. حاكِ واجهات API قبل تشغيل الوكلاء على الإنتاج </h3> <p>كلما طالت مدة تشغيل الوكيل، زادت أهمية المحاكاة. تشغيل مستقل لمدة 16 يومًا ضد بنية إنتاجية حية قد يسبب:</p> <ul> <li>تجاوز حدود معدل الطلبات</li> <li>تعديل بيانات حقيقية</li> <li>فواتير غير متوقعة</li> <li>آثارًا جانبية يصعب عكسها</li> </ul> <p>تمنح خوادم المحاكاة في <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a> الوكيل استجابات واقعية دون لمس الأنظمة الحقيقية.</p> <p>استخدم هذا النمط:</p> <ol> <li>أنشئ أو استورد مواصفة API.</li> <li>أضف استجابات محاكاة للحالات الناجحة وحالات الخطأ.</li> <li>وجّه متغير <code>BASE_URL</code> في الكود المولّد إلى خادم المحاكاة.</li> <li>شغّل الوكيل واختبر مخرجاته ضمن بيئة معزولة.</li> <li>راجع التغييرات بشريًا.</li> <li>استبدل عنوان المحاكاة بعنوان الإنتاج فقط بعد الموافقة.</li> </ol> <p>يمكنك <a href="https://apidog.com/download?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">تنزيل Apidog</a> مجانًا لإعداد محاكاة خلال دقائق.</p> <p>القاعدة العامة بسيطة: كلما منحت نموذج البرمجة استقلالية أكبر، أصبحت طبقة API سطح التحكم الأساسي لديك. قد لا تستطيع مراجعة كل تعهد لحظيًا، لكن يمكنك التحكم في الأنظمة التي يُسمح للكود بالاتصال بها.</p> <h2> الأسئلة الشائعة </h2> <h3> هل Qwen 3.8 جيد للبرمجة؟ </h3> <p>وفق أرقام Alibaba، النموذج قوي في البرمجة الوكائية والبحثية:</p> <ul> <li>Terminal Bench 2.1: <code>86.6</code> </li> <li>PaperBench: <code>93.0</code> </li> </ul> <p>لكنه متوسط الأداء نسبيًا في إصلاح الأخطاء على مستوى المستودع:</p> <ul> <li>SWE-bench Pro: <code>67.7</code> </li> <li>Fable 5 على المعيار نفسه: <code>80.0</code> </li> </ul> <p>هذه نتائج يديرها المورد دون تحقق مستقل حتى الآن. القراءة العملية: النموذج واعد للعمل المستقل طويل الأمد، لكنه ليس المتصدر وفق جدول Alibaba في إصلاح المشكلات التقليدية ضمن مستودعات قائمة.</p> <h3> هل يمكنني استخدام Qwen 3.8 في Claude Code؟ </h3> <p>نعم. اضبط القيم التالية:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code><span class="nb">export </span><span class="nv">ANTHROPIC_BASE_URL</span><span class="o">=</span>https://dashscope-intl.aliyuncs.com/apps/anthropic <span class="nb">export </span><span class="nv">ANTHROPIC_AUTH_TOKEN</span><span class="o">=</span>your-dashscope-api-key <span class="nb">export </span><span class="nv">ANTHROPIC_MODEL</span><span class="o">=</span>qwen3.8-max </code></pre> </div> <p>نشرت Alibaba هذا الإعداد، وأجرت معظم معايير البرمجة على Claude Code.</p> <h3> كم تكلف البرمجة باستخدام Qwen 3.8؟ </h3> <p>السعر المعلن هو:</p> <ul> <li>2 دولار لكل مليون رمز إدخال</li> <li>6 دولارات لكل مليون رمز إخراج</li> </ul> <p>يشمل ذلك سياقًا يصل إلى مليون رمز بسعر ثابت. تُحسب رموز التفكير كرموز إخراج، والإعداد الافتراضي <code>xhigh</code> قد يزيد الاستهلاك بوضوح في الجلسات الوكائية الطويلة.</p> <p>للمزيد من المقارنات وحسابات التكلفة، راجع <a href="https://apidog.com/ar/blog/qwen-3-8-benchmarks?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">تفصيل معايير Qwen 3.8</a>.</p> <h3> هل كان تشغيل oh-my-cli لمدة 16 يومًا مستقلًا فعلًا؟ </h3> <p>هذا ادعاء Alibaba. لكن بخلاف معظم عروض الموردين، يمكنك فحص الأثر الناتج بنفسك: مستودع <a href="https://github.com/qwen-code-dev-bot/oh-my-cli" rel="noopener noreferrer">qwen-code-dev-bot/oh-my-cli</a> عام ويحتوي، حتى 30 يوليو 2026، على 265 تعهدًا و127 طلب سحب و151 مشكلة.</p> <p>يبقى الحكم على الجودة بيدك: اقرأ طلبات السحب، راجع الاختبارات، وتحقق مما إذا كانت التغييرات تحل مشكلات حقيقية.</p> Yusuf Khalidd Mon, 03 Aug 2026 04:26:55 +0000 https://dev.to/yusuf_khalidd/thlyl-myyr-qwen-38-m-tkshfh-jdwl-ly-bb-wm-tkhfyh-125b https://dev.to/yusuf_khalidd/thlyl-myyr-qwen-38-m-tkshfh-jdwl-ly-bb-wm-tkhfyh-125b <p>لمدة أسبوعين، بقيت قصة Qwen 3.8 غير مكتملة: وعدت المراجعات الصحفية في يوليو بنموذج رائد، لكنها لم تنشر درجات معيارية. تغيّر ذلك في 3 أغسطس 2026، عندما نشرت Alibaba جدول معايير كاملًا لـ Qwen 3.8-Max مقابل Claude Opus 4.8 وFable 5 وGPT-5.6 Sol وسلفه Qwen3.7-Max، إضافةً إلى جدول مستقل للقدرات متعددة الوسائط مقابل Gemini 3.1 Pro وGPT-5.6 Sol. راجع <a href="https://qwen.ai/blog?id=qwen3.8" rel="noopener noreferrer">منشور الإصدار الرسمي</a> للتفاصيل الأصلية.</p> <p><a href="https://apidog.com/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary">جرّب Apidog اليوم</a> </p> <p>الجدول يحتوي على مكاسب حقيقية، وخسائر واضحة، وتفاصيل منهجية مهمة. لكن لا تتعامل معه كحكم نهائي: اختبر النموذج على واجهة API وبمطالباتك الفعلية. إذا احتجت أولًا إلى المعاملات والتسعير وخيارات الوصول، ابدأ بـ <a href="https://apidog.com/ar/blog/what-is-qwen-3-8?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">شرح Qwen 3.8-Max</a>.</p> <blockquote> <p><strong>ملاحظة:</strong> كل الدرجات أدناه منشورة من Alibaba نفسها، مع بيانات لوحة متصدرين تشير حواشيها إلى 3 أغسطس 2026. لم تكن التقييمات المستقلة متاحة وقت كتابة النص.</p> </blockquote> <h2> الجدول في لمحة </h2> <p>هذه أبرز نتائج معيار النص التي نشرتها Alibaba. الدرجة الأعلى أفضل في جميع الصفوف.</p> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>المعيار</th> <th>Qwen 3.8-Max</th> <th>Claude Opus 4.8</th> <th>Fable 5</th> <th>GPT-5.6 Sol</th> <th>Qwen3.7-Max</th> </tr> </thead> <tbody> <tr> <td>Terminal Bench 2.1</td> <td>86.6</td> <td>84.6</td> <td>84.6</td> <td>88.8</td> <td>74.5</td> </tr> <tr> <td>SWE-bench Pro</td> <td>67.7</td> <td>69.2</td> <td>80.0</td> <td>64.6</td> <td>60.6</td> </tr> <tr> <td>PaperBench</td> <td>93.0</td> <td>80.3</td> <td>88.8</td> <td>90.5</td> <td>64.8</td> </tr> <tr> <td>GPQA Diamond</td> <td>92.6</td> <td>92.0</td> <td>92.6</td> <td>94.1</td> <td>92.4</td> </tr> <tr> <td>IFBench</td> <td>82.8</td> <td>62.2</td> <td>63.5</td> <td>72.7</td> <td>79.1</td> </tr> <tr> <td>HLE (الاختبار الأخير للبشرية)</td> <td>43.6</td> <td>45.7</td> <td>53.3</td> <td>47.2</td> <td>41.4</td> </tr> </tbody> </table></div> <p>المصدر: جدول Alibaba المُعدّ من المورد. وتفصيل “المُعدّ من المورد” مهم جدًا عند تفسير النتائج.</p> <p><a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fassets.apidog.com%2Fblog-next%2F2026%2F08%2Fimage-5.png" class="article-body-image-wrapper"><img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fassets.apidog.com%2Fblog-next%2F2026%2F08%2Fimage-5.png" alt="" width="800" height="589"></a></p> <h2> حيث يتفوق Qwen 3.8-Max </h2> <h3> PaperBench: أقوى نتيجة رئيسية </h3> <p>في PaperBench، الذي يختبر قدرة النموذج على استنساخ نتائج الأوراق البحثية، سجل Qwen 3.8-Max درجة <strong>93.0</strong>:</p> <ul> <li>GPT-5.6 Sol: 90.5</li> <li>Fable 5: 88.8</li> <li>Claude Opus 4.8: 80.3</li> <li>Qwen3.7-Max: 64.8</li> </ul> <p>التحسن مقارنةً بـ Qwen3.7-Max يبلغ 28.2 نقطة. هذه قفزة كبيرة تستحق التحقق المستقل، لكنها—إن تأكدت—تشير إلى قدرة قوية على البحث والمهام طويلة الأمد.</p> <h3> IFBench: اتباع تعليمات قوي </h3> <p>سجل Qwen 3.8-Max درجة <strong>82.8</strong> في IFBench، مقابل:</p> <ul> <li>GPT-5.6 Sol: 72.7</li> <li>Fable 5: 63.5</li> <li>Claude Opus 4.8: 62.2</li> <li>Qwen3.7-Max: 79.1</li> </ul> <p>الفارق هنا بين 10 و20 نقطة عن المنافسين غير Qwen. كما أن Qwen3.7-Max كان قويًا أصلًا في هذا الصف، ما يوحي بأن اتباع التعليمات نقطة قوة مستمرة في السلسلة.</p> <h3> Terminal Bench 2.1: يتقدم على Claude بفارق محدود </h3> <p>في اختبار Alibaba لـ Terminal Bench 2.1، حقق Qwen 3.8-Max درجة <strong>86.6</strong>، مقارنةً بـ 84.6 لكل من Opus 4.8 وFable 5.</p> <p>لكن GPT-5.6 Sol يتصدر بدرجة 88.8، لذا فهي نتيجة مركز ثانٍ وليست فوزًا شاملًا. مع ذلك، التقدم بنقطتين على Claude في معيار طرفي عامل نتيجة عملية تستحق الاختبار على مهامك.</p> <h3> الأداء متعدد الوسائط </h3> <p>في الجدول متعدد الوسائط، تبدو نقاط القوة أوضح:</p> <ul> <li>MathVision: 95.2</li> <li>LogicVista: 91.9</li> <li>OSWorld-Verified: 86.1</li> <li>تفوق في معظم صفوف OCR وفق جدول Alibaba</li> </ul> <p>لا يظهر Opus 4.8 أو Fable 5 مباشرة في هذه المقارنة متعددة الوسائط، لأن المقارنة تركز على Gemini 3.1 Pro وGPT-5.6 Sol. لذلك، اقرأ وصف “الاكتساح” في سياق النماذج والمهام المختارة في الجدول.</p> <p>إذا كنت تقارن النموذج مع إصدار مفتوح الوزن آخر في الصيف نفسه، فالفارق متعدد الوسائط مهم أيضًا: Kimi K3 يعتمد على النص فقط. راجع <a href="https://apidog.com/ar/blog/qwen-3-8-vs-kimi-k3?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">مقارنتنا بين Qwen 3.8 وKimi K3</a>.</p> <h2> حيث يخسر بوضوح </h2> <p>تركت Alibaba النتائج السلبية في جدولها، وهي خطوة مفيدة. أبرز نقاط الضعف هي التالية.</p> <h3> HLE: متأخر عن المنافسين </h3> <p>في Humanity’s Last Exam، سجل Qwen 3.8-Max <strong>43.6</strong>:</p> <ul> <li>Fable 5: 53.3</li> <li>GPT-5.6 Sol: 47.2</li> <li>Claude Opus 4.8: 45.7</li> <li>Qwen3.7-Max: 41.4</li> </ul> <p>هذه أدنى نتيجة بين النماذج الرائدة الأربعة في الجدول. التحسن مقارنةً بـ Qwen3.7-Max موجود، لكنه محدود.</p> <h3> SWE-bench Pro: فجوة كبيرة أمام Fable 5 </h3> <p>في معيار هندسة البرمجيات الأصعب، سجل Qwen 3.8-Max <strong>67.7</strong>:</p> <ul> <li>Fable 5: 80.0</li> <li>Claude Opus 4.8: 69.2</li> <li>GPT-5.6 Sol: 64.6</li> <li>Qwen3.7-Max: 60.6</li> </ul> <p>التحسن الجيلي حقيقي، لكن النموذج ما زال متأخرًا بـ 12.3 نقطة عن Fable 5. لذلك، يمكن أن يكون الادعاءان صحيحين معًا:</p> <ol> <li>Qwen 3.8-Max يتفوق على Claude في Terminal Bench.</li> <li>Qwen 3.8-Max يتأخر بوضوح عن Fable 5 في SWE-bench Pro.</li> </ol> <h3> DeepSWE والمهام البرمجية الأعمق </h3> <p>وفق جدول Alibaba، يتأخر Qwen 3.8-Max أيضًا في DeepSWE. النمط العام في قسم البرمجة هو:</p> <ul> <li>تنافسي في المهام العاملة المعتمدة على الطرفية.</li> <li>أضعف في تقييمات هندسة البرمجيات الأعمق.</li> </ul> <h3> الخلاصة العملية </h3> <p>يبدو Qwen 3.8-Max قويًا في:</p> <ul> <li>اتباع التعليمات.</li> <li>استنساخ نتائج الأوراق البحثية.</li> <li>الاستدلال البصري وذكاء المستندات.</li> <li>بعض مهام الطرفية العاملة.</li> </ul> <p>لكنه يتأخر في:</p> <ul> <li>المعرفة الواسعة وفق HLE.</li> <li>مهام هندسة البرمجيات العميقة.</li> <li>SWE-bench Pro مقارنةً بـ Fable 5.</li> </ul> <p>يذكر النص سعرًا قدره 2 دولار للإدخال و6 دولارات للإخراج لكل مليون رمز؛ راجع <a href="https://www.alibabacloud.com/help/en/model-studio/model-pricing" rel="noopener noreferrer">صفحة التسعير الرسمية</a>.</p> <h2> كيف تقرأ جدول معايير المورد </h2> <p>لا تعني النتائج أن Alibaba غشّت. لكنها تعني أن جدول المورد <strong>ادعاء منهجي</strong>، وليس قياسًا مستقلًا. انتبه إلى هذه التفاصيل.</p> <h3> 1. المورد اختبر نموذجه ومنافسيه </h3> <p>اختارت Alibaba إصدارات المعايير، واستراتيجيات التوجيه، وإعدادات أخذ العينات، وسياسات إعادة المحاولة. هذه قرارات طبيعية في تقييمات الإطلاق، لكنها قد تؤثر في النتيجة.</p> <h3> 2. معظم صفوف البرمجة شُغلت عبر Claude Code </h3> <p>تشير التدوينة إلى أن معظم معايير البرمجة شُغلت باستخدام Claude Code، مع توجيهه إلى Qwen 3.8-Max عبر API متوافقة مع Anthropic.</p> <p>هذا مفيد لأنه يضع النماذج في أداة موحدة، لكنه يعني أيضًا أن الدرجة تمثل فعليًا:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>Qwen 3.8-Max داخل حزمة Claude Code </code></pre> </div> <p>قد يغير اختيار الحزمة نتائج الوكلاء بعدة نقاط. لذلك، إذا كنت ستستخدم SDK أو إطار عمل مختلفًا، اختبره مباشرة.</p> <h3> 3. بعض المعايير داخلية لفريق Qwen </h3> <p>المعايير التالية بُنيت بواسطة فريق Qwen:</p> <ul> <li>QwenSWEBench</li> <li>QwenQoderBench</li> <li>CoWorkBench</li> <li>RecreationBench</li> </ul> <p>المعايير الداخلية ليست عديمة القيمة، لكنها ليست من النوع نفسه الذي تمثله المعايير العامة مثل SWE-bench Pro. لا تقارنها كأنها متكافئة.</p> <h3> 4. حاشية Fable 5 </h3> <p>يتضمن جدول Alibaba ملاحظة بأن نتائج Fable 5 “قد تتضمن حالات تراجع”. هذا يعني أن عمود Fable 5 يجب قراءته بحذر إضافي، بغض النظر عن السبب التقني.</p> <p>هذا النمط ليس خاصًا بـ Alibaba. تنشر Anthropic وOpenAI وGoogle جداولها الخاصة مع اختياراتها المنهجية أيضًا. يظهر النمط نفسه في <a href="https://apidog.com/ar/blog/kimi-k3-benchmarks?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">تحليل معايير Kimi K3</a>: جدول المورد مفيد، لكنه ليس بديلًا عن المصدر المستقل.</p> <h2> قائمة تحقق قبل الاعتماد على أي جدول </h2> <p>استخدم هذه القائمة عند تقييم جدول Alibaba أو أي جدول إطلاق آخر:</p> <ol> <li><p><strong>من أجرى التقييم؟</strong><br><br> نتائج المورد عن نموذجه أو منافسيه تحتاج إلى تدقيق أكبر.</p></li> <li><p><strong>ما الحزمة والإعدادات؟</strong><br><br> في المعايير العاملة، قد تغيّر الحزمة أو إعدادات أخذ العينات النتيجة.</p></li> <li><p><strong>ما المعايير التي بناها المورد؟</strong><br><br> ميّز بوضوح بين التقييمات الداخلية والمعايير العامة.</p></li> <li><p><strong>هل قرأت الحواشي؟</strong><br><br> الملاحظات الصغيرة قد تغيّر تفسير عمود كامل.</p></li> <li><p><strong>ما الصفوف المفقودة؟</strong><br><br> قارن الجداول عبر الأجيال لمعرفة ما إذا كانت معايير معينة اختفت. راجع <a href="https://apidog.com/ar/blog/qwen-3-7-vs-gpt-5-5-vs-opus-4-7?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">أداء الجيل السابق عبر الموردين</a>.</p></li> <li><p><strong>هل يوجد مصدر ثانٍ؟</strong><br><br> غالبًا ما يمنحك الانتظار لأسبوع واحد نتائج مستقلة أكثر فائدة.</p></li> </ol> <h2> نفّذ تقييمك الخاص عبر API </h2> <p>أفضل طريقة لتقليل الاعتماد على جداول الموردين هي اختبار النموذج على عبء عملك الحقيقي.</p> <p>يتوفر Qwen 3.8-Max على Alibaba Cloud Model Studio بالمعرّف:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>qwen3.8-max </code></pre> </div> <p>وهو مدرج في <a href="https://www.alibabacloud.com/help/en/model-studio/models" rel="noopener noreferrer">صفحة النماذج الرسمية</a>. يوفّر Model Studio واجهات متوافقة مع OpenAI وAnthropic.</p> <h3> إعداد اختبار عملي </h3> <p>أنشئ طلبين متطابقين:</p> <ol> <li>طلب إلى Qwen 3.8-Max.</li> <li>طلب إلى النموذج الذي تستخدمه حاليًا، مثل Qwen3.7-Max أو Kimi K3 أو Claude أو GPT.</li> </ol> <p>احتفظ بـ 20 إلى 30 مطالبة من بيئة الإنتاج، ثم اختبر النماذج على السيناريو نفسه.</p> <p>مثال طلب دردشة بأسلوب متوافق مع OpenAI:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight json"><code><span class="p">{</span><span class="w"> </span><span class="nl">"model"</span><span class="p">:</span><span class="w"> </span><span class="s2">"qwen3.8-max"</span><span class="p">,</span><span class="w"> </span><span class="nl">"messages"</span><span class="p">:</span><span class="w"> </span><span class="p">[</span><span class="w"> </span><span class="p">{</span><span class="w"> </span><span class="nl">"role"</span><span class="p">:</span><span class="w"> </span><span class="s2">"user"</span><span class="p">,</span><span class="w"> </span><span class="nl">"content"</span><span class="p">:</span><span class="w"> </span><span class="s2">"حلل هذا السجل وحدد سبب الفشل وأعد JSON صالحًا."</span><span class="w"> </span><span class="p">}</span><span class="w"> </span><span class="p">],</span><span class="w"> </span><span class="nl">"reasoning_effort"</span><span class="p">:</span><span class="w"> </span><span class="s2">"xhigh"</span><span class="w"> </span><span class="p">}</span><span class="w"> </span></code></pre> </div> <h3> أضف تأكيدات قابلة للقياس </h3> <p>بدل تقييم الإجابة بالانطباع، تحقّق من خصائص واضحة، مثل:</p> <ul> <li>الاستجابة JSON صالح.</li> <li>الحقول المطلوبة موجودة.</li> <li>لا توجد قيم فارغة في الحقول الحرجة.</li> <li>زمن الاستجابة ضمن حدك المقبول.</li> <li>حالة HTTP ناجحة.</li> <li>النص لا يتجاوز حدًا معينًا.</li> </ul> <p>مثال لتوقع بنية JSON:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight json"><code><span class="p">{</span><span class="w"> </span><span class="nl">"status"</span><span class="p">:</span><span class="w"> </span><span class="s2">"ok"</span><span class="p">,</span><span class="w"> </span><span class="nl">"root_cause"</span><span class="p">:</span><span class="w"> </span><span class="s2">"string"</span><span class="p">,</span><span class="w"> </span><span class="nl">"recommendation"</span><span class="p">:</span><span class="w"> </span><span class="s2">"string"</span><span class="w"> </span><span class="p">}</span><span class="w"> </span></code></pre> </div> <h3> قارن النتائج </h3> <p>باستخدام <a href="https://apidog.com/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a>، أنشئ بيئتين لنقطتي النهاية، ثم شغّل سيناريو الاختبار نفسه على كلا النموذجين. قارن بين:</p> <ul> <li>معدل النجاح.</li> <li>زمن الاستجابة.</li> <li>أخطاء التحليل أو البنية.</li> <li>التكلفة عند إعدادات الاستدلال الفعلية.</li> <li>جودة الإجابات في الحالات التي تهم منتجك.</li> </ul> <h3> ما الذي يجب اختباره تحديدًا مع Qwen؟ </h3> <p>هناك نقطتان مهمتان:</p> <ol> <li>يضبط النموذج افتراضيًا: </li> </ol> <div class="highlight js-code-highlight"> <pre class="highlight json"><code><span class="w"> </span><span class="nl">"reasoning_effort"</span><span class="p">:</span><span class="w"> </span><span class="s2">"xhigh"</span><span class="w"> </span></code></pre> </div> <p>لذلك قِس التكلفة وزمن الاستجابة عند مستوى الجهد الذي ستستخدمه فعلًا.</p> <ol> <li>إذا كنت ستستخدم API المتوافقة مع Anthropic، اختبرها منفصلة عن واجهة OpenAI-compatible. فقد استخدمت Alibaba هذا البروتوكول لمعظم معايير البرمجة الخاصة بها.</li> </ol> <p>يمكنك <a href="https://apidog.com/download?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">تنزيل Apidog</a> مجانًا، ربط نقاط النهاية كبيئات، والحصول على بيانات من عبء عملك قبل نشر نتائج لوحات المتصدرين المستقلة.</p> <h2> الأسئلة المتكررة </h2> <h3> هل تم التحقق من أرقام معايير Qwen 3.8 بشكل مستقل؟ </h3> <p>لا. اعتبارًا من 3 أغسطس 2026، جاءت الأرقام المنشورة من جدول Alibaba الخاص. لم تسجل Artificial Analysis ولوحات المتصدرين المجتمعية Qwen 3.8-Max بعد وقت كتابة النص. تعامل مع النتائج كادعاءات من المورد إلى أن تظهر تقييمات مستقلة.</p> <h3> ما أفضل نتيجة لـ Qwen 3.8-Max في المعايير؟ </h3> <p>في الجدول الرئيسي، كانت أفضل نتيجة هي PaperBench بدرجة 93.0، متقدمًا على GPT-5.6 Sol وFable 5 وOpus 4.8. وفي الجدول متعدد الوسائط، تظهر MathVision بدرجة 95.2 وصفوف OCR ضمن أبرز النتائج.</p> <h3> أين يخسر Qwen 3.8-Max بوضوح؟ </h3> <p>يخسر بوضوح في HLE، حيث سجل 43.6 مقابل 53.3 لـ Fable 5. كما سجل 67.7 في SWE-bench Pro مقابل 80.0 لـ Fable 5، ويتأخر أيضًا في DeepSWE.</p> <h3> ما مدى تحسن Qwen 3.8 عن Qwen 3.7-Max؟ </h3> <p>وفق جدول Alibaba:</p> <ul> <li>Terminal Bench 2.1: من 74.5 إلى 86.6.</li> <li>SWE-bench Pro: من 60.6 إلى 67.7.</li> <li>PaperBench: من 64.8 إلى 93.0.</li> </ul> <p>لكن قرار الترقية يجب أن يعتمد على التسعير وزمن الاستجابة ومهامك الفعلية أيضًا. راجع <a href="https://apidog.com/ar/blog/qwen-3-8-vs-qwen-3-7?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">مقارنتنا بين Qwen 3.8 وQwen 3.7</a>.</p> Yusuf Khalidd Mon, 03 Aug 2026 04:25:25 +0000 https://dev.to/yusuf_khalidd/kyf-tstkhdm-qwen-38-mjnan-63n https://dev.to/yusuf_khalidd/kyf-tstkhdm-qwen-38-mjnan-63n <p>أصدرت علي بابا نموذج Qwen 3.8-Max في أوائل أغسطس 2026، وقد امتلأت نتائج البحث بالفعل بادعاءات «استخدمه مجانًا إلى الأبد» التي لا تصمد أمام الشروط الفعلية. إليك النسخة الصادقة، التي تم التحقق منها مقابل صفحات علي بابا الرسمية اعتبارًا من 3 أغسطس 2026.</p> <p><a href="https://apidog.com/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary">جرّب Apidog اليوم</a> </p> <p>هناك أربعة مسارات فقط تستحق وقتك. اثنان منها يعملان اليوم، وواحد وعد بتاريخ محدد، وواحد خيار احتياطي. إذا كنت تريد فهم النموذج أولًا — 2.4 تريليون معلمة إجمالية، و95 مليار معلمة نشطة، وسياق يصل إلى مليون رمز مميز — ابدأ بـ<a href="https://apidog.com/ar/blog/what-is-qwen-3-8?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">نظرة عامة على Qwen 3.8</a> ثم عد إلى هنا.</p> <h2> خريطة سريعة </h2> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>المسار</th> <th>مجاني؟</th> <th>يعمل اليوم؟</th> <th>ملاحظة</th> </tr> </thead> <tbody> <tr> <td>Qwen Chat</td> <td>نعم</td> <td>نعم</td> <td>تطبيق للمستخدمين، لا يوجد API</td> </tr> <tr> <td>حصة Model Studio API</td> <td>مليون رمز مميز</td> <td>نعم</td> <td>منطقة سنغافورة فقط، لمدة 90 يومًا</td> </tr> <tr> <td>الأوزان المفتوحة والاستضافة الذاتية</td> <td>الأوزان مجانية</td> <td>ليس بعد</td> <td>وعدت «الأسبوع المقبل»، والأجهزة ليست مجانية</td> </tr> <tr> <td>نماذج Qwen الأقدم</td> <td>نعم</td> <td>نعم</td> <td>ليست Qwen 3.8</td> </tr> </tbody> </table></div> <h2> المسار الأول: Qwen Chat بدون إعداد </h2> <p>أسرع طريقة مجانية هي Qwen Chat. سجّل الدخول، اختر النموذج، وتحدث مع Qwen 3.8-Max بدون بطاقة ائتمان أو لوحة تحكم سحابية. يشير <a href="https://qwen.ai/blog?id=qwen3.8" rel="noopener noreferrer">منشور الإصدار الرسمي</a> إلى هذا المسار باعتباره الطريقة الافتراضية لتجربة النموذج.</p> <p><a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fhy74riv43wdr0y4rm7tu.png" class="article-body-image-wrapper"><img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fhy74riv43wdr0y4rm7tu.png" alt="واجهة Qwen Chat" width="800" height="565"></a></p> <p><strong>ما تحصل عليه:</strong></p> <ul> <li>استخدام مجاني للنموذج الرائد عبر واجهة دردشة.</li> <li>دعم فهم الصور والمستندات المستخدم في عروض الإطلاق.</li> </ul> <p><strong>ما لا تحصل عليه:</strong></p> <ul> <li>لا توجد واجهة API.</li> <li>لا توجد مفاتيح API أو أتمتة أو تكامل مباشر مع تطبيقك.</li> <li>قد تختلف نتائج الدردشة عن استجابة API الخام، لأن تطبيقات الدردشة تضيف موجهات نظام وإعدادات خاصة بها.</li> </ul> <p><strong>متى تستخدمه؟</strong><br><br> استخدم Qwen Chat للاستكشاف السريع والتحقق من قدرات النموذج. لا تستخدمه كمعيار نهائي لسلوك API داخل منتجك.</p> <h2> المسار الثاني: حصة Model Studio المجانية </h2> <p>هذا هو المسار المناسب إذا كنت تكتب تعليمات برمجية. يمنح Alibaba Cloud Model Studio التفعيلات الجديدة حصة مجانية لنموذج <code>qwen3.8-max</code> تبلغ <strong>مليون رمز مميز</strong>.</p> <p>لكن قبل البدء، انتبه إلى القيود الواردة في <a href="https://www.alibabacloud.com/help/en/model-studio/model-pricing" rel="noopener noreferrer">صفحة الأسعار</a>.</p> <h3> 1. الحصة متاحة في منطقة سنغافورة فقط </h3> <p>تنطبق الحصة المجانية على منطقة سنغافورة الدولية، لذا استخدم عنوان URL الأساسي التالي:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>https://dashscope-intl.aliyuncs.com/compatible-mode/v1 </code></pre> </div> <p>إذا وجهت الطلبات إلى نقاط نهاية بكين أو فرجينيا في الولايات المتحدة، تبدأ الفوترة من أول رمز مميز. تأكد من تثبيت عنوان URL الصحيح في بيئة التطوير قبل تشغيل أي اختبارات.</p> <h3> 2. الحصة تنتهي بعد 90 يومًا </h3> <p>الحصة صالحة لمدة 90 يومًا من التفعيل. الرموز غير المستخدمة لا تنتقل إلى فترة لاحقة.</p> <p>خطط للتقييم مبكرًا:</p> <ol> <li>فعّل Model Studio.</li> <li>أنشئ مفتاح API.</li> <li>نفّذ اختبارًا صغيرًا للتحقق من المنطقة والنموذج.</li> <li>خصص الحصة لاختبارات التقييم الفعلية، وليس لمحاولات التصحيح المتكررة.</li> </ol> <h3> 3. بعد الحصة، يبدأ التسعير </h3> <p>بعد انتهاء الحصة أو استنفادها، يكون السعر:</p> <ul> <li> <strong>2 دولار</strong> لكل مليون رمز مميز للإدخال.</li> <li> <strong>6 دولارات</strong> لكل مليون رمز مميز للإخراج.</li> </ul> <p>ينطبق هذا السعر عبر السياق الكامل البالغ مليون رمز مميز، بدون مستويات تسعير إضافية. راجع <a href="https://apidog.com/ar/blog/qwen-3-8-pricing?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل تسعير Qwen 3.8</a> قبل نقل النموذج إلى بيئة إنتاج.</p> <h3> خطوات الإعداد للمطورين </h3> <ol> <li>أنشئ حسابًا في Model Studio.</li> <li>فعّل الخدمة.</li> <li>أنشئ مفتاح API.</li> <li>خزّن المفتاح في متغير البيئة التالي: </li> </ol> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code><span class="nb">export </span><span class="nv">DASHSCOPE_API_KEY</span><span class="o">=</span><span class="s2">"your-api-key"</span> </code></pre> </div> <ol> <li>استخدم النموذج <code>qwen3.8-max</code>.</li> <li>تحقق من أن عنوانك الأساسي يشير إلى منطقة سنغافورة.</li> </ol> <p>يسرد <a href="https://www.alibabacloud.com/help/en/model-studio/models" rel="noopener noreferrer">كتالوج النماذج</a> نموذج <code>qwen3.8-max</code> ضمن النماذج الموصى بها. تدعم نقطة النهاية بروتوكولًا متوافقًا مع OpenAI، كما تتوفر نقطة نهاية متوافقة مع Anthropic. راجع <a href="https://apidog.com/ar/blog/qwen-3-8-api?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">شرح واجهة برمجة تطبيقات Qwen 3.8</a> لتفاصيل الطلبات والإخراج المتدفق والاستنتاج.</p> <h3> فخ يستهلك الحصة: الاستنتاج يعمل افتراضيًا </h3> <p>يأتي Qwen 3.8-Max مع <code>reasoning_effort</code> مضبوطًا افتراضيًا على <code>xhigh</code>. تُفوتر رموز التفكير كرموز إخراج، لذلك قد يستهلك طلب واحد معقد آلاف الرموز قبل ظهور الإجابة.</p> <p>للمهام الروتينية، خفّض القيمة إلى <code>low</code> أو <code>medium</code>:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight json"><code><span class="p">{</span><span class="w"> </span><span class="nl">"reasoning_effort"</span><span class="p">:</span><span class="w"> </span><span class="s2">"low"</span><span class="w"> </span><span class="p">}</span><span class="w"> </span></code></pre> </div> <p>استخدم <code>xhigh</code> فقط عندما تختبر مهام استنتاج حقيقية، مثل مسائل متعددة الخطوات أو تحليل معقد يحتاج إلى هذا المستوى من التفكير.</p> <h3> كيف تجعل مليون رمز مميز يدوم؟ </h3> <p>اتبع هذه الممارسات أثناء التقييم:</p> <ul> <li> <strong>اضبط الطلب قبل تكراره.</strong> أنشئ الاستدعاء في <a href="https://apidog.com/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a>، وعدّل المعلمات، وافحص الاستجابة المتدفقة طلبًا واحدًا في كل مرة. هذا أفضل من استنزاف الحصة عبر حلقات إعادة المحاولة داخل التطبيق.</li> <li> <strong>حاكِ الاستجابات بعد التحقق منها.</strong> بعد معرفة شكل الاستجابة، احفظ مثالًا واستخدم خادم Apidog الوهمي لتغذية الواجهة الأمامية أو الوكيل أثناء البناء. لا تستهلك المحاكاة رموزًا مميزة.</li> <li> <strong>راقب حقل الاستخدام في كل استجابة.</strong> سجّل رموز الإدخال والإخراج لكل طلب لتعرف معدل الاستهلاك الحقيقي.</li> <li> <strong>افصل البيئات حسب المنطقة.</strong> احفظ عناوين URL الأساسية لسنغافورة وبكين والولايات المتحدة كبيئات مستقلة، ثم تحقّق من البيئة النشطة قبل إرسال الطلب.</li> </ul> <p>يمكنك <a href="https://apidog.com/download?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">تنزيل Apidog</a> مجانًا لتطبيق هذا التدفق وإدارة البيئات والطلبات والمحاكاة في مكان واحد.</p> <p><strong>الخلاصة:</strong> هذا أفضل مسار للمطورين حاليًا، بشرط الالتزام بمنطقة سنغافورة وانتهاء الحصة بعد 90 يومًا.</p> <h2> المسار الثالث: الأوزان المفتوحة، موعودة لكنها غير متاحة بعد </h2> <p>أبرز ما في الإطلاق للجمهور المجاني هو أن Qwen 3.8-Max أول نموذج من فئة Qwen-Max بأوزان مفتوحة. تقول علي بابا إن الأوزان ستصل إلى Hugging Face وModelScope «الأسبوع المقبل»، أي تقريبًا في 10 أغسطس.</p> <p>اعتبارًا من 3 أغسطس 2026، لا يمكن تنزيل الأوزان أو تشغيلها. لا يوجد ملف لسحبه أو تحويله أو استضافته. إذا وجدت دليلًا بعنوان «شغّل Qwen 3.8 محليًا اليوم» قبل إصدار الأوزان فعليًا، فلا تعتمد عليه.</p> <p>للمقارنة، وعد Kimi K3 بأوزان مفتوحة عند الإطلاق ثم سلّمها بعد 11 يومًا. الجدول الزمني ممكن، لكنه لم يتحقق بعد بالنسبة إلى Qwen 3.8-Max.</p> <h3> واقع الاستضافة الذاتية </h3> <p>حتى عند إصدار الأوزان، لا تعني كلمة «مجاني» أن تشغيل النموذج لا يكلّف شيئًا.</p> <p>يحتوي Qwen 3.8-Max على 2.4 تريليون معلمة إجمالية. أقرب مقارنة هي Kimi K3، وهو نموذج بمعلمات 2.8T شُحن بحجم 594 جيجابايت من الأوزان حتى مع تكميم MXFP4 القوي.</p> <p>عمليًا، توقّع:</p> <ul> <li>مئات الجيجابايت من الأوزان.</li> <li>عدة وحدات GPU.</li> <li>إعداد خدمة متعدد وحدات GPU، وربما متعدد العقد.</li> <li>تكلفة استضافة وتشغيل حتى لو كانت الأوزان نفسها مجانية.</li> </ul> <p>لا يمكن لوحدة GPU استهلاكية واحدة أو محطة عمل عادية استيعاب هذا النوع من النموذج. يوضح دليل <a href="https://apidog.com/ar/blog/run-kimi-k3-locally?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">تشغيل Kimi K3 محليًا</a> شكل متطلبات هذا المستوى من الأجهزة، وتنطبق الاعتبارات الاقتصادية نفسها هنا.</p> <p>بالنسبة إلى معظم المطورين، ستعني الأوزان المفتوحة غالبًا ظهور مزودي استضافة خارجيين وأسعار API تنافسية، لا تشغيل النموذج على حاسوب محمول.</p> <p><strong>الخلاصة:</strong> الأوزان ليست متاحة بعد. تحقق مرة أخرى في منتصف أغسطس، وخطط لتكلفة الاستضافة بدلًا من افتراض أن الأجهزة ستكون مجانية.</p> <h2> المسار الرابع: نماذج Qwen الأقدم المجانية </h2> <p>إذا كنت تحتاج إلى «نموذج Qwen قادر بتكلفة صفرية» بدلًا من <code>Qwen 3.8-Max</code> تحديدًا، فالنماذج السابقة توفر مسارات أكثر عملية.</p> <p>نماذج Qwen الأصغر ذات الأوزان المفتوحة يمكن تشغيلها بالفعل على أجهزة يملكها المطورون، كما أن التشكيلة الأقدم توفر خيارات وصول مجانية لا تنتهي خلال 90 يومًا. راجع دليل <a href="https://apidog.com/ar/blog/how-to-use-qwen-3-7-for-free?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">استخدام Qwen 3.7 مجانًا</a> للخيارات المتاحة.</p> <p>المقايضة واضحة: ستتخلى عن مكاسب الأداء المعياري التي جعلت Qwen 3.8-Max خبرًا. لكن لمشروع جانبي أو مصنف أو تعلم شكل API قبل إنفاق المال، قد تكون النماذج الأقدم كافية.</p> <h2> ما غير المتاح فعليًا </h2> <p>اعتبارًا من 3 أغسطس 2026، لا تتوقع ما يلي:</p> <ul> <li> <strong>لا توجد طبقة API مجانية غير محدودة.</strong> المتاح هو مليون رمز مميز فقط، وتنتهي صلاحيته.</li> <li> <strong>لا توجد طبقة مجانية خارج سنغافورة.</strong> نقاط نهاية بكين وفرجينيا تُفوتر من أول رمز مميز.</li> <li> <strong>لا توجد أوزان قابلة للتنزيل بعد.</strong> عبارة «الأسبوع المقبل» وعد وليست رابط تنزيل.</li> <li> <strong>لا يوجد وصول رسمي مجاني إلى Qwen 3.8 عبر مجمعات خارجية.</strong> من المرجح أن يظهر الوصول المستضاف من أطراف ثالثة بعد إصدار الأوزان. أي خدمة تدعي توفير <code>3.8-Max</code> مجانًا قبل ذلك تستحق التحقق من النموذج الفعلي الذي تستخدمه.</li> </ul> <h2> الأسئلة الشائعة </h2> <h3> هل واجهة برمجة تطبيقات Qwen 3.8 مجانية حقًا؟ </h3> <p>جزئيًا. تحصل على مليون رمز مميز مجاني عبر Alibaba Cloud Model Studio، صالح لمدة 90 يومًا وفي منطقة سنغافورة فقط. بعد ذلك، يصبح السعر 2 دولار لكل مليون رمز إدخال و6 دولارات لكل مليون رمز إخراج.</p> <h3> هل يمكنني تنزيل وتشغيل Qwen 3.8 محليًا الآن؟ </h3> <p>لا. الأوزان موعودة لـ Hugging Face وModelScope حوالي 10 أغسطس 2026، ولم تكن قد صدرت وقت كتابة المقال. عند توفرها، خطط لمئات الجيجابايت وإعداد متعدد وحدات GPU؛ فهذا نموذج بـ2.4 تريليون معلمة، وليس نموذجًا لحاسوب محمول.</p> <h3> كيف يختلف هذا عن خيارات Kimi K3 المجانية؟ </h3> <p>أوزان Kimi K3 متاحة وقابلة للتنزيل بالفعل، لذلك مسار الاستضافة الذاتية موجود اليوم، بينما لا يزال مسار Qwen 3.8 معلقًا. كلا النموذجين كبيران جدًا بالنسبة إلى أجهزة المستهلكين. للمقارنة، راجع دليل <a href="https://apidog.com/ar/blog/how-to-use-kimi-k3-for-free?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">استخدام Kimi K3 مجانًا</a>.</p> <h3> هل تغطي الحصة المجانية رموز التفكير؟ </h3> <p>نعم، لكنها تستنزف الحصة. تُحسب مخرجات الاستنتاج مثل المخرجات العادية، والقيمة الافتراضية لـ<code>reasoning_effort</code> هي <code>xhigh</code>. خفّضها في الاستدعاءات الروتينية حتى لا تستهلك الحصة في سلاسل تفكير لا تحتاجها.</p> <h2> الخلاصة </h2> <p>الوصول المجاني إلى Qwen 3.8 حقيقي، لكنه محدد بوضوح:</p> <ul> <li>استخدم Qwen Chat للاستكشاف العام.</li> <li>استخدم مليون رمز مميز في Model Studio للمشاريع البرمجية.</li> <li>التزم بمنطقة سنغافورة.</li> <li>نفّذ تقييمك خلال نافذة 90 يومًا.</li> <li>لا تفترض أن الأوزان المفتوحة تعني تشغيل النموذج محليًا مجانًا.</li> </ul> <p>إذا اتبعت مسار API، فأنفق حصتك على اختبارات التقييم، لا على تصحيح الأخطاء. أنشئ النماذج الأولية للطلبات في <a href="https://apidog.com/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a>، وحاكِ الاستجابات أثناء البناء، ثم استخدم نقطة النهاية الحية للتحقق النهائي من أن Qwen 3.8-Max يستحق مكانًا في مجموعتك التقنية.</p> Yusuf Khalidd Mon, 03 Aug 2026 04:24:50 +0000 https://dev.to/yusuf_khalidd/sr-qwen-38-mshrwh-2-lldkhl-6-llkhrj-lsyq-1-mlywn-twkn-52gg https://dev.to/yusuf_khalidd/sr-qwen-38-mshrwh-2-lldkhl-6-llkhrj-lsyq-1-mlywn-twkn-52gg <p>أطلقت علي بابا نموذج Qwen 3.8-Max في أوائل أغسطس 2026، وأخيرًا أصبح لسؤال التسعير إجابة واضحة. خلال فترة المعاينة في يوليو، كانت القصة المتداولة هي عرض «تسعير المعاينة بخصم 10%». انتهى ذلك العرض. عند التوفر العام، تُدرج <a href="https://www.alibabacloud.com/help/en/model-studio/model-pricing" rel="noopener noreferrer">صفحة أسعار Model Studio الرسمية</a> نموذج <code>qwen3.8-max</code> بسعر <strong>2 دولار لكل مليون توكن إدخال و6 دولارات لكل مليون توكن إخراج</strong>، ضمن طبقة سعرية ثابتة واحدة تغطي نافذة السياق الكاملة البالغة مليون توكن.</p> <p><a href="https://apidog.com/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary">جرّب Apidog اليوم</a> </p> <p>هذه الطبقة السعرية الثابتة هي الجزء اللافت. تفرض معظم النماذج الرائدة رسومًا أعلى لكل توكن عندما يتجاوز الموجه عتبة سياقية محددة. لا يفعل Qwen 3.8-Max ذلك: سواء أرسلت 5,000 توكن أو 900,000 توكن، يبقى السعر 2 دولار للإدخال و6 دولارات للإخراج.</p> <p>تغطي هذه المقالة تصميم السعر الثابت، والمقارنة مع Qwen 3.7-Max وKimi K3 وClaude Opus 5 وGPT-5.6 Terra، وخصومات التخزين المؤقت، وشروط الحصة المجانية، وأمثلة تكلفة عملية. للحصول على نظرة أوسع عن النموذج، ابدأ بمقال <a href="https://apidog.com/ar/blog/what-is-qwen-3-8?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">ما هو Qwen 3.8 ولماذا هو مهم</a>، ثم عد إلى هذه المقالة للأرقام.</p> <p>ملاحظة مهمة: الأسعار المعلنة تمنحك تقديرًا فقط. يأتي Qwen 3.8-Max بإعداد استدلال افتراضي <code>xhigh</code>، وتُحتسب توكنات التفكير كتوكنات إخراج. الطريقة الموثوقة لتوقع التكلفة هي إرسال طلبات حقيقية وقياس الاستخدام. يعرض <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a> تفصيل توكنات كل استجابة أثناء الاختبار، ما يحول تقدير التكلفة إلى عملية حسابية قابلة للقياس.</p> <h2> الرقم المعلن للتوفر العام: 2 دولار للإدخال و6 دولارات للإخراج </h2> <p>إليك بطاقة الأسعار الرسمية لنموذج <code>qwen3.8-max</code>، كما تظهر في صفحة تسعير Model Studio اعتبارًا من 3 أغسطس 2026:</p> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>العنصر</th> <th>السعر لكل مليون توكن</th> </tr> </thead> <tbody> <tr> <td>الإدخال</td> <td>$2.00</td> </tr> <tr> <td>الإخراج، بما في ذلك توكنات التفكير</td> <td>$6.00</td> </tr> <tr> <td>الإدخال المخزن مؤقتًا، إصابة الذاكرة المؤقتة</td> <td>10% من سعر الإدخال</td> </tr> <tr> <td>إنشاء ذاكرة مؤقتة صريح</td> <td>125% من سعر الإدخال</td> </tr> <tr> <td>طبقة السياق</td> <td>طبقة واحدة من 0 إلى مليون توكن</td> </tr> <tr> <td>التفكير مقابل عدم التفكير</td> <td>السعر نفسه</td> </tr> </tbody> </table></div> <p>هناك ثلاث نقاط عملية يجب الانتباه إليها:</p> <ol> <li>نافذة السياق البالغة مليون توكن مغطاة بسعر واحد، بدون رسوم إضافية للموجهات الطويلة.</li> <li>أوضاع التفكير وعدم التفكير تحمل السعر نفسه، لكن توكنات التفكير تُحسب كإخراج.</li> <li>الحد الأقصى للإخراج هو 65,536 توكنًا لكل طلب، لذلك يصل الحد الأقصى النظري لفاتورة الإخراج وحدها إلى نحو 0.39 دولار لكل استجابة.</li> </ol> <p>يصف <a href="https://qwen.ai/blog?id=qwen3.8" rel="noopener noreferrer">الإعلان الرسمي عن Qwen 3.8</a> النموذج بأنه الأكثر قدرة من علي بابا حتى الآن: 2.4 تريليون معلمة إجمالية، و95 مليار معلمة نشطة، وسياق بمليون توكن، وإدخال متعدد الوسائط. وفق بطاقة الأسعار، يكلف ذلك 2 دولار للإدخال و6 دولارات للإخراج.</p> <h2> لماذا يعد التسعير الثابت عبر مليون توكن غير معتاد؟ </h2> <p>التسعير المتدرج للسياق هو القاعدة في الصناعة: سعر أقل تحت عتبة سياقية معينة، ثم سعر أعلى بعد تجاوزها، لأن خدمة السياقات الطويلة أكثر تكلفة.</p> <p>تطبق علي بابا هذا النمط في نماذج أخرى أيضًا. في <a href="https://www.alibabacloud.com/help/en/model-studio/model-pricing" rel="noopener noreferrer">صفحة تسعير Model Studio</a>، تُسعّر نماذج مثل <code>qwen3-max</code> و<code>qwen3-coder-plus</code> وفق طبقات لطول السياق، حيث يرتفع سعر التوكن كلما طال الإدخال.</p> <p>لكن Qwen 3.8-Max يكسر هذا النمط داخل كتالوج علي بابا نفسه: يظهر في جدول أسعاره صف واحد فقط:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>0 &lt; token ≤ 1,000,000 </code></pre> </div> <p>بالنسبة إلى التنفيذ، هذا يعني أن الميزانية خطية:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>التكلفة = (توكنات الإدخال × 2 دولار / 1,000,000) + (توكنات الإخراج × 6 دولارات / 1,000,000) </code></pre> </div> <p>يفيد ذلك خصوصًا في:</p> <ul> <li>تحليل المستندات الطويلة.</li> <li>وكلاء قواعد المعرفة الكبيرة.</li> <li>أنظمة RAG التي تضيف مئات الآلاف من التوكنات إلى السياق.</li> <li>تطبيقات الدردشة ذات موجهات النظام الطويلة.</li> </ul> <h2> أرخص من Qwen 3.7-Max بالسعر المعلن </h2> <p>أُطلق Qwen 3.8-Max بسعر معلن أقل من سابقه:</p> <ul> <li> <strong>Qwen 3.7-Max:</strong> 2.5 دولار للإدخال و7.5 دولار للإخراج لكل مليون توكن.</li> <li> <strong>Qwen 3.8-Max:</strong> 2 دولار للإدخال و6 دولارات للإخراج لكل مليون توكن.</li> </ul> <p>يمثل ذلك تخفيضًا بنسبة 20% على جانبي الإدخال والإخراج، مع نافذة سياق أكبر وإدخال متعدد الوسائط ونتائج معيارية أفضل وفق الإعلان.</p> <p>لكن توجد نقطة مهمة: لدى Qwen 3.7-Max عرض ترويجي بخصم 50%، ما يخفض سعره إلى:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>1.25 دولار للإدخال / 3.75 دولار للإخراج </code></pre> </div> <p>لذلك، إذا لم يكن حمل العمل يحتاج إلى سياق مليون توكن أو قدرات Qwen 3.8 متعددة الوسائط والوكيلية، فقد يكون Qwen 3.7-Max المخفض خيارًا أقل تكلفة ما دام العرض قائمًا. لا تبنِ نموذج تكلفة طويل الأجل على سعر ترويجي.</p> <p>للمهام الأقل تكلفة، يبقى <a href="https://apidog.com/ar/blog/qwen-3-7-plus?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Qwen 3.7-Plus</a> خيارًا عمليًا بسعر 0.4 دولار للإدخال و1.6 دولار للإخراج، مع عرض ترويجي خاص به بخصم 20%.</p> <h2> توكنات التفكير تُحسب كإخراج </h2> <p>هذه النقطة قد تكون السبب الأكبر لفروقات الفاتورة الفعلية.</p> <p>يدعم Qwen 3.8-Max معلمة <code>reasoning_effort</code> بثلاثة مستويات:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>xhigh medium low </code></pre> </div> <p>القيمة الافتراضية هي <code>xhigh</code>. في وضع التفكير، يولد النموذج توكنات استدلال داخلية قبل إنتاج الإجابة النهائية. هذه التوكنات تُحتسب بسعر الإخراج، أي <strong>6 دولارات لكل مليون توكن</strong>.</p> <p>بالتالي، لا يكفي تقدير التكلفة بهذه الصيغة:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>توكنات الموجه + توكنات الإجابة المرئية </code></pre> </div> <p>بل يجب أن تشمل توكنات التفكير:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>إجمالي توكنات الإخراج = توكنات الإجابة المرئية + توكنات التفكير </code></pre> </div> <h3> خطوات عملية لتقليل التكلفة </h3> <ol> <li>استخدم <code>medium</code> أو <code>low</code> للمهام البسيطة، مثل التصنيف والاستخراج وإعادة التنسيق.</li> <li>احتفظ بـ <code>xhigh</code> للمهام التي تتطلب استدلالًا عميقًا.</li> <li>راقب كائن <code>usage</code> في كل استجابة.</li> <li>افصل تقارير الإدخال والإخراج حسب نوع المهمة، ثم ابنِ تقديرك الشهري على المتوسطات المقاسة.</li> </ol> <p>مثال إعداد طلب:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight json"><code><span class="p">{</span><span class="w"> </span><span class="nl">"model"</span><span class="p">:</span><span class="w"> </span><span class="s2">"qwen3.8-max"</span><span class="p">,</span><span class="w"> </span><span class="nl">"messages"</span><span class="p">:</span><span class="w"> </span><span class="p">[</span><span class="w"> </span><span class="p">{</span><span class="w"> </span><span class="nl">"role"</span><span class="p">:</span><span class="w"> </span><span class="s2">"user"</span><span class="p">,</span><span class="w"> </span><span class="nl">"content"</span><span class="p">:</span><span class="w"> </span><span class="s2">"استخرج الحقول المطلوبة من هذا النص."</span><span class="w"> </span><span class="p">}</span><span class="w"> </span><span class="p">],</span><span class="w"> </span><span class="nl">"reasoning_effort"</span><span class="p">:</span><span class="w"> </span><span class="s2">"low"</span><span class="w"> </span><span class="p">}</span><span class="w"> </span></code></pre> </div> <h2> التخزين المؤقت للسياق: 10% للإصابات و125% للإنشاء </h2> <p>إذا كان تطبيقك يعيد إرسال بادئة موجه متكررة، مثل موجه نظام طويل أو وثائق ثابتة أو تعريفات أدوات، فإن التخزين المؤقت للسياق يغير التكلفة بشكل ملحوظ.</p> <ul> <li> <strong>إصابات الذاكرة المؤقتة:</strong> تُحسب بنسبة 10% من سعر الإدخال. <ul> <li>أي 0.20 دولار لكل مليون توكن بدلًا من 2 دولار.</li> </ul> </li> <li> <strong>إنشاء الذاكرة المؤقتة الصريح:</strong> يُحسب بنسبة 125% من سعر الإدخال. <ul> <li>أي 2.50 دولار لكل مليون توكن.</li> </ul> </li> </ul> <p>يمكن حساب نقطة التعادل بسرعة:</p> <ul> <li>تدفع 25% إضافية مرة واحدة عند إنشاء الذاكرة المؤقتة.</li> <li>كل إعادة استخدام لاحقة تخفض تكلفة الإدخال بنسبة 90%.</li> <li>عند إعادة استخدام البادئة مرتين فقط، يبدأ التخزين المؤقت في تعويض كلفته.</li> </ul> <p>استخدمه عندما تتكرر عناصر مثل:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>- تعليمات النظام - تعريفات الأدوات - وثائق المنتج - قاعدة معرفة ثابتة - مخططات JSON أو OpenAPI كبيرة </code></pre> </div> <h2> تفاصيل الحصة المجانية: مليون توكن وسنغافورة و90 يومًا </h2> <p>يوفر Model Studio حصة مجانية لنموذج <code>qwen3.8-max</code>، لكن التفاصيل مهمة:</p> <ul> <li> <strong>الحجم:</strong> مليون توكن.</li> <li> <strong>المنطقة:</strong> سنغافورة فقط.</li> <li> <strong>المدة:</strong> 90 يومًا من التفعيل.</li> </ul> <p>لاستخدام الحصة المجانية، وجّه العميل إلى نقطة النهاية التالية:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>https://dashscope-intl.aliyuncs.com/compatible-mode/v1 </code></pre> </div> <p>لا تنطبق الحصة على بكين أو فيرجينيا في الولايات المتحدة.</p> <p>تُسحب توكنات التفكير من الحصة المجانية مثل أي توكنات إخراج أخرى، لذلك قد تستنفد مهام الاستدلال الكثيفة باستخدام <code>xhigh</code> الحصة أسرع من المتوقع.</p> <p>لخيارات الوصول المجاني الأخرى، راجع <a href="https://apidog.com/ar/blog/how-to-use-qwen-3-8-for-free?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">كيفية استخدام Qwen 3.8 مجانًا</a>.</p> <h2> كيف تقارن أسعار Qwen 3.8؟ </h2> <p>فيما يلي مقارنة بالأسعار المعلنة لكل مليون توكن. الأسعار الترويجية مؤقتة وقد تنتهي.</p> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>النموذج</th> <th>الإدخال</th> <th>الإخراج</th> <th>ملاحظات</th> </tr> </thead> <tbody> <tr> <td><strong>Qwen 3.8-Max</strong></td> <td><strong>$2.00</strong></td> <td><strong>$6.00</strong></td> <td>ثابت عبر سياق مليون توكن؛ إصابات الذاكرة المؤقتة 10%</td> </tr> <tr> <td>Qwen 3.7-Max</td> <td>$2.50</td> <td>$7.50</td> <td>خصم 50% حاليًا: $1.25 / $3.75</td> </tr> <tr> <td>Qwen 3.7-Plus</td> <td>$0.40</td> <td>$1.60</td> <td>خصم 20% حاليًا</td> </tr> <tr> <td>Kimi K3</td> <td>$3.00</td> <td>$15.00</td> <td>إصابات الذاكرة المؤقتة: $0.30</td> </tr> <tr> <td>Claude Opus 5</td> <td>$5.00</td> <td>$25.00</td> <td>—</td> </tr> <tr> <td>GPT-5.6 Terra</td> <td>$2.00</td> <td>$12.00</td> <td>—</td> </tr> </tbody> </table></div> <h3> قراءة سريعة للجدول </h3> <ul> <li> <strong>مقابل Kimi K3:</strong> يكلف Qwen 3.8-Max أقل بثلث للإدخال وأقل بنسبة 60% للإخراج. كما أن إصابة الذاكرة المؤقتة تكلف 0.20 دولار مقابل 0.30 دولار في K3. راجع <a href="https://apidog.com/ar/blog/kimi-k3-api?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل Kimi K3 API</a> لتفاصيل جانب K3.</li> <li> <strong>مقابل Claude Opus 5:</strong> Qwen أرخص بنسبة 60% للإدخال و76% للإخراج.</li> <li> <strong>مقابل GPT-5.6 Terra:</strong> سعر الإدخال متطابق عند 2 دولار، لكن إخراج Qwen بنصف السعر.</li> </ul> <p>السعر ليس مقياس جودة. اختبر النماذج على بياناتك ومهامك الفعلية بدل الاعتماد على بطاقة الأسعار أو المعايير المنشورة فقط.</p> <h2> أمثلة عملية: تكلفة المهام الحقيقية </h2> <h3> المثال 1: جلسة وكيل بـ50 ألف توكن </h3> <p>لنفترض أن جلسة وكيل تستخدم:</p> <ul> <li>38,000 توكن إدخال.</li> <li>12,000 توكن إخراج.</li> </ul> <p>الحساب:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>الإدخال: 38,000 × 2 / 1,000,000 = 0.076 دولار الإخراج: 12,000 × 6 / 1,000,000 = 0.072 دولار الإجمالي: 0.148 دولار ≈ 0.15 دولار لكل جلسة </code></pre> </div> <p>إذا أضاف إعداد <code>xhigh</code> نحو 8,000 توكن تفكير، يصبح إجمالي الإخراج 20,000 توكن:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>الإخراج: 20,000 × 6 / 1,000,000 = 0.12 دولار إجمالي الجلسة: 0.076 + 0.12 = 0.196 دولار ≈ 0.20 دولار </code></pre> </div> <p>هذا يعني أن الاستدلال وحده رفع تكلفة الجلسة بنحو 33%.</p> <h3> المثال 2: تحليل مستند طويل بـ800 ألف توكن </h3> <p>لنفترض أنك ترسل 800,000 توكن من المستندات وتطلب ملخصًا منظمًا من 5,000 توكن:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>الإدخال: 800,000 × 2 / 1,000,000 = 1.60 دولار الإخراج: 5,000 × 6 / 1,000,000 = 0.03 دولار الإجمالي: 1.63 دولار لكل عملية تشغيل </code></pre> </div> <p>الميزة هنا أن كل توكن من الـ800 ألف يُسعّر بنفس سعر الإدخال الأساسي، بدون انتقال إلى طبقة سياق أغلى.</p> <h3> المثال 3: موجه نظام مخزن مؤقتًا بـ100 ألف توكن و50 استدعاءً يوميًا </h3> <p>لنفترض أن تطبيقك يرسل في كل استدعاء:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>100,000 توكن من: - موجه النظام - وثائق المنتج - تعريفات الأدوات </code></pre> </div> <p>بدون تخزين مؤقت:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>100,000 × 2 / 1,000,000 = 0.20 دولار لكل استدعاء 0.20 × 50 = 10.00 دولارات يوميًا </code></pre> </div> <p>مع تخزين مؤقت صريح:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>تكلفة الإنشاء: 100,000 × 2.50 / 1,000,000 = 0.25 دولار تكلفة 49 إصابة ذاكرة مؤقتة: 49 × (100,000 × 0.20 / 1,000,000) = 49 × 0.02 = 0.98 دولار الإجمالي اليومي: 0.25 + 0.98 = 1.23 دولار </code></pre> </div> <p>النتيجة: توفير يقارب 88% مقارنة بإرسال البادئة نفسها دون تخزين مؤقت.</p> <h2> قدّر التكاليف بناءً على الاستخدام المقاس </h2> <p>تعتمد الأمثلة السابقة على أعداد توكنات مفترضة. تختلف أرقام الإنتاج الفعلية، خصوصًا مع توكنات التفكير. لا تعتمد على طول الموجه فقط؛ قِس الاستخدام الحقيقي.</p> <h3> سير عمل عملي </h3> <ol> <li>احصل على مفتاح API.</li> <li>جهّز نقطة النهاية الخاصة بمنطقتك.</li> <li>أرسل طلبات تمثيلية لكل نوع مهمة.</li> <li>اقرأ كائن <code>usage</code> من كل استجابة.</li> <li>افصل القياسات حسب <code>reasoning_effort</code>.</li> <li>احسب المتوسط لكل نوع مهمة.</li> <li>اضرب المتوسط في أسعار الإدخال والإخراج.</li> </ol> <p>الصيغة:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>التكلفة المتوقعة لكل طلب = (input_tokens / 1,000,000 × 2) + (output_tokens / 1,000,000 × 6) </code></pre> </div> <p>يغطي <a href="https://apidog.com/ar/blog/qwen-3-8-api?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل Qwen 3.8 API</a> عناوين URL الأساسية الإقليمية الثلاثة وبروتوكولي OpenAI-compatible وAnthropic-compatible.</p> <p>في <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a>، يمكنك حفظ عناوين URL الأساسية كبيئات منفصلة، ثم إرسال الطلب نفسه مع كل مستوى من <code>reasoning_effort</code> ومراجعة استخدام التوكنات مباشرة من الاستجابة.</p> <p>جرّب 10 طلبات تمثيلية على الأقل لكل نوع مهمة، ثم احسب المتوسط بدل الاعتماد على طلب واحد. يمكنك أيضًا تشغيل اختبار A/B للموجه نفسه بين <code>qwen3.8-max</code> و<code>qwen3.7-max</code> أو Kimi K3 داخل مساحة العمل نفسها.</p> <p>يمكنك <a href="https://apidog.com/download?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">تنزيل Apidog</a> مجانًا وبدء جمع أرقام تكلفة فعلية لكل مهمة.</p> <h2> الخلاصة </h2> <p>يقدم Qwen 3.8-Max سعرًا معلنًا قدره 2 دولار للإدخال و6 دولارات للإخراج لنموذج رائد من الفئة المتقدمة. وهو أقل من السعر المعلن لسابقه، ويكلف نصف سعر إخراج GPT-5.6 Terra، ويظل ثابتًا عبر سياق كامل يبلغ مليون توكن.</p> <p>لتحويل بطاقة الأسعار إلى تكلفة تشغيل فعلية:</p> <ul> <li>قِس <code>usage</code> على طلبات واقعية.</li> <li>راقب توكنات التفكير باعتبارها توكنات إخراج.</li> <li>لا تستخدم <code>xhigh</code> تلقائيًا لكل المهام.</li> <li>فعّل التخزين المؤقت للبادئات المتكررة.</li> <li>لا تبنِ تقديرك طويل الأجل على الحصص أو الخصومات الترويجية.</li> </ul> <h2> الأسئلة الشائعة </h2> <h3> هل يكلف Qwen 3.8 أكثر للموجهات الطويلة؟ </h3> <p>لا. تعرض <a href="https://www.alibabacloud.com/help/en/model-studio/model-pricing" rel="noopener noreferrer">الأسعار الرسمية</a> طبقة واحدة من 0 إلى مليون توكن، لذلك يُحسب موجه من 900 ألف توكن بسعر الإدخال نفسه: 2 دولار لكل مليون توكن. يختلف ذلك عن النماذج ذات التسعير المتدرج، بما في ذلك بعض النماذج ضمن <a href="https://www.alibabacloud.com/help/en/model-studio/models" rel="noopener noreferrer">قائمة نماذج Model Studio</a>.</p> <h3> هل تكلف توكنات التفكير رسومًا إضافية في Qwen 3.8؟ </h3> <p>لا يوجد سعر منفصل للتفكير. لكن توكنات التفكير تُحسب ضمن توكنات الإخراج بسعر 6 دولارات لكل مليون توكن، والإعداد الافتراضي لـ<code>reasoning_effort</code> هو <code>xhigh</code>. لذلك قد تكلف طلبات الاستدلال أكثر مما توحي به الإجابة المرئية وحدها.</p> <h3> هل هناك طريقة مجانية لتجربة Qwen 3.8؟ </h3> <p>نعم. يتضمن Model Studio حصة مجانية قدرها مليون توكن صالحة لمدة 90 يومًا على نقطة نهاية سنغافورة فقط. يوفر Qwen Chat أيضًا وصولًا مجانيًا من المتصفح. راجع <a href="https://apidog.com/ar/blog/how-to-use-qwen-3-8-for-free?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">كيفية استخدام Qwen 3.8 مجانًا</a> للتفاصيل.</p> <h3> هل لا يزال «تسعير المعاينة بخصم 10%» متاحًا؟ </h3> <p>لا. كان عرضًا ترويجيًا لفترة المعاينة في يوليو 2026. حلّ التوفر العام محله ببطاقة الأسعار القياسية: 2 دولار للإدخال و6 دولارات للإخراج. استخدم صفحة تسعير Model Studio كمصدر الحقيقة.</p> Yusuf Khalidd Mon, 03 Aug 2026 04:23:37 +0000 https://dev.to/yusuf_khalidd/kyfy-stkhdm-qwen-38-api-2gci https://dev.to/yusuf_khalidd/kyfy-stkhdm-qwen-38-api-2gci <p>أطلقت علي بابا Qwen 3.8-Max في أوائل أغسطس 2026، وأصبحت واجهة API متاحة عبر Model Studio. يوفر النموذج 2.4 تريليون معلمة إجمالًا، منها 95 مليار معلمة نشطة، ونافذة سياق تصل إلى مليون رمز، بتسعير ثابت قدره 2 دولار للإدخال و6 دولارات للإخراج لكل مليون رمز. للحصول على خلفية عن النموذج، راجع <a href="https://apidog.com/ar/blog/what-is-qwen-3-8?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">شرحنا لـ Qwen 3.8</a>. يركز هذا الدليل على التنفيذ: إنشاء المفتاح، اختيار المنطقة، إرسال أول طلب، وربط النموذج بأدواتك الحالية.</p> <p><a href="https://apidog.com/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary">جرّب Apidog اليوم</a> </p> <p>يدعم Qwen 3.8-Max بروتوكولين منذ البداية:</p> <ul> <li>واجهة متوافقة مع OpenAI لتشغيل عملاء وحزم SDK الحالية.</li> <li>واجهة متوافقة مع Anthropic لتشغيل أدوات نظام Claude البيئي، بما في ذلك Claude Code.</li> </ul> <p>يمكنك أيضًا اختبار الطلب نفسه عبر البروتوكولين في <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a>، ومقارنة الاستجابات والتدفق بينهما.</p> <h2> ما تحتاجه قبل أن تبدأ </h2> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>العنصر</th> <th>القيمة</th> </tr> </thead> <tbody> <tr> <td>معرّف النموذج</td> <td><code>qwen3.8-max</code></td> </tr> <tr> <td>نافذة السياق</td> <td>1,000,000 رمز</td> </tr> <tr> <td>الحد الأقصى للإخراج</td> <td>65,536 رمزًا</td> </tr> <tr> <td>أنواع الإدخال</td> <td>نصوص وصور</td> </tr> <tr> <td>التسعير</td> <td>2 دولار للإدخال / 6 دولارات للإخراج لكل مليون رمز</td> </tr> <tr> <td>التحكم في التفكير</td> <td> <code>reasoning_effort</code>: <code>xhigh</code> (افتراضي)، <code>medium</code>، <code>low</code> </td> </tr> <tr> <td>البروتوكولات</td> <td>OpenAI Chat Completions وResponses، ورسائل Anthropic</td> </tr> <tr> <td>متغير بيئة المفتاح</td> <td><code>DASHSCOPE_API_KEY</code></td> </tr> </tbody> </table></div> <p><a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fassets.apidog.com%2Fblog-next%2F2026%2F08%2Fimage-1.png" class="article-body-image-wrapper"><img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fassets.apidog.com%2Fblog-next%2F2026%2F08%2Fimage-1.png" alt="مخطط Qwen 3.8-Max" width="800" height="589"></a></p> <p>هذه المعلومات مستندة إلى <a href="https://qwen.ai/blog?id=qwen3.8" rel="noopener noreferrer">منشور إصدار Qwen 3.8 الرسمي</a> ووثائق Alibaba Cloud Model Studio. وعدت علي بابا بإتاحة الأوزان المفتوحة على Hugging Face وModelScope، لكنها لم تكن قابلة للتنزيل حتى أوائل أغسطس 2026. لذلك تعتمد الخطوات التالية على واجهة API المستضافة.</p> <h2> الخطوة 1: أنشئ مفتاح API </h2> <p>انتقل إلى <a href="http://home.qwencloud.com" rel="noopener noreferrer">home.qwencloud.com</a>، وسجّل الدخول أو أنشئ حسابًا جديدًا، ثم أنشئ مفتاح API من لوحة التحكم.</p> <p>تستخدم المنصة اسم DashScope داخليًا، لذا خزّن المفتاح في متغير البيئة التالي:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code><span class="nb">export </span><span class="nv">DASHSCOPE_API_KEY</span><span class="o">=</span><span class="s2">"sk-your-key-here"</span> </code></pre> </div> <p>ضع المفتاح في ملف <code>.env</code> أو إعدادات بيئة التشغيل، وليس داخل المستودع أو كود المصدر.</p> <p>مثال لملف <code>.env</code>:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>DASHSCOPE_API_KEY=sk-your-key-here </code></pre> </div> <p>تتوفر حصة مجانية قدرها مليون رمز لمدة 90 يومًا، لكنها متاحة في منطقة سنغافورة فقط. استخدمها لتشغيل اختباراتك وتقييم موجهاتك قبل تحميل حركة إنتاجية.</p> <h2> الخطوة 2: اختر المنطقة المناسبة </h2> <p>اختر نقطة النهاية الأقرب إلى خوادمك لتقليل زمن الاستجابة:</p> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>المنطقة</th> <th>عنوان URL الأساسي</th> </tr> </thead> <tbody> <tr> <td>بكين</td> <td><code>https://dashscope.aliyuncs.com/compatible-mode/v1</code></td> </tr> <tr> <td>سنغافورة</td> <td><code>https://dashscope-intl.aliyuncs.com/compatible-mode/v1</code></td> </tr> <tr> <td>الولايات المتحدة، فيرجينيا</td> <td><code>https://dashscope-us.aliyuncs.com/compatible-mode/v1</code></td> </tr> </tbody> </table></div> <p>تُعد سنغافورة (<code>dashscope-intl</code>) الخيار الافتراضي للمستخدمين الدوليين، وهي المنطقة التي تستضيف الحصة المجانية. تؤكد <a href="https://www.alibabacloud.com/help/en/model-studio/models" rel="noopener noreferrer">قائمة نماذج Model Studio</a> أن <code>qwen3.8-max</code> يدعم توليد النصوص وفهم الصور والفيديو.</p> <p>في الأمثلة التالية سنستخدم سنغافورة:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code><span class="nb">export </span><span class="nv">DASHSCOPE_BASE_URL</span><span class="o">=</span><span class="s2">"https://dashscope-intl.aliyuncs.com/compatible-mode/v1"</span> </code></pre> </div> <h2> الخطوة 3: أرسل أول طلب عبر OpenAI SDK </h2> <p>تتوافق نقطة النهاية مع تنسيق OpenAI Chat Completions، لذلك يمكنك استخدام حزمة <code>openai</code> المعتادة.</p> <p>ثبّت الحزمة:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code>pip <span class="nb">install </span>openai </code></pre> </div> <p>ثم أنشئ عميلًا يشير إلى DashScope:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight python"><code><span class="kn">import</span> <span class="n">os</span> <span class="kn">from</span> <span class="n">openai</span> <span class="kn">import</span> <span class="n">OpenAI</span> <span class="n">client</span> <span class="o">=</span> <span class="nc">OpenAI</span><span class="p">(</span> <span class="n">api_key</span><span class="o">=</span><span class="n">os</span><span class="p">.</span><span class="nf">getenv</span><span class="p">(</span><span class="sh">"</span><span class="s">DASHSCOPE_API_KEY</span><span class="sh">"</span><span class="p">),</span> <span class="n">base_url</span><span class="o">=</span><span class="sh">"</span><span class="s">https://dashscope-intl.aliyuncs.com/compatible-mode/v1</span><span class="sh">"</span><span class="p">,</span> <span class="p">)</span> <span class="n">completion</span> <span class="o">=</span> <span class="n">client</span><span class="p">.</span><span class="n">chat</span><span class="p">.</span><span class="n">completions</span><span class="p">.</span><span class="nf">create</span><span class="p">(</span> <span class="n">model</span><span class="o">=</span><span class="sh">"</span><span class="s">qwen3.8-max</span><span class="sh">"</span><span class="p">,</span> <span class="n">messages</span><span class="o">=</span><span class="p">[</span> <span class="p">{</span> <span class="sh">"</span><span class="s">role</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">system</span><span class="sh">"</span><span class="p">,</span> <span class="sh">"</span><span class="s">content</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">You are a precise technical assistant.</span><span class="sh">"</span> <span class="p">},</span> <span class="p">{</span> <span class="sh">"</span><span class="s">role</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">user</span><span class="sh">"</span><span class="p">,</span> <span class="sh">"</span><span class="s">content</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">Explain idempotency in REST APIs in two sentences.</span><span class="sh">"</span> <span class="p">},</span> <span class="p">],</span> <span class="p">)</span> <span class="nf">print</span><span class="p">(</span><span class="n">completion</span><span class="p">.</span><span class="n">choices</span><span class="p">[</span><span class="mi">0</span><span class="p">].</span><span class="n">message</span><span class="p">.</span><span class="n">content</span><span class="p">)</span> </code></pre> </div> <p>أرسل الطلب نفسه باستخدام cURL:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code>curl https://dashscope-intl.aliyuncs.com/compatible-mode/v1/chat/completions <span class="se">\</span> <span class="nt">-H</span> <span class="s2">"Authorization: Bearer </span><span class="nv">$DASHSCOPE_API_KEY</span><span class="s2">"</span> <span class="se">\</span> <span class="nt">-H</span> <span class="s2">"Content-Type: application/json"</span> <span class="se">\</span> <span class="nt">-d</span> <span class="s1">'{ "model": "qwen3.8-max", "messages": [ { "role": "user", "content": "Explain idempotency in REST APIs in two sentences." } ] }'</span> </code></pre> </div> <p>إذا كنت تستخدم مزودًا متوافقًا مع OpenAI بالفعل، فغالبًا يكفي تغيير قيمتين فقط:</p> <ol> <li><code>base_url</code></li> <li><code>model</code></li> </ol> <p>ويطابق سير العمل ما ورد في <a href="https://apidog.com/ar/blog/how-to-use-qwen-3-7-plus-api?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل API الخاص بـ Qwen 3.7 Plus</a>، مع استخدام معرّف النموذج الجديد.</p> <h2> الخطوة 4: فعّل التدفق وتعامل مع التفكير </h2> <p>Qwen 3.8-Max نموذج تفكير افتراضيًا. عند استخدام التدفق، تصل أجزاء التفكير في الحقل <code>reasoning_content</code> قبل أجزاء الإجابة النهائية في <code>content</code>.</p> <p>استخدم كلا الحقلين في عميلك:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight python"><code><span class="n">stream</span> <span class="o">=</span> <span class="n">client</span><span class="p">.</span><span class="n">chat</span><span class="p">.</span><span class="n">completions</span><span class="p">.</span><span class="nf">create</span><span class="p">(</span> <span class="n">model</span><span class="o">=</span><span class="sh">"</span><span class="s">qwen3.8-max</span><span class="sh">"</span><span class="p">,</span> <span class="n">messages</span><span class="o">=</span><span class="p">[</span> <span class="p">{</span> <span class="sh">"</span><span class="s">role</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">user</span><span class="sh">"</span><span class="p">,</span> <span class="sh">"</span><span class="s">content</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">Design a rate limiting strategy for a public API.</span><span class="sh">"</span> <span class="p">}</span> <span class="p">],</span> <span class="n">stream</span><span class="o">=</span><span class="bp">True</span><span class="p">,</span> <span class="p">)</span> <span class="n">thinking_done</span> <span class="o">=</span> <span class="bp">False</span> <span class="k">for</span> <span class="n">chunk</span> <span class="ow">in</span> <span class="n">stream</span><span class="p">:</span> <span class="n">delta</span> <span class="o">=</span> <span class="n">chunk</span><span class="p">.</span><span class="n">choices</span><span class="p">[</span><span class="mi">0</span><span class="p">].</span><span class="n">delta</span> <span class="n">reasoning</span> <span class="o">=</span> <span class="nf">getattr</span><span class="p">(</span><span class="n">delta</span><span class="p">,</span> <span class="sh">"</span><span class="s">reasoning_content</span><span class="sh">"</span><span class="p">,</span> <span class="bp">None</span><span class="p">)</span> <span class="k">if</span> <span class="n">reasoning</span><span class="p">:</span> <span class="nf">print</span><span class="p">(</span><span class="n">reasoning</span><span class="p">,</span> <span class="n">end</span><span class="o">=</span><span class="sh">""</span><span class="p">,</span> <span class="n">flush</span><span class="o">=</span><span class="bp">True</span><span class="p">)</span> <span class="k">elif</span> <span class="n">delta</span><span class="p">.</span><span class="n">content</span><span class="p">:</span> <span class="k">if</span> <span class="ow">not</span> <span class="n">thinking_done</span><span class="p">:</span> <span class="nf">print</span><span class="p">(</span><span class="sh">"</span><span class="se">\n</span><span class="s">--- answer ---</span><span class="sh">"</span><span class="p">)</span> <span class="n">thinking_done</span> <span class="o">=</span> <span class="bp">True</span> <span class="nf">print</span><span class="p">(</span><span class="n">delta</span><span class="p">.</span><span class="n">content</span><span class="p">,</span> <span class="n">end</span><span class="o">=</span><span class="sh">""</span><span class="p">,</span> <span class="n">flush</span><span class="o">=</span><span class="bp">True</span><span class="p">)</span> </code></pre> </div> <p>ضع هذه النقاط في الاعتبار عند تصميم واجهتك:</p> <ul> <li>تُفوتر رموز التفكير كرموز إخراج.</li> <li>قد يزيد التفكير المطول التكلفة وزمن الاستجابة.</li> <li>لا تعرض سلسلة التفكير للمستخدم النهائي تلقائيًا إلا إذا كانت تجربة منتجك تتطلب ذلك.</li> <li>افصل في الواجهة بين حالة “جارٍ التحليل” ووصول الإجابة النهائية.</li> </ul> <h2> الخطوة 5: اضبط <code>reasoning_effort</code> </h2> <p>تدعم الواجهة ثلاثة مستويات لـ <code>reasoning_effort</code>:</p> <ul> <li> <code>xhigh</code>: الإعداد الافتراضي؛ مناسب للتحليل والمهام الصعبة.</li> <li> <code>medium</code>: توازن بين الجودة والسرعة.</li> <li> <code>low</code>: مناسب للتصنيف والاستخراج والدردشة البسيطة والطلبات عالية الحجم.</li> </ul> <p>مرّر الإعدادات الخاصة بـ DashScope عبر <code>extra_body</code> عند استخدام OpenAI SDK:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight python"><code><span class="n">completion</span> <span class="o">=</span> <span class="n">client</span><span class="p">.</span><span class="n">chat</span><span class="p">.</span><span class="n">completions</span><span class="p">.</span><span class="nf">create</span><span class="p">(</span> <span class="n">model</span><span class="o">=</span><span class="sh">"</span><span class="s">qwen3.8-max</span><span class="sh">"</span><span class="p">,</span> <span class="n">messages</span><span class="o">=</span><span class="p">[</span> <span class="p">{</span> <span class="sh">"</span><span class="s">role</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">user</span><span class="sh">"</span><span class="p">,</span> <span class="sh">"</span><span class="s">content</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">Classify this ticket: </span><span class="sh">'</span><span class="s">Login page 500s on Safari.</span><span class="sh">'"</span> <span class="p">}</span> <span class="p">],</span> <span class="n">extra_body</span><span class="o">=</span><span class="p">{</span> <span class="sh">"</span><span class="s">reasoning_effort</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">low</span><span class="sh">"</span><span class="p">,</span> <span class="sh">"</span><span class="s">enable_thinking</span><span class="sh">"</span><span class="p">:</span> <span class="bp">True</span><span class="p">,</span> <span class="p">},</span> <span class="p">)</span> </code></pre> </div> <p>توجد أيضًا علامتان للتحكم في سلوك التفكير:</p> <ul> <li> <code>enable_thinking</code>: لتفعيل التفكير أو إيقافه.</li> <li> <code>preserve_thinking</code>: للحفاظ على سياق التفكير عبر الجولات، وهو مفعّل افتراضيًا.</li> </ul> <p>اختر المستوى بحسب نوع نقطة النهاية:</p> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>حالة الاستخدام</th> <th>الإعداد المقترح</th> </tr> </thead> <tbody> <tr> <td>تحليل برمجي أو استدلال معقد</td> <td><code>xhigh</code></td> </tr> <tr> <td>مهام غير واضحة أو متوسطة التعقيد</td> <td><code>medium</code></td> </tr> <tr> <td>تصنيف، استخراج، دردشة سريعة</td> <td><code>low</code></td> </tr> </tbody> </table></div> <p>لا تعتمد على الإعداد الافتراضي فقط. شغّل تقييمًا على موجهاتك الفعلية، وسجّل جودة النتائج وعدد الرموز وزمن الاستجابة قبل اتخاذ قرار الإنتاج.</p> <h2> استخدم نقطة النهاية المتوافقة مع Anthropic </h2> <p>إلى جانب OpenAI، يوفر Qwen 3.8 نقطة نهاية متوافقة مع بروتوكول Anthropic:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>https://dashscope-intl.aliyuncs.com/apps/anthropic </code></pre> </div> <p>يمكنك تشغيل Claude Code مقابل Qwen 3.8-Max عبر ثلاثة متغيرات بيئة:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code><span class="nb">export </span><span class="nv">ANTHROPIC_BASE_URL</span><span class="o">=</span>https://dashscope-intl.aliyuncs.com/apps/anthropic <span class="nb">export </span><span class="nv">ANTHROPIC_AUTH_TOKEN</span><span class="o">=</span><span class="nv">$DASHSCOPE_API_KEY</span> <span class="nb">export </span><span class="nv">ANTHROPIC_MODEL</span><span class="o">=</span>qwen3.8-max </code></pre> </div> <p>بعد ذلك، شغّل:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code>claude </code></pre> </div> <p>يفيد هذا التوافق الفرق التي لديها أدوات أو عملاء موزعون بين نظامي OpenAI وAnthropic. بدلاً من إعادة كتابة العملاء أولًا، يمكنك اختبار الترحيل باستخدام البروتوكول الموجود لديك.</p> <p>للاطلاع على سيناريوهات البرمجة وأدوات أخرى مدعومة، راجع <a href="https://apidog.com/ar/blog/qwen-3-8-for-coding?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">تحليل Qwen 3.8 للترميز</a>.</p> <h2> التكلفة وكيفية تقديرها </h2> <p>التسعير المعلن:</p> <ul> <li>2 دولار لكل مليون رمز إدخال.</li> <li>6 دولارات لكل مليون رمز إخراج.</li> <li>طبقة سعر ثابتة من 0 إلى مليون رمز سياق.</li> <li>الإدخال المتكرر المخزن مؤقتًا يكلف 10% من سعر الإدخال عند إصابة ذاكرة التخزين المؤقت.</li> <li>إنشاء ذاكرة تخزين مؤقت صريحة يُفوتر بنسبة 125%.</li> </ul> <p><a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fdvf8tlng9k3m5sb7n6qk.png" class="article-body-image-wrapper"><img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fdvf8tlng9k3m5sb7n6qk.png" alt="تسعير Qwen 3.8" width="800" height="261"></a></p> <p>تحقق دائمًا من <a href="https://www.alibabacloud.com/help/en/model-studio/model-pricing" rel="noopener noreferrer">صفحة التسعير الرسمية</a> قبل الإطلاق، لأن الأسعار والسياسات قد تتغير.</p> <p>للتقدير العملي، لا تحسب رموز الموجه والإجابة فقط. أضف رموز التفكير الناتجة، خصوصًا عند استخدام <code>xhigh</code>. لمزيد من الأمثلة وشروط الحصة المجانية، راجع <a href="https://apidog.com/ar/blog/qwen-3-8-pricing?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">التحليل الكامل لأسعار Qwen 3.8</a>.</p> <h2> اختبر وصحح Qwen 3.8 API في Apidog </h2> <p>واجهة API متعددة البروتوكولات والمناطق، مع تدفق SSE وحقول تفكير إضافية، تستفيد من بيئة اختبار قابلة لإعادة الاستخدام.</p> <p><a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fp1s9ttaaoqnkkmcr30lh.png" class="article-body-image-wrapper"><img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fp1s9ttaaoqnkkmcr30lh.png" alt="اختبار API في Apidog" width="799" height="530"></a></p> <h3> 1. أضف نقطة نهاية OpenAI </h3> <p>أنشئ طلبًا جديدًا:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>POST /chat/completions </code></pre> </div> <p>واضبط عنوان الخادم على إحدى نقاط DashScope الأساسية. بما أن التنسيق متوافق مع OpenAI، يمكنك استيراد مواصفة OpenAI موجودة ثم تغيير عنوان الخادم فقط.</p> <p>أضف أيضًا نقطة Anthropic Messages في المشروع نفسه لتحتفظ بالبروتوكولين جنبًا إلى جنب.</p> <h3> 2. مثّل المناطق كبيئات </h3> <p>أنشئ ثلاث بيئات في <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a>:</p> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>البيئة</th> <th><code>base_url</code></th> </tr> </thead> <tbody> <tr> <td>Beijing</td> <td><code>https://dashscope.aliyuncs.com/compatible-mode/v1</code></td> </tr> <tr> <td>Singapore</td> <td><code>https://dashscope-intl.aliyuncs.com/compatible-mode/v1</code></td> </tr> <tr> <td>US Virginia</td> <td><code>https://dashscope-us.aliyuncs.com/compatible-mode/v1</code></td> </tr> </tbody> </table></div> <p>أضف متغيرًا مشتركًا وسريًا:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>DASHSCOPE_API_KEY </code></pre> </div> <p>ثم استخدم المتغيرات داخل الطلب:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>{{base_url}}/chat/completions </code></pre> </div> <p>بهذا يصبح تبديل المنطقة عملية اختيار بيئة، بدلاً من تعديل كل طلب يدويًا.</p> <h3> 3. افحص تدفق SSE الخام </h3> <p>أرسل طلبًا يحتوي على:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight json"><code><span class="p">{</span><span class="w"> </span><span class="nl">"model"</span><span class="p">:</span><span class="w"> </span><span class="s2">"qwen3.8-max"</span><span class="p">,</span><span class="w"> </span><span class="nl">"stream"</span><span class="p">:</span><span class="w"> </span><span class="kc">true</span><span class="p">,</span><span class="w"> </span><span class="nl">"messages"</span><span class="p">:</span><span class="w"> </span><span class="p">[</span><span class="w"> </span><span class="p">{</span><span class="w"> </span><span class="nl">"role"</span><span class="p">:</span><span class="w"> </span><span class="s2">"user"</span><span class="p">,</span><span class="w"> </span><span class="nl">"content"</span><span class="p">:</span><span class="w"> </span><span class="s2">"Design a rate limiting strategy for a public API."</span><span class="w"> </span><span class="p">}</span><span class="w"> </span><span class="p">]</span><span class="w"> </span><span class="p">}</span><span class="w"> </span></code></pre> </div> <p>راقب أحداث SSE في عرض الاستجابة. يجب أن تصل دلتا <code>reasoning_content</code> أولًا، ثم دلتا <code>content</code>.</p> <p>هذه الخطوة مفيدة عند تصحيح أخطاء محلل التدفق في تطبيقك: قارن الأحداث الخام من المزود بالمخرجات التي يعالجها العميل لديك.</p> <h3> 4. قارن النماذج باستخدام الطلب نفسه </h3> <p>انسخ الطلب وغيّر معرّف النموذج:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight json"><code><span class="p">{</span><span class="w"> </span><span class="nl">"model"</span><span class="p">:</span><span class="w"> </span><span class="s2">"qwen3.7-max"</span><span class="w"> </span><span class="p">}</span><span class="w"> </span></code></pre> </div> <p>شغّل الطلبين بالموجه نفسه، ثم سجّل:</p> <ul> <li>زمن أول رمز.</li> <li>زمن الاستجابة الكلي.</li> <li>عدد رموز الإدخال والإخراج.</li> <li>جودة الإجابة على حالاتك الفعلية.</li> </ul> <p>يمكنك تطبيق المنهج نفسه على مزودين آخرين، مثل <a href="https://apidog.com/ar/blog/kimi-k3-api?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Kimi K3 API</a>. جداول المقارنة مفيدة كبداية، لكن موجهات الإنتاج الحقيقية هي الاختبار الأهم.</p> <p><a href="https://apidog.com/download?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">نزّل Apidog</a> مجانًا وأنشئ مشروع تقييم قابلًا للمشاركة مع فريقك.</p> <h2> الأسئلة الشائعة </h2> <h3> هل توجد طريقة مجانية لتجربة Qwen 3.8 API؟ </h3> <p>نعم. تحصل حسابات Model Studio الجديدة على حصة مجانية قدرها مليون رمز لـ <code>qwen3.8-max</code> لمدة 90 يومًا في منطقة سنغافورة فقط. استخدم نقطة نهاية <code>dashscope-intl</code> عند تشغيل التقييم للاستفادة منها.</p> <h3> هل يمكن تشغيل Qwen 3.8 محليًا بدلًا من API؟ </h3> <p>ليس بعد، وفق حالة أوائل أغسطس 2026. وعدت علي بابا بإتاحة الأوزان على Hugging Face وModelScope، لكنها لم تكن قابلة للتنزيل في ذلك الوقت. وبحجم 2.4 تريليون معلمة إجمالًا، ستكون الاستضافة الذاتية مشروعًا متعدد العقد حتى مع التكميم.</p> <h3> هل تدعم نقطة Anthropic كل ميزات نقطة OpenAI؟ </h3> <p>تستخدم نقطة Anthropic بروتوكول Anthropic Messages، وهدفها الرئيسي تشغيل أدوات ذلك النظام البيئي، مع Claude Code كتكوين موثق رسميًا. لتكاملات التطبيق المباشرة، تُعد نقطة OpenAI المسار الأكثر توثيقًا لميزات مثل <code>reasoning_effort</code> و<code>enable_thinking</code> وتدفق <code>reasoning_content</code>.</p> <h3> كيف يقارن <code>qwen3.8-max</code> بـ Qwen3-Coder للبرمجة؟ </h3> <p>النموذجان يخدمان حالات استخدام مختلفة. <a href="https://apidog.com/ar/blog/qwen3-coder?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Qwen3-Coder</a> خط نماذج متخصص في البرمجة، بينما <code>qwen3.8-max</code> هو النموذج العام الرائد. إذا كنت تختار بينهما، اختبرهما عبر الطلب نفسه وغيّر معرّف النموذج فقط.</p> <h2> خاتمة </h2> <p>يمكن اعتماد Qwen 3.8 API بسرعة إذا كان مشروعك يستخدم OpenAI SDK أو أدوات Claude Code. ابدأ بحصة سنغافورة المجانية، اختبر مناطق الاستضافة، وفعّل التدفق لمراقبة سلوك <code>reasoning_content</code>.</p> <p>قبل الإنتاج:</p> <ol> <li>قيّم <code>xhigh</code> و<code>medium</code> و<code>low</code> على موجهاتك.</li> <li>احسب رموز التفكير ضمن تكلفة الإخراج.</li> <li>قارن زمن الاستجابة بين المناطق.</li> <li>احتفظ بطلبات OpenAI وAnthropic محفوظة في مشروع واحد داخل <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a>.</li> <li>أعد تشغيل مجموعة التقييم عند تغيير النموذج أو الإعدادات.</li> </ol> Yusuf Khalidd Mon, 03 Aug 2026 03:52:17 +0000 https://dev.to/yusuf_khalidd/m-hw-qwen-38-max-173l https://dev.to/yusuf_khalidd/m-hw-qwen-38-max-173l <p>أطلقت Alibaba رسميًا Qwen 3.8-Max في أوائل أغسطس 2026. يعتمد النموذج على بنية <strong>Mixture-of-Experts (MoE)</strong> بإجمالي 2.4 تريليون معلمة، لكنه يفعّل 95 مليار معلمة فقط لكل رمز (token). يقدم سياقًا يصل إلى مليون رمز، وتسعيرًا ثابتًا قدره 2 دولار للمدخلات و6 دولارات للمخرجات لكل مليون رمز، مع وعد بإتاحة الأوزان على Hugging Face وModelScope خلال أسبوع. وهذه نقطة مهمة: لم تُتح أوزان أي نموذج سابق من فئة Qwen-Max بشكل مفتوح.</p> <p><a href="https://apidog.com/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary">جرّب Apidog اليوم</a> </p> <p>يصف <a href="https://qwen.ai/blog?id=qwen3.8" rel="noopener noreferrer">الإعلان الرسمي</a> النموذج بأنه الأقوى في عائلة Qwen حتى الآن. يركز هذا الدليل على ما يمكن للمطور تنفيذه فعليًا: اختيار نقطة النهاية، ضبط الاستدلال، تقدير التكلفة، وتجربة البروتوكولين المتوافقين مع OpenAI وAnthropic. لهذا النوع من الاختبارات، يفيد عميل API مثل <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a> في إرسال الطلب نفسه عبر البروتوكولين باستخدام المفتاح نفسه.</p> <h2> نظرة سريعة على Qwen 3.8-Max </h2> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>المواصفة</th> <th>Qwen 3.8-Max</th> </tr> </thead> <tbody> <tr> <td>المطور</td> <td>Alibaba (فريق Qwen)</td> </tr> <tr> <td>الإصدار</td> <td>أوائل أغسطس 2026؛ متاح للعامة على Model Studio منذ 3 أغسطس</td> </tr> <tr> <td>البنية</td> <td>MoE، مبني على أساس Qwen 3.5</td> </tr> <tr> <td>إجمالي المعلمات</td> <td>2.4 تريليون</td> </tr> <tr> <td>المعلمات النشطة</td> <td>95 مليار، أي نحو 4%</td> </tr> <tr> <td>نافذة السياق</td> <td>1,000,000 رمز</td> </tr> <tr> <td>الحد الأقصى للمخرجات</td> <td>65,536 رمزًا</td> </tr> <tr> <td>الوسائط</td> <td>نص وصورة كمدخلات، ونص كمخرجات</td> </tr> <tr> <td>ضوابط الاستدلال</td> <td> <code>reasoning_effort</code>: ‏<code>xhigh</code> و<code>medium</code> و<code>low</code> </td> </tr> <tr> <td>معرف نموذج API</td> <td><code>qwen3.8-max</code></td> </tr> <tr> <td>التسعير</td> <td>2 دولار للمدخلات / 6 دولارات للمخرجات لكل مليون رمز</td> </tr> <tr> <td>الأوزان المفتوحة</td> <td>موعود بها للأسبوع التالي، ولم تكن قابلة للتنزيل في أوائل أغسطس 2026</td> </tr> <tr> <td>بروتوكولات API</td> <td>متوافق مع OpenAI ومتوافق مع Anthropic</td> </tr> </tbody> </table></div> <p>تعتمد هذه التفاصيل على مواد إصدار Alibaba وصفحة تسعير <a href="https://www.alibabacloud.com/help/en/model-studio/model-pricing" rel="noopener noreferrer">Model Studio</a>.</p> <h2> ما هو Qwen 3.8-Max؟ </h2> <p>Qwen 3.8-Max هو النموذج الرائد الجديد من Alibaba، ويحل محل Qwen 3.7-Max في أعلى التشكيلة. وفقًا لجدول البائع، ارتفعت نتيجة Terminal Bench 2.1 من 74.5 إلى 86.6، وارتفعت PaperBench من 64.8 إلى 93.0.</p> <p>إذا كنت تقيّم الترقية من الإصدار السابق، راجع <a href="https://apidog.com/ar/blog/qwen-3-8-vs-qwen-3-7?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">مقارنة Qwen 3.8 وQwen 3.7-Max</a>.</p> <p><a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fb0qkaycs14v6oem1h4pt.png" class="article-body-image-wrapper"><img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fb0qkaycs14v6oem1h4pt.png" alt="مخطط مقارنة Qwen 3.8-Max" width="800" height="589"></a></p> <p>النقطة التقنية الأهم هي نسبة التفعيل: رغم أن النموذج يضم 2.4 تريليون معلمة، فإنه يستخدم 95 مليارًا فقط في كل تمريرة أمامية. هذا التصميم هو ما يجعل تشغيل نموذج بهذا الحجم ممكنًا بتسعير 2 دولار/6 دولارات لكل مليون رمز.</p> <p>مقارنةً بـ Kimi K3:</p> <ul> <li> <strong>Qwen 3.8-Max:</strong> إجمالي 2.4 تريليون، و95 مليار معلمة نشطة.</li> <li> <strong>Kimi K3:</strong> إجمالي 2.8 تريليون، و104 مليارات معلمة نشطة.</li> </ul> <p>يقبل النموذج النصوص والصور عبر API. تعرض Alibaba أيضًا أمثلة لفهم مستندات طويلة وفيديوهات طويلة عبر ما تسميه “رسوم الذاكرة” (memory graphs)، لكن إعدادات API المنشورة تسرد النص والصورة كأنواع إدخال.</p> <h3> ضبط الاستدلال والتكلفة </h3> <p>استخدم <code>reasoning_effort</code> للتحكم في مستوى الاستدلال:</p> <ul> <li> <code>xhigh</code>: الإعداد الافتراضي.</li> <li> <code>medium</code>: توازن بين الجودة والتكلفة.</li> <li> <code>low</code>: مناسب للمهام الأبسط أو عالية التكرار.</li> </ul> <p>توجد أيضًا المعلمتان:</p> <ul> <li><code>enable_thinking</code></li> <li><code>preserve_thinking</code></li> </ul> <p>تُحتسب رموز التفكير ضمن رموز الإخراج. لذلك، إذا استخدمت <code>xhigh</code> افتراضيًا، فاحسب تكلفة فعلية أعلى من تقدير يعتمد على نص الإجابة النهائية فقط.</p> <h2> أول نموذج Qwen من فئة Max بأوزان مفتوحة </h2> <p>تقول Alibaba إن أوزان Qwen 3.8-Max ستتوفر على Hugging Face وModelScope خلال الأسبوع التالي للإطلاق، أي تقريبًا في 10 أغسطس 2026.</p> <p>قبل التخطيط للاستضافة الذاتية، انتبه إلى نقطتين:</p> <ol> <li> <strong>الأوزان لم تكن متاحة للتنزيل بعد</strong> في أوائل أغسطس 2026؛ كان ذلك وعدًا معلنًا وليس تنزيلًا متاحًا.</li> <li> <strong>تشغيل نموذج بحجم 2.4 تريليون معلمة محليًا يتطلب بنية متعددة العقد</strong> حتى مع التكميم القوي. بالنسبة لمعظم الفرق، ستكون الاستضافة عبر مزود خارجي أكثر واقعية من تشغيله على محطة عمل.</li> </ol> <p>إذا كان هدفك تجربة النموذج دون دفع السعر الكامل، فابدأ بـ Qwen Chat أو الحصة المجانية في Model Studio. راجع <a href="https://apidog.com/ar/blog/how-to-use-qwen-3-8-for-free?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">كيفية استخدام Qwen 3.8 مجانًا</a>.</p> <h2> ماذا تقول المقارنات المعيارية؟ </h2> <p>نشرت Alibaba جدولًا يقارن Qwen 3.8-Max مع Claude Opus 4.8 وFable 5 وGPT-5.6 Sol وQwen 3.7-Max.</p> <p>قبل استخدام هذه الأرقام في قرار إنتاجي:</p> <ul> <li>هذه نتائج نشرها البائعون.</li> <li>نُفذ جزء كبير من اختبارات البرمجة باستخدام Claude Code harness.</li> <li>بعض المقاييس، مثل QwenSWEBench وQwenQoderBench وCoWorkBench وRecreationBench، مقاييس داخلية لـ Alibaba.</li> <li>لم تكن هناك نتائج مستقلة من جهات مثل Artificial Analysis وقت كتابة التقرير.</li> </ul> <h3> النتائج التي يتفوق فيها </h3> <ul> <li> <strong>PaperBench: 93.0</strong>، مقابل 90.5 لـ GPT-5.6 Sol و88.8 لـ Fable 5.</li> <li> <strong>IFBench: 82.8</strong>، مقابل 72.7 لـ Sol.</li> <li> <strong>Terminal Bench 2.1: 86.6</strong>، مقابل 84.6 لكل من Opus 4.8 وFable 5، وأقل من Sol عند 88.8.</li> <li>نتائج قوية في الوسائط المتعددة، منها MathVision عند 95.2 وLogicVista عند 91.9 وOSWorld-Verified عند 86.1.</li> </ul> <h3> النتائج التي يتأخر فيها </h3> <ul> <li> <strong>SWE-bench Pro: 67.7</strong>، مقابل 80.0 لـ Fable 5 و69.2 لـ Opus 4.8.</li> <li> <strong>HLE: 43.6</strong>، مقابل 53.3 لـ Fable 5 و47.2 لـ Sol و45.7 لـ Opus 4.8.</li> </ul> <p>عمليًا، تشير أرقام Alibaba إلى أن Qwen 3.8-Max قوي في المستندات والوسائط المتعددة وبعض مهام الوكلاء، لكنه لا يتصدر أعمال البرمجة الأساسية مقارنةً بـ Fable 5.</p> <p>للتفاصيل الكاملة حول تجهيزات الاختبار وما يجب التحقق منه مستقلًا، راجع <a href="https://apidog.com/ar/blog/qwen-3-8-benchmarks?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">تحليل مقاييس Qwen 3.8</a>.</p> <p>نشرت Alibaba أيضًا عروضًا تشمل جلسة برمجة مستقلة لمدة 16 يومًا، وإعادة إنتاج ورقة بحثية، ومشاركة في مسابقة Tianchi. تعامل مع هذه كعروض قدرات من البائع وليست بديلًا عن تقييم مضبوط على مستودعك وبياناتك. راجع <a href="https://apidog.com/ar/blog/qwen-3-8-for-coding?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Qwen 3.8 للترميز</a> إذا كنت تريد فهم إعدادات الاختبار.</p> <h2> مقارنة Qwen 3.8-Max مع Kimi K3 وFable 5 وGPT-5.6 Sol </h2> <h3> مقابل Kimi K3 </h3> <p>هذه مقارنة طبيعية بين نموذجين ضخمين من MoE:</p> <ul> <li>Kimi K3 أكبر: 2.8 تريليون إجماليًا و104 مليارات نشطة.</li> <li>Qwen 3.8-Max متعدد الوسائط، بينما K3 يعتمد على النص فقط.</li> <li>أوزان K3 متاحة بالفعل، بينما كانت أوزان Qwen موعودًا بها.</li> <li>تسعير K3 هو 3 دولارات للمدخلات و15 دولارًا للمخرجات، مع 0.30 دولار لضربات التخزين المؤقت.</li> <li>تسعير Qwen هو 2 دولار للمدخلات و6 دولارات للمخرجات.</li> </ul> <p>لا يوجد تقييم مباشر مستقل بينهما حتى الآن. للمقارنة التفصيلية، راجع <a href="https://apidog.com/ar/blog/qwen-3-8-vs-kimi-k3?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Qwen 3.8 مقابل Kimi K3</a> و<a href="https://apidog.com/ar/blog/what-is-kimi-k3?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">ما هو Kimi K3</a>.</p> <h3> مقابل Fable 5 </h3> <p>وفقًا لجدول Alibaba، لا يتجاوز Qwen 3.8-Max Fable 5 في مؤشرات البرمجة الأساسية:</p> <ul> <li>SWE-bench Pro: ‏67.7 مقابل 80.0.</li> <li>HLE: ‏43.6 مقابل 53.3.</li> </ul> <p>لكن Qwen يقدم مزايا مختلفة للمطورين: تكلفة أقل، وسياق مليون رمز، وإمكان وصول الأوزان المفتوحة، وأداء أقوى في الوسائط المتعددة.</p> <h3> مقابل GPT-5.6 Sol </h3> <p>يتفوق GPT-5.6 Sol في:</p> <ul> <li>Terminal Bench: ‏88.8 مقابل 86.6.</li> <li>GPQA: ‏94.1 مقابل 92.6.</li> <li>HLE: ‏47.2 مقابل 43.6.</li> </ul> <p>بينما يتفوق Qwen 3.8-Max في:</p> <ul> <li>PaperBench: ‏93.0 مقابل 90.5.</li> <li>IFBench: ‏82.8 مقابل 72.7.</li> </ul> <h2> التسعير: 2 دولار / 6 دولارات عبر كامل السياق </h2> <p>التسعير المعلن بسيط:</p> <ul> <li><strong>2 دولار لكل مليون رمز إدخال</strong></li> <li><strong>6 دولارات لكل مليون رمز إخراج</strong></li> <li><strong>نفس السعر حتى سياق مليون رمز</strong></li> </ul> <p>هذه البنية مهمة لأن نماذج كثيرة ترفع السعر عند زيادة طول السياق، بينما يحافظ Qwen 3.8-Max على مستوى واحد.</p> <p>كما أن السعر المعلن أقل من السعر المعلن لـ Qwen 3.7-Max، وهو 2.5 دولار/7.5 دولارات، رغم أن الإصدار الأقدم يقدم خصمًا بنسبة 50% في الوقت الحالي، ليصبح 1.25 دولار/3.75 دولارات.</p> <p>لأعباء العمل ذات البادئة المشتركة:</p> <ul> <li>تُحتسب ضربات التخزين المؤقت بسعر 10% من تكلفة الإدخال.</li> <li>إنشاء التخزين المؤقت الصريح يكلف 125%.</li> <li>توجد حصة مجانية قدرها مليون رمز في منطقة سنغافورة، صالحة لمدة 90 يومًا.</li> </ul> <p>راجع <a href="https://apidog.com/ar/blog/qwen-3-8-pricing?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل تسعير Qwen 3.8</a> لتقدير تكلفة المهام ورموز التفكير.</p> <h2> كيفية الوصول إلى Qwen 3.8-Max </h2> <p>تتوفر خمس طرق رئيسية:</p> <ol> <li><p><strong>Qwen Chat</strong><br><br> أسرع طريقة للتجربة دون مفتاح API.</p></li> <li><p><strong>Alibaba Cloud Model Studio (DashScope)</strong><br><br> أنشئ مفتاحًا من <a href="http://home.qwencloud.com" rel="noopener noreferrer">home.qwencloud.com</a>، ثم عيّن المتغير التالي:<br> </p></li> </ol> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code> <span class="nb">export </span><span class="nv">DASHSCOPE_API_KEY</span><span class="o">=</span><span class="s2">"YOUR_API_KEY"</span> </code></pre> </div> <p>استخدم معرف النموذج:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code> qwen3.8-max </code></pre> </div> <p>عناوين URL الأساسية المتوافقة مع OpenAI:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code> https://dashscope.aliyuncs.com/compatible-mode/v1 https://dashscope-intl.aliyuncs.com/compatible-mode/v1 https://dashscope-us.aliyuncs.com/compatible-mode/v1 </code></pre> </div> <p>تعرض <a href="https://www.alibabacloud.com/help/en/model-studio/models" rel="noopener noreferrer">صفحة نماذج Model Studio</a> النموذج ضمن النماذج الموصى بها.</p> <ol> <li> <strong>نقطة النهاية المتوافقة مع Anthropic</strong> استخدم: </li> </ol> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code> https://dashscope-intl.aliyuncs.com/apps/anthropic </code></pre> </div> <p>تتحدث هذه النقطة بروتوكول Anthropic Messages، لذلك تستطيع أدوات مبنية لـ Claude الاتصال بـ Qwen عبر تعديل متغيرات البيئة.</p> <ol> <li> <strong>تجهيزات البرمجة</strong> نشرت Alibaba إعدادات لـ Claude Code وCodex وQoder وQwen Code وOpenClaw. لإعداد Claude Code، استخدم مثلًا: </li> </ol> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code> <span class="nb">export </span><span class="nv">ANTHROPIC_BASE_URL</span><span class="o">=</span><span class="s2">"https://dashscope-intl.aliyuncs.com/apps/anthropic"</span> <span class="nb">export </span><span class="nv">ANTHROPIC_MODEL</span><span class="o">=</span><span class="s2">"qwen3.8-max"</span> </code></pre> </div> <ol> <li> <strong>الأوزان المفتوحة</strong> موعود بها على Hugging Face وModelScope، لكنها لم تكن متاحة للتنزيل في أوائل أغسطس 2026.</li> </ol> <p>لإعدادات Python وcURL القابلة للنسخ واللصق، راجع <a href="https://apidog.com/ar/blog/qwen-3-8-api?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل API الخاص بـ Qwen 3.8</a>.</p> <h3> اختبار واجهة API عبر البروتوكولين </h3> <p>بما أن النموذج يدعم شكلين مختلفين للبروتوكول، اختبر ما إذا كان طلبك يعطي السلوك نفسه في كل منهما.</p> <p>خطوات عملية:</p> <ol> <li>احفظ كل عنوان URL إقليمي كبيئة منفصلة.</li> <li>أرسل حالة اختبار واحدة عبر نقطة النهاية المتوافقة مع OpenAI.</li> <li>أرسل الحالة نفسها عبر نقطة النهاية المتوافقة مع Anthropic.</li> <li>قارن النص النهائي، وزمن الاستجابة، واستهلاك الرموز.</li> <li>إذا كنت تستخدم SSE، راقب وصول <code>reasoning_content</code> قبل الإجابة النهائية.</li> <li>كرر الاختبار على <code>xhigh</code> و<code>medium</code> و<code>low</code> قبل اختيار الإعداد الافتراضي في الإنتاج.</li> </ol> <p>يمكنك تنفيذ هذا في <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a> عبر حفظ البيئات الثلاث، ثم تشغيل الطلبات المتطابقة ومقارنة النتائج. كما يمكنك <a href="https://apidog.com/download?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">تنزيل Apidog</a> مجانًا ومقارنة <code>qwen3.8-max</code> مع <code>qwen3.7-max</code> أو <code>kimi-k3</code> قبل الالتزام بعبء عمل محدد.</p> <h2> موقع Qwen 3.8-Max في التشكيلة </h2> <p>يقع Qwen 3.8-Max فوق <a href="https://apidog.com/ar/blog/what-is-qwen-3-7?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Qwen 3.7-Max</a> ونماذج فئة Plus.</p> <p>اختيار عملي سريع:</p> <ul> <li>استخدم <strong>Qwen 3.8-Max</strong> عند الحاجة إلى قدرات الوسائط المتعددة، وسياق طويل، ومهام وكلاء أكثر تعقيدًا.</li> <li>استخدم <strong>Qwen 3.7-Max</strong> عندما تكون الأولوية للتكلفة، خصوصًا مع خصم 50%.</li> <li>استخدم نماذج <strong>Plus</strong> للمهام الروتينية عالية الحجم.</li> </ul> <p>راجع <a href="https://apidog.com/ar/blog/best-qwen-models?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل أفضل نماذج Qwen</a> لاختيار النموذج حسب عبء العمل.</p> <h2> الأسئلة الشائعة </h2> <h3> هل Qwen 3.8 مفتوح المصدر؟ </h3> <p>ليس بعد في وقت كتابة النص. وعدت Alibaba بإتاحة الأوزان على Hugging Face وModelScope خلال الأسبوع التالي لإطلاق أوائل أغسطس 2026. حتى ذلك الوقت، استخدم API أو Qwen Chat، وراجع <a href="https://apidog.com/ar/blog/how-to-use-qwen-3-8-for-free?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">كيفية استخدام Qwen 3.8 مجانًا</a>.</p> <h3> كم يكلف Qwen 3.8-Max؟ </h3> <p>يكلف 2 دولار لكل مليون رمز إدخال و6 دولارات لكل مليون رمز إخراج عبر نافذة السياق الكاملة البالغة مليون رمز. تُحتسب رموز التفكير كمخرجات، لذا قد تكون التكلفة الفعلية أعلى عند استخدام <code>xhigh</code>.</p> <h3> هل Qwen 3.8-Max أفضل من Kimi K3؟ </h3> <p>لا يوجد تقييم مباشر مستقل حتى الآن. Qwen أصغر، متعدد الوسائط، وأرخص في المخرجات، بينما أوزان Kimi K3 متاحة بالفعل.</p> <h3> هل يمكن استخدام Qwen 3.8-Max في Claude Code؟ </h3> <p>نعم. عيّن <code>ANTHROPIC_BASE_URL</code> إلى نقطة DashScope المتوافقة مع Anthropic، واضبط <code>ANTHROPIC_MODEL=qwen3.8-max</code>.</p> <h2> ماذا تفعل بعد ذلك؟ </h2> <p>لا تعتمد على جدول معياري واحد لاتخاذ قرار إنتاجي. نفّذ تجربة قصيرة على بياناتك:</p> <ol> <li>احصل على الحصة المجانية.</li> <li>جهّز طلبات حقيقية من تطبيقك.</li> <li>اختبر <code>xhigh</code> و<code>medium</code> و<code>low</code>.</li> <li>قارن البروتوكولين المتوافقين مع OpenAI وAnthropic.</li> <li>سجل الجودة والكمون وعدد رموز الإخراج ورموز التفكير.</li> <li>قارن النتائج مع <code>qwen3.7-max</code> أو <code>kimi-k3</code> إذا كانا ضمن خياراتك.</li> </ol> <p>ابدأ بـ <a href="https://apidog.com/ar/blog/qwen-3-8-api?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل إعداد API</a>، وتحقق مجددًا قرب 10 أغسطس لمعرفة ما إذا كانت الأوزان أصبحت متاحة.</p> Yusuf Khalidd Fri, 31 Jul 2026 09:38:15 +0000 https://dev.to/yusuf_khalidd/deepseek-v4-flash-ydm-lan-api-lstjbt-wcodex-m-yhtj-lmtwrwn-lmrfth-29kl https://dev.to/yusuf_khalidd/deepseek-v4-flash-ydm-lan-api-lstjbt-wcodex-m-yhtj-lmtwrwn-lmrfth-29kl <p>ضمن إعلان DeepSeek عن <a href="https://x.com/deepseek_ai/status/2083084415157022911" rel="noopener noreferrer">إصدار V4-Flash في 31 يوليو</a>، يظهر السطر الأكثر أهمية من منظور التكامل: «يدعم V4-Flash الرسمي تنسيق Responses API أصلاً ومتوافق تمامًا مع Codex».</p> <p><a href="https://apidog.com/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary">جرّب Apidog اليوم</a> </p> <p>هذا يعني أن مختبرًا صينيًا مفتوح المصدر نفّذ أحدث تنسيق لواجهة برمجة تطبيقات OpenAI، والمصمم لمنتجاتها الوكيلة، بهدف تمكين وكيل البرمجة Codex من العمل على نموذج DeepSeek. يوضح سجل التغييرات الدافع صراحةً: «لتلبية الطلب على Codex، تدعم واجهة برمجة التطبيقات الخاصة بنا الآن تنسيق Responses API».</p> <p>تغطي هذه المقالة ما يعنيه ذلك عمليًا: التوافق الفعلي، والمعلمات التي تُتجاهل بصمت، وربط V4-Flash بـ Codex، ونقاط الاختبار التي يجب تنفيذها قبل استخدامه في مستودع حقيقي. إذا كنت تريد إعداد API الأساسي أولًا، ابدأ بـ<a href="https://apidog.com/ar/blog/deepseek-v4-flash-api?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل نسخة V4-Flash التجريبية العامة</a>.</p> <h2> لماذا تُعد Responses API مهمة هنا </h2> <p>قدمت OpenAI واجهة Responses API كخليفة لـ Chat Completions: واجهة موحدة لأحمال العمل الوكيلية تتضمن عناصر الاستدلال، والأدوات المدمجة، وأحداث البث الدلالية. شرحنا التنسيق في <a href="https://apidog.com/ar/blog/openai-responses-api?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">كيفية استخدام OpenAI Responses API</a>، لكن الخلاصة هي أن هذا التنسيق هو ما تستخدمه حزمة وكلاء OpenAI، بما في ذلك Codex، بشكل أصلي.</p> <p>في السابق، كان تشغيل نموذج غير تابع لـ OpenAI عبر عميل Responses API يتطلب طبقة ترجمة أو وكيلًا وسيطًا. أما DeepSeek فنفّذت التنسيق على الخادم مباشرةً عبر <code>https://api.deepseek.com</code>، لذلك يمكن استخدام SDK الحالي لـ OpenAI دون تعديل:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight python"><code><span class="c1"># pip3 install openai </span><span class="kn">from</span> <span class="n">openai</span> <span class="kn">import</span> <span class="n">OpenAI</span> <span class="n">client</span> <span class="o">=</span> <span class="nc">OpenAI</span><span class="p">(</span> <span class="n">api_key</span><span class="o">=</span><span class="sh">"</span><span class="s">&lt;your DeepSeek API key&gt;</span><span class="sh">"</span><span class="p">,</span> <span class="n">base_url</span><span class="o">=</span><span class="sh">"</span><span class="s">https://api.deepseek.com</span><span class="sh">"</span> <span class="p">)</span> <span class="n">response</span> <span class="o">=</span> <span class="n">client</span><span class="p">.</span><span class="n">responses</span><span class="p">.</span><span class="nf">create</span><span class="p">(</span> <span class="n">model</span><span class="o">=</span><span class="sh">"</span><span class="s">deepseek-v4-flash</span><span class="sh">"</span><span class="p">,</span> <span class="n">instructions</span><span class="o">=</span><span class="sh">"</span><span class="s">You are a helpful assistant.</span><span class="sh">"</span><span class="p">,</span> <span class="nb">input</span><span class="o">=</span><span class="sh">"</span><span class="s">Hi, how are you?</span><span class="sh">"</span><span class="p">,</span> <span class="p">)</span> <span class="nf">print</span><span class="p">(</span><span class="n">response</span><span class="p">.</span><span class="n">output_text</span><span class="p">)</span> </code></pre> </div> <blockquote> <p>ملاحظة: تعمل Responses API حاليًا مع <code>deepseek-v4-flash</code> فقط. تقول DeepSeek إن دعم <code>deepseek-v4-pro</code> سيصل في أوائل أغسطس 2026.</p> </blockquote> <p><a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fn671kcb2szovmgiwfsj0.png" class="article-body-image-wrapper"><img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fn671kcb2szovmgiwfsj0.png" alt="لقطة توضح دعم DeepSeek لـ Responses API" width="800" height="441"></a></p> <h2> ما مدى اكتمال التوافق؟ </h2> <p>نشرت DeepSeek <a href="https://api-docs.deepseek.com/guides/responses_api" rel="noopener noreferrer">مصفوفة توافق</a> تفصيلية. قبل نقل تطبيق قائم إلى نقطة النهاية الجديدة، راجع الفئات التالية.</p> <h3> مدعوم ويعمل </h3> <ul> <li> <code>input</code> و<code>instructions</code>، كسلسلة نصية أو قائمة عناصر.</li> <li> <code>stream</code> مع تسلسل أحداث دلالي كامل.</li> <li> <code>temperature</code> و<code>top_p</code> و<code>max_output_tokens</code> و<code>top_logprobs</code>.</li> <li>الأدوات من نوعي <code>function</code> و<code>web_search</code>، مع تنفيذ البحث على الويب من جانب الخادم.</li> <li> <code>tool_choice</code>، بما في ذلك فرض استدعاء دالة محددة.</li> <li> <code>reasoning.effort</code> للتحكم في عمق الاستدلال.</li> </ul> <h3> مقبول لكنه بلا تأثير </h3> <ul> <li>يتم قبول <code>reasoning.summary</code>، لكن لا يُنشأ ملخص.</li> <li>يتم قبول <code>text.verbosity</code> دون أن يغيّر السلوك.</li> <li>يتم تجاهل <code>parallel_tool_calls</code> لأن استدعاءات الأدوات المتوازية مفعلة دائمًا.</li> </ul> <h3> غير مدعوم حسب التصميم </h3> <ul> <li> <code>previous_response_id</code> و<code>conversation</code>: الواجهة عديمة الحالة، لذلك يجب أن تدير سجل المحادثة بنفسك وترسله كقائمة عناصر إدخال.</li> <li> <code>store</code>: تعود جميع الاستجابات بالقيمة <code>store: false</code>.</li> <li> <code>background</code> و<code>metadata</code> و<code>include</code> و<code>service_tier</code> ومفاتيح التخزين المؤقت للمطالبة. يُخزَّن السياق مؤقتًا تلقائيًا بدلًا من ذلك.</li> </ul> <p>الميزة العملية هنا أن المعلمات غير المدعومة تُتجاهل بصمت بدلًا من رفض الطلب، لذلك يمكن لعملاء Responses API الحاليين الاتصال غالبًا دون تغييرات. لكن انتبه إلى حد السياق: الطلبات التي تتجاوز نافذة المليون رمز تعيد خطأ <code>400</code> بدل اقتطاع المحتوى تلقائيًا.</p> <p>يتبع البث نموذج أحداث Responses API، بدءًا من <code>response.created</code> وانتهاءً بـ<code>response.completed</code>. تصل دلتا الاستدلال عبر <code>response.reasoning_text.delta</code> منفصلة عن نص الإخراج.</p> <p>لا يوجد مُنهي <code>data: [DONE]</code>. ينتهي البث بأحد الأحداث التالية:</p> <ul> <li><code>response.completed</code></li> <li><code>response.incomplete</code></li> <li><code>response.failed</code></li> </ul> <p>إذا كان محلل SSE لديك ينتظر <code>[DONE]</code>، فسيتوقف. راجع <a href="https://apidog.com/ar/blog/how-to-stream-api-responses-sse?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل بث استجابات API باستخدام أحداث المرسلة من الخادم</a> لتطبيق تحليل دفاعي لهذه الحالات.</p> <h2> إعداد Codex مع DeepSeek-V4-Flash </h2> <p>يتفاعل Codex مع النماذج عبر Responses API، وهو السبب الرئيسي لدعم هذا التنسيق. يوفّر <a href="https://api-docs.deepseek.com/quick_start/agent_integrations/codex" rel="noopener noreferrer">دليل تكامل DeepSeek</a> مسارين للإعداد، وكلاهما يكوّن عملاء Codex معًا: CLI، وتطبيق ChatGPT لسطح المكتب، وإضافة VS Code، لأنهم يتشاركون ملف إعداد واحد.</p> <h3> الإعداد بنقرة واحدة </h3> <p>تأكد من تثبيت Codex CLI أو تطبيق ChatGPT لسطح المكتب، وشغّله مرة واحدة على الأقل. ثم نفّذ:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code>bash &lt;<span class="o">(</span>curl <span class="nt">-fsSL</span> https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.sh<span class="o">)</span> </code></pre> </div> <p>على Windows، استخدم PowerShell:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight powershell"><code><span class="n">irm</span><span class="w"> </span><span class="nx">https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.ps1</span><span class="w"> </span><span class="o">|</span><span class="w"> </span><span class="n">iex</span><span class="w"> </span></code></pre> </div> <p>عند التشغيل الأول، يطلب البرنامج النصي مفتاح DeepSeek API. ثم يقوم بما يلي:</p> <ol> <li>إنشاء نسخة احتياطية من <code>~/.codex/config.toml</code> في <code>~/.codex/backup-deepseek/</code>.</li> <li>كتابة كتالوج النماذج في <code>~/.codex/models.json</code>.</li> <li>إضافة قسم <code>[model_providers.deepseek]</code> إلى الإعداد مع الاحتفاظ بخوادم MCP وإعدادات ثقة المشروع.</li> <li>التحقق من صحة بناء الجملة قبل الكتابة.</li> </ol> <p>يمكنك تشغيل البرنامج النصي مجددًا لتبديل النماذج أو استعادة إعداداتك الأصلية من القائمة.</p> <blockquote> <p>تعامل بحذر مع توجيه ناتج <code>curl</code> إلى <code>bash</code>. راجع البرنامج النصي أولًا إذا كانت سياسة فريقك تتطلب ذلك. النسخ الاحتياطي والتحقق من الإعدادات إشارتان جيدتان، لكنه يظل برنامجًا نصيًا خارجيًا يعدل تكوين Codex.</p> </blockquote> <h3> راجع كتالوج النموذج </h3> <p>اقرأ ملف <code>models.json</code> الذي ينشئه البرنامج النصي؛ فهو يوضح وضع النموذج داخل Codex:</p> <ul> <li>نافذة السياق: <code>1,048,576</code> رمزًا.</li> <li>مستويات الاستدلال: <code>low</code> و<code>high</code> و<code>max</code>، مع <code>high</code> كإعداد افتراضي.</li> <li>دعم استدعاءات الأدوات المتوازية.</li> <li>يتطلب Codex Client بالإصدار <code>0.144.0</code> أو أحدث.</li> </ul> <p>يصف الكتالوج V4-Flash بأنه «أحدث نموذج برمجة وكيل رائد». المتاح حاليًا هو <code>deepseek-v4-flash</code> فقط، ويتضمن الكتالوج بالفعل <code>deepseek-v4-pro</code> عند وصول الدعم في أوائل أغسطس.</p> <h3> هل يصمد داخل Codex؟ </h3> <p>تذكر DeepSeek أن إعادة التدريب اللاحق في 0731 استهدفت هذا النوع من أحمال العمل. الأرقام المنشورة للوكلاء هي:</p> <ul> <li>Terminal Bench 2.1: <code>82.7</code> </li> <li>Cybergym: <code>76.7</code> </li> <li>Toolathlon Verified: <code>70.3</code> </li> <li>DeepSWE: <code>54.4</code> </li> </ul> <p>وتفيد DeepSeek بأنها تتفوق على V4-Pro-Preview في هذه النتائج. تعامل معها كأرقام مورد إلى أن تتوفر نتائج مستقلة: أُنتجت باستخدام أدوات DeepSeek الخاصة وبأقصى جهد، واثنان من المعايير المذكورة في الإعلان هما مجموعتا اختبار داخليتان.</p> <p>من ناحية التكلفة، تشير الأرقام المنشورة إلى <code>0.14</code> دولار لكل مليون رمز إدخال عند فشل ذاكرة التخزين المؤقت، و<code>0.28</code> دولار لكل مليون رمز إخراج. تنخفض تكلفة الإدخال إلى <code>0.0028</code> دولار عند نجاح ذاكرة التخزين المؤقت. راجع <a href="https://apidog.com/ar/blog/deepseek-v4-flash-api?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">قسم التسعير في دليل النسخة التجريبية</a> للتفاصيل الكاملة.</p> <p>إذا كنت تقارن Codex ببدائل أخرى، فراجع <a href="https://apidog.com/ar/blog/claude-code-vs-codex-cli?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">مقارنتنا بين Claude Code وCodex CLI</a>.</p> <h2> تحقق من نقطة النهاية قبل أن تثق بالوكيل </h2> <p>قدرة الوكيل على التصحيح مرتبطة بمدى دعم واجهة API التي يعمل فوقها. قبل توصيل Codex بمستودع حقيقي، اختبر نقطة النهاية الجديدة. يمكنك تنفيذ ذلك خلال خمس دقائق باستخدام <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a>:</p> <ol> <li>أضف نقطة النهاية التالية، واحفظ مفتاحك في متغير بيئة: </li> </ol> <div class="highlight js-code-highlight"> <pre class="highlight http"><code><span class="err"> POST https://api.deepseek.com/responses </span></code></pre> </div> <ol> <li><p>أرسل حمولة <code>responses.create</code> بالحد الأدنى، ثم تحقق من بنية عناصر الإخراج: يجب أن يظهر عنصر <code>reasoning</code> يليه عنصر <code>message</code>.</p></li> <li><p>فعّل البث:<br> </p></li> </ol> <div class="highlight js-code-highlight"> <pre class="highlight json"><code><span class="w"> </span><span class="p">{</span><span class="w"> </span><span class="nl">"model"</span><span class="p">:</span><span class="w"> </span><span class="s2">"deepseek-v4-flash"</span><span class="p">,</span><span class="w"> </span><span class="nl">"input"</span><span class="p">:</span><span class="w"> </span><span class="s2">"Explain this repository structure."</span><span class="p">,</span><span class="w"> </span><span class="nl">"stream"</span><span class="p">:</span><span class="w"> </span><span class="kc">true</span><span class="w"> </span><span class="p">}</span><span class="w"> </span></code></pre> </div> <p>راقب تسلسل أحداث SSE مباشرة. يعرض Apidog كل حدث فور وصوله، ما يساعدك على معرفة ما إذا كان العميل يجب أن يستمع إلى <code>response.output_text.delta</code> بدل انتظار حدث لا يأتي.</p> <ol> <li>احفظ طلبًا يتضمن أداة <code>function</code>، ثم تحقق من أن تنسيق خرج <code>function_call</code> يطابق ما يتوقعه معالج الأدوات لديك.</li> </ol> <p>عند إطلاق V4-Pro Responses في أغسطس، أعد تشغيل الطلبات المحفوظة نفسها باستخدام اسم النموذج الجديد وقارن السلوك. <a href="https://apidog.com/download?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">نزّل Apidog</a> مجانًا واحتفظ بمجموعة الاختبارات في مشروع واحد.</p> <h2> الأسئلة الشائعة </h2> <p><strong>ما نماذج DeepSeek التي تعمل مع Responses API؟</strong><br><br> <code>deepseek-v4-flash</code> فقط حاليًا. من المقرر دعم <code>deepseek-v4-pro</code> في أوائل أغسطس 2026.</p> <p><strong>هل أحتاج إلى SDK جديد؟</strong><br><br> لا. يعمل SDK الرسمي لـ OpenAI. وجّه <code>base_url</code> إلى <code>https://api.deepseek.com</code> واستدعِ <code>client.responses.create</code>. راجع <a href="https://apidog.com/ar/blog/deepseek-v4-flash-api?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل النسخة التجريبية العامة لـ V4-Flash</a> لخطوات الإعداد.</p> <p><strong>هل تعمل المحادثات متعددة الجولات كما في OpenAI؟</strong><br><br> لا. تنفيذ DeepSeek عديم الحالة. لا يدعم <code>previous_response_id</code> أو<code>conversation</code> أو<code>store</code>. أرسل السجل الكامل كعناصر إدخال في كل استدعاء.</p> <p><strong>هل يمكن استخدام DeepSeek في Codex إلى جانب حساب OpenAI؟</strong><br><br> نعم. يضيف الإعداد DeepSeek كمزود نموذج، وتتيح قائمة البرنامج النصي التبديل بين النماذج. يُنسخ إعدادك الأصلي احتياطيًا لتتمكن من استعادته.</p> <p><strong>هل هذا هو نفسه توافق Anthropic API؟</strong><br><br> لا، هذه ميزة منفصلة. تكشف DeepSeek أيضًا عن نقطة نهاية بتنسيق Anthropic عبر <code>https://api.deepseek.com/anthropic</code>، وهي المستخدمة في تكامل Claude Code. أما نقطة نهاية Responses API فهي لأدوات الوكلاء بتنسيق OpenAI مثل Codex.</p> <h2> ماذا يشير هذا الإصدار حقًا؟ </h2> <p>تتقارب جودة النماذج، لذلك ينتقل التنافس إلى طبقة التكامل. ركزت DeepSeek على بيئة عمل المطورين الفعلية داخل وكلاء مثل Codex، وبنت البنية اللازمة للعمل كواجهة خلفية جاهزة هناك، بما في ذلك توثيق المعلمات التي يتم تجاهلها بصمت.</p> <p>الخطوة عملية: OpenAI توفر الوكيل، بينما تقدم DeepSeek الرموز بتكلفة أقل. لكن ما إذا كان نموذج 0731 يتفوق فعليًا على V4-Pro-Preview داخل قاعدة التعليمات البرمجية لديك لا يمكن أن تجيب عنه إلا تقييماتك الخاصة.</p> <p>وصّل النموذج بـ<a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a>، وشغّل مجموعة الاختبارات نفسها على النموذجين، واترك النتائج الفعلية — لا جداول المقارنات المعيارية — تحسم القرار.</p> Yusuf Khalidd Fri, 31 Jul 2026 09:36:03 +0000 https://dev.to/yusuf_khalidd/wbn-yh-ay-tkhfd-sr-gpt-56-api-lwn-bkhsm-80-wtyr-bkhsm-20-tfsyl-ltsyr-ljdyd-3eje https://dev.to/yusuf_khalidd/wbn-yh-ay-tkhfd-sr-gpt-56-api-lwn-bkhsm-80-wtyr-bkhsm-20-tfsyl-ltsyr-ljdyd-3eje <p>خفضت OpenAI أسعار واجهة برمجة التطبيقات (API) لاثنين من نماذج GPT-5.6 الثلاثة في 30 يوليو 2026. أصبح سعر <a href="https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/" rel="noopener noreferrer">GPT-5.6 Luna</a> أقل بنسبة 80%، عند 0.20 دولار لكل مليون رمز إدخال و1.20 دولار لكل مليون رمز إخراج. وانخفض سعر GPT-5.6 Terra بنسبة 20% إلى 2 دولار للإدخال و12 دولارًا للإخراج. أما GPT-5.6 Sol، نموذج التفكير الرائد، فيحتفظ بسعره البالغ 5 دولارات للإدخال و30 دولارًا للإخراج، مع وضع سريع (Fast mode) جديد أسرع بـ2.5 مرة مقابل ضعف السعر القياسي.</p> <p><a href="https://apidog.com/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary">جرّب Apidog اليوم</a> </p> <p>إذا بنيت نموذج التكلفة اعتمادًا على <a href="https://apidog.com/ar/blog/gpt-5-6-pricing?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">أسعار GPT-5.6 في يوم الإطلاق</a>، فأعد حساباته الآن. ستجد هنا الأسعار الجديدة، وتأثيرها على توجيه الطلبات بين النماذج، وخطوات عملية لاختبار التكلفة والجودة باستخدام حركة مرور واقعية. وللمقارنة السريعة، يمكنك استخدام <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a> لإرسال الطلب نفسه إلى Sol وTerra وLuna ومقارنة استهلاك الرموز قبل تعديل إعدادات الإنتاج.</p> <h2> بطاقة أسعار GPT-5.6 الجديدة </h2> <p>الأسعار التالية لكل مليون رمز:</p> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>النموذج</th> <th>الإدخال القديم</th> <th>الإدخال الجديد</th> <th>الإخراج القديم</th> <th>الإخراج الجديد</th> <th>التغيير</th> </tr> </thead> <tbody> <tr> <td>GPT-5.6 Sol</td> <td>$5.00</td> <td>$5.00</td> <td>$30.00</td> <td>$30.00</td> <td>لا تغيير</td> </tr> <tr> <td>GPT-5.6 Terra</td> <td>$2.50</td> <td>$2.00</td> <td>$15.00</td> <td>$12.00</td> <td>-20%</td> </tr> <tr> <td>GPT-5.6 Luna</td> <td>$1.00</td> <td>$0.20</td> <td>$6.00</td> <td>$1.20</td> <td>-80%</td> </tr> </tbody> </table></div> <p>دخلت هذه الأسعار حيز التنفيذ في 30 يوليو 2026، وتنطبق على فئة API القياسية. اتسع الفرق بين Sol وLuna من 5 أضعاف عند <a href="https://openai.com/index/gpt-5-6/" rel="noopener noreferrer">التوفر العام في 9 يوليو</a> إلى 25 ضعفًا. عمليًا، الانتقال من Sol إلى Luna يوفر الآن نحو 96% من تكلفة الرموز وفق أسعار القائمة.</p> <p>ما زالت خصومات التخزين المؤقت للمطالبات (Prompt caching) تنطبق بالإضافة إلى هذه الأسعار. لكن OpenAI لم تنشر في الإعلان أسعار إدخال مخزنة مؤقتًا منفصلة لمعدلات Luna وTerra الجديدة، لذلك راجع <a href="https://platform.openai.com/docs/pricing" rel="noopener noreferrer">صفحة الأسعار الرسمية</a> قبل تحديث توقعات تعتمد على قراءات الذاكرة المؤقتة.</p> <h2> ماذا حدث لـ Sol؟ </h2> <p>لم يتغير سعر Sol القياسي، لكن تغيرت خيارات زمن الاستجابة:</p> <ul> <li>أضافت OpenAI وضعًا سريعًا (Fast mode).</li> <li>يقدم الوضع السريع توليد رموز أسرع بـ2.5 مرة.</li> <li>تكلفته تساوي ضعف السعر القياسي.</li> <li>يحل محل فئة المعالجة ذات الأولوية (Priority Processing) السابقة.</li> </ul> <p>إذا كانت بيئة الإنتاج تستخدم المعالجة ذات الأولوية مع Sol، راجع إعداداتك الآن:</p> <ol> <li>حدّد الطلبات التي تستخدم Priority Processing.</li> <li>انقل إعداداتها إلى Fast mode.</li> <li>راجع الفاتورة بعد الترحيل للتأكد من تطبيق السعر المتوقع.</li> <li>قارن أثر انخفاض زمن الاستجابة مقابل تكلفة الضعف.</li> </ol> <p>الاستنتاج العملي: Sol أصبح خيارًا مقسمًا حسب زمن الاستجابة، بينما تجعل تخفيضات Luna وTerra توجيه المهام الأقل تطلبًا إليهما أكثر منطقية اقتصاديًا.</p> <h2> لماذا خفضت OpenAI الأسعار؟ </h2> <p>تصف OpenAI التخفيضات بأنها نتيجة لمكاسب كفاءة تشغيلية، وتشير إلى أربعة عوامل:</p> <ul> <li>تحسين توجيه الأجهزة ضمن أسطول الاستدلال.</li> <li>تحسين برنامج الاستدلال الإنتاجي.</li> <li>خوارزميات أكثر ذكاءً لتخزين السياق.</li> <li>إعادة كتابة نواة كود الإنتاج باستخدام GPT-5.6 Sol.</li> </ul> <p>وفق الإعلان، ساعدت إعادة كتابة النواة على خفض النفقات العامة للخدمة من البداية إلى النهاية بنسبة 20%، وتحسين كفاءة توليد الرموز بأكثر من 15%.</p> <p>هناك أيضًا ضغط تنافسي واضح. تصف <a href="https://venturebeat.com/technology/ai-price-wars-openai-cuts-gpt-5-6-luna-prices-by-80-as-model-competition-shifts-toward-cost" rel="noopener noreferrer">تغطية VentureBeat</a> التخفيض بأنه منافسة مباشرة لفئة Flash من Google. يبلغ السعر المعلن المجمع لـLuna، إدخالًا وإخراجًا، 1.40 دولار لكل مليون رمز، مقارنة بـ2.80 دولار لـ<a href="https://apidog.com/ar/blog/what-is-gemini-3-5-flash-lite?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Gemini 3.5 Flash-Lite</a> و9 دولارات لـ<a href="https://apidog.com/ar/blog/gemini-3-6-flash-pricing?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Gemini 3.6 Flash</a>.</p> <h2> ماذا يعني ذلك لأعباء عملك؟ </h2> <h3> 1. شغّل حلقات الوكلاء على Luna أولًا </h3> <p>تستهلك أعباء عمل الوكلاء الرموز عبر دورات التخطيط واستدعاء الأدوات وقراءة النتائج وإعادة المحاولة. مع سعر Luna الجديد، أصبح نقطة بداية مناسبة لهذه الأحمال، ثم صعّد إلى Terra أو Sol فقط عندما تثبت التقييمات الحاجة إلى ذلك.</p> <h3> 2. أعد اختبار التصنيف والاستخراج والتلخيص </h3> <p>إذا كنت تستخدم Terra افتراضيًا لمهام مثل:</p> <ul> <li>تصنيف التذاكر أو المستندات</li> <li>استخراج الحقول المنظمة</li> <li>تلخيص المحتوى</li> <li>التحويل بين الصيغ</li> <li>المعالجة الدفعاتية</li> </ul> <p>فأعد تشغيل مجموعة التقييم على Luna. لم تتغير الجودة المعلنة هنا، لكن تغيرت تكلفة التشغيل بدرجة كبيرة. عبء عمل يكلف 100 دولار يوميًا على Terra قد يكلف نحو 11 دولارًا على Luna وفق الأسعار الجديدة، إذا بقيت أحجام الإدخال والإخراج متشابهة.</p> <h3> 3. حافظ على Terra كخيار افتراضي متوازن </h3> <p>يبقى Terra خيارًا مناسبًا للمهام اليومية التي تحتاج جودة أعلى من Luna دون تكلفة Sol. وتوصي <a href="https://apidog.com/ar/blog/gpt-5-6-sol-vs-terra-vs-luna?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">مقارنتنا بين Sol وTerra وLuna</a> باستخدام Terra كخيار افتراضي عملي، وهو الآن أرخص بنسبة 20%.</p> <h3> 4. لا تتجاهل مستوى جهد التفكير </h3> <p>يعرض GPT-5.6 ستة مستويات جهد للتفكير. يزيد الجهد الأعلى عادةً عدد رموز الإخراج، وهي الجهة الأعلى تكلفة في جميع الفئات. لا يكفي تغيير النموذج لتخفيض الفاتورة إذا كانت إعدادات الجهد أعلى من حاجة المهمة.</p> <h2> كيف تعيد فحص التكلفة باستخدام بياناتك؟ </h2> <p>لا تعتمد على نسب التخفيض وحدها. اختبر الطلبات التي تشبه حركة الإنتاج الفعلية.</p> <h3> سير العمل المقترح </h3> <ol> <li>اسحب عينة تمثيلية من مطالبات الإنتاج.</li> <li>أرسل كل مطالبة إلى: <ul> <li><code>gpt-5.6-luna</code></li> <li><code>gpt-5.6-terra</code></li> <li><code>gpt-5.6-sol</code></li> </ul> </li> <li>سجّل رموز الإدخال والإخراج من حقل <code>usage</code>.</li> <li>احسب التكلفة الجديدة لكل نموذج.</li> <li>قيّم المخرجات باستخدام معايير الجودة الخاصة بك.</li> <li>حدّد قواعد توجيه واضحة بناءً على الجودة والتكلفة وزمن الاستجابة.</li> </ol> <p>يمكنك حساب التكلفة لكل طلب بهذه الصيغة:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>تكلفة الطلب = (رموز الإدخال / 1,000,000 × سعر الإدخال) + (رموز الإخراج / 1,000,000 × سعر الإخراج) </code></pre> </div> <p>مثال مبسط لحساب تكلفة Luna:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight javascript"><code><span class="kd">const</span> <span class="nx">inputTokens</span> <span class="o">=</span> <span class="mi">50</span><span class="nx">_000</span><span class="p">;</span> <span class="kd">const</span> <span class="nx">outputTokens</span> <span class="o">=</span> <span class="mi">10</span><span class="nx">_000</span><span class="p">;</span> <span class="kd">const</span> <span class="nx">lunaInputPrice</span> <span class="o">=</span> <span class="mf">0.20</span><span class="p">;</span> <span class="c1">// لكل مليون رمز</span> <span class="kd">const</span> <span class="nx">lunaOutputPrice</span> <span class="o">=</span> <span class="mf">1.20</span><span class="p">;</span> <span class="c1">// لكل مليون رمز</span> <span class="kd">const</span> <span class="nx">cost</span> <span class="o">=</span> <span class="p">(</span><span class="nx">inputTokens</span> <span class="o">/</span> <span class="mi">1</span><span class="nx">_000_000</span><span class="p">)</span> <span class="o">*</span> <span class="nx">lunaInputPrice</span> <span class="o">+</span> <span class="p">(</span><span class="nx">outputTokens</span> <span class="o">/</span> <span class="mi">1</span><span class="nx">_000_000</span><span class="p">)</span> <span class="o">*</span> <span class="nx">lunaOutputPrice</span><span class="p">;</span> <span class="nx">console</span><span class="p">.</span><span class="nf">log</span><span class="p">(</span><span class="s2">`التكلفة: $</span><span class="p">${</span><span class="nx">cost</span><span class="p">.</span><span class="nf">toFixed</span><span class="p">(</span><span class="mi">4</span><span class="p">)}</span><span class="s2">`</span><span class="p">);</span> </code></pre> </div> <p>استخدم <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a> لتسريع تنفيذ الاختبار:</p> <ol> <li>أنشئ طلبًا واحدًا لنقطة نهاية إكمال الدردشة.</li> <li>اجعل معرف النموذج متغير بيئة، مثل <code>{{model}}</code>.</li> <li>شغّل السيناريو نفسه مع كل معرف نموذج.</li> <li>قارن كتلة <code>usage</code> في كل استجابة.</li> <li>احفظ النتائج مع تقييم الجودة قبل تعديل قواعد التوجيه.</li> </ol> <p>إذا كنت تربط GPT-5.6 بتطبيق لأول مرة، يشرح <a href="https://apidog.com/ar/blog/how-to-use-gpt-5-6-api?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل استخدام GPT-5.6 API</a> المصادقة ومعرفات النماذج وبنية الطلب. ويمكنك أيضًا محاكاة نقطة النهاية قبل اعتماد الميزانية، ثم التحول إلى حركة المرور الحية دون إعادة كتابة الاختبارات. <a href="https://apidog.com/download?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">حمّل Apidog</a> مجانًا لإجراء المقارنة.</p> <h2> الصورة الأكبر: حرب الأسعار مستمرة </h2> <p>هذه ثالث خطوة سعرية كبرى في الطرف الاقتصادي من سوق النماذج خلال الصيف. حدّثت Google فئة Flash في يوليو، وأطلقت Anthropic <a href="https://apidog.com/ar/blog/claude-opus-5-pricing?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Claude Opus 5 بنصف سعر Fable 5</a>، ثم خفضت OpenAI سعر Luna إلى ما دون خياري Gemini Flash المذكورين.</p> <p>لا تزال الجودة تفصل بين النماذج الرائدة، لكن مهام الدفعات أصبحت أكثر حساسية للسعر. لهذا السبب، لا تعامل اختيار النموذج كقرار سنوي.</p> <p>اجعل التوجيه قابلًا للتعديل من الإعدادات:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight javascript"><code><span class="kd">const</span> <span class="nx">modelByTask</span> <span class="o">=</span> <span class="p">{</span> <span class="na">classification</span><span class="p">:</span> <span class="nx">process</span><span class="p">.</span><span class="nx">env</span><span class="p">.</span><span class="nx">LOW_COST_MODEL</span> <span class="o">||</span> <span class="dl">"</span><span class="s2">gpt-5.6-luna</span><span class="dl">"</span><span class="p">,</span> <span class="na">extraction</span><span class="p">:</span> <span class="nx">process</span><span class="p">.</span><span class="nx">env</span><span class="p">.</span><span class="nx">DEFAULT_MODEL</span> <span class="o">||</span> <span class="dl">"</span><span class="s2">gpt-5.6-terra</span><span class="dl">"</span><span class="p">,</span> <span class="na">complexReasoning</span><span class="p">:</span> <span class="nx">process</span><span class="p">.</span><span class="nx">env</span><span class="p">.</span><span class="nx">REASONING_MODEL</span> <span class="o">||</span> <span class="dl">"</span><span class="s2">gpt-5.6-sol</span><span class="dl">"</span><span class="p">,</span> <span class="p">};</span> </code></pre> </div> <p>ثم احتفظ بما يلي:</p> <ul> <li>مجموعة تقييم ثابتة.</li> <li>قياسات لرموز الإدخال والإخراج.</li> <li>حدود جودة واضحة للتصعيد إلى نموذج أعلى.</li> <li>مراقبة للتكلفة وزمن الاستجابة.</li> <li>مراجعة دورية للأسعار كلما تغيرت عروض الموردين.</li> </ul> <h2> الأسئلة الشائعة </h2> <h3> ما هي أسعار GPT-5.6 API الجديدة؟ </h3> <p>اعتبارًا من 30 يوليو 2026:</p> <ul> <li>Luna: 0.20 دولار لكل مليون رمز إدخال و1.20 دولار لكل مليون رمز إخراج.</li> <li>Terra: 2 دولار للإدخال و12 دولارًا للإخراج.</li> <li>Sol: 5 دولارات للإدخال و30 دولارًا للإخراج، دون تغيير.</li> </ul> <p>اكتسب Sol أيضًا وضعًا سريعًا بتكلفة ضعف السعر القياسي وزمن معالجة أسرع بـ2.5 مرة.</p> <h3> هل حصل GPT-5.6 Sol على تخفيض في السعر؟ </h3> <p>لا. لم تتغير أسعار Sol القياسية. التغيير هو إضافة Fast mode بدلًا من Priority Processing السابقة، مع تكلفة مضاعفة مقابل سرعة أعلى بـ2.5 مرة.</p> <h3> هل أصبح GPT-5.6 Luna أرخص من Gemini Flash؟ </h3> <p>بحسب الأسعار المعلنة، نعم. يبلغ السعر المجمع لـLuna 1.40 دولار لكل مليون رمز، مقابل 2.80 دولار لـGemini 3.5 Flash-Lite و9 دولارات لـGemini 3.6 Flash. لكن السعر لا يساوي الجودة، لذا اختبر النماذج على مجموعة تقييمك قبل التبديل. وإذا أردت البدء بالطريق المجاني، راجع <a href="https://apidog.com/ar/blog/gpt-5-6-free?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">كيفية استخدام GPT-5.6 مجانًا</a>.</p> <h3> هل تنطبق تخفيضات الأسعار تلقائيًا؟ </h3> <p>نعم. تنطبق الأسعار الجديدة على استخدام API القياسي منذ 30 يوليو 2026 دون تغييرات في الكود. الإجراء المطلوب فقط هو ترحيل إعدادات Sol إذا كنت تستخدم Priority Processing، لأنها استُبدلت بـFast mode.</p> <h2> ماذا تفعل هذا الأسبوع؟ </h2> <p>نفّذ هذه القائمة العملية:</p> <ol> <li>حدّث نموذج التكلفة بأسعار Luna وTerra الجديدة.</li> <li>أعد تقييم أعباء العمل التي يمكن نقلها إلى Luna.</li> <li>راجع عتبات التوجيه بين Luna وTerra وSol.</li> <li>اختبر إعدادات جهد التفكير لتجنب تضخيم رموز الإخراج.</li> <li>رحّل أي استخدام لـPriority Processing في Sol إلى Fast mode.</li> <li>قارن النتائج باستخدام حركة مرور حقيقية، لا تقديرات فقط.</li> </ol> <p>استخدم سيناريو اختبار واحدًا في <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a>، وبدّل بين ثلاثة معرفات نماذج، ثم اعتمد على أرقام <code>usage</code> لتحديد قيمة التخفيض الفعلية لأعباء عملك.</p> Yusuf Khalidd Fri, 31 Jul 2026 09:35:33 +0000 https://dev.to/yusuf_khalidd/deepseek-v4-flash-api-mth-lan-kyfy-stkhdm-l-api-lrsmy-dlyl-lbyt-lm-5g7h https://dev.to/yusuf_khalidd/deepseek-v4-flash-api-mth-lan-kyfy-stkhdm-l-api-lrsmy-dlyl-lbyt-lm-5g7h <p>أطلقت DeepSeek واجهة برمجة التطبيقات الرسمية لـ <strong>DeepSeek-V4-Flash</strong> صباح اليوم. صدر <a href="https://x.com/deepseek_ai/status/2083084415157022911" rel="noopener noreferrer">الإعلان</a> في 31 يوليو 2026، ويؤكد ثلاثة تغييرات رئيسية: ترقية كبيرة لقدرات الوكيل، ودعم أصلي لتنسيق <strong>OpenAI Responses API</strong>، وتكامل مع Codex منذ اليوم الأول.</p> <p><a href="https://apidog.com/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary">جرّب Apidog اليوم</a> </p> <p>إذا كنت تستخدم <code>deepseek-v4-flash</code> منذ أبريل، فقد كنت تستخدم النسخة التجريبية. هذا الإصدار يرقّي النموذج إلى النسخة الرسمية <strong>DeepSeek-V4-Flash-0731</strong> من دون تعديل أي سطر برمجي؛ يبقى اسم النموذج كما هو.</p> <p>يغطي هذا الدليل الحصول على مفتاح API، وإجراء أول طلب، وتشغيل وضع التفكير أو إيقافه، وبث الاستجابات، واختبار نقاط النهاية. إذا كنت جديدًا على عائلة DeepSeek، اقرأ أولًا <a href="https://apidog.com/ar/blog/what-is-deepseek-v4?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">ما هو DeepSeek V4؟</a>.</p> <blockquote> <p>💡 بعد الحصول على المفتاح، اختبر نقاط النهاية قبل دمجها في تطبيقك. يتيح لك Apidog إرسال طلبات إلى DeepSeek API، وفحص استجابات SSE المتدفقة، وحفظ الطلبات الناجحة كاختبارات قابلة لإعادة الاستخدام.</p> </blockquote> <h2> ما الذي صدر في 31 يوليو؟ </h2> <p>بحسب <a href="https://api-docs.deepseek.com/updates" rel="noopener noreferrer">سجل التغييرات الرسمي</a>، يغطي التحديث واجهة برمجة التطبيقات فقط. لم تتغير تطبيقات DeepSeek أو نماذج الويب أو واجهة V4-Pro API.</p> <ul> <li> <strong>DeepSeek-V4-Flash-0731</strong> هو الإصدار الرسمي من سلسلة V4-Flash، وهو متاح الآن كتجربة عامة عبر API.</li> <li>يستخدم البنية والحجم نفسيهما في <code>V4-Flash-Preview</code>. تشير DeepSeek إلى أن التحسن ناتج عن إعادة التدريب، وليس عن نموذج أكبر.</li> <li>تجاوزت نتائج الوكيل المنشورة لـ DeepSeek نتائج V4-Pro-Preview: <code>82.7</code> في Terminal Bench 2.1، و<code>76.7</code> في Cybergym، و<code>70.3</code> في Toolathlon، و<code>54.4</code> في DeepSWE.</li> <li>يتوفر دعم أصلي لـ Responses API وتكامل رسمي مع Codex. راجع <a href="https://apidog.com/ar/blog/deepseek-v4-flash-responses-api-codex?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل DeepSeek-V4-Flash وResponses API وCodex</a>.</li> <li>من المتوقع أن يتبع الإصدار الرسمي لـ DeepSeek-V4-Pro قريبًا، مع دعم Responses API وCodex في أوائل أغسطس 2026.</li> </ul> <blockquote> <p>ملاحظة: الأرقام المعيارية المنشورة هي نتائج DeepSeek الخاصة، كما أن DSBench-FullStack وDSBench-Hard مجموعتا اختبار داخليتان. انتظر التقييمات المستقلة قبل اتخاذ قرارات إنتاجية مبنية على المعايير فقط.</p> </blockquote> <p><a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F7erkt5i9blqbu91tpoby.png" class="article-body-image-wrapper"><img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F7erkt5i9blqbu91tpoby.png" alt="نتائج DeepSeek-V4-Flash" width="800" height="441"></a></p> <h2> الخطوة 1: أنشئ مفتاح API </h2> <p>انتقل إلى <a href="https://platform.deepseek.com" rel="noopener noreferrer">منصة DeepSeek</a>، وسجّل الدخول، ثم أنشئ مفتاحًا من صفحة API Keys. تبدأ المفاتيح عادةً بـ <code>sk-</code>.</p> <p>لا تضع المفتاح مباشرةً في الشيفرة. خزّنه كمتغير بيئة:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code><span class="nb">export </span><span class="nv">DEEPSEEK_API_KEY</span><span class="o">=</span><span class="s2">"sk-your-key-here"</span> </code></pre> </div> <p>تدعم DeepSeek تنسيقات OpenAI وAnthropic، لذلك يمكنك غالبًا استخدام SDK الموجود لديك.</p> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>التنسيق</th> <th>عنوان URL الأساسي</th> </tr> </thead> <tbody> <tr> <td>متوافق مع OpenAI</td> <td><code>https://api.deepseek.com</code></td> </tr> <tr> <td>متوافق مع Anthropic</td> <td><code>https://api.deepseek.com/anthropic</code></td> </tr> </tbody> </table></div> <h2> الخطوة 2: أرسل أول طلب </h2> <p>ابدأ بطلب <code>curl</code> للتحقق من المفتاح ونقطة النهاية:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code>curl https://api.deepseek.com/chat/completions <span class="se">\</span> <span class="nt">-H</span> <span class="s2">"Content-Type: application/json"</span> <span class="se">\</span> <span class="nt">-H</span> <span class="s2">"Authorization: Bearer </span><span class="k">${</span><span class="nv">DEEPSEEK_API_KEY</span><span class="k">}</span><span class="s2">"</span> <span class="se">\</span> <span class="nt">-d</span> <span class="s1">'{ "model": "deepseek-v4-flash", "messages": [ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "Summarize what changed in DeepSeek-V4-Flash-0731."} ], "stream": false }'</span> </code></pre> </div> <h3> Python باستخدام OpenAI SDK </h3> <div class="highlight js-code-highlight"> <pre class="highlight python"><code><span class="c1"># pip3 install openai </span><span class="kn">import</span> <span class="n">os</span> <span class="kn">from</span> <span class="n">openai</span> <span class="kn">import</span> <span class="n">OpenAI</span> <span class="n">client</span> <span class="o">=</span> <span class="nc">OpenAI</span><span class="p">(</span> <span class="n">api_key</span><span class="o">=</span><span class="n">os</span><span class="p">.</span><span class="n">environ</span><span class="p">.</span><span class="nf">get</span><span class="p">(</span><span class="sh">"</span><span class="s">DEEPSEEK_API_KEY</span><span class="sh">"</span><span class="p">),</span> <span class="n">base_url</span><span class="o">=</span><span class="sh">"</span><span class="s">https://api.deepseek.com</span><span class="sh">"</span> <span class="p">)</span> <span class="n">response</span> <span class="o">=</span> <span class="n">client</span><span class="p">.</span><span class="n">chat</span><span class="p">.</span><span class="n">completions</span><span class="p">.</span><span class="nf">create</span><span class="p">(</span> <span class="n">model</span><span class="o">=</span><span class="sh">"</span><span class="s">deepseek-v4-flash</span><span class="sh">"</span><span class="p">,</span> <span class="n">messages</span><span class="o">=</span><span class="p">[</span> <span class="p">{</span><span class="sh">"</span><span class="s">role</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">system</span><span class="sh">"</span><span class="p">,</span> <span class="sh">"</span><span class="s">content</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">You are a helpful assistant.</span><span class="sh">"</span><span class="p">},</span> <span class="p">{</span> <span class="sh">"</span><span class="s">role</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">user</span><span class="sh">"</span><span class="p">,</span> <span class="sh">"</span><span class="s">content</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">Write a Python function that validates an email address.</span><span class="sh">"</span> <span class="p">}</span> <span class="p">],</span> <span class="n">stream</span><span class="o">=</span><span class="bp">False</span> <span class="p">)</span> <span class="nf">print</span><span class="p">(</span><span class="n">response</span><span class="p">.</span><span class="n">choices</span><span class="p">[</span><span class="mi">0</span><span class="p">].</span><span class="n">message</span><span class="p">.</span><span class="n">content</span><span class="p">)</span> </code></pre> </div> <h3> Node.js باستخدام OpenAI SDK </h3> <div class="highlight js-code-highlight"> <pre class="highlight javascript"><code><span class="c1">// npm install openai</span> <span class="k">import</span> <span class="nx">OpenAI</span> <span class="k">from</span> <span class="dl">"</span><span class="s2">openai</span><span class="dl">"</span><span class="p">;</span> <span class="kd">const</span> <span class="nx">openai</span> <span class="o">=</span> <span class="k">new</span> <span class="nc">OpenAI</span><span class="p">({</span> <span class="na">baseURL</span><span class="p">:</span> <span class="dl">"</span><span class="s2">https://api.deepseek.com</span><span class="dl">"</span><span class="p">,</span> <span class="na">apiKey</span><span class="p">:</span> <span class="nx">process</span><span class="p">.</span><span class="nx">env</span><span class="p">.</span><span class="nx">DEEPSEEK_API_KEY</span><span class="p">,</span> <span class="p">});</span> <span class="kd">const</span> <span class="nx">completion</span> <span class="o">=</span> <span class="k">await</span> <span class="nx">openai</span><span class="p">.</span><span class="nx">chat</span><span class="p">.</span><span class="nx">completions</span><span class="p">.</span><span class="nf">create</span><span class="p">({</span> <span class="na">model</span><span class="p">:</span> <span class="dl">"</span><span class="s2">deepseek-v4-flash</span><span class="dl">"</span><span class="p">,</span> <span class="na">messages</span><span class="p">:</span> <span class="p">[{</span> <span class="na">role</span><span class="p">:</span> <span class="dl">"</span><span class="s2">user</span><span class="dl">"</span><span class="p">,</span> <span class="na">content</span><span class="p">:</span> <span class="dl">"</span><span class="s2">Hello!</span><span class="dl">"</span> <span class="p">}],</span> <span class="p">});</span> <span class="nx">console</span><span class="p">.</span><span class="nf">log</span><span class="p">(</span><span class="nx">completion</span><span class="p">.</span><span class="nx">choices</span><span class="p">[</span><span class="mi">0</span><span class="p">].</span><span class="nx">message</span><span class="p">.</span><span class="nx">content</span><span class="p">);</span> </code></pre> </div> <p>يشير الاسم <code>deepseek-v4-flash</code> الآن إلى الإصدار <code>0731</code>، لذلك ستستخدم التكاملات التي كانت تعتمد على النسخة التجريبية النموذج الجديد تلقائيًا. لا تحتاج إلى ترحيل.</p> <h2> الخطوة 3: اضبط وضع التفكير وجهد الاستدلال </h2> <p>يدعم V4-Flash وضع التفكير ووضع عدم التفكير، ويكون التفكير مفعّلًا افتراضيًا. استخدم <code>thinking</code> للتحكم في الوضع، و<code>reasoning_effort</code> لضبط عمق الاستدلال:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight python"><code><span class="n">response</span> <span class="o">=</span> <span class="n">client</span><span class="p">.</span><span class="n">chat</span><span class="p">.</span><span class="n">completions</span><span class="p">.</span><span class="nf">create</span><span class="p">(</span> <span class="n">model</span><span class="o">=</span><span class="sh">"</span><span class="s">deepseek-v4-flash</span><span class="sh">"</span><span class="p">,</span> <span class="n">messages</span><span class="o">=</span><span class="p">[</span> <span class="p">{</span> <span class="sh">"</span><span class="s">role</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">user</span><span class="sh">"</span><span class="p">,</span> <span class="sh">"</span><span class="s">content</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">Plan a database migration from MySQL to Postgres.</span><span class="sh">"</span> <span class="p">}</span> <span class="p">],</span> <span class="n">reasoning_effort</span><span class="o">=</span><span class="sh">"</span><span class="s">high</span><span class="sh">"</span><span class="p">,</span> <span class="n">extra_body</span><span class="o">=</span><span class="p">{</span><span class="sh">"</span><span class="s">thinking</span><span class="sh">"</span><span class="p">:</span> <span class="p">{</span><span class="sh">"</span><span class="s">type</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">enabled</span><span class="sh">"</span><span class="p">}}</span> <span class="p">)</span> </code></pre> </div> <p>ضع هذه السلوكيات في الحسبان:</p> <ul> <li>لا يؤثر <code>temperature</code> و<code>top_p</code> عند تفعيل وضع التفكير.</li> <li>إكمال FIM، أو ملء الفراغ، ما زال تجريبيًا ويعمل في وضع عدم التفكير فقط.</li> </ul> <p>استخدم وضع عدم التفكير للمهام الحساسة للكمون، مثل الإكمال التلقائي. ولحلقات الوكلاء أو تصحيح الأخطاء المعقدة، فعّل التفكير وارفع <code>reasoning_effort</code>.</p> <h2> الخطوة 4: بث الاستجابة </h2> <p>اضبط <code>stream=True</code> لاستقبال أحداث مرسلة من الخادم (SSE). إذا لم تتعامل مع SSE من قبل، راجع <a href="https://apidog.com/ar/blog/stream-llm-responses-using-sse?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل بث استجابات نماذج اللغة الكبيرة باستخدام SSE</a>.<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight python"><code><span class="n">stream</span> <span class="o">=</span> <span class="n">client</span><span class="p">.</span><span class="n">chat</span><span class="p">.</span><span class="n">completions</span><span class="p">.</span><span class="nf">create</span><span class="p">(</span> <span class="n">model</span><span class="o">=</span><span class="sh">"</span><span class="s">deepseek-v4-flash</span><span class="sh">"</span><span class="p">,</span> <span class="n">messages</span><span class="o">=</span><span class="p">[</span> <span class="p">{</span><span class="sh">"</span><span class="s">role</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">user</span><span class="sh">"</span><span class="p">,</span> <span class="sh">"</span><span class="s">content</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">Explain connection pooling.</span><span class="sh">"</span><span class="p">}</span> <span class="p">],</span> <span class="n">stream</span><span class="o">=</span><span class="bp">True</span> <span class="p">)</span> <span class="k">for</span> <span class="n">chunk</span> <span class="ow">in</span> <span class="n">stream</span><span class="p">:</span> <span class="k">if</span> <span class="n">chunk</span><span class="p">.</span><span class="n">choices</span><span class="p">[</span><span class="mi">0</span><span class="p">].</span><span class="n">delta</span><span class="p">.</span><span class="n">content</span><span class="p">:</span> <span class="nf">print</span><span class="p">(</span><span class="n">chunk</span><span class="p">.</span><span class="n">choices</span><span class="p">[</span><span class="mi">0</span><span class="p">].</span><span class="n">delta</span><span class="p">.</span><span class="n">content</span><span class="p">,</span> <span class="n">end</span><span class="o">=</span><span class="sh">""</span><span class="p">)</span> </code></pre> </div> <h2> التسعير خلال التجربة العامة </h2> <p>وفقًا <a href="https://api-docs.deepseek.com/quick_start/pricing" rel="noopener noreferrer">لصفحة النماذج والتسعير الرسمية</a>، تظل أسعار V4-Flash تنافسية:</p> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>العنصر</th> <th><code>deepseek-v4-flash</code></th> <th><code>deepseek-v4-pro</code></th> </tr> </thead> <tbody> <tr> <td>الإدخال من ذاكرة التخزين المؤقتة، لكل مليون رمز</td> <td>$0.0028</td> <td>$0.003625</td> </tr> <tr> <td>الإدخال دون ذاكرة تخزين مؤقتة، لكل مليون رمز</td> <td>$0.14</td> <td>$0.435</td> </tr> <tr> <td>الإخراج، لكل مليون رمز</td> <td>$0.28</td> <td>$0.87</td> </tr> <tr> <td>طول السياق</td> <td>1M tokens</td> <td>1M tokens</td> </tr> <tr> <td>الحد الأقصى للإخراج</td> <td>384K</td> <td>384K</td> </tr> <tr> <td>حد التزامن</td> <td>2,500</td> <td>500</td> </tr> </tbody> </table></div> <p>نقاط عملية مهمة:</p> <ol> <li>تخزين السياق مؤقتًا تلقائي. تكلفة الوصول إلى ذاكرة التخزين المؤقت أقل 50 مرة من الإدخال دونها، لذلك تستفيد جلسات الوكلاء الطويلة التي تعيد استخدام موجه النظام.</li> <li>أعلنت DeepSeek سياسة تسعير لأوقات الذروة وخارجها. ستُحسب ساعات الذروة في بكين، من 09:00 إلى 12:00 ومن 14:00 إلى 18:00، بسعر مضاعف عند تفعيلها. حتى 31 يوليو، لم يكن تاريخ التطبيق محددًا نهائيًا.</li> <li>حد التزامن البالغ 2,500 طلب لـ Flash، مقابل 500 لـ Pro، يعكس استهداف النموذج لأحمال الوكلاء عالية التوازي.</li> </ol> <p>للمقارنة الكاملة ضمن عائلة V4، بما في ذلك <a href="https://apidog.com/ar/blog/deepseek-v4-pro-permanent-price-cut?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">خفض الأسعار الدائم لـ V4-Pro</a>، راجع <a href="https://apidog.com/ar/blog/deepseek-v4-api-pricing?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">تحليل أسعار DeepSeek V4 API</a>.</p> <h2> اختبار API وتصحيح الأخطاء باستخدام Apidog </h2> <p>يكفي <code>curl</code> للاختبار الأولي، لكنه لا يكون عمليًا عند مقارنة التفكير مع عدم التفكير أو عند فحص استدعاءات الأدوات المتدفقة. يمكنك تنفيذ سير العمل التالي في <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a>:</p> <p><a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F5gsjm74suyv5anre74sl.png" class="article-body-image-wrapper"><img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F5gsjm74suyv5anre74sl.png" alt="اختبار DeepSeek API في Apidog" width="799" height="530"></a></p> <ol> <li> <strong>أنشئ مشروعًا وأضف نقطة النهاية</strong> أضف طلبًا من النوع <code>POST</code> إلى: </li> </ol> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code> https://api.deepseek.com/chat/completions </code></pre> </div> <p>يمكنك أيضًا استيراد مواصفات متوافقة مع OpenAI لإضافة نقاط النهاية دفعة واحدة.</p> <ol> <li> <strong>استخدم متغير بيئة للمفتاح</strong> أنشئ المتغير <code>DEEPSEEK_API_KEY</code> داخل بيئة Apidog، ثم أضفه إلى رأس التفويض: </li> </ol> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code> Authorization: Bearer {{DEEPSEEK_API_KEY}} </code></pre> </div> <p>يسهّل ذلك التبديل بين مفاتيح الاختبار والإنتاج.</p> <ol> <li><p><strong>أرسل الطلب وافحص البث</strong><br><br> عند استخدام <code>stream: true</code>، يعرض Apidog أحداث SSE فور وصولها. هذا يسهّل متابعة محتوى الاستدلال والإجابة بدل قراءة سطور <code>data:</code> الخام.</p></li> <li><p><strong>احفظ الطلبات كاختبارات</strong><br><br> احفظ طلبًا مع التفكير مفعّلًا وآخر معطّلًا. أعد تشغيلهما بعد كل تحديث للنموذج للتحقق من استمرار عمل الموجهات كما تتوقع.</p></li> </ol> <p><a href="https://apidog.com/download?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">حمّل Apidog</a> مجانًا؛ سير العمل السابق متاح ضمن الخطة المجانية.</p> <h2> الأسئلة الشائعة </h2> <p><strong>هل أحتاج إلى تعديل الكود للحصول على النموذج الجديد؟</strong><br><br> لا. اسم النموذج <code>deepseek-v4-flash</code> يقدّم الآن DeepSeek-V4-Flash-0731، وتُحدّث التكاملات الحالية تلقائيًا.</p> <p><strong>هل هذا هو النموذج نفسه المستخدم في تطبيق DeepSeek؟</strong><br><br> لا. تحديث 31 يوليو يخص API فقط؛ لم تتغير تطبيقات DeepSeek ونماذج الويب.</p> <p><strong>ماذا حدث لـ <code>deepseek-chat</code> و<code>deepseek-reasoner</code>؟</strong><br><br> كان مقررًا إيقاف أسماء النماذج القديمة هذه في 24 يوليو 2026. استخدم <code>deepseek-v4-flash</code> أو <code>deepseek-v4-pro</code>. راجع <a href="https://apidog.com/ar/blog/how-to-use-deepseek-v4-api?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل استخدام DeepSeek V4 API</a> لخطوات الترحيل.</p> <p><strong>هل يمكن استخدامه مجانًا؟</strong><br><br> تعتمد DeepSeek API على الدفع حسب الاستخدام ولا توفر طبقة مجانية دائمة. لكن تكلفة الإدخال من ذاكرة التخزين المؤقت منخفضة جدًا. راجع <a href="https://apidog.com/ar/blog/how-to-use-deepseek-v4-api-for-free?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">كيفية استخدام DeepSeek V4 API مجانًا</a> للخيارات الحالية.</p> <p><strong>هل يعمل V4-Flash مع Codex وResponses API؟</strong><br><br> نعم، يدعم كليهما، وهو نموذج DeepSeek الوحيد الذي يدعمهما حاليًا. من المتوقع دعم V4-Pro في أوائل أغسطس 2026. راجع <a href="https://apidog.com/ar/blog/deepseek-v4-flash-responses-api-codex?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">دليل Responses API وCodex</a>.</p> <h2> الخلاصة </h2> <p>DeepSeek-V4-Flash-0731 إصدار هادئ من ناحية الترحيل: الاسم والبنية والأسعار نفسها، مع تحسينات معلنة في قدرات الوكيل. يدعم النموذج الآن Responses API وCodex، ويستهدف أحمال الوكلاء ذات التزامن العالي.</p> <p>ابدأ بإنشاء مفتاح، ثم وجّه OpenAI SDK إلى <code>https://api.deepseek.com</code>، واختبر النموذج باستخدام مجموعة اختباراتك قبل الاعتماد على نتائج المعايير فقط. استخدم <a href="https://apidog.com?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a> لحفظ موجهاتك كحالات اختبار وإعادة تشغيلها مع كل تحديث للنموذج.</p> Yusuf Khalidd Fri, 31 Jul 2026 06:06:09 +0000 https://dev.to/yusuf_khalidd/fdl-bdyl-lstwblyt-240n https://dev.to/yusuf_khalidd/fdl-bdyl-lstwblyt-240n <p>بنى Stoplight سمعته حول تطوير واجهات برمجة التطبيقات بأسلوب <strong>التصميم أولًا</strong>: محرر OpenAPI مرئي، ومواصفات مرتبطة بـ Git، ووثائق مستضافة. لكن بعد أن <a href="https://smartbear.com/news/news-releases/smartbear-to-acquire-stoplight/" rel="noopener noreferrer">استحوذت SmartBear على Stoplight في 2023</a>، تغيّر اتجاه المنتج. أصبح Stoplight Studio أقل نشاطًا، ويُوجَّه العملاء عند التجديد إلى SmartBear API Hub. إذا كنت تبحث عن بديل، فالأفضل أن تخطط للانتقال الآن بدلًا من انتظار فرضه عليك.</p> <p><a href="https://apidog.com/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation" class="crayons-btn crayons-btn--primary">جرّب Apidog اليوم</a> </p> <p>بالنسبة لفرق التطوير التي تريد الاحتفاظ بسير عمل OpenAPI وGit، يُعد Apidog بديلًا عمليًا لـ Stoplight: فهو يجمع التصميم والتوثيق مع الاختبار والمحاكاة وتصحيح الأخطاء وCLI في منصة واحدة. الفكرة ليست تغيير مواصفاتك، بل تشغيل دورة حياة API كاملة انطلاقًا من المواصفة نفسها.</p> <h2> ماذا يحدث لـ Stoplight؟ </h2> <p>هناك ثلاثة أسباب عملية تجعل تقييم البدائل منطقيًا الآن:</p> <ul> <li> <strong>المنصة تُدمج في SmartBear API Hub.</strong> منذ الاستحواذ، دمجت SmartBear أدوات Stoplight مفتوحة المصدر مثل Spectral وElements وPrism وميزات المنصة في API Hub. لذلك قد يعني التجديد الانتقال إلى منتج مختلف عن الذي اعتمدته في الأصل. وقد غطت <a href="https://apisyouwonthate.com/newsletter/goodbye-stoplight/" rel="noopener noreferrer">APIs You Won’t Hate هذا التحول</a> تحت عنوان «وداعًا Stoplight؟».</li> <li> <strong>توقف تطوير Stoplight Studio عمليًا.</strong> لم يحصل محرر سطح المكتب الذي اشتهر به Stoplight على تحديثات جوهرية منذ الاستحواذ. الاعتماد عليه كسير عمل أساسي للتصميم يضيف مخاطرة صيانة مستقبلية.</li> <li> <strong>الاختبار ليس جزءًا أصيلًا من المنصة.</strong> تبدأ خطة Stoplight من 44 دولارًا شهريًا للتصميم والتوثيق، لكن الاختبارات والتأكيدات وتقارير CI تحتاج إلى أدوات إضافية.</li> </ul> <p>إذا كنت تقارن عدة خيارات، راجع <a href="https://apidog.com/ar/blog/top-10-stoplight-alternatives-2025?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">أفضل 10 بدائل لـ Stoplight</a> و<a href="https://apidog.com/ar/blog/best-stoplight-studio-alternatives?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">أفضل بدائل Stoplight Studio</a>.</p> <h2> لماذا Apidog؟ </h2> <p>يستخدم أكثر من 500,000 مطور منصة <a href="https://docs.apidog.com/import-from-stoplight-2221427m0?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">Apidog</a>. بالنسبة لمستخدم Stoplight، مسار العمل واضح:</p> <ol> <li>احتفظ بملفات OpenAPI في Git كمصدر للحقيقة.</li> <li>صمّم الواجهة بصريًا أو عدّل المواصفة مباشرة.</li> <li>ولّد الوثائق والمحاكاة والاختبارات من المواصفة.</li> <li>شغّل سيناريوهات الاختبار داخل CI.</li> </ol> <h3> حافظ على نهج التصميم أولًا </h3> <p>يدعم Apidog مشاريع تعتمد على المواصفات أولًا وسير عمل OpenAPI المستند إلى الملفات. يمكنك:</p> <ul> <li>استيراد وتصدير OpenAPI القياسي.</li> <li>ربط المشروع بمستودع Git.</li> <li>استخدام الفروع لتطوير تغييرات التصميم بالتوازي.</li> <li>إبقاء ملف المواصفة في Git هو مصدر الحقيقة.</li> </ul> <p>بعد تحديث مخطط أو نقطة نهاية، يمكن أن تنعكس التغييرات نفسها على الطلبات والمحاكاة والاختبارات والوثائق، بدلًا من إعادة توصيل عدة أدوات يدويًا.</p> <h3> أضف الاختبارات إلى نفس سير العمل </h3> <p>بدل نقل المواصفة إلى أداة اختبار منفصلة، يوفر Apidog باني اختبارات مرئيًا يدعم:</p> <ul> <li>التأكيدات على الاستجابات.</li> <li>المتغيرات الديناميكية.</li> <li>السيناريوهات متعددة الخطوات.</li> <li>التشغيل المجدول.</li> <li>اختبار الأداء.</li> <li>تقارير الاختبار عبر الإنترنت.</li> <li>المشغل المستضاف ذاتيًا.</li> <li>التكامل مع Jenkins وGitLab CI وGitHub Actions عبر CLI.</li> </ul> <p>مثال مبسط لتشغيل مزامنة المواصفة من الطرفية:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code>npm <span class="nb">install</span> <span class="nt">-g</span> apidog-cli apidog spec <span class="nb">sync</span> <span class="nt">--project-id</span> my-project </code></pre> </div> <h3> شغّل محاكاة من مخطط JSON </h3> <p>يعتمد Stoplight على Prism كمحاكي منفصل يحتاج إلى تشغيل وصيانة. في Apidog، يستطيع محرك المحاكاة الذكي إنشاء استجابات من مخططات JSON تلقائيًا، سواء في السحابة أو عبر الاستضافة الذاتية.</p> <p>التنفيذ العملي:</p> <ol> <li>استورد مواصفة OpenAPI.</li> <li>تأكد من تعريف <code>schema</code> للاستجابات.</li> <li>فعّل المحاكاة للمشروع.</li> <li>شارك رابط المحاكاة مع فريق الواجهة الأمامية.</li> </ol> <p>بهذا يمكن للواجهة الأمامية البدء قبل اكتمال تنفيذ الـ backend، دون إعداد خادم Prism منفصل.</p> <h3> انشر توثيقًا تفاعليًا </h3> <p>يوفر Apidog توثيق API مستضافًا يدعم:</p> <ul> <li>النطاقات المخصصة.</li> <li>التخطيطات المخصصة.</li> <li>صفحات Markdown.</li> <li>إصدار الوثائق.</li> <li>واجهة «جرّبها» التفاعلية.</li> </ul> <p>إذا كان التوثيق هو أولويتك الرئيسية، راجع أيضًا <a href="https://apidog.com/ar/blog/scalar-alternatives?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">بدائل Scalar</a> و<a href="https://apidog.com/ar/blog/redocly-alternatives?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">بدائل Redocly</a>.</p> <h3> استخدم MCP وCLI في سير عمل مدعوم بالذكاء الاصطناعي </h3> <p>يوفر Apidog خادم MCP لعرض مواصفات API لمساعدي الذكاء الاصطناعي، وتصحيح أخطاء MCP مرئيًا، وCLI يمكن استخدامه مع أدوات مثل Claude Code وCursor وCodex لإدارة التوثيق والمحاكاة والاختبارات وCI من الطرفية.<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code>npm <span class="nb">install</span> <span class="nt">-g</span> apidog-cli apidog spec <span class="nb">sync</span> <span class="nt">--project-id</span> my-project </code></pre> </div> <p>لا يوفر Stoplight مكافئًا مباشرًا لهذا المسار. لمزيد من التفاصيل، راجع <a href="https://apidog.com/ar/blog/apidog-mcp-server?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">ما هو خادم Apidog MCP</a>.</p> <h2> Stoplight مقابل Apidog في لمحة </h2> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>الميزة</th> <th>Stoplight</th> <th>Apidog</th> </tr> </thead> <tbody> <tr> <td>مصمم OpenAPI مرئي</td> <td>نعم</td> <td>نعم</td> </tr> <tr> <td>مواصفات وفروع مدعومة بـ Git</td> <td>نعم</td> <td>نعم</td> </tr> <tr> <td>وثائق مستضافة بنطاق مخصص</td> <td>نعم</td> <td>نعم</td> </tr> <tr> <td>اختبار API مدمج</td> <td>لا، أدوات خارجية</td> <td>باني مرئي + CI/CD</td> </tr> <tr> <td>المحاكاة</td> <td>Prism، إدارة ذاتية</td> <td>محرك محاكاة ذكي، بدون تهيئة</td> </tr> <tr> <td>عميل تصحيح أخطاء API</td> <td>لا</td> <td>نعم، جميع البروتوكولات الرئيسية</td> </tr> <tr> <td>MCP وCLI لوكلاء الذكاء الاصطناعي</td> <td>لا</td> <td>نعم</td> </tr> <tr> <td>الخطة المجانية</td> <td>محدودة</td> <td>4 مستخدمين، ميزات كاملة</td> </tr> <tr> <td>سعر البداية</td> <td>44 دولارًا/شهريًا</td> <td>9 دولارات/مستخدم/شهريًا</td> </tr> <tr> <td>اتجاه المنتج</td> <td>الاندماج في SmartBear API Hub</td> <td>قيد التطوير النشط</td> </tr> </tbody> </table></div> <h2> ماذا تفعل بـ Spectral وElements وPrism؟ </h2> <p><a href="https://smartbear.com/blog/smartbears-api-development-hub-gets-the-green-light-with-stoplight/" rel="noopener noreferrer">دمجت SmartBear هذه الأدوات</a> ضمن محفظة API Hub. عند الترحيل، تعامل مع كل أداة بشكل مختلف:</p> <h3> احتفظ بـ Spectral </h3> <p>Spectral مفتوح المصدر ويعمل في أي خط أنابيب CI. لا يؤثر الانتقال إلى Apidog عليه.</p> <p>يمكنك الإبقاء على فحص ملفات OpenAPI نفسها في CI:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code>spectral lint openapi.yaml </code></pre> </div> <p>لا يقدم Apidog حاليًا مدقق قواعد أسلوب مماثلًا لـ Spectral؛ لذلك استمرار استخدام Spectral ليس حلًا مؤقتًا، بل إعداد عملي موصى به.</p> <h3> أوقف Elements عند نشر الوثائق من Apidog </h3> <p>يُستخدم Elements لعرض مواصفات OpenAPI وتضمينها أو استضافتها. يمكن لوثائق Apidog المنشورة أن تؤدي هذا الدور عبر النطاقات المخصصة والتخطيطات وصفحات Markdown والإصدارات ووحدة التحكم التفاعلية.</p> <h3> أوقف Prism عند استخدام المحاكاة في Apidog </h3> <p>Prism خادم يحتاج إلى نشر وتهيئة وتحديث. مع محرك المحاكاة الذكي في Apidog، تُنشأ المحاكاة من مخططات JSON مباشرة، ويمكن تخصيصها عندما يتطلب السيناريو سلوكًا محددًا.</p> <p>القاعدة العملية: احتفظ بالأدوات مفتوحة المصدر التي لا تضيف عبئًا تشغيليًا، وتخلّص من المكونات التي تديرها كبنية تحتية داخلية.</p> <h2> الترحيل من Stoplight في ست خطوات </h2> <p>لأن الأداتين تدعمان OpenAPI، يمكن تنفيذ الترحيل تدريجيًا:</p> <ol> <li> <strong>أنشئ مشروعًا يعتمد على المواصفات أولًا</strong> في Apidog.</li> <li> <strong>استورد ملف OpenAPI أو Swagger</strong> لنقطة بداية صغيرة.</li> <li> <strong>اربط مستودع Git</strong> وأبقِ المواصفة مصدر الحقيقة.</li> <li> <strong>انقل صفحات Markdown ونماذج JSON Schema والصور المرتبطة</strong> ثم تحقق من الروابط والمحتوى.</li> <li> <strong>ادعُ الفريق</strong> وعيّن الأدوار والأذونات والبيئات.</li> <li> <strong>أضف اختبارًا ومحاكاةً ونشرًا للوثائق</strong> للخدمة نفسها قبل نقل بقية الخدمات.</li> </ol> <p>بالنسبة لفرق المؤسسات، يوفّر Apidog تسجيل الدخول الموحد مع Okta وMicrosoft Entra ID، وتوفير SCIM، والوصول المستند إلى الدور على مستوى المشروع، ونشرًا أوروبيًا متوافقًا مع GDPR على AWS في أيرلندا وألمانيا. يتوفر الدعم عبر Discord أو Slack أو البريد الإلكتروني أو المكالمات المجدولة، ويصنف المستخدمون Apidog في G2 بدرجة 9.4 لسهولة الاستخدام.</p> <h2> نفّذ تجربة ترحيل لخدمة واحدة </h2> <p>لا تبدأ بترحيل جميع واجهات API. اختر خدمة واحدة، وأعد بناء سير عملها بالكامل، ثم قيّم النتيجة.</p> <h3> 1. استورد المواصفة </h3> <p>أنشئ مشروعًا يعتمد على المواصفات أولًا واستورد ملف OpenAPI للخدمة. يجب أن تظهر نقاط النهاية والمخططات والأوصاف مباشرة.</p> <h3> 2. اربط Git </h3> <p>اربط المشروع بالمستودع الذي يحتوي على المواصفة. اجعل التغييرات تمر عبر المراجعة المعتادة في Git، واستخدم الفروع لعزل العمل غير المكتمل عن الفرع الرئيسي.</p> <h3> 3. انشر الوثائق </h3> <p>فعّل نشر الوثائق واربط نطاقًا مخصصًا عند الحاجة. تحقق من:</p> <ul> <li>ظهور نقاط النهاية والنماذج.</li> <li>عرض صفحات Markdown.</li> <li>عمل واجهة «جرّبها».</li> <li>صحة الإصدارات والروابط.</li> </ul> <h3> 4. فعّل المحاكاة </h3> <p>شغّل محرك المحاكاة وشارك عنوان URL مع مطوري الواجهة الأمامية. اختبر أن الاستجابات تتوافق مع مخططات JSON المتوقعة.</p> <h3> 5. أضف سيناريو اختبار متعدد الخطوات </h3> <p>ابدأ بسيناريو صغير:</p> <ol> <li>استدعِ نقطة نهاية لإنشاء مورد.</li> <li>تحقق من رمز الحالة وجسم الاستجابة.</li> <li>احفظ معرّف المورد في متغير ديناميكي.</li> <li>استخدمه في طلب ثانٍ، مثل جلب المورد أو تحديثه.</li> </ol> <p>مثال على منطق السيناريو:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>POST /users → تحقق من 201 → احفظ $.id في المتغير userId GET /users/{{userId}} → تحقق من 200 → تحقق من $.id </code></pre> </div> <h3> 6. شغّل العمل في CI </h3> <p>ثبّت CLI وأضف أمر المزامنة إلى خط أنابيبك:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight shell"><code>npm <span class="nb">install</span> <span class="nt">-g</span> apidog-cli apidog spec <span class="nb">sync</span> <span class="nt">--project-id</span> my-project </code></pre> </div> <p>يدعم Apidog Jenkins وGitLab CI وGitHub Actions، مع تقرير HTML بعد كل تشغيل. راجع <a href="https://apidog.com/ar/blog/apidog-cli-manage-apis?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">كيفية إدارة واجهات برمجة التطبيقات باستخدام Apidog CLI</a> للحصول على تفاصيل الأوامر.</p> <p>بنهاية هذه التجربة، ستكون قد صممت وعرّفت ووثّقت وحاكيت واختبرت واجهة API واحدة من مواصفة واحدة.</p> <h2> صورة التكلفة </h2> <p>تبدأ خطة Stoplight من 44 دولارًا شهريًا للتصميم والتوثيق. لكن الفرق التي تحتاج إلى اختبار ومحاكاة ستضيف غالبًا أدوات اختبار منفصلة ومثيلات Prism تحتاج إلى نشر وتحديث ومراقبة.</p> <p>في المقابل، تغطي خطة Apidog المجانية 4 مستخدمين وتشمل التصميم والتوثيق والاختبار والمحاكاة وتصحيح الأخطاء وCLI. تبدأ الخطط المدفوعة من 9 دولارات لكل مستخدم شهريًا.</p> <p>لذلك لا تقارن فقط بين 44 و9 دولارات. قارن بين:</p> <ul> <li>التصميم والتوثيق فقط، مع أدوات إضافية للاختبار والمحاكاة.</li> <li>دورة حياة API موحدة تبدأ من مواصفة OpenAPI واحدة.</li> </ul> <h2> متى يكون البقاء مع Stoplight منطقيًا؟ </h2> <p>قد يكون البقاء منطقيًا إذا كان فريقك:</p> <ul> <li>ينشر وثائق مرجعية فقط.</li> <li>لا يحتاج إلى اختبار API عبر المنصة.</li> <li>لديه عقد مستقر مع SmartBear.</li> <li>لا يدير حزمة إضافية من أدوات الاختبار والمحاكاة.</li> </ul> <p>أما الفرق التي تدفع للتصميم والتوثيق ثم تدير أدوات منفصلة للاختبار والمحاكاة، فهي الأكثر استفادة من تجربة الترحيل.</p> <h2> الأسئلة المتكررة </h2> <h3> هل يدعم Apidog التطوير الذي يركز على التصميم أولًا مثل Stoplight؟ </h3> <p>نعم. تدعم مشاريع Apidog المعتمدة على المواصفات أولًا ملفات OpenAPI كمصدر للحقيقة، مع مزامنة Git والفروع، وتوليد الوثائق والمحاكاة والاختبارات من المواصفة.</p> <h3> هل يمكنني استيراد مشاريع Stoplight الحالية؟ </h3> <p>نعم. صدّر مواصفات OpenAPI واستوردها إلى Apidog. يدعم ذلك المخططات والهيكل والتوثيق، ويمكن أيضًا ترحيل صفحات Markdown ونماذج JSON Schema.</p> <h3> هل Apidog أرخص من Stoplight؟ </h3> <p>تبدأ خطة Stoplight من 44 دولارًا شهريًا للتصميم والتوثيق. تغطي خطة Apidog المجانية 4 مستخدمين عبر المنصة، وتبدأ الخطط المدفوعة من 9 دولارات لكل مستخدم شهريًا.</p> <h3> ماذا يحدث لوثائق Stoplight المستضافة؟ </h3> <p>يمكنك إعادة نشرها من Apidog باستخدام نطاق مخصص وتخطيط مخصص وإصدارات وطلبات تفاعلية عبر «جرّبها». راجع <a href="https://apidog.com/ar/blog/top-10-stoplight-alternatives-2025?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">مقارنة أفضل بدائل Stoplight</a> لمقارنة مخرجات التوثيق.</p> <h3> هل يمكنني الاحتفاظ بـ Git كمصدر للحقيقة؟ </h3> <p>نعم. اربط المستودع بمشروع Apidog المعتمد على المواصفات أولًا، وأبقِ ملفات OpenAPI في Git. يقرأ المصمم المرئي هذه الملفات ويكتب إليها، بينما تتيح الفروع العمل المتوازي.</p> <h3> هل يجب أن أتوقف عن استخدام Spectral؟ </h3> <p>لا. Spectral مفتوح المصدر ومستقل عن منصة Stoplight. احتفظ به في CI لتدقيق ملفات OpenAPI نفسها التي يزامنها Apidog من المستودع.</p> <h2> اتخذ الخطوة بشروطك </h2> <p>انتقالات المنصات تحدث إما وفق جدولك أو وفق جدول البائع. <a href="https://apidog.com/download?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">نزّل Apidog</a>، واستورد مواصفة OpenAPI واحدة، ثم نفّذ تجربة كاملة: تصميم، محاكاة، اختبار، توثيق، وتشغيل داخل CI.</p> <p>هذه التجربة القصيرة ستعطيك بيانات فعلية قبل التجديد أو الترحيل الكامل. راجع أيضًا <a href="https://apidog.com/compare/apidog-vs-stoplight/?utm_source=dev.to&amp;utm_medium=wanda&amp;utm_content=n8n-post-automation">صفحة مقارنة Apidog وStoplight</a>.</p>