فاصله چین با آمریکا در هوش مصنوعی فقط ۴.۴ ماه شد / گزارشی که معادلات هزینه را به هم می‌ریزد

توصیه محوری موزیلا صریح است: اکثر سازمان‌ها باید مدل‌های باز را به‌عنوان گزینه پیش‌فرض برای بخش عمده کارهایشان در نظر بگیرند.
 

کیمی K3 تنها سه امتیاز عقب‌تر

شاخص‌ترین نمونه‌ای که گزارش به آن استناد می‌کند، مدل پرچم‌دار وزن‌باز Kimi K3 از شرکت چینی Moonshot AI است. بر اساس شاخص هوش مصنوعی تحلیلی (Artificial Analysis Intelligence Index)، این مدل تنها سه امتیاز از مدل مرزی بسته Fable 5 شرکت Anthropic عقب‌تر ایستاده، اما هزینه‌ای کمتر از ۳۰ درصد آن دارد. کیمی K3 همچنین نخستین حضورش در عرصه کدنویسی فرانت‌اند پلتفرم LMArena را با امتیاز ۱۶۷۹ الو آغاز کرد و در شش حوزه از هفت حوزه این آزمون، و نیز در کدنویسی، دنبال‌کردن دستورالعمل و دانش عمومی پیشتاز بود.

رافی کریکوریان، مدیر ارشد فناوری موزیلا، در توضیح اینکه چه زمانی پرداخت هزینه برای مدل‌های بسته منطقی است، گفته که این مدل‌ها از چند جهت ارزش بالای خود را دارند: کار تخصصی حرفه‌ای، بازیابی با شدت بالا و پردازش زمینه (Context) بلندمدت. او تأکید کرده تصمیم به پرداخت هزینه برای مدل‌های بسته باید بر اساس نوع حجم کاری گرفته شود، نه بر اساس ماهیت خود سازمان.
 

تفاوت «متن‌باز» و «وزن‌باز»

گزارش موزیلا بر یک تمایز فنی مهم انگشت می‌گذارد. مدل‌های وزن‌باز به هر کاربری اجازه می‌دهند اجزای اصلی مدل را دانلود و روی سخت‌افزار خود اجرا کند، اما توسعه‌دهندگان معمولاً اطلاعات حیاتی مانند داده‌های آموزشی، مسیرهای داده و کد آموزشی را منتشر نمی‌کنند. در مقابل، شرکت‌های آمریکایی نظیر Anthropic و OpenAI عمدتاً مدل‌های اختصاصی و کاملاً بسته عرضه می‌کنند و دسترسی به آن‌ها مستلزم پرداخت هزینه است.

با این حال، مدل‌های بسته هنوز مشتریان سازمانی خود را دارند؛ چون به‌صورت سرویس آماده ارائه می‌شوند و بسته‌های انطباق، پشتیبانی و پاسخگویی را همراه دارند. به گفته کریکوریان، بسیاری از سازمان‌ها اساساً نیروی انسانی لازم برای اجرای مؤثر مدل‌های باز را در اختیار ندارند — موضوعی که یافته‌های پیشین موزیلا نیز آن را تأیید می‌کند: ۷۹ درصد توسعه‌دهندگان از مدل‌های باز استفاده می‌کنند، اما تنها ۵۱ درصد آن‌ها این مدل‌ها را به محیط عملیاتی (Production) رسانده‌اند، در حالی که این رقم برای مدل‌های بسته ۶۳ درصد است. آلوارو روییز کوبرو از مؤسسه SlashData که نظرسنجی گزارش را اجرا کرده، این شکاف را نشانه کمبود زیرساخت می‌داند، نه ضعف کیفیت مدل‌ها.
 

راهبرد دولایه شرکت‌ها

الگوی استفاده ترکیبی در حال تبدیل شدن به رویه رایج است. برای نمونه، شرکت تحویل غذای DoorDash از Kimi برای کارهای روزمره استفاده می‌کند و مدل Fable را برای وظایف پیچیده‌تری که معمولاً زمان بیشتری از متخصصان انسانی می‌گیرد، کنار می‌گذارد.
 

اندازه‌گیری شکاف: افق زمانی وظایف

کاهش فاصله میان دو دسته مدل با معیارهای مختلفی سنجیده می‌شود. سازمان تحقیقاتی غیرانتفاعی METR مفهوم «افق زمانی» یک مدل را تعریف کرده است: طول وظایفی — که با زمان موردنیاز متخصصان انسانی سنجیده می‌شود — که مدل می‌تواند با نرخ موفقیت قابل اتکای ۵۰ درصد انجام دهد. این افق زمانی با نرخی که خود نیز شتاب گرفته، مرتباً دوبرابر شده است.

بر این اساس، بهترین مدل بسته فعلی می‌تواند وظیفه‌ای ۱.۷ برابر طولانی‌تر از بهترین مدل باز را به‌طور قابل اتکا انجام دهد. شاخص قابلیت‌های مؤسسه Epoch نیز در اول سپتامبر ۲۰۲۶ فاصله میانگین را ۸ امتیاز، معادل حدود چهار ماه، برآورد کرده است. جمع‌بندی گزارش گویاست: مدل‌های بسته از پس وظایف هشت تا دوازده‌ساعته برمی‌آیند و مدل‌های باز چهار ماه بعد به همان نقطه می‌رسند؛ زیر هشت ساعت هر دو موفق‌اند و بالای دوازده ساعت هیچ‌کدام.
 

آزمون در شرایط برابر

برای حذف اثر تفاوت زیرساخت‌ها، شرکت سنجش عملکرد Vals AI مدل‌های باز و بسته را روی پلتفرم تست خنثی خود ارزیابی کرد. در آزمون Terminal-Bench 2.1، مدل وزن‌باز GLM 5.2 از شرکت چینی Z.ai (ژیپو ای‌آی) به نتایجی قابل‌مقایسه با مدل‌های Claude Opus 4.7 و 4.8 شرکت Anthropic دست یافت، آن هم با هزینه‌ای حدوداً پنج برابر کمتر به ازای هر وظیفه تکمیل‌شده.

به بیان دیگر، پرداخت هزینه برای مدل‌های مرزی بسته در عمل یک «شروع زودهنگام» تقریباً چهارماهه را با هزینه‌ای بیش از پنج برابر خریداری می‌کند — و این مزیت تنها در شرایط کنونی و صرفاً برای وظایفی معنا دارد که هشت تا ۱۲ ساعت طول می‌کشند.

کریکوریان در این باره می‌گوید وقتی زودتر تمام‌شدن کار واقعاً اهمیت دارد — مثلاً وقتی مهلتی در پیش است — عجله منطقی است؛ اما کار روتینی که قرار است در سه‌ماهه بعدی هم ادامه یابد ارزش این هزینه را ندارد، چون به‌زودی می‌توان همان کار را با یک‌پنجم هزینه انجام داد.
 

تصویر بزرگ‌تر: اقتصاد و ژئوپلیتیک

این گزارش، نسخه به‌روزشده نخستین گزارش موزیلا است که ۱۴ ژوئیه منتشر شد و از آن زمان به تسریع پذیرش مدل‌های باز کمک کرده است. یافته‌های آن نسخه نشان می‌داد هزینه استنتاج در سطح GPT-4 از حدود ۲۰ دلار به ازای هر میلیون توکن در سه سال پیش به حدود ۰.۴۰ دلار رسیده؛ کاهشی ۵۰ برابری که موزیلا عمدتاً آن را نتیجه رقابت مدل‌های وزن‌باز می‌داند.

اما نکته‌ای که موزیلا آن را «حقیقت تلخ» می‌خواند، شکاف میان کاربرد و درآمد است: مدل‌های باز حدود یک‌سوم استفاده واقعی از هوش مصنوعی را تأمین می‌کنند، اما تنها ۴ درصد درآمد صنعت را به خود اختصاص می‌دهند.

در بعد ژئوپلیتیک نیز موازنه در حال جابه‌جایی است. نرخ پذیرش هوش مصنوعی متن‌باز در چین بزرگ و شرق آسیا به ۸۹ درصد رسیده و سهم مدل‌های وزن‌باز چینی از کمتر از ۲ درصد توکن‌های پلتفرم OpenRouter در اواخر ۲۰۲۴ به بیش از ۴۵ درصد ترافیک هفتگی تا آوریل ۲۰۲۶ افزایش یافته است. موزیلا این روند را نتیجه سیاست عامدانه دولتی و از جمله ابتکار «AI Plus» شورای دولتی چین می‌داند. در جمع‌بندی گزارش آمده است که چهار مدل برتر مرزی همچنان بسته‌اند — اما چهار مدل بعدی، باز هستند.

جزئیات این گزارش پیش از انتشار عمومی در اختیار پایگاه خبری Ars Technica قرار گرفته و نسخه کامل آن روی وب‌سایت اختصاصی گزارش در دسترس است.