DeepSeekV3 مقابل Claude-Sonnet مقابل o1-Mini مقابل Gemini-ept-1206: اختبار مساعدات الذكاء الاصطناعي للبرمجة في سيناريوهات واقعية

في عالم البرمجة بمساعدة الذكاء الاصطناعي اليوم، أصبح اختيار المساعد المناسب للذكاء الاصطناعي أكثر أهمية من أي وقت مضى. كمستخدم طويل الأمد لمساعدات الذكاء الاصطناعي للبرمجة، أجريت مؤخرًا تجربة مثيرة لمقارنة أربعة مساعدات رئيسية للذكاء الاصطناعي للبرمجة في مشروع حقيقي. لم تمنحني هذه التجربة رؤى أعمق حول كل نموذج فحسب، بل كشفت أيضًا عن بعض النتائج المدهشة.

خلفية التجربة: حاجة تطوير حقيقية

خلال عطلة عيد الميلاد، بدأت في تطوير مشروع مساعد منزل أكثر ذكاءً، بهدف إنشاء شيء أفضل من Google Home وAlexa. كانت إحدى الميزات الرئيسية هي تنفيذ نظام ذاكرة للذكاء الاصطناعي - على سبيل المثال، عندما يقول المستخدم "لا أحب البيض، تذكر ذلك"، سيتجنب النظام التوصية بالوصفات التي تحتوي على البيض في المستقبل.

لتنفيذ هذه الميزة، كنت بحاجة إلى تطوير مشروع Azure Functions كوسيط، والتعامل مع تفاعلات البيانات مع Azure Table Storage، ودمجه في تطبيق Blazor WASM موجود. تضمن هذا المطلب الذي يبدو بسيطًا في الواقع جوانب متعددة بما في ذلك إنشاء المشروع، والنشر على السحابة، وتوسيع ميزات المشروع الحالي، مما يجعله مثاليًا لاختبار مساعدات الذكاء الاصطناعي للبرمجة.

Claude-Sonnet: المخضرم الموثوق

أظهر Claude-Sonnet أداءً يشبه مهندسًا كبيرًا ذا خبرة. طوال عملية التطوير، أظهر قدرة استثنائية على التحكم في جودة الكود، واكتشاف المشكلات وإصلاحها تلقائيًا في الكود، وحتى ملء عناوين URL للأدوات بذكاء بعد النشر. ومع ذلك، فإن خدمات هذا "المخضرم" ليست رخيصة. في نسخة API الأساسية، وصل إلى الحد بعد 0.2 دولار فقط، مما أجبر على التبديل إلى OpenRouter. والأكثر دهشة، ارتفعت التكلفة عبر OpenRouter إلى 2.1 دولار، مع بعض التدهور في الأداء.

DeepSeekV3: الحصان الأسود

كان أداء DeepSeekV3 مثيرًا للإعجاب حقًا. اختبرته عبر كل من OpenRouter وAPI الرسمي، بنتائج مختلفة بشكل لافت. عبر OpenRouter، بدا غير متقن بعض الشيء، مع تكرار للكود ووظائف محدودة. ومع ذلك، عند استخدام API الرسمي، كان الأمر وكأنه نموذج مختلف تمامًا - جودة الكود تقارب تقريبًا جودة Claude، وتشغيل سلس، ونهج فريد في الحلول. الأكثر إثارة للإعجاب كان ميزة السعر الخاصة به، حيث أكمل المهمة بأكملها مقابل 0.02 دولار فقط. في مرحلة النشر، بينما اختار طريقة النشر اليدوي التقليدية باستخدام zip، أظهر بعض القدرات المدهشة، مثل العثور تلقائيًا على الموارد وإنشاء سلاسل اتصال التخزين.

Gemini-ept-1206: آلام النمو للوافد الجديد الواعد

يبدو Gemini وكأنه وافد جديد واعد لكنه يفتقر إلى الخبرة. أظهر أقوى تفاعل بين جميع النماذج، حيث سأل بشكل استباقي عن إصدارات وقت التشغيل وتفاصيل أخرى. تفوق في تكوين النشر، وتوقع إعداد متغيرات البيئة. ومع ذلك، أظهر أيضًا بعض "آلام النمو": سرعة معالجة بطيئة، غالبًا ما تستغرق 20 دقيقة لإكمال المهام؛ قيود على الرموز (tokens)، تتطلب غالبًا جلسات متعددة؛ والأكثر إحباطًا، حتى بعد 24 ساعة، بقيت إحصاءات التكلفة غير واضحة، مما يجعل من المستحيل تقييم تكاليف الاستخدام بدقة.

o1-Mini: وعود لم تتحقق

كان أداء o1-Mini مخيبًا للآمال إلى حد ما. بدأ بشكل جيد، مع إعداد مشروع سهل وجودة كود أولية مقبولة. لكن الأمور ساءت من هناك: أوقات استجابة بطيئة، افتراضات خاطئة متكررة (مثل إنشاء مجموعات موارد في مواقع جغرافية خاطئة)، وحلول مشكلات غير فعالة. بعد إنفاق 2.2 دولار، اقترح حتى تخفيض إصدار .NET لحل المشكلات، مما أجبرني على إنهاء الاختبار مبكرًا.

رؤى وتوصيات عملية

من خلال هذه التجربة، توصلت إلى بعض الاستنتاجات العملية. للمطورين الأفراد والمشاريع الصغيرة، يعد DeepSeekV3 بلا شك الخيار الأفضل، حيث يوازن بشكل مثالي بين جودة الكود والتكلفة. لأولئك الذين لديهم ميزانية كافية، يظل Claude-Sonnet خيارًا موثوقًا به للتطوير على مستوى المؤسسة. يناسب Gemini السيناريوهات التي تتطلب توجيهًا تفاعليًا مفصلاً، بينما قد يجد o1-Mini مكانه في مشاكل تحسين الخوارزميات المحددة.

من الجدير بالملاحظة أن استخدام هذه النماذج عبر OpenRouter غالبًا ما يؤثر على أدائها، لذلك يوصى باستخدام واجهات برمجة التطبيقات (APIs) الرسمية عندما يكون ذلك ممكنًا. بالإضافة إلى ذلك، يجب أن نعترف بأن مجال مساعدات الذكاء الاصطناعي للبرمجة يتطور بسرعة، حيث تقوم جميع النماذج بتحسين قدراتها باستمرار. يمكن أن يتغير المشهد التنافسي بشكل كبير في المستقبل. يجب أن يعتمد اختيار مساعد الذكاء الاصطناعي المناسب على متطلبات المشروع المحددة، والقيود المالية، وسيناريوهات التطوير، بدلاً من اتباع أي خيار معين بشكل أعمى.