إصدار DeepSeek V4 مفتوح المصدر وشيك!

في 21 يناير 2026، اكتشف المجتمع التقني دليلاً رئيسيًا في مكتبة تحسين FlashMLA الخاصة بـ DeepSeek - ظهر معرف نموذج جديد يسمى "Model1" في عمليات الالتزام (commits) الأخيرة للكود. تمتد هذه الالتزامات عبر ملفات متعددة وتذكر Model1 جنبًا إلى جنب مع نموذج V3.2 الحالي، مما يشير بوضوح إلى أن هذا فرع جديد منفصل.

يتزامن هذا الاكتشاف مع تقرير حصري من المنفذ الإعلامي التقني The Information في وقت سابق من هذا الشهر - تستعد DeepSeek بشكل مكثف لإطلاق نموذجها الرائد من الجيل القادم، والذي يحمل الاسم الرمزي V4، خلال العام القمري الجديد في منتصف فبراير. من الأدلة في مجتمع المصادر المفتوحة إلى التحقق المتبادل من قبل وسائل الإعلام الموثوقة، فإن التكهنات بأن Model1 هو V4 هي استنتاج حتمي تقريبًا.

تحية تقنية للذكرى السنوية الأولى للمصدر المفتوح

قبل عام واحد بالضبط، فتح إصدار DeepSeek-R1 حقبة جديدة من نماذج LLM مفتوحة المصدر وأصبح النموذج الأكثر إعجابًا على منصة Hugging Face. الآن، في الذكرى السنوية الأولى لفتح مصدر R1، ظهر كود V4 بهدوء، مستمراً في التزام DeepSeek بمجال المصدر المفتوح.

على عكس R1، الذي ركز على قدرات التفكير، من المتوقع أن يجلب V4 ترقيات معمارية شاملة. وفقًا للمعلومات المسربة، يحتوي V4 على إجمالي 671 مليار معلمة، ويعتمد بنية خليط الخبراء (MoE) وتقنية الاتصال التشعبي المقيد المتشعب (mHC)، مع كون إضافة وحدة ذاكرة Engram هي أبرز ما يميزه على الأرجح.

يولي المجتمع التقني اهتمامًا وثيقًا للتحديثات في مستودع DeepSeek FlashMLA على GitHub، حيث يمكن أن يكشف كل التزام عن مزيد من التفاصيل التقنية حول V4. من سجلات الالتزام الحالية، يعمل مهندسو DeepSeek بشكل مكثف على تحسين آليات الانتباه المتناثر (sparse attention) ودعم استدلال FP8، وكلها استعدادات للنشر واسع النطاق لـ V4.

Engram: "إضافة ذاكرة" تغير قواعد اللعبة

الأكثر ترقبًا هو التكامل المحتمل لتقنية Engram في V4، وهو ابتكار معماري ثوري تم فتح مصدره مؤخرًا بواسطة DeepSeek. يتمثل مفهومها الأساسي في فصل "الذاكرة" عن "الحساب" - تحتاج نماذج Transformer التقليدية إلى استخدام طبقات متعددة من الشبكات للتعرف على العبارات الثابتة والفطرة السليمة، بينما يسمح Engram للنموذج باسترداد المعرفة الثابتة مباشرةً من خلال جدول بحث "القاموس الفائق"، مما يحرر الشبكات العميقة للتركيز على التفكير المعقد.

يجلب هذا التصميم نتائج غير بديهية: حتى بالنسبة للمهام التي تتطلب تفكيرًا قويًا مثل الرياضيات وتوليد الكود، يتحسن الأداء بشكل كبير. لأن النموذج لم يعد بحاجة إلى تشتيت قوته الحسابية من أجل "الحفظ عن ظهر قلب". تظهر الأبحاث أن Engram-27B يتحسن بمقدار 5.0 نقاط في مهام التفكير BigBench Hard و 3.0 نقاط في توليد كود HumanEval مقارنة بخط أساس MoE النقي.

والأهم من ذلك، تدعم بنية Engram تخزين "قاعدة معرفة" لمئات المليارات من المعلمات في ذاكرة وحدة المعالجة المركزية (CPU) الرخيصة، مع فقدان إنتاجية أقل من 3٪ أثناء الاستدلال. هذا يعني أنه من المتوقع أن تنخفض تكلفة النشر المؤسسي للنماذج الكبيرة بشكل كبير، ولم تعد تعتمد كليًا على ذاكرة VRAM باهظة الثمن لوحدة معالجة الرسومات.

من ضجة المجتمع إلى توقعات الصناعة

النقاش حول تسرب كود Model1 مستمر منذ عدة أيام في قسم MachineLearning على Reddit و Hacker News. يقوم المطورون بتحليل أحدث الالتزامات على GitHub سطرًا بسطر، محاولين تجميع الصورة الكاملة لـ V4 من تغييرات الكود.

وعلق مطور كبير في منتدى تقني قائلاً: "هذا هو أسلوب DeepSeek النموذجي - لا توجد إعلانات تسويقية مفرطة، دع الكود يتحدث عن نفسه". هذا النهج القائم على "التحدث بالتكنولوجيا" قد راكم بدلاً من ذلك ثقة وتوقعات أقوى في المجتمع التقني.

من نجاح R1 مفتوح المصدر إلى زخم V4، تضع DeepSeek نموذجًا جديدًا للمصدر المفتوح: قبل الإصدار الرسمي، من خلال التحديثات التدريجية لقاعدة الكود، السماح للمجتمع بالمشاركة والتكيف مسبقًا. لا تؤدي هذه الاستراتيجية إلى خفض عتبة تبني النماذج الجديدة فحسب، بل تخلق أيضًا جوًا فريدًا من البناء المشترك للمجتمع.

تكرار استراتيجية النجاح لـ "إطلاق مهرجان الربيع"

يبدو أن DeepSeek ضليعة جيدًا في القاعدة الذهبية لـ "إطلاق مهرجان الربيع". في العام الماضي، تم إصدار R1 خلال العام القمري الجديد، مستفيدًا من وقت الفراغ النسبي للمطورين العالميين لتشكيل انتشار فيروسي سريع في مجتمع المصادر المفتوحة.

هذا الغيار للتوقيت مليء بالاعتبارات الاستراتيجية: تجنب جدول الإصدار المزدحم لشركات التكنولوجيا الغربية واحتلال موقع مهيمن في دورة الأخبار التقنية الهادئة نسبيًا. في الوقت نفسه، يتمتع المطورون والباحثون بمزيد من وقت الفراغ خلال مهرجان الربيع وهم أكثر استعدادًا لاختبار واستكشاف النماذج الجديدة بعمق، مما يشكل انتشارًا أعمق للكلام الشفهي في المجتمع.

مع التحديثات المستمرة لكود Model1، يمكن للقراء الذين يرغبون في الحصول على آخر الأخبار والتفسير العميق لـ DeepSeek V4 الاستمرار في متابعة تقارير التتبع على deepseekv4.app. قام موقع التتبع المستقل هذا بتنظيم سلسلة المعلومات الكاملة من تسريبات الكود إلى التحليل الفني، ليصبح القناة المفضلة للعديد من المطورين للحصول على تقدم V4.

من R1 إلى V4، أثبتت DeepSeek دائمًا نقطة واحدة: الابتكار الحقيقي لا يكمن فقط في حجم النموذج ولكن أيضًا في المزيج المثالي من الحكمة المعمارية وروح المصدر المفتوح. عندما ينتشر كود Model1 بهدوء على GitHub، فإن ما نراه ليس فقط ولادة نموذج جديد ولكن أيضًا افتتاح نموذج جديد. في هذا العام القمري الجديد، قد يرحب عالم الذكاء الاصطناعي مفتوح المصدر باختراق كبير آخر.