قد يعطيك نموذج ذكاء اصطناعي إجابة عربية تبدو ممتازة، ثم تكتشف عند التدقيق أنه غيّر معنى مصطلح، تجاهل شرطًا بسيطًا، أو استخرج معلومة غير موجودة أصلًا في الصورة.
لهذا لا تكفي المواصفات الرسمية للإجابة عن سؤال: أيهما أفضل Fanar أم Falcon-H1 Arabic؟
اختبرنا الاثنين في مهام عربية متشابهة شملت الكتابة، اللهجة الخليجية، التلخيص، الحساب، البحث في الويب وقراءة الصور. وفي أقوى اختبار مباشر استخدمنا الصورة نفسها والبرومبت نفسه مع الطرفين.
الهدف ليس منح أحدهما لقب «أفضل نموذج ذكاء اصطناعي عربي» بصورة مطلقة، بل معرفة متى يكون Fanar أنسب للمستخدم الذي يريد أداة جاهزة، ومتى تكون قيمة Falcon-H1 Arabic أكبر للمطور أو المؤسسة.
في عينة المهام العربية التي اختبرناها، كان Fanar أكثر اتساقًا في الاستخدام اليومي، بينما يقدم Falcon-H1 Arabic قيمة مختلفة للمطورين والمؤسسات التي تريد نموذجًا يمكن دمجه وتشغيله ضمن بيئة تقنية خاصة.
ما الفرق بين Fanar وFalcon-H1 Arabic؟
هذه النقطة مهمة لأننا لا نقارن منتجين متطابقين تمامًا.
Fanar 2.0 منصة ذكاء اصطناعي عربية متعددة الخدمات موجهة للاستخدام المباشر. وبحسب ملاحظات إصدار Fanar 2.0 الرسمية، ارتفع حجم النموذج اللغوي الرئيسي من 9 إلى 27 مليار معامل، مع سياق أوسع وقدرات استدلال وتنفيذ تعليمات متعددة الخطوات، إلى جانب خدمات للصوت والصور والفيديو.
أما Falcon-H1 Arabic فهو عائلة نماذج عربية طورها معهد الابتكار التكنولوجي TII في أبوظبي. تتوفر بأحجام 3B و7B و34B، وتعتمد بنية هجينة تجمع بين Mamba وTransformer، مع تركيز على الفصحى واللهجات العربية والاستدلال والسياقات الطويلة.
ويختلف طول السياق حسب حجم النموذج: نسخة 3B تصل إلى 128 ألف توكن، بينما تصل نسختا 7B و34B إلى 256 ألف توكن وفق الوثائق التقنية المنشورة من فريق Falcon.
وهنا يظهر الفرق الأساسي: Fanar يبدأ من تجربة المستخدم، بينما Falcon-H1 Arabic يبدأ من النموذج نفسه.
ولهذا نفرق في هذه المقارنة بين Falcon-H1 Arabic كنموذج وبين Falcon Chat كواجهة وأدوات. ظهرت أهمية هذا الفرق أيضًا في مراجعتنا العملية لـFalcon-H1 وتجربته بالعربية؛ فالكتابة وفهم اللهجة أقرب إلى اختبار النموذج نفسه، بينما البحث ورفع الملفات ومفسر الشيفرة تعتمد أيضًا على خدمات داخل الواجهة.
Fanar أم Falcon؟ القرار السريع حسب استخدامك
| احتياجك | ما نميل إليه |
|---|---|
| مساعد ذكاء اصطناعي عربي جاهز للاستخدام اليومي | Fanar |
| فهم اللهجة والحفاظ على المعنى | Fanar في اختبارنا |
| تلخيص نص عربي مقيد بالمصدر | Fanar في اختبارنا |
| قراءة محتوى عربي داخل الصور | Fanar في الاختبار الموحد |
| البحث الحديث مع الالتزام بمصادر محددة | لا نعتمد على أي منهما دون تحقق |
| رفع وتحليل PDF من الواجهة | لم نتمكن من إكمال الاختبار بنجاح |
| نموذج عربي بأحجام مختلفة للتطوير | Falcon-H1 Arabic |
| تشغيل نموذج ضمن بيئة تقنية خاصة | Falcon-H1 Arabic |
هذا الجدول لا يعني أن Fanar «أقوى نموذجًا» من Falcon-H1 Arabic. هو يلخص ما ظهر في نطاق الاختبارات التي أجريناها وما يقدمه كل مشروع من طريقة استخدام مختلفة.
كيف اختبرنا النموذجين؟
اعتمدنا على مهام تشبه الاستخدام الحقيقي بدل الاكتفاء بأسئلة معلومات عامة أو نتائج الاختبارات المعيارية.
- كتابة عربية مع تعليمات متعددة.
- فهم تعبير خليجي وتحويله إلى الفصحى.
- تلخيص نص والحساب منه دون الخروج عن المصدر.
- البحث في الويب مع تقييد المصادر.
- تحليل مجموعة بيانات بسيطة.
- استخراج المعلومات من إنفوجرافيك عربي.
- محاولة التعامل مع ملف PDF.
وعند مقارنة النتائج ركزنا على ما ينطبق على كل مهمة من: الالتزام بالتعليمات، دقة المعلومات، الحفاظ على المعنى، اكتمال المطلوب، إضافة معلومات غير موجودة، وجودة العربية. أما السرعة فسجلناها كملاحظة فقط عندما ظهر فرق واضح، ولم ندخلها كمعيار حاسم لأننا لم نقس الزمن بدقة.
وفي اختبار الصورة استخدمنا نفس الصورة ونفس التعليمات حرفيًا مع الطرفين. هذه المنهجية تتوافق مع طريقة تقييم أدوات الذكاء الاصطناعي في AI CITY التي تفصل بين ما تعلنه الجهة المطورة وما تثبته التجربة العملية.
اختبار الكتابة والالتزام بالتعليمات
بدأنا بمهمة تبدو سهلة: كتابة مقدمة عربية من 70 إلى 90 كلمة لمقال موجه إلى المعلمين، مع عدة شروط تتعلق بالبداية والنبرة وعدم ذكر أسماء أدوات وإنهاء النص بسؤال.
Falcon قدم فصحى جيدة، لكن نموذج 7B كتب نحو 43 كلمة، و34B نحو 49 كلمة فقط. أي إن النموذجين لم يلتزما بنطاق الطول المطلوب.
Fanar اقترب أكثر، لكنه بقي أيضًا تحت 70 كلمة، كما وضع السؤال قبل الجملة الأخيرة بدل أن يختم به.
لم يظهر فائز واضح في هذا الاختبار. الطرفان استطاعا إنتاج نص عربي جيد، لكن سلامة الصياغة لم تعنِ تنفيذ جميع شروط البرومبت.
ويجدر هنا وضع النتيجة في سياقها: الالتزام بعدد كلمات دقيق ليس نقطة قوة مضمونة في النماذج اللغوية عمومًا. لذلك نستخدم هذا الاختبار أساسًا لقياس اتباع التعليمات، وليس للحكم على جودة العربية وحدها.
اختبار اللهجة الخليجية والحفاظ على المعنى
استخدمنا العبارة:
«يوم عطيتها ملف طويل بدت تكرر بعض الكلام، وما عرفت إذا المشكلة من النموذج أو من حد الاستخدام.»
وطلبنا تحويلها إلى فصحى مبسطة وشرح المقصود بكلمة «يوم».
Falcon فهم أن «يوم» تعني «عندما»، لكنه غيّر «حد الاستخدام» إلى «طريقة الاستخدام». الجملة بقيت سليمة لغويًا، لكن المعنى التقني تغير.
Fanar حافظ على المصطلح وحوله إلى «حدود الاستخدام». لم يكن شرحه اللاحق لكلمة «يوم» مثاليًا، لكنه حافظ على المقصود الأساسي أثناء إعادة الصياغة.
في هذا الاختبار نميل إلى Fanar.
والفرق هنا لا يتعلق بجمال الفصحى. صياغة Falcon بدت طبيعية، وهذا تحديدًا يجعل الخطأ سهل المرور عند القراءة السريعة. تغيير «حد الاستخدام» إلى «طريقة الاستخدام» لا يفسد اللغة، لكنه يغير المعلومة.
لذلك عند استخدام الذكاء الاصطناعي لإعادة صياغة محتوى تقني أو مهني، لا تسأل فقط: هل العربية جيدة؟ اسأل أيضًا: هل بقي المعنى نفسه؟
التلخيص والحساب من المصدر: الوصول إلى 75% لم يكن الاختبار كله
قدمنا بيانات عن 240 موظفًا، أكمل منهم 180 موظفًا دورة أساسية. وطلبنا حساب النسبة، وتلخيص المعلومات، وذكر ما لم يوضحه النص، مع عدم إضافة معلومات خارج المصدر.
النسبة الصحيحة هي 75%.
Falcon وصل إلى النتيجة الصحيحة وحافظ على الأرقام الرئيسية، لكنه توسع في المعلومات غير المذكورة وأضاف سؤالًا في النهاية رغم أن التعليمات طلبت الاكتفاء بالإجابة.
Fanar حسب 75% أيضًا، لكنه بقي أقرب إلى حدود المهمة ولم يحول المعلومات الناقصة إلى حقائق أو يضف اقتراحًا خارج المطلوب.
لذلك نميل إلى Fanar في هذه المهمة.
الفارق ليس في العملية الحسابية نفسها، بل في الانضباط حول المصدر. وهذا يصبح أكثر أهمية عند تلخيص تقرير أو مستند أو مادة تعليمية لا تريد للنموذج أن يملأ فجواتها من عنده.
قراءة الإنفوجرافيك العربي: أقوى اختبار مباشر
كان هذا الاختبار الأقوى في المقارنة لأن المدخل لم يتغير: نفس الصورة ونفس البرومبت للطرفين.
حلّل الصورة المرفقة بدقة. استخرج العنوان الرئيسي والعنوان الفرعي، وقاعدة 80/20، وجميع المهام أو الأدوات وتقييم كل واحدة، والأرقام والنسب، والمميزات، والقيود والخلاصة. لا تضف أي معلومات غير موجودة في الصورة، وإذا تعذر عليك قراءة جزء منها فاذكر ذلك بوضوح بدل التخمين.
نتيجة Fanar
استخرج Fanar معظم بنية الصورة بصورة جيدة. تعرف على تقييمات خطة الدرس وتبسيط النصوص والاختبارات وأوراق العمل، وربط نسب 80% و20% بسياقها الصحيح، كما استخرج أبرز المميزات والقيود.
لم تكن النتيجة كاملة؛ فقد أسقط الجملة الأخيرة من الخلاصة وبعض التفاصيل الصغيرة.
نتيجة Falcon Chat
قرأ Falcon العنوان وقاعدة 80/20 بصورة صحيحة، وكان أفضل من Fanar في نقطة محددة: نسخ الخلاصة كاملة.
لكن ظهرت أخطاء أكثر تأثيرًا، منها:
- تغيير تقييم «الاختبارات» من متوسطة إلى ممتازة.
- تغيير تقييم «أوراق العمل» من حذر إلى ممتازة.
- ذكر تقييم 10 من 10 لم يكن موجودًا في الصورة.
- إضافة عناصر لم تكن مهام مقيمة أصلًا.
- خلط بعض المميزات بالقيود.
- ظهور كلمات بلغات أخرى لا علاقة لها بالمحتوى الأصلي.
اختراع تقييم 10 من 10 غير الموجود في الصورة يعد مثالًا على ما يسمى الهلوسة البصرية (Vision Hallucination)، أي إنتاج معلومة تبدو مستخرجة من الصورة رغم أنها غير موجودة فيها أصلًا. أما بقية الأخطاء فتضمنت أيضًا سوء ربط بعض التقييمات بالعناصر الصحيحة.
بدا Fanar أسرع بوضوح أثناء هذا الاختبار، لكننا لم نسجل الزمن بدقة، لذلك لا نعد السرعة نتيجة معيارية في المقارنة.
لماذا رجحنا Fanar رغم أن Falcon نسخ الخلاصة بصورة أكمل؟
لأن نوع الخطأ يهم.
إذا أسقط النموذج جملة من الصورة، يمكن ملاحظة النقص عند مقارنة الناتج بالأصل. أما إذا غير تقييمًا من «متوسطة» إلى «ممتازة» أو أضاف رقمًا غير موجود، فقد يتعامل المستخدم مع المعلومة الخاطئة على أنها حقيقة مستخرجة من الصورة.
لذلك أعطينا دقة البيانات وربطها بالسياق وزنًا أكبر من اكتمال النسخ الحرفي.
في الاختبار البصري الموحد، كان Fanar أدق وأكثر اتساقًا.
ماذا حدث عند استخدام البحث في الويب؟
هنا تغير اتجاه النتائج.
طلبنا العثور على أحدث إعلان رسمي يتعلق بعائلة Falcon-H1، مع شرط واضح: استخدام مواقع TII أو Falcon الرسمية فقط.
Falcon Chat لم يصل في تجربتنا إلى الإعلان المطلوب بصورة موثوقة، وأعاد نتائج لم تحقق شرط المصدر الرسمي.
ثم كررنا الاختبار مع Fanar، لكنه أخفق أيضًا. استخدم مصدرًا صحفيًا رغم طلب المصادر الرسمية فقط، وخلط بين إعلانات مختلفة مرتبطة بعائلة Falcon.
وعند التحقق من إعلان إطلاق Falcon-H1 Arabic الرسمي من TII، وجدنا أن الإعلان نُشر في 5 يناير 2026.
لا يوجد فائز في هذا الاختبار.
إذا كنت تستخدم أيًا منهما لجمع أخبار أو معلومات حديثة، فلا يكفي أن تظهر الإجابة مع روابط. افتح المصدر وتأكد أنه يدعم الادعاء نفسه، خصوصًا عندما تكون المعلومة الحديثة جزءًا من قرار مهم.
تحليل البيانات: ماذا حدث مع مفسر الشيفرة؟
استخدمنا بيانات زيارات موقع خلال خمسة أيام:
120، 150، 135، 180، 165.
وطلبنا حساب الإجمالي والمتوسط وأعلى وأقل يوم ونسبة الزيادة من اليوم الأول إلى الرابع.
أعطى Fanar النتائج الصحيحة:
- إجمالي الزيارات: 750.
- المتوسط اليومي: 150.
- أعلى يوم: اليوم الرابع، 180 زيارة.
- أقل يوم: اليوم الأول، 120 زيارة.
- نسبة الزيادة من اليوم الأول إلى الرابع: 50%.
أما Falcon Chat فنفذ المهمة عبر مفسر الشيفرة. والمفارقة أن الكود الظاهر كان صحيحًا، بينما النتيجة النهائية المعروضة لم تطابق ما ينتجه هذا الكود.
هذا يميز بين مرحلتين مختلفتين: توليد الشيفرة وعرض ناتج تنفيذها. نجح Falcon في إنشاء كود يبدو صحيحًا للمهمة، لكننا لا نستطيع من التجربة وحدها تحديد هل وقع الخلل أثناء التنفيذ نفسه، أم عند تمرير المخرجات أو عرضها داخل الواجهة.
ولا نستنتج من ذلك أن Fanar يملك «مفسر بيانات أفضل»، لأنه أجرى الحساب داخل المحادثة ولم يستخدم أداة تنفيذ شيفرة مكافئة.
الحكم الذي تدعمه التجربة هو: Fanar كان أدق في الحساب المطلوب، بينما كشفت تجربة Falcon Chat مشكلة في تطابق النتيجة النهائية المعروضة مع الكود.
اختبار PDF عبر الواجهتين
استخدمنا قصة أطفال عربية من 18 صفحة لمحاولة اختبار مستند أطول.
في Falcon Chat كان رفع PDF متاحًا، لكن المعالجة توقفت عند الخطأ:
Open WebUI: Server Connection Error: 422
وظهر الخطأ نفسه لدينا سابقًا مع ملف آخر.
أما Fanar، فلم نجد في واجهة المحادثة التي اختبرناها خيارًا مباشرًا لرفع PDF.
لم نتمكن من إكمال اختبار PDF بنجاح في أي من الواجهتين: Fanar لم يوفر رفعًا مباشرًا للملف، بينما فشلت معالجة الملف في Falcon Chat بخطأ 422.
لكن ظهور الخطأ داخل طبقة Falcon Chat/Open WebUI ليس دليلًا على أن نموذج Falcon-H1 Arabic نفسه عاجز عن فهم PDF. فهو يثبت فقط أن مسار معالجة الملف في الواجهة التي اختبرناها لم ينجح.
وبالمثل، لا نستنتج أن Fanar غير قادر على تحليل المستندات؛ فملاحظات إصدار Fanar 2.0 تذكر أن السياق الموسع يساعد على تحليل مستندات أطول، لكن واجهة المحادثة التي استخدمناها لم توفر لنا رفع PDF مباشرًا لاختبار ذلك.
ما الذي يقدمه Fanar خارج المحادثة؟
المقارنة الموحدة لا تغطي جميع خدمات Fanar، لأن بعضها لا يملك مقابلًا مباشرًا داخل تجربة Falcon Chat.
وفق منصة Fanar الرسمية، تشمل المنظومة خدمات متخصصة للأسئلة الإسلامية، والترجمة، والصوت، وفهم وتوليد المحتوى البصري.
وفي مراجعة Fanar وتجربتنا العملية بالعربية ظهرت فروق واضحة بين هذه الخدمات؛ كان المساعد الإسلامي من أقوى الأجزاء التي اختبرناها، بينما كانت النتائج أقل ثباتًا في بعض المهام الأخرى مثل توليد الصور والتعليمات المركبة.
وهذه نقطة مهمة: قوة Fanar في بعض المهام العربية لا تعني أن كل خدمة داخله تقدم المستوى نفسه.
القيمة العملية للمنصة هي جمع عدة خدمات عربية في مكان واحد للمستخدم الذي لا يريد إعداد نماذج وتكاملات بنفسه.
القيمة العملية لـFalcon-H1 Arabic للمطورين والمؤسسات
إذا كنت مطورًا أو مؤسسة، يتغير السؤال من «أي واجهة دردشة أفضل؟» إلى «أي نموذج أستطيع البناء عليه وتشغيله بالطريقة التي تناسب مشروعي؟».
تتوفر عائلة Falcon-H1 Arabic بأحجام 3B و7B و34B، مع نافذة سياق تبلغ 128K في 3B و256K في 7B و34B، ما يمنح المطور خيارات مختلفة حسب الموارد وطبيعة التطبيق.
كما تتيح TII أوزان النماذج للتنزيل والاستخدام وفق Falcon LLM License المعلن مع النماذج، لذلك من الأفضل مراجعة شروط الترخيص نفسها قبل استخدامها في منتج أو بيئة تجارية.
وتنشر TII نتائج معيارية قوية للعائلة على اختبارات اللغة العربية. هذه الأرقام تساعد على فهم قدرة النموذج، لكنها نتائج صادرة عن الجهة المطورة ضمن بيئة تقييم معيارية وليست نتائج اختبار AI CITY.
هل تتعارض النتائج المعيارية مع تجربة Falcon Chat؟
ليس بالضرورة.
الاختبارات المعيارية تقيس قدرات محددة للنموذج ضمن بيانات وبيئة تقييم معينة، بينما اختباراتنا تقيس أيضًا ما يصل إلى المستخدم من خلال Falcon Chat.
إذا أخفقت أداة البحث في استرجاع المصدر الصحيح، أو تعطلت معالجة PDF، أو عرض مفسر الشيفرة نتيجة لا تطابق الكود، فقد يكون الخلل في الأداة أو التكامل أو واجهة التشغيل، وليس بالضرورة في قدرة النموذج الأساسية.
لذلك فإن نتائج Falcon Chat في الواجهة التي اختبرناها كانت أضعف في بعض المهام، لكنها لا تكفي وحدها للحكم على Falcon-H1 Arabic كنموذج مستقل عند تشغيله في بيئة أخرى.
الخصوصية والاستخدام المؤسسي
توضح سياسة Fanar أن الخدمة تجمع بعض معلومات الاستخدام والاستعلامات لتحسين الخدمة، مع توضيحات حول كيفية معالجة البيانات. لذلك لا ينبغي افتراض أن استخدام منصة عربية يعني تلقائيًا أن كل ما ترسله يبقى على جهازك.
أما Falcon-H1 Arabic، فتختلف المعادلة عندما تشغل النموذج ضمن بنية تسيطر عليها أنت أو مؤسستك. لكن يجب التفريق بين تشغيل النموذج في بيئتك وبين استخدام Falcon Chat المستضاف.
إذا كنت تتعامل مع بيانات عملاء أو طلاب أو مستندات عمل أو معلومات حساسة، راجع سياسة وطريقة التشغيل التي ستستخدمها فعليًا قبل إرسال البيانات.
هل Fanar مجاني؟ وماذا عن API؟
وقت التحقق في أغسطس 2026، يذكر موقع Fanar الرسمي أن المنصة متاحة للاستخدام مجانًا.
كما يتوفر Fanar API للمطورين، وتختلف حدود الاستخدام حسب النموذج أو الخدمة وفق الوثائق الرسمية. لم نضع أرقام الحدود داخل المقارنة لأنها قد تتغير، ولأن احتياجات مستخدم API تختلف عن استخدام واجهة المحادثة العادية.
أما Falcon-H1 Arabic، فإتاحة الأوزان وتشغيل النموذج بنفسك تجعل تكلفة الاستخدام مرتبطة أيضًا بالبنية الحاسوبية وطريقة الاستضافة، لذلك لا توجد مقارنة سعرية مباشرة وعادلة مع واجهة Fanar المجانية.
متى يكون Fanar الأنسب؟
يميل Fanar إلى أن يكون الخيار العملي عندما:
- تريد أداة عربية جاهزة دون إعداد تقني.
- تتعامل يوميًا مع نصوص عربية أو تعبيرات خليجية.
- تريد الوصول إلى خدمات نص وصوت وصورة من منصة واحدة.
متى يكون Falcon-H1 Arabic الأنسب؟
تظهر قيمة Falcon-H1 Arabic بصورة أكبر عندما:
- تبني تطبيقًا أو خدمة تعتمد على نموذج عربي.
- تحتاج إلى تشغيل النموذج ضمن بيئة خاصة.
- تريد اختيار حجم وسعة سياق يتناسبان مع موارد مشروعك.
متى لا أنصح بالاعتماد على أي منهما وحده؟
إذا كانت المهمة تتطلب بحثًا حديثًا موثقًا بمصادر محددة، فلا تعتمد على نتيجة البحث من أي منهما دون فتح المصادر والتحقق منها.
والقاعدة نفسها تنطبق على استخراج البيانات من الصور والحسابات والتلخيصات المهمة.
اختبار الصورة مع Falcon Chat مثال واضح: الإجابة بدت منظمة ومفصلة، لكن داخل هذا التنظيم تغيرت تقييمات وأضيف رقم غير موجود.
التنسيق المقنع ليس دليلًا على صحة المعلومة.
وإذا كان احتياجك أوسع من النماذج العربية المتخصصة، فقد تساعدك مقارنة المساعدات العامة مثل ChatGPT وGemini وClaude على تحديد ما إذا كان نموذج عام متعدد الاستخدامات أنسب لمهمتك.
الخلاصة: متى تختار Fanar ومتى تختار Falcon-H1 Arabic؟
للمستخدم العربي الذي يريد أداة جاهزة للمهام اليومية التي اختبرناها، نميل إلى Fanar.
لم يكن Fanar مثاليًا. أخفق في بعض تعليمات الكتابة، ولم يلتزم بالمصادر الرسمية في اختبار البحث، ولم نجد في واجهته الحالية مسارًا مباشرًا لرفع PDF.
لكنه كان أكثر اتساقًا في فهم التعبير الخليجي والحفاظ على معناه، والتلخيص المقيد بالمصدر، والحساب البسيط، وخصوصًا في قراءة الإنفوجرافيك العربي الموحد.
أما Falcon-H1 Arabic فيخدم قرارًا مختلفًا.
نتائج Falcon Chat في الواجهة التي اختبرناها كانت أضعف في بعض المهام، لكن هذا لا يكفي للحكم على Falcon-H1 Arabic كنموذج مستقل. العائلة تقدم للمطورين والمؤسسات أحجامًا متعددة، وسياقًا طويلًا، وإمكانية دمج النموذج وتشغيله ضمن بيئات مختلفة.
لذلك لا نختصر المقارنة إلى «Fanar أفضل من Falcon».
الأدق هو: إذا كنت تريد مساعد ذكاء اصطناعي عربي جاهزًا للاستخدام اليومي، فابدأ بـFanar. أما إذا كنت مطورًا أو مؤسسة وتبحث عن نموذج عربي يمكن دمجه وتشغيله بمرونة، فإن Falcon-H1 Arabic يستحق النظر إليه من زاوية مختلفة تمامًا.
وفي الحالتين، راجع المخرجات عندما تكون دقة المعلومة أهم من سرعة الوصول إليها.
الأسئلة الشائعة
هل نتائج Falcon Chat تمثل أداء Falcon-H1 Arabic عند تشغيله في نظام آخر؟
لا بالضرورة. بعض اختباراتنا قاست النموذج بصورة مباشرة نسبيًا، بينما اعتمدت اختبارات مثل البحث وPDF ومفسر الشيفرة على أدوات داخل Falcon Chat. لذلك قد تختلف النتيجة عند دمج Falcon-H1 Arabic أو تشغيله ضمن بيئة تقنية أخرى.
هل اختبرنا جميع اللهجات العربية في المقارنة؟
لا. الاختبار المباشر الذي أجريناه استخدم تعبيرًا خليجيًا واحدًا، لذلك لا نعمم نتيجته على جميع اللهجات. وتذكر TII رسميًا أن Falcon-H1 Arabic صُمم لدعم نطاق أوسع من اللهجات العربية، لكن ذلك لا يعادل اختبارها جميعًا ضمن تجربتنا.
هل Fanar مجاني للاستخدام حاليًا؟
وقت التحقق في أغسطس 2026، كانت منصة Fanar متاحة للاستخدام مجانًا وفق الموقع الرسمي. أما API فله حدود استخدام تختلف بحسب النموذج والخدمة، وقد تتغير هذه الحدود لاحقًا.
هل يمكن الاعتماد على Fanar أو Falcon Chat في البحث بالمصادر؟
لا أنصح بالاعتماد على أي منهما وحده للتحقق النهائي من معلومات حديثة أو حساسة. في اختبارنا المقيد بالمصادر الرسمية، لم يلتزم أي منهما بالمطلوب بصورة موثوقة، لذلك يجب فتح المصادر والتحقق منها يدويًا.
