Dessa مقابل Qwen3.8-Max: توكن إخراج بقيمة 6 دولارات مقابل نموذج بلا سعر

Qwen3.8-Max يفرض رسومًا قدرها 2.00 دولار لكل مليون رمز إدخال و6.00 دولارات لكل مليون رمز إخراج. Dessa لا يفرض أي رسوم، لأن Block لا تبيعه ولا تستضيفه ولا تصدره. هذا ليس انتقاصًا من Dessa — بل هو المقارنة بأكملها. أحد النموذجين طراز رائد مسعّر وقابل للاستدعاء ومُقيَّم بشكل مستقل؛ والآخر معاينة بحثية في مجال الكلام أُعلن عنها في 23 أكتوبر 2026 مع قائمة انتظار وصفحة عرض توضيحي. ووضعهما جنبًا إلى جنب مفيد تحديدًا لأنهما يقعان على طرفي نقيض من سؤال المنتج نفسه: كم يكلّف منح المستخدم صوتًا؟

Qwen3.8-Max هو الطراز الرائد المستضاف من Alibaba، أُعلن عنه في 3 أغسطس 2026، وهو نموذج خليط خبراء متناثر بمعاملات تبلغ 2.4 تريليون معامل، مع نحو 95 مليار معامل نشط لكل رمز. أما Dessa فهو نموذج Block للكلام إلى الكلام كامل الازدواجية، دُرّب من الصفر على محادثات بشرية دون نص ودون نماذج مدربة مسبقًا. أحدهما يقرأ ويستدل عبر مليون رمز من النص. والآخر يستمع ويتحدث في الوقت نفسه. لا يستطيع أي منهما القيام بعمل الآخر، وواحد فقط منهما يمكن استدعاؤه اليوم.

ما هو الغرض الفعلي من كل نموذج

Qwen3.8-Max محرك عام الأغراض للاستدلال والتوليد. يستقبل النصوص والصور والفيديو ويعيد نصًا، بنافذة سياق تبلغ نحو مليون رمز، وإخراج أقصى يبلغ 131,072 رمزًا، ووضع تفكير يمكنه إنفاق ما يصل إلى 262,144 رمزًا على سلسلة التفكير. جدول المعايير الخاص بـ Alibaba نفسه موجّه إلى الاستدلال المتقدم والعمل الوكيلي: GPQA Diamond 92.6، وPaperBench 93.0، وOSWorld 86.1، وBabyVision 82.0، وكلها مُبلّغ عنها من المورّد. أما Artificial Analysis، وهي مستقلة، فتضعه عند 45 على مؤشر الذكاء لديها، وتقيس 42.4 رمز إخراج في الثانية.

Dessa واجهة محادثة. تستقبل بثًا صوتيًا وتعيد بثًا صوتيًا، دون أي نص بينهما، وهي كاملة الازدواجية، أي أنها تستطيع الاستماع أثناء التحدث. تُظهر عروض Block التوضيحية أنها تتفاعل بإشارات استماع قصيرة، وتضحك في منتصف الجملة، وتطابق مستوى الصوت، وتُكمل عنوان فيلم نسيه المتحدث. لا يوجد جدول تقييم أداء، ولا عدد معلمات، ولا نافذة سياق لأنه لا توجد واجهة رموز لقياسها.

هذه ليست إجابات متنافسة على سؤال واحد. إنها إجابات عن سؤالين يجب على منتج صوتي أن يطرحهما بالتتابع: كيف يفهم النظام، وكيف يتحدث؟

الأرقام، والفراغ الذي يجب أن يكون فيه اسم ديسا

كل رقم من أرقام Qwen أدناه مأخوذ من وثائق التسعير والنماذج المنشورة الخاصة بـ Alibaba أو من Artificial Analysis، وموسوم وفقًا لذلك. وكل رقم من أرقام Dessa مأخوذ من صفحة إعلان Block، التي لا تنشر سوى القليل جدًا.

• السعر — Qwen3.8-Max: 2.00 دولار للمدخلات و6.00 دولار للمخرجات لكل مليون رمز، مقابل Dessa دون سعر.

• الإدخال المخزّن مؤقتًا — Qwen3.8-Max: 0.25 دولار لكل مليون رمز، مقابل Dessa: لا ينطبق.

• المعاملات — Qwen3.8-Max بإجمالي 2.4 تريليون معامل، ونحو 95 مليار معامل نشط، مقابل Dessa غير المُعلَنة.

• السياق — Qwen3.8-Max حوالي 1,000,000 رمز؛ تذكر Artificial Analysis 984k، بينما Dessa غير مذكور.

• الحد الأقصى للمخرجات — Qwen3.8-Max: 131,072 رمزًا، مقابل Dessa: لا ينطبق، لأن المخرجات صوتية.

• الوسائط — Qwen3.8-Max: إدخال نص وصورة وفيديو، وإخراج نص، مقابل Dessa: إدخال صوت، وإخراج صوت.

• درجة مستقلة — Qwen3.8-Max 45 على مؤشر Artificial Analysis Intelligence Index مقابل لا شيء لـ Dessa.

• معايير البائعين — Qwen3.8-Max GPQA Diamond 92.6، وOSWorld 86.1 مقابل Dessa التي لا تقدّم أي ادعاءات كمية على الإطلاق.

• التوافر — Qwen3.8-Max واجهة برمجة تطبيقات مسعّرة منذ أغسطس 2026 مقابل Dessa، التي تتوفر عبر قائمة انتظار ومعاينة محدودة لباحثي السلامة.

• الترخيص — Qwen3.8-Max واجهة برمجة تطبيقات تجارية مستضافة، مع إصدار منفصل مفتوح الأوزان وفق شروطه الخاصة، مقابل Dessa التي لم يُنشر أي ترخيص لها.

يسمع المرء، ويقرأ

الفجوة في الوسائط هي الجزء الذي يضيع عند مقارنة المواصفات. يقبل Qwen3.8-Max النصوص والصور والفيديو، ويُخرج النصوص. أما الصوت فليس من بين وسائط الإدخال لديه، وهو لا يُخرج الصوت إطلاقًا؛ فلا يوجد في سلسلة Qwen3.8 أي نموذج يحوّل الكلام إلى كلام.

وهذا يعني أن أي منتج صوتي مبني على Qwen3.8-Max هو بالضرورة خط معالجة: فالتعرّف على الكلام يحوّل صوت المتصل إلى نص، ويستدل Qwen3.8-Max على ذلك النص، ثم يحوّل تخليق الكلام الرد مرة أخرى إلى صوت. وكل مرحلة مورد منفصل، ونمط فشل منفصل، وسطر منفصل في الفاتورة. خط المعالجة هذا يعمل — وهكذا تُبنى معظم وكلاء الصوت في بيئات الإنتاج اليوم — لكنه ينطوي على تكلفة هيكلية صُممت بنية Dessa لإزالتها.

الميزة البنيوية لدى Dessa ليست الذكاء، بل إنه لا يوجد نص مكتوب يجب الالتزام به. على خط المعالجة أن يقرر متى تنتهي من الكلام قبل أن يستطيع الرد؛ أما النموذج ثنائي الاتجاه فلا يحتاج إلى ذلك. لهذا يمكن لعروض Block التوضيحية أن تُظهر التداخل والمقاطعة، ولهذا يتعين على خط المعالجة أن يتصنّع هذين السلوكين عبر كشف نقطة النهاية ومنطق المقاطعة الذي يلغي المُركّب الصوتي في منتصف الكلمة.

ما التكلفة الفعلية لوكيل صوتي مباشر على Qwen3.8-Max

الحساب أكثر اطمئنانًا مما توحي به قائمة الأسعار. محادثة منطوقة مدتها عشر دقائق تبلغ نحو 1,500 كلمة، أي حوالي 2,000 رمز إدخال عند تضمين موجه النظام وسجل المحادثة. والرد بالطول نفسه يبلغ نحو 1,000 رمز إخراج إذا كان الوكيل مقتضبًا. وبسعر 2.00 دولار و6.00 دولارات لكل مليون رمز، يكون ذلك 0.004 دولار للإدخال و0.006 دولار للإخراج — أي نحو سنت واحد من تكلفة نموذج اللغة لكل مكالمة مدتها عشر دقائق.

عند 10,000 مكالمة يوميًا، تبلغ فاتورة نموذج اللغة نحو 100 دولار يوميًا، أو حوالي 3,000 دولار شهريًا. هذا ليس مبلغًا هيّنًا، لكنه من شبه المؤكد أصغر من فاتورة التعرف على الكلام وتوليده لنفس الحجم، وأصغر من تكلفة الهندسة لطبقة التنسيق. الفكرة الحدسية بأن الصوت مكلف لأن الرموز مكلفة خاطئة في الأسعار الحالية. الصوت مكلف لأن إدخال الصوت وإخراجه مكلفان، ولأن زمن استجابة خط المعالجة هو مجموع مراحله.

سياق المليون رمز يغيّر ما يستطيع الوكيل الاحتفاظ به. ومكالمة مدتها عشر دقائق ليست إلا خطأ تقريب لا يُذكر مقابل تلك النافذة، ما يعني أن النظام يستطيع حمل النص الكامل للمحادثة، وملف العميل، ووثيقة سياسات دفعة واحدة دون استرجاع. وهذه قدرة لا تملك Dessa أي واجهة لها على الإطلاق — فالنموذج الصوتي فقط لا يستطيع قراءة وثيقة السياسات.

ميزانية زمن الاستجابة هي حيث تتباين البنى المعمارية.

في مسار المعالجة، يتوقف المستخدم عن الكلام، وينتظر المتعرّف على الكلام نقطة نهاية، وينتج النموذج اللغوي أول رمز، وينتج مُركّب الكلام أول صوت. إن بث كل مرحلة يخفي بعضًا من ذلك، لكن السلسلة لا يزال لها حد أدنى، وتعني المقاطعة (barge-in) تفكيك مُركّب الكلام وإعادة تشغيل المتعرّف على الكلام. والنتيجة هي الإيقاع المألوف للمساعد الصوتي: توقف، ثم رد، ثم توقف.

تزعم Dessa أن الإيقاع يختفي لعدم وجود سلسلة. وتقول Block إن الاستدلال يعمل أسرع من الزمن الحقيقي على MacBook Pro M4 Max، وهذا — إن صح — يعني أن النموذج ليس عنق الزجاجة. لكن الشركة لا تنشر أي رقم لزمن الاستجابة بالمللي ثانية، ولا معدلًا للتعافي من المقاطعات، ولا أي قياس في ظروف الشبكة أو الضوضاء الخلفية. عبارة «أسرع من الزمن الحقيقي» تصف معدل الإنتاجية، لا سرعة الاستجابة. يمكن للنموذج أن يولّد الصوت أسرع من تشغيله، ومع ذلك يستغرق 800 مللي ثانية للتفاعل مع مقاطعة.

بالنسبة لفريق المنتج، هذا الرقم الناقص هو كل شيء. السبب في اعتماد طراز مزدوج الوجهين هو التوقيت. وأي مورّد لا ينشر التوقيت لم يقدّم حجته بعد.

التوفر والتوجيه وما يمكنك فعله يوم الاثنين

Qwen3.8-Max موجود في كتالوج OrcaRouter، ما يعني أنه يمكن الوصول إليه عبر المفتاح نفسه المستخدم لباقي النماذج التي نوجّهها وعددها أكثر من 200، وبهامش ربح 0% — يُمرَّر سعر القائمة من المزوّد كما هو — مع تجاوز تلقائي للفشل بين المزوّدين. وإذا غيّرت Alibaba السعر، يصبح التغيير ساريًا لدينا في اليوم نفسه، لأنه لا توجد طبقة هامش ربح لإعادة التسعير. تتيح لغة DSL للتوجيه تركيب Qwen3.8-Max مع نموذج أرخص للجزء الأكبر من نص المحادثة والاحتفاظ بالنموذج الرائد لخطوة الاستدلال؛ ويمكن لدمج النماذج تشغيل مجموعة من النماذج على السؤال نفسه عندما تكون الإجابة أهم من الفاتورة.

هناك خيارات أرخص في العائلة نفسها إذا كان الطراز الرائد يفوق ما تحتاجه المهمة. Qwen3.8-27B متوفر في كتالوجنا بسعر $0.33 للمدخلات و$2.40 للمخرجات لكل مليون رمز، وQwen3.8-Flash بسعر $0.15 و$0.47. بالنسبة لوكيل صوتي تبلغ تكلفة نموذج اللغة لديه بالفعل نحو سنت واحد لكل مكالمة، فإن الطراز الرائد ميسور التكلفة؛ وتهمّ المستويات الأرخص عند الأحجام الأعلى أو الجولات الأبسط.

Dessa ليس ضمن كتالوجنا ولا نستضيفه. توفر صفحة Block قائمة انتظار ووصولاً مبكراً لمجموعة صغيرة من باحثي السلامة. لا يوجد API لتوجيه الطلبات، ولا سعر لتمريره، ولا نقطة نهاية للتبديل إليها عند الفشل.

عندما كانت ديسا ستغيّر الإجابة

إذا أطلقت Block واجهة برمجة تطبيقات بسعر معقول، فلن تعود المقارنة تدور حول الرموز بل حول الدقائق. المقياس الصحيح سيكون التكلفة لكل دقيقة من المحادثة الطبيعية، بما في ذلك التعرف على الكلام وتوليفه الذي تزيله Dessa. وبهذا المقياس، قد يتفوق نموذج ثنائي الاتجاه بتكلفة لا تتجاوز بضعة سنتات في الدقيقة على مسار معالجة تتجاوز فيه تكلفة مراحل الصوت تكلفة نموذجه اللغوي.

الشرط الثاني هو الجودة. نموذج ثنائي الاتجاه يكون لطيفًا لمدة ثلاثين ثانية ثم يبدو مرتبكًا بعد خمس دقائق أسوأ من خط معالجة أبطأ لكنه موثوق. عروض Block التجريبية أقصر وأكثر انتقائية من أن تجيب عن ذلك، وأسئلة الشركة المفتوحة نفسها — الاحتفاظ بالحقائق، وتعلّم اللغة، والتعلّم داخل السياق — هي بالضبط ما يحدد ما إذا كانت محادثة طويلة تتماسك أم لا.

ماذا أفعل الآن

ابنِ منتج الصوت على خط الأنابيب، لأنه الوحيد الذي له سعر وعقد. استخدم مُعرِّفًا قويًا ومُركِّبًا قويًا، وضع Qwen3.8-Max في الوسط حيث يحدث الاستدلال، وأبقِ طبقة نموذج اللغة قابلة للتبديل كي يمكن نقل الجزء المكلف عندما تتغير الأسعار. ثم راقب الرقمين اللذين قد يبرران إعادة البناء حول نموذج ثنائي الاتجاه: رقم كمون منشور وسعر لكل دقيقة.

المقارنة في سطر واحد: Qwen3.8-Max هو ما يمكنك شراؤه اليوم، وDessa هو ما قد ترغب في شرائه غدًا. والفجوة بينهما ليست في الذكاء، بل في بطاقة أسعار ونقطة نهاية ومعيار قياس — ثلاثة أشياء لم تنشرها Block بعد، وثلاثة أشياء تتخذها Alibaba مهنة لها.