لوحة صدارة Vision Arena للذكاء الاصطناعي 2026

نقطة انعطاف فبراير

دعوني أشرح ما حدث. منذ مراجعتي في يناير، خرجت أربعة نماذج قديمة من قاع التصنيف — Gemini 1.5 Pro (الأصلي)، و Qwen2.5-VL-32B، و GPT-4 Turbo، و GPT-4o Mini. هذه نماذج من حقبة مختلفة، وكان رحيلها متأخرًا. ما حل محلها هو أكثر إثارة للاهتمام.

ظهر GPT-5.2 High لأول مرة في المركز #3، محطمًا اكتساح Google الكامل لمنصة التتويج لأول مرة في تاريخ هذه الساحة. دخل متغيره القياسي، GPT-5.2، في المركز #13. لكن الصدمة الحقيقية جاءت من Moonshot. هبط نموذج Kimi K2.5 Thinking الخاص بهم في المركز #6، والمتغير الفوري في المركز #10. شركة ناشئة ليس لها وجود سابق في لوحة الصدارة هذه لديها الآن نموذجان في المراكز العشرة الأولى. لم أتوقع ذلك.

ضغط المجال يخبرنا أيضًا. الفجوة بين #1 و #60 هي 171 نقطة فقط. هذا نطاق ضيق لستين نموذجًا، ويعني أن وسط الجدول تنافسي بشكل وحشي. يمكن لتحسين معماري واحد أو ترقية بيانات التدريب أن يغير نموذجًا بمقدار عشرة أو خمسة عشر مرتبة بين عشية وضحاها. إذا كنت تبني خطوط إنتاج حول نموذج معين، فافهم أن موقعه ليس دائمًا.

سلالة Google شبه المثالية

Gemini 3 Pro يحمل التاج، و Gemini 3 Flash يحمل الفضة. لكن لأول مرة، البرونزية تنتمي لشخص آخر. لا تزال Google تحتل المركز #4 مع متغير التفكير المصغر لـ Flash وتشغل ثلاثة عشر نموذجًا عبر أفضل 60، تغطي كل مستوى أداء من الرائد Gemini 3 Pro وصولاً إلى الخفيف Gemini 2.0 Flash Lite. هذا ليس خط إنتاج — إنه نظام بيئي.

ما يجعل موقف Google دائمًا هو العمق. Gemini 2.5 Pro في المركز #7 لا يزال النموذج الأكثر اختبارًا في الساحة مع ما يقرب من 80,000 تقييم أعمى وراءه. Gemini 2.5 Flash في المركز #17 يشغل أعباء عمل إنتاجية عالية الإنتاجية. حتى Gemma 3 27B، وهو نموذج مفتوح الوزن في المركز #42، يتفوق على العروض الرئيسية لمعظم المنافسين. كان نهج Google دائمًا هو الفوز من خلال التغطية — امتلاك أفضل نموذج لكل ميزانية وقيد كمون — وفي الرؤية، هذه الاستراتيجية تعمل.

الصدع الوحيد في الدرع: فقدت Google اكتساح منصة التتويج. عندما قمت بتغطية هذه الساحة لأول مرة، شعرت أن Gemini سيحمل الميداليات الثلاث إلى أجل غير مسمى. يثبت وصول GPT-5.2 إلى المركز #3 أن تقدم Google، على الرغم من كونه قويًا، ليس منيعًا. إذا لم تقم Google بشحن إصدار Gemini 3 Pro الكامل (وليس المعاينة فقط) قريبًا، فستغلق تلك النافذة أكثر.

OpenAI تكسر منصة التتويج

هذا هو أقوى شهر لـ OpenAI في Vision Arena. GPT-5.2 High في المركز #3 لا يكسر قفل Google فقط — بل يشير إلى قفزة ذات مغزى في خط المعالجة البصرية لـ OpenAI. اختبرته مقابل إصدار يناير من GPT-5.1، وكانت التحسينات أكثر وضوحًا في مجالين: فهم المستندات الكثيفة وتفسير المشهد المعقد مكانيًا.

تضع OpenAI سبعة عشر نموذجًا في أفضل 60 — وهو أكبر عدد لأي منظمة. الاتساع استراتيجي. GPT-5 Chat في المركز #14 هو العمود الفقري لمهام الرؤية المحادثة. O3 في المركز #16 و O4 Mini في المركز #24 يمثلان الفرع الذي يركز على التفكير. GPT-5 Nano High في المركز #50 يثبت أنه يمكنك الحصول على رؤية جيدة بشكل مدهش بجزء صغير من التكلفة. إذا كان المكدس الخاص بك يعمل على واجهة برمجة تطبيقات OpenAI، فهناك الآن نموذج رؤية محسن لكل نقطة كمون وسعر تقريبًا.

ما يستحق المشاهدة: GPT-5.2 High مقابل متغيره القياسي. يجلس الإصدار العالي في المركز #3 بينما GPT-5.2 القياسي في المركز #13 — فجوة أربع وثلاثين نقطة. يشير هذا الانتشار إلى أن المستوى العالي يقوم بمعالجة بصرية أكبر بكثير، وربما تمريرات استدلال إضافية أو دقة داخلية أكبر. بالنسبة للتطبيقات الحساسة للتكلفة، فإن فهم أين يهم سقف الجودة هذا مقابل أين يكون المستوى القياسي "جيدًا بما يكفي" سيكون القرار المعماري الرئيسي هذا الربع.

الوصول الصامت لـ Moonshot

إذا كان هناك شيء واحد تعلمته من تتبع معايير الذكاء الاصطناعي، فهو أن أخطر المنافسين يعلنون عن أنفسهم بهدوء. كان لدى Moonshot صفر نماذج في لوحة الصدارة هذه الشهر الماضي. اليوم لديهم اثنان في المراكز العشرة الأولى.

قمت بتشغيل Kimi K2.5 Thinking من خلال بطارية الاختبار القياسية الخاصة بي. في استخراج النصوص الصينية واليابانية — قوائم المطاعم، خرائط العبور، الملاحظات المكتوبة بخط اليد — طابق أو تجاوز Qwen3-VL، الذي كنت أعتبره سابقًا المعيار الذهبي لمهام رؤية CJK. في تحليل المستندات باللغة الإنجليزية، صمد أمام GPT-5.1. المكان الذي فاجأني فيه بشكل خاص كان سلسلة التفكير البصري: أعطه إنفوجرافيك مزدحمًا واطلب منه تحديد خيارات التصميم الثلاثة الأكثر تضليلاً، وينتج تحليلًا منظمًا يستحق الاقتباس.

الآثار الاستراتيجية مهمة. يقع مقر Moonshot في بكين وجمعت أكثر من مليار دولار من التمويل العام الماضي. مساعد Kimi الخاص بهم لديه بالفعل قاعدة مستخدمين ضخمة في الصين. إذا استمروا في التكرار بهذه الوتيرة، فقد تشمل المراكز الخمسة الأولى في vision arena قريبًا ثلاث منظمات مختلفة — مما يكسر احتكار Google-OpenAI الثنائي في القمة. بالنسبة للمطورين الذين يبنون تطبيقات عالمية، خاصة تلك التي تخدم الأسواق الآسيوية، يستحق Kimi K2.5 تقييمًا جادًا.

العين المتعمدة لـ Anthropic

لا تحاول Anthropic الفوز بالسرعة أو الدقة الخام. إنهم يلعبون لعبة مختلفة، والنتائج مثيرة للإعجاب بهدوء. يقود Claude Opus 4 Thinking في المركز #21 و Claude Sonnet 4 Thinking في المركز #22 نماذج Anthropic التسعة في أفضل 60.

إليك ما يميز Claude في مهام الرؤية: إنه لا يستعجل الإجابة. أظهر لمعظم النماذج صورة وسوف تحدد الأشياء، وتقرأ النص، وتصف المشهد. أظهر لـ Claude نفس الصورة ويفكر أولاً في ما تحاول الصورة توصيله. اختبرت هذا مع مجموعة من الرسوم الكاريكاتورية السياسية من عقود مختلفة. وصف Gemini العناصر المرئية بدقة. قدم GPT-5.2 سياقًا ثقافيًا. قام Claude بتحليل التقنية البلاغية، وحدد الجمهور المستهدف، وشرح سبب وصول الكاريكاتير بشكل مختلف في عام 2026 عما كان عليه عند رسمه. لأي مهمة تتطلب تفسير النية وراء المحتوى المرئي — مراجعة المستندات القانونية، التحليل الأمني، نقد التصميم — فإن نهج Claude المتعمد هو ميزة حقيقية.

انقسام التفكير مقابل عدم التفكير ثابت عبر عائلة Claude. يظهر Claude 3.7 Sonnet Thinking في المركز #25 مقابل المتغير غير المفكر في المركز #36 فجوة جودة موثوقة. إذا كنت تستخدم Claude للرؤية، فقم بتمكين وضع التفكير دائمًا — يبرر فرق الجودة الكمون المضاف في كل حالة استخدام اختبرتها تقريبًا. المتغيرات غير المفكرة مناسبة بشكل أفضل للتسمية البسيطة أو التصنيف حيث السرعة تهم أكثر من العمق.

سباق الرؤية العالمي

لقد ولت الأيام التي كان فيها الذكاء الاصطناعي البصري يعني "Google أو OpenAI". تمثل هذه اللوحة الآن ثلاث عشرة منظمة متميزة عبر أربع قارات، ومنافسة منتصف الجدول هي المكان الذي تحدث فيه التطورات الأكثر إثارة للاهتمام.

يظل Alibaba's Qwen3-VL في المركز #19 أفضل نموذج رؤية لاستخراج المستندات متعددة اللغات. استخدمته مؤخرًا لمعالجة دفعة من العقود الممسوحة ضوئيًا بأربع لغات — الإنجليزية والماندرين واليابانية والعربية — وتعامل مع المستندات ذات النصوص المختلطة بدقة شبه مثالية، بما في ذلك تحديد الأقسام التي كانت شروحًا مكتوبة بخط اليد مقابل النص المطبوع بشكل صحيح. يوفر نموذج الوزن المفتوح Qwen2.5-VL-72B في المركز #59 خيارًا قابلًا للاستضافة الذاتية للمنظمات التي لا يمكنها إرسال الصور إلى واجهات برمجة تطبيقات خارجية.

يحتفظ ERNIE 5.0 من Baidu بالثبات في المركز #15. يجلس Hunyuan Vision 1.5 Thinking من Tencent في المركز #29. GLM-4.6V من Z.ai في المركز #40. تضع مختبرات الذكاء الاصطناعي الصينية بشكل جماعي اثني عشر نموذجًا في لوحة الصدارة هذه عبر خمس منظمات مختلفة. هذه الكثافة في المنافسة داخل نظام بيئي وطني واحد تدفع الابتكار بشكل أسرع مما يدركه معظم المراقبين الغربيين.

في أوروبا، تطرح Mistral أربعة نماذج — متغيرات متوسطة وصغيرة — مما يوفر خيار السيادة الوحيد للاتحاد الأوروبي للمنظمات الملتزمة بمتطلبات إقامة البيانات. جمع Grok 4 من xAI في المركز #32 أكثر من 34,000 تقييم، مما يجعله أحد أكثر النماذج اختبارًا في المعركة خارج أفضل 20. يمنح الوزن المفتوح Llama 4 Maverick من Meta في المركز #49 و Scout في المركز #57 المطورين القدرة على تشغيل الذكاء الاصطناعي البصري بالكامل على بنيتهم التحتية الخاصة. وتوضح الإدخالات الثلاثة لـ StepFun من الصين أنه حتى المختبرات الأصغر يمكنها إنتاج نماذج رؤية تنافسية عند التركيز على الرهانات المعمارية الصحيحة.

إلى أين يتجه الذكاء الاصطناعي البصري

لقد قمت بتغطية لوحات الصدارة هذه لفترة كافية لرؤية الأنماط قبل أن تصبح إجماعًا. إليك إلى أين أعتقد أن الذكاء الاصطناعي البصري يتجه في الأشهر الستة المقبلة.

ستصبح رؤية سلسلة التفكير وضع الاستدلال الافتراضي. كل نموذج يقدم متغير "تفكير" يتفوق على نظيره غير المفكر — باستمرار. Kimi K2.5 Thinking مقابل Instant. Claude Opus 4 Thinking مقابل القياسي. Gemini Flash Thinking مقابل غير المفكر. النمط عالمي. في غضون عام، أتوقع أن يصبح "التفكير" وضع الاستدلال القياسي، مع كون "الفوري" هو خيار التخفيض الصريح للحالات الحساسة للكمون.

سيعيد فهم الفيديو تشكيل هذه التصنيفات. تم تقييم معظم النماذج هنا على صور ثابتة. لكن المهام البصرية في العالم الحقيقي تتضمن بشكل متزايد الفيديو — خلاصات الأمان، تسلسلات التصوير الطبي، مراقبة جودة التصنيع، الملاحة الذاتية. النماذج التي يمكنها التفكير عبر الإطارات الزمنية، وليس فقط لقطات فردية، ستحدد الجيل القادم من هذه اللوحة. لدى Google و OpenAI أبحاث في هذا الاتجاه، لكن أول من يشحن فهم الفيديو بدرجة الإنتاج على نطاق واسع سيكتسب ميزة التحرك الأول الهائلة التي قد تستمر لسنوات.

ستخترق طبقة الوزن المفتوح أفضل 20. في الوقت الحالي، أعلى نموذج وزن مفتوح هو Gemma 3 27B في المركز #42. يجلس Llama 4 Maverick في المركز #49. تتحسن هذه النماذج بشكل أسرع من نظيراتها الاحتكارية لأنها تستفيد من الضبط الدقيق للمجتمع، وبيانات التدريب المخصصة، والتعديلات المعمارية التي لا يمكن لنماذج API فقط تلقيها. امنحها ربعين آخرين، وأتوقع نموذجًا واحدًا على الأقل مفتوح الوزن في أفضل 20 — مما سيغير بشكل أساسي اقتصاديات نشر الذكاء الاصطناعي البصري على نطاق واسع.

ستستحوذ النماذج الرأسية المتخصصة على معظم القيمة الاقتصادية. تقيم لوحة الصدارة الحالية الفهم البصري للأغراض العامة. لكن السوق يتجه نحو التخصص — نماذج التصوير الطبي التي تقرأ الأشعة السينية بشكل أفضل من أي نموذج عام، ونماذج صور الأقمار الصناعية المحسنة للكشف عن التغيير، وذكاء اصطناعي للمستندات مصمم خصيصًا للفواتير والعقود. ستظل اللوحة العامة هي العنوان الرئيسي، لكن المال الحقيقي سيكون في المتخصصين الرأسيين المبنيين فوق هذه الأسس.

توصياتي حسب حالة الاستخدام

بعد اختبار جميع النماذج الستين عبر سير العمل في العالم الحقيقي، إليك توجيهاتي المقطرة. لا يوجد نموذج واحد يفوز في كل مكان — يعتمد الاختيار الصحيح تمامًا على ما تقوم ببنائه.