اختيار واجهة نموذج لغوي للعربية: ماذا تُظهر تقييماتنا

تنشر OpenAI وAnthropic وGoogle جميعها العربية كلغة مدعومة عبر عائلات نماذجها الحالية، وهذا صحيح بالمعنى العام — يمكنك إرسال طلب بالعربية الفصحى إلى نموذج من GPT أو Claude أو Gemini وستحصل على رد سليم نحوياً وسلساً. بالنسبة لمهمة ترجمة، أو تلخيص، أو استفسار عميل مكتوب بصياغة رسمية جيدة، فإن الثلاثة قادرة فعلاً، والفجوة بينها في هذا الجزء الضيق من المشكلة أصغر مما يوحي به تسويق الموردين. إذا كان مطلبك الوحيد هو "التعامل مع نص عربي فصيح ونظيف"، فلديك ثلاثة خيارات جيدة والاختيار يعتمد غالباً على التكلفة وزمن الاستجابة والبنية التحتية التي اعتمدتها بالفعل.

لكن تقريباً لا شيء من حركة بيانات عملائنا الحقيقية يشبه العربية الفصيحة النظيفة. صندوق واتساب لعلامة تجزئة سعودية، أو خط صوتي لعيادة في القاهرة، أو طابور دعم لمشغّل لوجستي في دبي، كلها ترى لهجات خليجية ومصرية، وتبديلاً لغوياً مع كلمات مستعارة من الفرنسية والإنجليزية، وملاحظات صوتية بلهجات إقليمية، وتدفقاً ثابتاً من العربيزي — العربية المكتوبة بحروف لاتينية مع أرقام تحل محل حروف لا وجود لها في الإنجليزية ("3" بدلاً من ع، "7" بدلاً من ح، وهكذا). هذا هو الاختبار الحقيقي، وهنا تتوقف المعايير المنشورة عن أن تكون مفيدة، لأن أياً من المختبرات الكبرى لا ينشر نتائج تقييم عربية مفصّلة ومقسّمة حسب اللهجة. طلاقة الفصحى التي تراها في عرض توضيحي ليست دليلاً على كفاءة التعامل مع اللهجات، والتعامل معها على هذا الأساس هو الخطأ الأكثر شيوعاً الذي نراه عند العملاء عند اختيار نموذج.

ابدأ بدقة اللهجات، وكن محدداً بشأن أي لهجة — تتباعد اللهجات الخليجية والمصرية والشامية بما يكفي في المفردات والتعابير بحيث يمكن لنموذج مُضبط أو مُعزَّز بشدة على واحدة أن يتعثر بوضوح في أخرى. ابنِ مجموعة اختبار صغيرة من نصوص أو رسائل حقيقية لدى عملك بالفعل (سجلات الدعم، تسجيلات المكالمات، محادثات واتساب القديمة)، لا أمثلة اصطناعية تكتبها بنفسك، لأن كتابتك ستنجرف دون وعي نحو الصياغة الأكثر رسمية التي يتعامل معها النموذج بسهولة. شغّل نفس مجموعة الاختبار عبر كل نموذج مرشح وقيّمها وفق معيار خاص بالمهمة: هل استخرج وقت الموعد بشكل صحيح، أو اسم المنتج، أو فئة الشكوى — لا مجرد "هل بدا الرد طلقاً".

يستحق تبديل اللغة والعربيزي جولة اختبار خاصة بهما تماماً. العملاء الحقيقيون يبدّلون بين العربية والإنجليزية في منتصف الجملة، ويُدرجون أسماء علامات تجارية ومصطلحات تقنية بحروف لاتينية داخل جملة عربية، وحصة معتبرة من مستخدمي الخليج ومصر الأصغر سناً يكتبون رسائل كاملة بالعربيزي من باب العادة لا الضرورة. النموذج الذي يتعامل مع الفصحى بشكل جميل قد يفشل مع ذلك في فهم "7abibi fein el order bta3y" كطلب لتتبع طلبية — وإذا فشل بصمت، منتجاً إجابة واثقة لكنها خاطئة بدلاً من طلب توضيح، فهذا النمط من الفشل أسوأ من خطأ صريح، لأن لا أحد يلاحظه حتى يشتكي عميل. اختبر هذا صراحةً بدلاً من افتراض أنه ينتج تلقائياً عن الكفاءة العامة بالعربية، لأنه لا ينتج.

زمن الاستجابة والتكلفة ليسا اعتبارين ثانويين للعربية تحديداً — بل هما حيث تظهر المقايضات فعلاً. النص العربي يُرمَّز بكفاءة أقل من الإنجليزية في معظم أنظمة الترميز الحالية، ما يعني أن نفس المحادثة تكلف رموزاً أكثر ويمكن أن تعمل أبطأ بالعربية منها بالإنجليزية على نفس النموذج، أحياناً بفارق كبير. هذا الفارق يغيّر اقتصاديات نشر بحجم كبير عبر واتساب أو الصوت بما يكفي لأن ينتمي إلى نفس جدول التقييم الذي تضع فيه الدقة، لا كفكرة لاحقة بعد أن تكون قد اخترت نموذجاً على أساس الجودة فقط.

إقامة البيانات هي المحور الرابع، وغالباً ما تكون المحور الذي يستبعد مرشحين قبل أن يبدأ اختبار الدقة أصلاً. نظام حماية البيانات الشخصية السعودي وأطر خليجية مشابهة تدفع البيانات المنظمة — السجلات الصحية، البيانات المالية، المهام القريبة من الحكومة — نحو استضافة إقليمية، أو في بعض القطاعات، حظر صريح على النقل عبر الحدود. إذا كانت حالة استخدامك تلامس هذا النوع من البيانات، فالسؤال ليس فقط أي نموذج يؤدي أفضل على مجموعة تقييمك العربية، بل أي من النماذج التي تجتاز تقييمك يمكن نشرها فعلاً ضمن قيودك التنظيمية. قد يستبعد هذا استدعاء واجهة برمجة تطبيقات مباشرة إلى منطقة أجنبية كلياً، ويدفعك نحو نشر سحابي إقليمي أو خيار محلي — وهنا تصبح النماذج مفتوحة الأوزان والمُضبطة للعربية ذات صلة، لا كتنازل عن الجودة بل كالبنية الوحيدة التي تلبي شرط الإقامة أصلاً.

نضجت منظومة النماذج مفتوحة الوزن للعربية بما يكفي لتستحق مكاناً في النقاش، ليس كبديل احتياطي للفرق التي لا تستطيع تحمل تكلفة واجهة برمجة تطبيقات متطورة، بل كخيار مقصود عندما تكون إقامة البيانات أو التحكم الكامل بالنموذج شرطاً صارماً. أطلقت عدة جهات — من بينها مختبرات بحثية في منطقة الخليج — نماذج مفتوحة الوزن مركّزة على العربية أو مُضبطة لها تحديداً لمعالجة فجوات اللهجة والإقامة التي تتركها النماذج المتطورة مغلقة المصدر. تشغيل أحد هذه النماذج على بنية تحتية تتحكم بها، سواء كانت منطقة سحابية خاصة داخل البلاد أو عتاداً محلياً، يزيل مسألة نقل البيانات عبر الحدود كلياً، لأن البيانات لا تغادر بيئتك من الأساس.

المقايضة حقيقية وتستحق أن تُقال بوضوح: النماذج مفتوحة الوزن تتطلب عادة جهداً هندسياً أكبر للوصول إلى نفس مستوى الموثوقية الذي تحققه واجهة برمجة تطبيقات متطورة مُختارة جيداً دون عناء، والنماذج الأصغر منها قد تتراجع في الاستدلال العام ومهام السياق الطويل حتى عندما تكون طلاقتها العربية قوية. الإطار الصحيح ليس "مفتوح الوزن مقابل واجهة متطورة" كترتيب عام، بل شجرة قرار — ابدأ من متطلبات الإقامة والتحكم لديك، ودع هذه القيود تخبرك بأي فئة من النماذج يُسمح لك أصلاً بترشيحها قبل مقارنة الجودة ضمن تلك القائمة المرشحة.

ليس لدينا نموذج ثابت افتراضي واحد نلجأ إليه، ونحن حذرون من أي مورّد يفعل ذلك، لأن الاختيار الصحيح يتغير فعلاً حسب مزيج لهجات العميل، والقناة، وميزانية زمن الاستجابة، والوضع التنظيمي. قبل التوصية بأي شيء، نُشغّل مجموعات تقييم عربية خاصة بنا مقابل النماذج المرشحة تحديداً لحالة استخدام ذلك العميل الفعلية — مبنية من نصوص حقيقية حيثما استطعنا الحصول عليها، تغطي اللهجة التي يتحدث بها عملاء ذلك العميل فعلاً، وتشمل جزءاً لتبديل اللغة والعربيزي، ومُقيّمة وفق المهمة التي يحتاج النموذج أداءها لا الطلاقة العامة. وحيث تستبعد قواعد الإقامة خيارات الواجهات كلياً، يُشغَّل ذلك التقييم مقابل المرشحين مفتوحي الوزن والاستضافة الإقليمية بدلاً من ذلك، ونقول ذلك بوضوح بدلاً من اللجوء بهدوء لأي نموذج هو الأسهل بالنسبة لنا للتكامل معه.

هذا أيضاً سبب تعاملنا مع اختيار النموذج كقرار مستمر لا قراراً لمرة واحدة. تُحدّث الجهات المزوّدة نماذجها وفق جدولها الخاص، وتحديث يُحسّن الاستدلال بالإنجليزية يمكن أن يُغيّر بنفس السهولة سلوك اللهجة العربية في أي اتجاه دون إعلان مقابل. أي نشر نُديره تُعاد فيه مجموعة التقييم كلما تغيّر النموذج الأساسي، لا عند الإطلاق فقط، لأن البديل هو معرفة انحدار الأداء من عميل بدلاً من لوحة معلومات.

قبل أن تلتزم بميزانية لمزوّد محدد لمنتج موجّه للعربية، احصل على إجابات ملموسة لخمسة أسئلة: ما اللهجات، تحديداً، التي يستخدمها عملاؤك فعلاً، وهل لديك عينات حقيقية لاختبارها؟ هل يتعامل النموذج مع تبديل اللغة والعربيزي في اختبار أجريته أنت بنفسك، لا ادّعاء قرأته؟ كم تكلف نفس المحادثة وكم تستغرق بالعربية مقابل الإنجليزية على نمط حركتك الفعلي؟ هل يتطلب تصنيف بياناتك استضافة إقليمية أو نشراً محلياً، وهل يستبعد ذلك أي مرشح قبل أن تدخل الجودة النقاش أصلاً؟ ومن يعيد اختبار النموذج في المرة القادمة التي يُصدر فيها المزوّد تحديثاً؟ الإجابة الصادقة على هذه الأسئلة الخمسة، ببيانات اختبار خاصة بك، ستخبرك أكثر من أي معيار عربي منشور متاح حالياً — لأن لا شيء منها مبني على عربية عملائك الفعلية.