مدل‌های جدید هوش مصنوعی از راه رسیدند؛ کدام مدل برای کدام کار؟

موج عرضه مدل‌های جدید در تابستان و ابتدای سپتامبر ۲۰۲۶، بازار هوش مصنوعی مولد را دستخوش تحولی گسترده کرده است.

به گزارش خبرنگار مهر؛ موج عرضه مدل‌های جدید در تابستان و ابتدای سپتامبر ۲۰۲۶، بازار هوش مصنوعی مولد را دستخوش تحولی گسترده کرده است. مدل «GPT-6 Astra» در ۳ سپتامبر، «Claude Fable 5.1» در 1 سپتامبر و «Gemini 3.8 Flash» در ۲ سپتامبر عرضه شدند و در هفته‌های پیش از آن‌ها نیز «Grok 4.6» و «GLM-5.3» و «Qwen3.8» و «DeepSeek V4» و «Kimi K3» وارد بازار شده بودند. نتیجه این تراکم عرضه، شکل‌گیری بازاری است که در آن فاصله میان مدل‌ها بیش از گذشته بر اساس نوع کاربرد آن‌ها و مزیت‌های فنی آشکار می‌شود.

مدل مناسب برای پژوهش عمیق و کار چندمرحله‌ای لزوماً بهترین گزینه برای پردازش انبوه اسناد، برنامه‌نویسی روزمره یا تحلیل صوت و ویدئو نیست. بر همین اساس، گزارش اخیر وبگاه «Teamday» ارزیابی مدل‌ها را بر همین مبنا، با ترکیب توان برنامه‌نویسی، پژوهش، استفاده از ابزار، کار با رایانه، طول زمینه، هزینه و قابلیت استقرار صورت می‌دهد.

این تغییر، معیار ارزیابی را از امتیاز خام بنچمارک به توانایی تکمیل یک مأموریت واقعی تغییر داده است. وبگاه «MindsHub» نیز با اتکا به شاخص «Intelligence Index v4.3» مؤسسه تحقیقاتی «Artificial Analysis» تأکید می‌کند که هزینه هر مأموریت، میزان استدلال، تعداد فراخوانی ابزار و قابلیت کار با انواع ورودی‌ها می‌تواند نتیجه انتخاب را تغییر دهد. در عمل، سؤال اصلی برای کاربران و سازمان‌ها این است که کدام مدل با کمترین مداخله انسانی، یک خروجی قابل پذیرش را از ابتدا تا انتها تحویل می‌دهد.

مدل «GPT-6 Astra»؛ گذار از ارائه پاسخ‌ به اجرای کار

مدل «GPT-6 Astra» مهم‌ترین نماینده این تحول بزرگ محسوب می‌شود. این مدل با پنجره زمینه ۱.۰۵ میلیون توکن و حداکثر خروجی ۱۲۸ هزار توکن برای دشوارترین مأموریت‌های استدلالی، پژوهشی، برنامه‌نویسی و کار با رایانه عرضه شده است. مزیت اصلی این مدل زمانی آشکار می‌شود که یک کار از چند محیط عبور می‌کند. مدل می‌تواند در زنجیره‌ای واحد با کد، مرورگر، پژوهش و فایل‌های حرفه‌ای تعامل کند و وظیفه پیچیده را با راهنمایی انسانی کمتر پیش ببرد. در شاخص مورد استفاده «MindsHub» نیز مدل «GPT-6 Astra» امتیاز ۵۳ را کسب کرده و همراه «Claude Fable 5.1» در بالاترین سطح مقایسه قرار گرفته است.

از سوی دیگر باید به این نکته توجه دشات که هزینه این توانایی بالا است. بر همین اساس، هزینه «API» برای هر یک میلیون توکن ورودی و خروجی مدل «GPT-6 Astra» به ترتیب ۱۰ و ۵۰ دلار است. به همین دلیل خانواده «GPT-5.6» همچنان اهمیت عملیاتی خود را حفظ می‌کند. مدل «Sol» برای کار عمومی سنگین، «Terra» برای تعادل میان کیفیت و هزینه و «Luna» برای استخراج، خلاصه‌سازی و پردازش انبوه مناسب‌تر است. معماری مطلوب برای بسیاری از سازمان‌ها در نتیجه می‌تواند استفاده گزینشی از مدل «GPT-6 Astra» در مراحل دشوار و واگذاری عملیات پرتکرار به مدل‌های ارزان‌تر باشد.

مدل «Claude Fable 5.1»؛ مزیت در استدلال منتهی به خروجی قابل اتکا

مدل «Claude Fable 5.1» رقیب مستقیم «GPT-6 Astra» در بالاترین رده کیفیت است. نقطه قوت این مدل در استدلال دقیق، بازبینی، برنامه‌نویسی و تولید خروجی‌های نهایی خوانا قرار دارد. همین ویژگی آن را برای کارهایی جذاب می‌کند که محصول مدل مستقیماً در معرض ارزیابی یک متخصص انسانی قرار می‌گیرد. مدل «Claude Fable 5.1» همان پنجره زمینه یک میلیون توکنی و قیمت پایه ۱۰ دلار برای ورودی و ۵۰ دلار برای خروجی را حفظ کرده، در حالی که هزینه خواندن داده‌های کش شده در این مدل نسبت به «Fable 5» به یک‌چهارم کاهش یافته است.

خانواده مدل‌هیا هشو مصنوعی «Claude» در عین حال امکان تفکیک بار کاری را فراهم می‌کند. بر همین اساس مدل «Opus 5» با قیمت ۵ و ۲۵ دلار برای مأموریت‌های طولانی و برنامه‌نویسی عامل‌محور طراحی شده و «Sonnet 5» با قیمت ۲ و ۱۰ دلار گزینه روزمره اقتصادی‌تری است. داده‌های «MindsHub» یک ملاحظه مهم را نیز برجسته می‌سازد. مدل‌های «Claude» در آزمون مورد استناد گزارش این وبگاه، بالاترین هزینه‌های اندازه‌گیری‌شده به ازای مأموریت را داشته‌اند، زیرا می‌توانند منابع بیشتری صرف استدلال کنند. بنابراین مزیت مدل «Claude Fable 5.1» زمانی ارزش اقتصادی پیدا می‌کند که کیفیت استدلال و بازبینی واقعاً بخشی از ارزش خروجی باشد.

مدل «Gemini 3.8 Flash»؛ تبدیل توامندی چندوجهی به قابلیت عملیاتی

مدل هوش مصنوعی «Gemini 3.8 Flash» مسیر متفاوتی را از سایر رقبا دنبال می‌کند. مدل گوگل متن، تصویر، صوت و ویدئو را می‌پذیرد، زمینه طولانی را پردازش می‌کند و سرعت آن برای عامل‌های مبتنی بر تعامل مناسب است. این ترکیب، مدل «Gemini 3.8 Flash» را برای تحلیل مجموعه‌های بزرگ اسناد همراه با تصویر، پردازش محتوای صوتی و تصویری و گردش‌کارهای متصل به سرویس «Google Workspace» به گزینه‌ای متمایز تبدیل می‌کند. وبگاه «MindsHub» هزینه هر مأموریت آزمایشی این مدل را ۱.۲۴ دلار گزارش کرده که فاصله قابل توجهی با مدل‌های ممتاز دارد.

گوگل این مدل را با پنجره زمینه یک میلیون توکن و قیمت رقابتی ۰.۷۵ دلار برای ورودی و ۳.۷۵ دلار برای خروجی عرضه کرده است و این قیمت تا پایان سال ۲۰۲۶ اعتبار دارد. همچنین، وجود نسخه محدود «Gemini 3.8 Flash Cyber» برای حوزه تحصصی مرتبط با آسیب‌پذیری‌های سایبری نیز نشان می‌دهد که شاخه «Flash» در حال حرکت از یک مدل سریع عمومی به سوی کاربردهای تخصصی‌تر است.

مدل «Grok 4.6»؛ پیوند داده زنده با چرخه استدلال

مزیت مدل «Grok 4.6» در دسترسی هم‌زمان به وب و محتوای زنده پلتفرم اجتماعی ایکس نهفته است. این ویژگی برای پایش رویدادهای جاری، تحلیل فضای آنلاین و مأموریت‌هایی که داده تازه باید وارد چرخه استدلال شود، اهمیت پیدا می‌کند. این مدل پنجره زمینه ۵۰۰ هزار توکنی دارد و قیمت پایه آن ۲ دلار برای ورودی و ۶ دلار برای خروجی است. داده‌های مقایسه‌ای در عین حال یک نکته اقتصادی مهم را آشکار می‌کنند. قیمت پایین هر توکن الزاماً به مأموریت ارزان‌تر منتهی نمی‌شود، زیرا مصرف بیشتر توکن می‌تواند هزینه نهایی را افزایش دهد.

مدل‌های وزن‌باز چینی؛ رقابت بر سر کنترل، هزینه و استقرار

بخش مهم دیگر تحول هوش مصنوعی در سال ۲۰۲۶ در مدل‌های دارای وزن باز دیده می‌شود. بر همین اساس، مدل «GLM-5.3 Flash» با ۳۲۰ میلیارد پارامتر کل و ۱۸ میلیارد پارامتر فعال، ورودی متن، تصویر و ویدئو و زمینه یک میلیون توکنی، نمونه برجسته این روند محسوب می‌شود. قیمت اعلامی مدل مذکور ۰.۱۵ دلار برای ورودی و ۰.۵۰ دلار برای خروجی است و در تخفیف عرضه پلتفرم «OpenRouter» حتی به ۰.۰۷۵ و ۰.۲۵ دلار می‌رسد. چنین ارقامی استفاده از مدل‌های قدرتمند را در مسیریابی، استخراج اطلاعات و پردازش‌های انبوه از نظر اقتصادی جذاب‌تر از گذشته می‌کند.

علاوه بر این، مدل جدید «DeepSeek V4» نیز همین رقابت را از مسیر هزینه دنبال می‌کند. نسخه «Pro» مدل مذکور برای استدلال و برنامه‌نویسی و نسخه «Flash» آن برای سرعت و حجم بالا مناسب‌تر است. هزینه «V4 Flash» در ساعات کم‌تقاضا تا ۰.۲۲ دلار برای یک میلیون توکن ورودی و ۰.۶۶ دلار برای خروجی کاهش می‌یابد.

همچنین مدل «Qwen3.8-Flash» شرکت علی‌بابا با وزن باز، ورودی متن، تصویر و ویدئو و زمینه یک میلیون توکنی طی روزهای اخیر عرضه شده است. در سوی دیگر، مدل «Kimi K3» نیز با ۲.۸ تریلیون پارامتر کل و زمینه یک میلیون توکنی بر استدلال طولانی و مأموریت‌های ممتد عامل‌های برنامه‌نویسی تمرکز دارد.

روند بازار؛ جایگزینی معماری چندمدلی در دستیابی به کارآمدی

داده‌های گزارش‌های منتشر شده طی روزهای اخیر به یک نتیجه عملیاتی مهم می‌رسند. در مقطع کنونی، مزیت رقابتی سازمان‌ها و گزینه بهینه برای کاربران بیش از آن که از دسترسی به یک مدل برتر حاصل شود، از توان طراحی درست سبد مدل‌ها ناشی خواهد شد. یک معماری کارآمد می‌تواند مدل ارزان و سریع را برای استخراج، دسته‌بندی و پیش‌نویس به کار گیرد، مدلی مانند «Sonnet 5» و «Grok 4.6» یا «GPT-5.6 Terra» را به امور روزمره عامل‌ها اختصاص دهد و «Astra» و «Fable 5.1» یا «Opus 5» را تنها در مراحل پیچیده و سنگین فراخوانی کند.

به عقیده بسیاری کارشناسان، معیار نهایی انتخاب نیز باید هزینه تولید یک خروجی قابل قبول و مطلوب باشد. طول اسمی پنجره زمینه، قیمت هر میلیون توکن یا یک امتیاز بنچمارک به تنهایی کیفیت عملیاتی مدل‌های جدید هوش مصنوعی را تعیین نمی‌کنند. پایداری مدل پس از ده‌ها فراخوانی ابزار، هزینه تلاش مجدد برای انجام کار، کش، بازبینی انسانی، کیفیت استفاده از ابزار و محل پردازش داده همگی بخشی از معادله‌ هستند. نسل جدید مدل‌های هوش مصنوعی در همین نقطه معنای واقعی پیدا می‌کند. رقابت اکنون بر سر مدلی جریان دارد که بتواند درون یک سامانه عامل‌محور، مأموریت محول را با کیفیت قابل پذیرش، هزینه قابل کنترل و حداقل مداخله انسانی به پایان برساند.

منبع: خبرگزرای مهر