ما هو سياق الذكاء الاصطناعي؟ — واقع «يقرأ ولا يقرأ» في عصر المليون رمز

في عام 2023، كانت نافذة سياق بحجم 32K رمز تبدو «فسيحة». وبحلول مايو 2026، أصبح المليون رمز (1M) هو المعيار الافتراضي في الصناعة. Claude Opus 4.7 وClaude Sonnet 4.6 وGPT-5.5 وGemini 3.1 Pro وDeepSeek V4-Pro — جميع النماذج الرائدة الكبرى تدعم 1M. وقد بلغ Gemini 3.1 Ultra حاجز 2M.

«مليون رمز» تعني تقريبًا 8–10 كتب جيب بالإنجليزية، أو عشرات الآلاف من أسطر الشيفرة المصدرية. صار بإمكاننا الإبقاء على هذا الكم «أمام أعيننا» داخل جلسة واحدة. لكن المفاجأة هي أن واحدًا فقط من هذه النماذج يستخدم وعاءه حتى النهاية فعلًا. تُظهر الاختبارات المرجعية المستقلة (multi-needle NIAH، تفاصيلها أدناه) أن وضع Gemini 3 Deep Think فقط يحافظ على دقته عبر كامل المليون. أما البقية فتبدأ في فقدان الدقة بين 200K و400K — هذا هو الواقع الميداني الصريح لعام 2026.

دعني أصرّح برأيي مبكرًا: انتهى عصر اختيار النموذج بناءً على حجم الوعاء فقط. ما يهم الآن هو ثلاثية «السياق الفعّال × التكلفة × الاستراتيجية»، وخطوة Anthropic نحو تسعير ثابت لـ 1M هي أكثر التطورات إثارة هذا العام. يستعرض هذا المقال ماهية السياق فعلًا، وتشكيلة النماذج في مايو 2026، ولماذا لا يكفي الحجم وحده، والاختلافات في بنية التكلفة، وخمسة أساليب عملية لتوفير السياق يمكن للمطورين الفرديين والفرق الصغيرة تطبيقها اليوم — مدعومة بأرقام مرجعية مستقلة.

1. خمسة نماذج بسعة 1M رمز خلال عام واحد — لكن واحدًا فقط يقرأ المحتوى كاملًا

عندما أعلنت OpenAI عن GPT-5.5 في أبريل 2026، احتفل الإنترنت قائلًا: «أخيرًا وصلت OpenAI إلى 1M». في الشهر نفسه، أطلقت Google نموذج Gemini 3.1 Ultra بسعة 2M. وكانت Anthropic قد قدّمت قبل عام تسعيرًا ثابتًا للمليون على Claude Opus 4.6 ثم عزّزته بإصدار 4.7. كذلك يدعم DeepSeek V4-Pro سعة 1M. خمسة مزوّدين رائدين باتوا اليوم قادرين بشكل مشروع على كتابة «1M+ رمز» في ورقة المواصفات.

كان ينبغي أن يكون هذا حدثًا كبيرًا. فقبل ثلاث سنوات فقط، كانت 32K تبدو مذهلة. لقد شهدنا منذ ذلك الحين قفزة بأكثر من 30 ضعفًا في حجم النافذة. وبدا أن سباق حجم الأوعية قد حُسم.

ثم أجرت جهتا التقييم المستقلتان Digital Applied وZylos Research اختبار Needle-in-a-Haystack متعدد الإبر (NIAH) في 2026 — بإدراج عدة حقائق داخل وثائق طويلة وطلب استرجاعها كلها بدقة. وإليكم ما توصلوا إليه:

• Gemini 3 Deep Think: يحافظ على الدقة المعلنة عبر كامل المليون
• Claude Opus 4.7 / GPT-5.5 / DeepSeek V4-Pro: تتراجع الدقة بدءًا من حدود 200K–400K

إذًا، رغم أن «دعم 1M» أصبح شاملًا، فإن نموذجًا واحدًا فقط يستخدم هذا المليون كاملًا في ظروف معادلة للإنتاج. ومع باقي النماذج الرائدة، يبدأ الإجهاد بالظهور عند طلب دمج عدة حقائق بين 200K و400K. هذا هو واقع 2026.

لا تفهم ذلك على أنه «Claude أو GPT سيء». الحالات التي تحتاج فعلًا إلى المليون كاملًا نادرة. فإذا أمكنك قراءة 300K (≈ 2–3 كتب جيب) بثقة، فستُنجز تقريبًا كل مهام البرمجة أو البحث أو التلخيص. الفخ هو اختيار النموذج بناءً على عنوان «دعم 1M» وحده — هذا يضلّل القرار.

2. ما هو السياق؟ — افصل بين الوعاء ومحتواه

توضيح سريع للمصطلحات. ثلاث كلمات يخلط الناس بينها في هذا المجال.

كذلك: لا تخلط بين «السياق» و«الذاكرة». السياق يعيش داخل الجلسة — أغلق الدردشة فيختفي. أما ميزات مثل ChatGPT Memory أو Claude Memory فهي آلية احتفاظ منفصلة عبر الجلسات. تُحقن محتويات الذاكرة في النهاية داخل نافذة السياق، لكن من منظور المستخدم هي تخزين دائم مقابل مساحة عمل مؤقتة.

3. أبرز النماذج في مايو 2026 — أحجام الأوعية

بعد توضيح التعاريف، إليكم أحجام الأوعية التي ينشرها كبار المزوّدين اليوم. كل الأرقام من المواصفات الرسمية اعتبارًا من مايو 2026.

إذا قرأت الجدول وحده فستستنتج «Gemini Ultra يفوز، انتهت القصة». لكن ثمة حقيقة جديرة بالتظليل: Anthropic تقدّم 1M بسعر ثابت على Opus 4.6/4.7 وSonnet 4.6، بينما تضاعف OpenAI سعر الإدخال على GPT-5.5 فوق 272K رمز. هذا ليس مجرد مقبض تسعير — بل هو موقف استراتيجي حول كيفية التعامل مع أعباء العمل ذات السياق الطويل. سنغوص في حسابات التكلفة في قسم لاحق.

شخصيًا، أحتفظ بـ Claude Opus 4.7 كحصاني للعمل في المهام الطويلة. ثلاثة أسباب: التسعير الثابت، والدقة المستقرة في نطاق الـ 200K، وجودة وثائق Anthropic. أما المستندات التي تتجاوز فعلًا 300K فأنتقل فيها إلى Gemini 3 Deep Think. المزج بين النماذج بحسب حالة الاستخدام هو الخطوة الصحيحة في 2026.

4. ثلاثة أسباب تجعل مقولة «الأكبر أفضل» غير صحيحة

الجدول السابق سرد فقط أحجام الأوعية الفعلية. السؤال الأصعب هو: هل تستخدم النماذج فعلًا ما تُعلن عنه؟ الإجابة المختصرة: خارج Gemini 3 Deep Think، الوضع قاتم. وإليكم ثلاثة أسباب.

السبب ①: Lost in the Middle

وثّقته جامعة ستانفورد لأول مرة عام 2023، وتكرّر في كل جيل من النماذج منذ ذلك الحين. الذكاء الاصطناعي يعطي وزنًا قويًا لبداية الإدخال ونهايته بينما يقلل من شأن المنتصف (المنطقة الموضعية 30–70%). المعلومة الموضوعة قرب مركز سياق بحجم 100K تُسترجع بدقة أقل بمقدار 5–15 نقطة مئوية مقارنةً بالمعلومة نفسها في البداية أو النهاية.

العَرَض اليومي: «ألصق ملف PDF طويلًا، اسأل ‘ما الرقم الخاص بـ X؟’، فيُخطئ النموذج في الرقم الموجود في المنتصف تمامًا.» هذا هو Lost in the Middle. وبعد ثلاث سنوات من ورقة ستانفورد الأصلية، لم تُغلق النماذج الرائدة هذه الفجوة بالكامل بعد.

السبب ②: Context Rot

كلما طالت المحادثة، تلاشت تعليماتك الأولية. قلت في البداية «أجب بالإنجليزية الفصحى»؛ وبعد عشرين دورة، عاد النموذج إلى الصياغة العامية — هذا هو Context Rot.

سببان. ① التعليمات المبكرة تصبح قديمة نسبيًا ويُعطى لها وزن أخف داخل السجل. ② مع طول السجل، يتشتت الانتباه ويصبح من الصعب الإشارة إلى رموز معينة. وقد بدأت Anthropic عام 2026 بصياغة هذا الأمر تحت مسمى «context engineering» — وهي مهارة متعمَّدة لإدارة هذه التأثيرات.

السبب ③: السياق المُعلن ≠ السياق الفعّال

إليكم كيف تبدو فعليًا أحدث الاختبارات المرجعية لعام 2026 (multi-needle NIAH، في ظروف معادلة للإنتاج).

للتأكيد: هذا ليس «Claude Opus 4.7 معطّل». 200K–400K تساوي أيضًا سعة 2–3 روايات جيب. معظم المهام الواقعية (مراجعة الشيفرة، الكتابة المطوّلة، تلخيص الاجتماعات، توليف الأبحاث) تنتهي بسهولة ضمن هذا النطاق. المشكلة هي الافتراض بأنه «طالما السعة 1M، فلنُلقِ بـ 1M بكامله» — هذه الاستراتيجية لا تعمل سوى مع Gemini Deep Think.

5. فخ التكلفة — OpenAI تضاعف السعر فوق 272K، وAnthropic تبقى ثابتة

أثبتنا للتو أن «الفعّال هو 200K–400K». أضف إلى ذلك الفخ الثاني: مدخلات السياق الطويل تجعل الفاتورة تقفز. تبنّت Anthropic وOpenAI استراتيجيتين متعاكستين هنا.

حساب ملموس. إدخال 500K رمز + إخراج 50K رمز، رحلة واحدة ذهابًا وإيابًا — الحالة النموذجية لتلخيص قاعدة شيفرة كبيرة أو تقرير سنوي في تمريرة واحدة.

• Claude Opus 4.7: $5.00 × 0.5 + $25.00 × 0.05 = $3.75
• GPT-5.5 (مع رسوم تجاوز 272K): $10.00 × 0.5 + $45.00 × 0.05 = $7.25

هذا فارق $3.50 لكل استدعاء. شغّله 100 مرة يوميًا، فستجد فارقًا قدره $10,500 شهريًا. وللفرق التي تشغّل وكلاء طويلي الأمد، يبلغ الفارق بسهولة عشرات الآلاف منتصف الخمسة أرقام شهريًا. النمط البنيوي ذاته الذي تناولناه في توفير تكلفة رموز وجلسات الذكاء الاصطناعي.

6. خمسة أساليب للتوفير — مرتبة وفق الأثر الفعلي للمطورين الفرديين

«الوعاء 1M لكن الفعّال نحو 300K، والاستخدام المطول مكلف.» قد غطّينا ذلك. إذًا ما الذي يمكنك فعله ميدانيًا؟ فيما يلي خمسة أساليب أستخدمها يوميًا، مرتبة حسب الأكبر مردودًا.

أفضل ممارسة شخصية لي: مجرد الالتزام بـ ① و② باستمرار يحرّك الدقة المُدرَكة بشكل ملحوظ. حتى مع Claude Code، بدلًا من دفع جلسة طويلة واحدة، فإن الضغط على /compact أو بدء جلسة جديدة عند كل تغيير موضوع يبقي جودة المخرج النهائي مستقرة.

الخلاصة

تلخيص:

• نافذة السياق = الحد الأقصى من الرموز التي يستطيع الذكاء الاصطناعي معالجتها في تبادل واحد. حجم الوعاء.
• اعتبارًا من مايو 2026، Claude Opus 4.7 / Sonnet 4.6 / GPT-5.5 / Gemini 3.1 Pro / DeepSeek V4-Pro جميعها تدعم 1M؛ ويصل Gemini 3.1 Ultra إلى 2M.
• الاختبارات المرجعية المستقلة (multi-needle NIAH) تُظهر أن Gemini 3 Deep Think فقط يحافظ على الدقة عبر كامل المليون؛ أما البقية فتبدأ بالتراجع عند 200K–400K.
• على صعيد التكلفة، Anthropic تبقى ثابتة بينما تُطبّق OpenAI رسومًا إضافية فوق 272K. تباين استراتيجي واضح.
• الأساليب الخمسة — اقطع الجلسة، أرسل مقتطفات، أعد الذكر في النهاية، خزّن مؤقتًا، صرّح بالعناوين — والأسلوبان ① و② يحملان الوزن الأكبر.

حتى مع الأوعية الأكبر، يبقى العمل الفعلي هو تقرير ما يجب إرساله وما يجب استبعاده. مهارة الذكاء الاصطناعي عام 2026 ليست «حشو كل شيء بداخله». بل القدرة على الحكم بإرسال ما يلزم فقط بدقة — هذا ما يبقى نافعًا على المدى الطويل. بعد مشاهدة خمسة مزوّدين يتوّجون أنفسهم «1M» هذا العام، تلك خلاصتي.

الأسئلة الشائعة