على مدى الشهرين الماضيين، استعرضتُ كلّ نموذج ذكاء اصطناعي عام رئيسي في مواجهة Wizey، واحدًا تلو الآخر. وهذا هو المقال المتوّج للسلسلة — مقارنة واحدة تضع ChatGPT، وMicrosoft Copilot، وGrok، وDeepSeek R1، وClaude، وGemini، وPerplexity جنبًا إلى جنب مع Wizey عبر الأبعاد التي تهمّ فعلًا مريضًا يفسّر نتائج تحاليله في 2026.
لن أدّعي أنّ هذه مراجعة محايدة — فنحن من نبني Wizey، ونحن صريحون بشأن المواضع التي يتفوّق فيها التخصّص على العمومية. لكنّني صريح أيضًا بشأن المواضع التي يتفوّق فيها كلّ نموذج عام حقًّا. الإطار الصحيح ليس «أيّ ذكاء اصطناعي هو الأفضل» بل «أيّ ذكاء اصطناعي هو الأفضل لأيّ مهمة». اقرأ هذا بوصفه شجرة قرار، لا لوحة نتائج.
نمط الفشل المشترك بين كل النماذج العامة
قبل الخوض في الفروقات، إليك ما تشترك فيه جميعها. كلّ نموذج لغوي كبير عام في هذه المقارنة — بغضّ النظر عن العلامة التجارية أو البنية أو استراتيجية المواءمة — يعمل وفق مبدأ توليدي: التنبّؤ بالتوكن التالي الأكثر احتمالًا بناءً على السياق. وهذه بنية رائعة لمهام اللغة. أمّا في التفسير العددي المنظَّم لمجموعة تحاليل متعددة المؤشّرات، فيصطدم بأربع مشكلات متكرّرة:
- الضياع في المنتصف. موثَّق في Liu et al., 2023، وهو الأثر الذي تُولي فيه النماذج اللغوية الكبيرة اهتمامًا بأطراف السياق الطويل أكثر من وسطه. يؤثّر في كلّ نموذج هنا، بغضّ النظر عن حجم نافذة السياق.
- الهلوسة الواثقة. تنتج النماذج التوليدية نصًّا معقولًا، لا حقائق مُتحقَّقًا منها. وفي الطب، يتباعد المعقول عن الصحيح بما يكفي من التكرار ليكون ذا أهمية — وهو خطر وثّقته مراجعات عدّة في The Lancet Digital Health (2024).
- بلا وسيط منظَّم. تجري قراءة ملف PDF ضمن تمريرة توليدية واحدة دون أيّ جدول مُستخلَص يمكنك تدقيقه.
- انقسام الأفراد مقابل المؤسسات في الخصوصية. معظم النماذج العامة مشمولة بـ HIPAA في مستوياتها التجارية فقط. والمرضى يستخدمون المستوى الاستهلاكي. والحدّ الأدنى من التوقّعات للخدمات المشمولة موضَّح في إرشادات HHS بشأن HIPAA والحوسبة السحابية.
وبأخذ ذلك أساسًا، دعني أستعرض كلّ منافس والمقابلة مع Wizey.
ChatGPT (OpenAI) — الأساس المنتشر في كل مكان
أرسى ChatGPT التوقّع بـ«محادثة ملف PDF لتحاليلك». فهو النموذج الأكثر اختبارًا، ويملك أوسع منظومة إضافات، وتتعامل نسخه في حقبة 2026 مع ملفات PDF والصور بشكل أصيل. وقد وثّقت دراسة في Nature Medicine عام 2024 أنّ النماذج اللغوية الكبيرة العامة أنتجت توصيات طبية معقولة لكنها خاطئة في 8–15% من الحالات.
نقاط القوة: أفضل استرجاع للمعرفة العامة، ومنظومة ضخمة، وأداء موثوق على الأسئلة الشائعة.
نقاط الضعف: الضياع في المنتصف على المجموعات الكثيفة، وخطر الهلوسة في السياقات الطبية، والمستوى الاستهلاكي يتدرّب على المحادثات افتراضيًا ما لم تُلغِ ذلك، ولا تتوفّر اتفاقية BAA بموجب HIPAA في المنتج الاستهلاكي.
الحكم: استخدمه لشرح المصطلحات، والترجمة، والقراءة العامة. لا تستخدمه لتفسير تحاليل متعددة المجموعات. طالع التحليل المعمّق: Wizey vs ChatGPT — المقارنة المِحورية.
Microsoft Copilot — بمستوى المؤسسات لكنّه ما زال عامًّا
Copilot من فئة GPT-4o/5 عبر Azure، مع طبقة سياق Microsoft Graph للاستخدام في العمل. والاستضافة المؤسسية مع اتفاقية BAA ميزة حقيقية، وتوثّق Microsoft تعاملها مع البيانات في دليل خصوصية وأمان Microsoft 365 Copilot.
نقاط القوة: حوكمة بيانات مؤسسية، وتكامل مع Office، وتوفّر اتفاقية BAA بموجب HIPAA في M365 Copilot لـ Microsoft 365 Business وEnterprise.
نقاط الضعف: النموذج الأساسي نفسه الذي في ChatGPT بالقيود الطبية نفسها؛ وسياق Microsoft Graph عديم الفائدة لتفسير التحاليل؛ وCopilot الاستهلاكي غير مشمول باتفاقية BAA.
الحكم: خيار مبرَّر لعيادة تبني أدوات إنتاجية داخلية. ليس مفسِّرًا للتحاليل. طالع: Wizey vs Microsoft Copilot.
Grok (xAI) — ويب فوري، ونبرة متساهلة
يركّز Grok على محورين مميّزين: الاسترجاع الحيّ عبر منصة X والويب المفتوح، ونبرة أقلّ تقييدًا عمدًا مقارنةً بنظرائه.
نقاط القوة: أسرع وصول إلى المعلومات العاجلة، واستعداد للتعامل مع مواضيع ترفضها نماذج أخرى، وقوّة في البرمجة والاستدلال في النسخ الأخيرة.
نقاط الضعف: النبرة المتساهلة عبء في الطب — إذ يجيب بثقة عن أسئلة سريرية تتحفّظ إزاءها نماذج أخرى عن حقّ؛ ولا تتوفّر اتفاقية BAA بموجب HIPAA؛ والبيانات الفورية ليست بيانات طبية.
الحكم: مسلٍّ للاستخدام العام. تجنّبه في الاستدلال الطبي. طالع: Wizey vs Grok (xAI).
DeepSeek R1 — استدلال مفتوح الأوزان
DeepSeek R1 جعل الاستدلال مفتوح الأوزان سائدًا. مُرخَّص بموجب MIT، وقويّ في الرياضيات والبرمجة، وبسلسلة تفكير ظاهرة.
نقاط القوة: يمكن نشره على البنية المحلية (قيمة حقيقية لبعض البيئات السريرية)، وقوّة في الرياضيات والمنطق، وآثار استدلال شفّافة.
نقاط الضعف: قد تجعل سلسلة التفكير الهلوسات أكثر إقناعًا، وليس جهازًا طبيًا، والتفرّعات المجتمعية للاستخدام الطبي غير مُتحقَّق منها.
الحكم: مفيد بوصفه لبنة استدلال داخل نظام طبي أكبر مزوَّد بضوابط حماية. ليس أداة تحاليل موجَّهة للمريض بمفرده. طالع: Wizey vs DeepSeek R1.
Claude (Anthropic) — النموذج العام المُعاير
دُرِّب Claude بـالذكاء الاصطناعي الدستوري (Bai et al., 2022) وRLAIF، وأثر ذلك ظاهر. تحفّظ أكثر دقّة، وتلفيق أقلّ إسهابًا، وقراءة للوثائق الطويلة أفضل من معظم النظراء.
نقاط القوة: أفضل معايرة لعدم اليقين بين النماذج العامة، وتوفّر اتفاقية BAA بموجب HIPAA في API وEnterprise مع خيار عدم الاحتفاظ بالبيانات (Zero Data Retention)، وقوّة في الاستدلال على السياق الطويل.
نقاط الضعف: ما زال نموذجًا لغويًا كبيرًا توليديًا بلا استخلاص منظَّم ولا رسم معرفي طبي؛ وclaude.ai الاستهلاكي غير مشمول باتفاقية BAA؛ ويبالغ أحيانًا في التحفّظ إزاء أسئلة طبية مشروعة.
الحكم: أفضل نموذج عام لمهام القراءة والكتابة الطبية. لكنّه ما زال ليس مفسِّرًا للتحاليل. طالع: Wizey vs Claude.
Gemini (Google) — متعدّد الوسائط، وسياق يتجاوز مليون توكن
تعدّد وسائط أصيل عبر النصّ والصورة وملفات PDF والفيديو والصوت، مع سياق يتجاوز مليون توكن ونَسَب يعود إلى Med-PaLM.
نقاط القوة: أفضل قراءة متعددة الوسائط لملفات PDF/الصور، والأقوى على مسوحات التحاليل النظيفة، ونشره على Vertex AI تتوفّر معه اتفاقية BAA بموجب HIPAA.
نقاط الضعف: تطبيق Gemini الاستهلاكي غير مشمول باتفاقية BAA؛ وتعدّد الوسائط لا يفيد مع صور الهاتف الفوضوية والملاحظات المكتوبة بخطّ اليد؛ وما زال «الضياع في المنتصف» ينطبق على السياقات الطويلة؛ ومخرَج توليدي بلا وسيط منظَّم.
الحكم: الأفضل بين النماذج العامة لمهام قراءة الوثائق. لكنّ OCR المتخصّص لدى Wizey ما زال يتفوّق على المسوحات الفوضوية من العالم الواقعي. طالع: Wizey vs Gemini.
Perplexity — معزَّز بالبحث مع استشهادات ظاهرة
حوّل Perplexity تقنية RAG إلى منتج استهلاكي باستشهادات ضمن النصّ واسترجاع فوري من الويب.
نقاط القوة: مصادر ظاهرة، وحداثة، ورائع لمسح الأدبيات.
نقاط الضعف: الاستشهاد ليس تحقّقًا؛ ومتن الويب المفتوح يخلط المصادر المُحكَّمة بالمدوّنات والمنتديات؛ وينتقي مقتطفات خارج سياقها؛ والمستوى الاستهلاكي غير مشمول باتفاقية BAA.
الحكم: مفيد للأطباء والباحثين الذين يجرون مسحًا للأدبيات. محفوف بالمخاطر لتفسير التحاليل من جانب المريض. طالع: Wizey vs Perplexity.
Wizey — ذكاء اصطناعي طبي متخصّص
Wizey ليس نموذجًا عامًّا. فخطّ المعالجة مبنيّ لغرض محدّد: OCR طبي متخصّص → استخلاص منظَّم ضمن مخطَّط مُتحقَّق منه (المؤشّر، والقيمة، والوحدة، والنطاق المرجعي، والتاريخ) → استدلال سريري مؤصَّل في رسم معرفي طبي مُنسَّق وبروتوكولات مُتحقَّق منها → تتبّع طولي للسلاسل الزمنية عبر الزيارات.
نقاط القوة: استخلاص منظَّم صامد أمام المسوحات الفوضوية؛ واستدلال سريري بين المؤشّرات في الرسم المعرفي؛ ورفض بدل الهلوسة عند الخروج عن البروتوكول؛ وتتبّع طولي للاتجاهات بشكل أصيل؛ ومبنيّ للمعلومات الصحية المحمية (PHI) منذ البداية.
نقاط الضعف: نطاق ضيّق — فنحن لا نكتب أكوادًا، ولا نصوغ رسائل بريد إلكتروني، ولا نلخّص مقاطع YouTube. نحن نفسّر مجموعات التحاليل، ونتتبّعها عبر الزمن، ونساعدك على الاستعداد لمحادثة سريرية.
الحكم: استخدمه حين تكون المهمة تحويل ملف PDF لتحاليلك إلى تفسير متماسك سريريًا يمكنك أن تعرضه على طبيبك.
جدول المقارنة عبر 12 بُعدًا
| البُعد | ChatGPT | Copilot | Grok | DeepSeek R1 | Claude | Gemini | Perplexity | Wizey |
|---|---|---|---|---|---|---|---|---|
| البنية | LLM عام | LLM عام (GPT-4o عبر Azure) | LLM عام | LLM استدلالي مفتوح الأوزان | LLM عام (دستوري) | LLM عام متعدّد الوسائط | RAG على الويب المفتوح | خطّ معالجة طبي متخصّص |
| قراءة PDF/الصور | جيدة (متعدّد الوسائط) | جيدة (متعدّد الوسائط) | مقبولة | محدودة | جيدة جدًا | ممتازة (أصيلة) | مقبولة | ممتازة (OCR طبي) |
| الاستخلاص العددي | توليدي | توليدي | توليدي | توليدي | توليدي | توليدي | توليدي | مُنظَّم حتمي |
| تأصيل المعرفة الطبية | أثر التدريب | أثر التدريب | أثر التدريب | أثر التدريب | أثر التدريب | أثر التدريب + Med-PaLM | استرجاع من الويب المفتوح | رسم معرفي مُنسَّق |
| خطر الهلوسة (طبيًا) | مرتفع | مرتفع | مرتفع جدًا | مرتفع | متوسّط | متوسّط | متوسّط-مرتفع | مقيَّد بالبروتوكول |
| معالجة السياق الطويل | جيدة، متأثّرة بـ LITM | جيدة، متأثّرة بـ LITM | جيدة، متأثّرة بـ LITM | جيدة | جيدة جدًا، متأثّرة بـ LITM | ممتازة، متأثّرة بـ LITM | لا ينطبق (يسترجع مقاطع) | مُنظَّمة، غير متأثّرة |
| التتبّع الطولي | لا | لا | لا | لا | لا | لا | لا | سلاسل زمنية أصيلة |
| الاستدلال بين المؤشّرات | مُرتجَل | مُرتجَل | مُرتجَل | مُرتجَل | مُرتجَل | مُرتجَل | مُرتجَل | صريح في الرسم المعرفي |
| الاستشهادات | لا شيء | لا شيء | بعضها | بعضها | بعضها | بعضها | كثيرة (جودة متفاوتة) | مؤصَّلة في مصادر موثَّقة |
| BAA لـ HIPAA للأفراد | لا | لا | لا | لا | لا | لا | لا | مدمَج |
| BAA لـ HIPAA للمؤسسات | نعم عبر API | نعم عبر M365 | لا | استضافة ذاتية | نعم عبر API | نعم عبر Vertex AI | محدود | مدمَج |
| أفضل مهمة | شرح المصطلحات | إنتاجية المؤسسات | التصفّح الفوري | لبنة استدلال | القراءة/الكتابة الطبية | قراءة الوثائق | مسح الأدبيات | تفسير التحاليل |
(LITM = الضياع في المنتصف)
شجرة القرار — أيّ أداة لأيّ مهمة
إليك طريقة بسيطة للاختيار:
- «أريد أن أفهم معنى مصطلح طبي.» → Claude أو ChatGPT خيار مناسب.
- «أريد ترجمة تقرير تحاليلي من لغة أخرى.» → Gemini (متعدّد الوسائط) أو Claude.
- «أريد مسح الأدبيات الحديثة حول دواء ما.» → Perplexity Pro، أو ChatGPT مع التصفّح، أو Claude مع إرفاق ملف.
- «أنا عيادة تبني أدوات إنتاجية داخلية.» → Copilot (اتفاقية BAA عبر M365) أو Claude Enterprise أو Gemini على Vertex AI.
- «أريد تفسير مجموعة تحاليلي، ورصد الأنماط بين المؤشّرات، وتتبّع الاتجاهات عبر الزمن.» → Wizey.
- «أريد برمجة خطّ معالجة لبيانات طبية.» → Claude أو GPT-4o أو DeepSeek R1.
- «أريد نموذجًا يرفض الطلبات الخطِرة بموثوقية.» → Claude.
- «أحتاج أسرع وصول فوري إلى الويب.» → Grok أو Perplexity.
- «أحتاج أوزانًا مفتوحة أستضيفها على بنيتي المحلية.» → DeepSeek R1.
- «أريد منتجًا استهلاكيًا ألصق فيه ملف PDF وأثق به.» → Wizey. لا يوجد بين المنتجات الاستهلاكية العامة ما هو مشمول بـ HIPAA، وواحد فقط منها بُني لهذه المهمة.
ما الذي يتغيّر بحلول 2027
تنبّؤ صادق، بلا مبالغة:
- القراءة متعددة الوسائط للوثائق النظيفة ستُحلّ فعليًا عبر جميع النماذج الرائدة.
- «الضياع في المنتصف» سيُخفَّف لكن لن يُزال كليًا دون تغييرات معمارية.
- ستواصل معدّلات الهلوسة انخفاضها لكنها لن تبلغ الصفر في الاستدلال الطبي المفتوح.
- ستمتدّ تغطية اتفاقية BAA بموجب HIPAA أكثر إلى المستويات الاستهلاكية — وهذا يحدث بالفعل.
- ستتعمّق خطوط المعالجة الطبية المتخصّصة في التحليل الطولي، والتكامل متعدّد المصادر (الأجهزة القابلة للارتداء، والتصوير، وعلم الجينوم)، والإبلاغ الصريح عن عدم اليقين.
الفارق البنيوي بين التوليد والاستخلاص-والتحقّق يضيق لكنه لا ينغلق على مسار المحوّلات الحالي.
أسئلة شائعة موجزة
أيّ ذكاء اصطناعي عام هو الأفضل لتفسير التحاليل في 2026؟ لا أحد. جميعها تتشارك نمط الفشل التوليدي نفسه. Claude وGemini هما الخياران الأكثر تبريرًا للمهام ذات الصلة (القراءة، والترجمة، والشرح).
إن كان لا بدّ من استخدام نموذج عام، فأيّها لمواضيع الصحة؟ Claude لمعايرة عدم اليقين، وGemini للمدخلات متعددة الوسائط. لكليهما مسارات BAA مؤسسية إن كانت هناك معلومات صحية محمية (PHI).
ما الذي يفعله Wizey ولا يفعله أيّ نموذج عام؟ OCR طبي متخصّص، واستخلاص منظَّم، ورسم معرفي طبي مُنسَّق، واستدلال بين المؤشّرات، وتتبّع طولي، ورفض مُقيَّد — وكلّها خيارات معمارية، لا على مستوى التوجيه (prompt).
هل هذه المقارنة متحيّزة لأنّ Wizey كتبها؟ نحن نُقرّ بنقاط القوة الحقيقية لكلّ منافس ونكون صريحين بشأن ملاءمة الأداة للمهمة. الحجّة ضيّقة: في المهمة المحدّدة لتفسير التحاليل من جانب المريض، يفوز التخصّص.
هل سيتغيّر هذا في 2027؟ ستواصل النماذج العامة تحسّنها. سيضيق الفارق البنيوي بين التوليد والاستخلاص-والتحقّق لكنّه سيبقى.
خلاصة القول
عام 2026 عام جيّد للذكاء الاصطناعي الطبي. النماذج العامة أدوات لافتة، لكلٍّ منها نقطة قوّة حقيقية — معايرة Claude، وتعدّد وسائط Gemini، واستشهادات Perplexity، وتكامل Copilot، وانفتاح DeepSeek، وحداثة Grok، وانتشار ChatGPT. وفي كثير من المهام القريبة من الرعاية الصحية، يمكن لأيٍّ منها أن يكون خيارًا مبرَّرًا.
أمّا في المهمة الضيّقة عالية المخاطر المتمثّلة في تحويل ملف PDF لتحاليلك إلى تفسير منظَّم متماسك سريريًا — مع استخلاص كلّ مؤشّر، والتحقّق من النطاقات المرجعية، ورصد الأنماط بين المؤشّرات، وتتبّع الاتجاهات الطولية — فإنّ خطّ معالجة متخصّصًا هو البنية الصحيحة. ولهذا بنينا Wizey. وتفصّل بقية هذه السلسلة الأمر لكلّ منافس على حدة؛ والمقارنة المِحورية Wizey vs ChatGPT هي الحجّة المرجعية المطوَّلة.
