انقلاب مدلهای متنباز و کاهش شکاف عملکردی
بر اساس گزارش تازه منتشر شده از سوی سازمان موزیلا تحت عنوان «وضعیت هوش مصنوعی متنباز»، فاصله عملکردی میان مدلهای مرجع شرکتهای فناوری آمریکایی و برترین مدلهای وزنباز (Open-weights) چینی به شدت کاهش یافته و اکنون به رقم ناچیز ۴.۴ ماه رسیده است. این تحول بنیادین دلیل اصلی گرایش فزاینده شرکتها به سوی مدلهای متنباز ارزانقیمت برای انجام امور روتین و روزمره را به خوبی آشکار میکند.
مقایسه هزینهها و قابلیتهای فنی
بر اساس دادههای شاخص تحلیل هوش مصنوعی، مدل پیشرو متنباز شرکت Moonshot AI یعنی Kimi K3، امتیاز عملکرد ترکیبی بسیار نزدیکی با مدل بسته و انحصاری Fable 5 متعلق به شرکت Anthropic ثبت کرده است؛ این در حالی است که هزینه اجرای مدل چینی تنها ۳۰ درصد نسخه رقیب آمریکایی است.
«مدلهای انحصاری تنها در حوزههای خاصی ارزش هزینه بالاتر را دارند: کارهای تخصصی حرفهای، بازیابی اطلاعات با شدت بالا و پردازش متنهای با طول زمینه بسیار زیاد.» - رافی کریکیوریان، مدیر ارشد فناوری موزیلا
دلیل تداوم استفاده از مدلهای گرانقیمت بسته
با وجود پیشرفت چشمگیر مدلهای وزنباز که به کاربران اجازه دانلود مؤلفههای اصلی و اجرای آنها روی سیستمهای شخصی را میدهند، شرکتها همچنان به دلایل زیر به سراغ گزینههای انحصاری میروند:
- در دسترس بودن پکیجهای انطباق قانونی، پشتیبانی رسمی و مسئولیتپذیری حقوقی (Compliance packaging and support)
- کمبود نیروی انسانی متخصص در بسیاری از سازمانها برای راهاندازی و بهینهسازی مدلهای متنباز
- عملکرد بینقص بلافاصله پس از نصب در مدلهای تجاری
ارزیابی افق زمانی و بارهای کاری هوش مصنوعی
موسسه پژوهشی METR افق زمانی یک مدل هوش مصنوعی را بر اساس مدت زمان لازم برای انجام کارها توسط کارشناسان انسانی با نرخ موفقیت قابل اعتماد ۵۰ درصدی میسنجد. طبق معیارهای این موسسه:
- بهترین مدلهای بسته توانایی انجام کارهایی معادل ۱.۷ برابر طولانیترین وظیفه قابل انجام توسط مدلهای متنباز را دارند.
- کارهای کمتر از ۸ ساعت توسط هر دو نوع مدل قابل انجام هستند و میتوان آنها را به مدلهای متنباز ارزانتر سپرد.
- کارهای بین ۸ تا ۱۲ ساعت عموماً در تخصص مدلهای مرجع بسته قرار دارند.
همچنین ارزیابیهای شرکت بنچمارک Vals AI در بخش Terminal-Bench 2.1 نشان داد که مدل وزنباز GLM 5.2 ساخت شرکت چینی Z.ai (Zhipu AI) در صورت استفاده از یک لایه نرمافزاری خنثی، امتیازی نزدیک به مدلهای Claude Opus 4.7 و 4.8 انتروپیک کسب کرده، در حالی که هزینه آن به ازای هر وظیفه تکمیلشده پنج برابر کمتر است.
آینده اقتصادی توسعه هوش مصنوعی
گزارش موزیلا به روشنی نشان میدهد که پرداخت هزینه هنگفت برای مدلهای انحصاری مرجع، در واقع به معنای خرید یک جلو افتادگی چهار ماهه با هزینهای پنج برابری است. با شتاب گرفتن روند رشد مدلهای متنباز، صرفه اقتصادی به سرعت به سمت گزینههای عمومی و ارزانتر متمایل خواهد شد و شرکتها ناچارند استراتژیهای خرید خود را بازنگری کنند.
دیدگاهها 0
ثبت دیدگاهارسال دیدگاه
هنوز دیدگاهی برای این مطلب ثبت نشده است.
اولین نفری باشید که نظر خود را به اشتراک میگذارد!