مدل‌های هوش مصنوعی باهوش‌تر می‌شوند، اما توسعه‌دهندگان کمتر سراغ بهترین آن‌ها می‌روند

مدل‌های هوش مصنوعی هر روز قدرتمندتر می‌شوند، اما این پیشرفت لزوما کاربران بیشتری برای آن‌ها جذب نمی‌کند.

شرکت‌های OpenAI، Anthropic و دیگر آزمایشگاه‌های پیشرو هوش مصنوعی برای ساخت مدل‌هایی باهوش‌تر از رقبا رقابت می‌کنند؛ اما یک گزارش تازه نشان می‌دهد که مدل بهتر لزوما به معنای استفاده بیشتر از آن نیست. مزیت ترافیکی مدل‌هایی که در آزمون‌های هوش مصنوعی امتیاز بالاتری می‌گیرند، در کمتر از یک سال به‌شدت کاهش یافته است. حالا برای بسیاری از توسعه‌دهندگان، پرداخت هزینه بیشتر برای مدلی که فقط کمی بهتر عمل می‌کند، دیگر انتخاب بدیهی نیست.

بر اساس تحلیلی که در The Information منتشر شده، در اواخر سال ۲۰۲۵، مدلی که در شاخص هوش Artificial Analysis ده امتیاز بالاتر از رقیبش داشت، به‌طور متوسط حدود ۶۸٫۵ درصد ترافیک بیشتری جذب می‌کرد. این مزیت در داده‌های جدید به حدود ۱۹٫۷ درصد رسیده است؛ یعنی اختلاف هوش مشابه، حالا با افزایش بسیار کمتری در میزان استفاده همراه می‌شود.

این تغییر یک سؤال مهم را پیش روی صنعت هوش مصنوعی قرار می‌دهد: اگر مدل‌های پیشرفته‌تر دیگر به همان اندازه کاربران را به سمت خود نمی‌کشانند، شرکت‌ها چطور می‌توانند هزینه سنگین ساخت آن‌ها را جبران کنند؟

وقتی «باهوش‌تر بودن» دیگر کافی نیست

تا همین چند وقت پیش، رقابت میان مدل‌های هوش مصنوعی تا حد زیادی حول یک سؤال می‌چرخید: کدام مدل در آزمون‌ها بهتر عمل می‌کند؟

شرکت‌ها نتایج بنچمارک‌ها را منتشر می‌کردند، مدل‌های جدید با توانایی‌های استدلالی بیشتر معرفی می‌شدند و توسعه‌دهندگان برای دسترسی به قابلیت‌های تازه سراغ آن‌ها می‌رفتند. این روند همچنان اهمیت دارد، اما رابطه میان کیفیت و میزان استفاده دیگر به سادگی گذشته نیست.

دلیلش را می‌توان در یک مثال ساده دید. فرض کنید دو مدل برای نوشتن کد، خلاصه‌سازی اسناد یا پاسخ‌دادن به پرسش‌های روزمره در اختیار دارید. مدل اول در آزمون‌های هوش امتیاز بیشتری می‌گیرد، اما مدل دوم ارزان‌تر است و کار شما را با کیفیت قابل‌قبولی انجام می‌دهد. اگر قرار باشد هزاران درخواست در روز پردازش کنید، انتخاب مدل اول همیشه منطقی نیست.

در چنین شرایطی، برتری در بنچمارک فقط یکی از عوامل تصمیم‌گیری است؛ نه لزوما مهم‌ترین آن‌ها.

داده‌ها چه می‌گویند؟

تحلیل The Information با کنار هم گذاشتن دو مجموعه داده انجام شده است: امتیاز مدل‌ها در شاخص هوش Artificial Analysis و میزان استفاده از آن‌ها در OpenRouter؛ پلتفرمی که توسعه‌دهندگان از طریق آن به مدل‌های مختلف شرکت‌ها دسترسی پیدا می‌کنند.

نتایج نشان می‌دهد سهم ده مدل با بالاترین امتیاز در شاخص هوش از حدود ۵۵ درصد استفاده ثبت‌شده در OpenRouter به ۱۴ درصد در سه‌ماهه سوم سال ۲۰۲۶ کاهش یافته است.

این عدد به این معنا نیست که توسعه‌دهندگان دیگر به مدل‌های پیشرفته علاقه ندارند. بلکه نشان می‌دهد بخش بزرگی از استفاده به سمت مدل‌هایی رفته که شاید در صدر جدول بنچمارک‌ها نباشند، اما برای بسیاری از کارها کیفیت مناسبی ارائه می‌کنند.

البته باید به یک محدودیت مهم توجه کرد: OpenRouter نماینده تمام بازار هوش مصنوعی نیست. این پلتفرم بیشتر رفتار توسعه‌دهندگانی را نشان می‌دهد که از API مدل‌ها استفاده می‌کنند و نمی‌تواند به‌تنهایی میزان استفاده مستقیم مردم از ChatGPT یا Claude و همچنین مصرف سازمانی خارج از این پلتفرم را مشخص کند.

مدل‌های «به‌اندازه کافی خوب» دارند ارزان‌تر می‌شوند

یکی از مهم‌ترین دلایل این تغییر، کاهش سریع هزینه استفاده از مدل‌هاست.

ساخت مدل‌های پیشرفته همچنان به زیرساخت محاسباتی گران‌قیمت، داده و نیروی متخصص نیاز دارد؛ اما پس از عرضه یک مدل قدرتمند، رقبا و مدل‌های کوچک‌تر می‌توانند بخشی از توانایی‌های مشابه را با هزینه بسیار پایین‌تری ارائه کنند.

در تحلیل منتشرشده، هزینه ارزان‌ترین مدلی که امتیاز ۳۵ را در شاخص هوش Artificial Analysis به دست آورده بود، طی حدود شش ماه نزدیک به ۹۶ درصد کاهش یافته است. برای مدل‌های دارای امتیاز ۴۵ یا بالاتر نیز کاهش هزینه چشمگیری گزارش شده است.

برای توسعه‌دهنده، این تغییر بسیار مهم است. اگر مدلی ارزان‌تر بتواند بیشتر درخواست‌های کاربران را با کیفیت قابل‌قبول پاسخ دهد، استفاده از گران‌ترین مدل برای تمام کارها فقط هزینه را بالا می‌برد.

به همین دلیل، بسیاری از سیستم‌های هوش مصنوعی می‌توانند به‌جای تکیه بر یک مدل بزرگ، از چند مدل با توانایی‌ها و قیمت‌های متفاوت استفاده کنند: مدل ارزان‌تر برای کارهای ساده و مدل قدرتمندتر برای مسائلی که واقعاً به استدلال پیچیده نیاز دارند.

این رویکرد به‌ویژه در عامل‌های هوش مصنوعی اهمیت دارد؛ سیستم‌هایی که برای انجام یک کار ممکن است بارها به مدل مراجعه کنند، ابزارهای مختلفی را به کار بگیرند و چند مرحله تصمیم‌گیری داشته باشند. در چنین فرایندی، حتی اختلاف کوچک در هزینه هر درخواست می‌تواند در مقیاس بالا به مبلغ قابل‌توجهی تبدیل شود.

با این حال، مدل‌های قوی‌تر هنوز ارزش دارند

کاهش مزیت کلی مدل‌های پیشرفته به این معنا نیست که کیفیت بالاتر بی‌اهمیت شده است. اتفاقاً نوع کاری که از مدل می‌خواهیم، تفاوت زیادی ایجاد می‌کند.

طبق همین تحلیل، در درخواست‌های طولانی که به پردازش حجم زیادی از اطلاعات نیاز دارند، اختلاف کیفیت می‌تواند تأثیر بسیار بیشتری بر میزان استفاده داشته باشد. برای نمونه، در درخواست‌هایی با حدود یک میلیون توکن، برتری ده‌امتیازی در شاخص هوش با حدود ۱۱۱ درصد ترافیک بیشتر همراه بوده است.

برنامه‌نویسی هم یکی از حوزه‌هایی است که مدل‌های قوی‌تر در آن مزیت قابل‌توجهی دارند. نوشتن یا اصلاح یک قطعه کد ساده با بررسی یک مخزن بزرگ نرم‌افزاری، پیدا کردن خطاهای پیچیده و اجرای چندمرحله‌ای یک پروژه تفاوت دارد. در کارهای دشوارتر، اشتباه مدل می‌تواند هزینه بیشتری از صرفه‌جویی حاصل از انتخاب مدل ارزان‌تر ایجاد کند.

بنابراین مسئله این نیست که همیشه مدل ارزان‌تر بهتر است؛ بلکه باید دید هزینه اضافه برای مدل قدرتمندتر، چه میزان بهبود واقعی ایجاد می‌کند.

رقابت از ساخت بهترین مدل به ارائه بهترین ارزش تغییر می‌کند

این روند برای شرکت‌هایی مثل OpenAI و Anthropic یک چالش اقتصادی ایجاد می‌کند. آموزش مدل‌های پیشرفته و تأمین زیرساخت لازم برای اجرای آن‌ها هزینه‌بر است؛ اما اگر کاربران به‌سرعت به مدل‌های ارزان‌تر مهاجرت کنند، شرکت‌ها ممکن است نتوانند صرفاً با تکیه بر برتری فنی، سهم استفاده خود را حفظ کنند.

از سوی دیگر، کاهش قیمت‌ها لزوما خبر بدی برای کل صنعت نیست. هرچه توانایی‌های پیشرفته ارزان‌تر در دسترس قرار بگیرند، توسعه‌دهندگان بیشتری می‌توانند محصولات مبتنی بر هوش مصنوعی بسازند و کاربردهایی را آزمایش کنند که پیش‌تر از نظر هزینه توجیه نداشتند.

اما برای آزمایشگاه‌های هوش مصنوعی، پیام روشن است: عرضه مدلی که در چند بنچمارک امتیاز بالاتری می‌گیرد، به‌تنهایی تضمین نمی‌کند که توسعه‌دهندگان آن را انتخاب کنند. قیمت، سرعت پاسخ‌گویی، پایداری، محدودیت‌های دسترسی و عملکرد مدل در یک کار واقعی هم بر تصمیم نهایی تأثیر می‌گذارند.

به نظر من این موضوع باعث شده که گوگل تمرکز بیشتری روی مدل های سری Flash داشته باشد تا مدل های پرو.

آینده متعلق به باهوش‌ترین مدل است یا مناسب‌ترین مدل؟

بازار هوش مصنوعی در حال فاصله گرفتن از دورانی است که برنده‌شدن در جدول بنچمارک‌ها می‌توانست به‌تنهایی مزیت بزرگی ایجاد کند. حالا که مدل‌های بیشتری توانایی انجام کارهای مشابه را با هزینه کمتر پیدا کرده‌اند، انتخاب مدل به مسئله‌ای اقتصادی و وابسته به نوع کاربرد تبدیل شده است.

ممکن است برای حل یک مسئله علمی دشوار، مدل پیشرفته‌تر بهترین انتخاب باشد؛ اما برای دسته‌بندی هزاران پیام، پاسخ‌گویی به درخواست‌های ساده یا انجام کارهای تکراری، مدلی ارزان‌تر می‌تواند نتیجه بهتری از نظر هزینه و کارایی ارائه دهد.

البته داده‌های OpenRouter فقط بخشی از بازار را نشان می‌دهند و به‌تنهایی نمی‌توانند آینده درآمد یا سهم بازار OpenAI و Anthropic را مشخص کنند. با این حال، روند گزارش‌شده نشانه‌ای مهم از تغییر رفتار توسعه‌دهندگان است.

در رقابت جدید هوش مصنوعی، صرفاً باهوش‌تر بودن کافی نیست؛ مدل باید آن‌قدر بهتر باشد که هزینه اضافه‌اش توجیه شود.