شهریور
اخبار
جنگ قیمتی هوش مصنوعی؛ چرا AT&T و شرکتهای آمریکایی به مدلهای ارزانتر کوچ کردند؟
شرکتهای بزرگ آمریکایی دیگر حاضر نیستند برای هر پرامپت ساده، پول مدلهای گرانقیمت را بدهند؛ موجی از مهاجرت به مدلهای متنباز و ارزانتر راه افتاده که حتی اوپنایآی و آنتروپیک را وادار به نصفکردن قیمتهایشان کرده است.
لیست مطالب
۱. زمینهی ماجرا: چرا شرکتهای بزرگ دیگر مدلهای گران را نمیخواهند
تا همین چند ماه پیش، اکثر شرکتهای بزرگ آمریکایی برای تقریباً همهی وظایف هوش مصنوعیشان — از خلاصهسازی یک ایمیل ساده گرفته تا نوشتن یک قطعه کد پیچیده — سراغ گرانترین و قدرتمندترین مدلهای موجود میرفتند. این رویکرد در دورهای که فناوری هنوز جدید بود منطقی به نظر میرسید، اما وقتی حجم استفاده از میلیونها درخواست روزانه به میلیاردها توکن رسید، صورتحسابها هم به همان اندازه سنگین شد. حالا گزارشهای تازه از رسانههای اقتصادی آمریکا نشان میدهند که این معادله دارد بهکلی تغییر میکند: شرکتها یاد گرفتهاند که هر وظیفه لزوماً به گرانترین مدل نیاز ندارد و میتوان با استفادهی هوشمندانه از هوش مصنوعی در کسبوکار هزینهها را بهشدت پایین آورد بدون اینکه کیفیت نتیجه قربانی شود.
۲. داستان Lindy؛ یک استارتاپ ۲۵نفره که کل ترافیکش را جابهجا کرد
یکی از نمونههای جالب این تحول، استارتاپ کوچک Lindy است که تنها ۲۵ نفر پرسنل دارد. بنیانگذار این شرکت، فلو کریوللو، اعلام کرده که تمام ترافیک تولیدی شرکتش را از مدلهای آنتروپیک به مدل DeepSeek V4 منتقل کرده است. به گفتهی او، این جابهجایی نهتنها میلیونها دلار در هزینههای عملیاتی صرفهجویی کرده، بلکه در بسیاری از وظایف روزمرهی عاملهای هوشمند (ایجنتها) نتیجهی بهتری هم به همراه داشته است. این نمونه نشان میدهد که حتی تیمهای کوچک هم میتوانند با تصمیمگیری درست دربارهی انتخاب مدل، تفاوت مالی چشمگیری در ترازنامهشان ایجاد کنند؛ موضوعی که ارتباط مستقیمی با بحث توانمندیها و محدودیتهای واقعی هوش مصنوعی در دنیای امروز دارد.
۳. AT&T و پلتفرم Ask AT&T: ۴۵ میلیارد توکن در روز
اما نمونهای که بیشترین توجه رسانهها را جلب کرده، ماجرای غول مخابراتی AT&T است. این شرکت از طریق پلتفرم داخلیاش با نام Ask AT&T، روزانه چیزی حدود ۴۵ میلیارد توکن پردازش میکند؛ رقمی که بهتنهایی نشان میدهد چرا هزینهی مدل انتخابی برای یک شرکت به این بزرگی، اهمیتی حیاتی پیدا کرده است. AT&T که پیشتر عمدتاً به مدلهای اوپنایآی و مایکروسافت متکی بود، حالا با استفاده از یک لایهی مسیریابی به نام LiteLLM، درخواستهای کاربرانش را میان چند مدل مختلف تقسیم میکند؛ از جمله مدل Nemotron شرکت انویدیا، مدل Llama متعلق به متا و مدل Gemma توسعهیافته توسط گوگل. این یعنی بهجای ارسال هر درخواست ساده به گرانترین مدل ممکن، سیستم بهصورت خودکار تشخیص میدهد که هر وظیفه به کدام مدل نیاز دارد.
۴. کاهش ۹۰ درصدی هزینه با افت تنها ۲ درصدی کیفیت
رقمی که بیش از همه در این گزارشها جلبتوجه میکند این است: AT&T توانسته در برخی از وظایف، هزینهی پردازش را تا ۹۰ درصد کاهش دهد، در حالیکه افت کیفیت پاسخها تنها حدود ۲ درصد بوده است. برای وظایف پیچیدهتر مانند برنامهنویسی، این کاهش هزینه به لطف مسیریابی هوشمند مدلها به حدود ۵۶ درصد رسیده. وقتی این ارقام را در مقیاس ۱۰۰ هزار کارمندی که از این پلتفرم استفاده میکنند ضرب کنیم، صرفهجویی نهایی به میلیونها دلار در سال میرسد. این دقیقاً همان نکتهای است که در بحثهای مربوط به اهمیت هوش مصنوعی در کسبوکارهای امروز بارها به آن اشاره شده: ارزش واقعی هوش مصنوعی وقتی آشکار میشود که مدل درست برای وظیفهی درست انتخاب شود، نه صرفاً گرانترین گزینهی ممکن.
چرا این تفاوت کیفیت اینقدر ناچیز است؟
پاسخ در ماهیت خود وظایف نهفته است. بخش بزرگی از درخواستهای روزمرهی کارمندان — مثل خلاصهکردن یک متن، پاسخ به یک ایمیل ساده یا استخراج اطلاعات از یک سند — اصلاً نیازی به قدرتمندترین مدلهای استدلالی ندارند. تنها زمانی که وظیفه واقعاً پیچیده باشد، سیستم مسیریابی درخواست را به سمت مدلهای گرانتر و قویتر هدایت میکند. این دقیقاً همان اصلی است که در آموزشهای نوشتن پرامپت برای مبتدیان هم به آن اشاره میشود: شناخت درست از ابزار و انتخاب مناسب آن برای هر کار، مهمتر از صرفاً دسترسی به قویترین مدل است.
۵. واکنش اوپنایآی و آنتروپیک: کاهش نصفِ قیمت
وقتی مشتریهای سازمانی بزرگ شروع به کوچکردن به سمت مدلهای ارزانتر کردند، شرکت OpenAI و شرکت Anthropic هم نتوانستند بیتفاوت بمانند. این دو رقیب اصلی بازار، هرکدام به شیوهی خودشان واکنش نشان دادند. شرکت OpenAI قیمت مدل جدیدش موسوم به GPT-5.6 Luna را بهطور چشمگیری، حدود ۸۰ درصد، کاهش داد. این یک کاهش قیمت معمولی نیست؛ بلکه نشانهای است از اینکه رهبران بازار مدلهای زبانی بزرگ، دیگر نمیتوانند مثل گذشته روی حاشیهی سود بالا در هر پرامپت حساب باز کنند. برای آشنایی بیشتر با ماهیت و جایگاه این شرکت در اکوسیستم هوش مصنوعی، میتوانید مقالهی اوپنایآی چیست؟ را هم بخوانید.
۶. کلود Opus 5؛ پاسخ آنتروپیک به فشار بازار
شرکت آنتروپیک هم بیکار ننشسته است. مدل Claude Opus 5 این شرکت حالا عملکردی نزدیک به مدل گرانتر و قدرتمندتر Fable 5 ارائه میدهد، اما با قیمتی معادل تقریباً نصفِ نرخ ترکیبی مدل قبلی. این استراتژی نشان میدهد که آنتروپیک ترجیح میدهد بهجای از دست دادن مشتریهای سازمانی به نفع مدلهای متنباز، حاشیهی سود خود را کمی کاهش دهد. رقابت میان کلود و رقبای ارزانتر مثل دیپسیک، بخشی از یک ماجرای طولانیتر است که در مقالهی نبرد چتجیپیتی و دیپسیک هم به آن پرداختهایم.
۷. ماجرای DoorDash و مدل Kimi از Moonshot AI
نمونهی دیگری که در این میان جالب توجه است، تجربهی شرکت DoorDash با مدل چینی Kimi از آزمایشگاه Moonshot AI است. این شرکت برای برخی از کاربردهای خاص خود، مدل Kimi را آزمایش کرد و متوجه شد که در ازای هزینهای پایینتر، کیفیت قابلقبول یا حتی بهتری دریافت میکند. البته باید توجه داشت که DoorDash بهطور کامل مدلهای آمریکایی را کنار نگذاشته و همچنان از ترکیبی از مدلها استفاده میکند؛ رویکردی که در میان بسیاری از شرکتهای بزرگ در حال تبدیلشدن به یک استاندارد جدید است: بهجای وفاداری کامل به یک ارائهدهنده، هر وظیفه به مدلی سپرده میشود که بهترین نسبت هزینه به کیفیت را دارد.
۸. پایان دوران «مالیات مدل بسته» روی هر پرامپت
تحلیلگران این حوزه معتقدند آنچه در حال رخدادن است را میتوان پایان دوران «مالیات مدل بسته» نامید؛ اصطلاحی که به هزینهی اضافیای اشاره دارد که شرکتها بابت استفاده از مدلهای بسته و اختصاصی، حتی برای سادهترین وظایف، میپرداختند. با رشد ابزارهای مسیریابی هوشمند مانند LiteLLM و بلوغ مدلهای متنباز رقابتی از چین و آمریکا، شرکتها دیگر مجبور نیستند یک قیمت ثابت و بالا را برای همهی درخواستهایشان بپذیرند. این تحول احتمالاً روی نحوهی مذاکرهی قراردادهای سازمانی با ارائهدهندگان بزرگ هوش مصنوعی هم تأثیر میگذارد و میتواند فشار رقابتی بیشتری بر کل صنعت وارد کند. با این حال، همانطور که در مقالهی توهم هوش مصنوعی و تفاوت توسعهدهندهی تنها با مهندس واقعی هم اشاره شده، ارزانبودن یک مدل بهتنهایی تضمینکنندهی موفقیت پروژه نیست؛ طراحی درست سیستم و شناخت محدودیتهای هر مدل همچنان حرف اول را میزند.
۹. یک بازار بیثبات: از افزایش قیمت دیپسیک تا کاهش قیمت اوپنایآی
نکتهی جالب اینجاست که بازار قیمتگذاری مدلهای هوش مصنوعی در طول یک سال گذشته، ثبات چندانی نداشته است. همین چند ماه پیش، دیپسیک با افزایش شدید قیمت API خود خبرساز شده بود؛ اتفاقی که برای بسیاری این پرسش را مطرح کرد که آیا دوران هوش مصنوعی ارزان به پایان رسیده یا نه. اما حالا با ورود بازیگران تازهای مثل Kimi از Moonshot AI، مدلهای متنباز متا و گوگل، و رقابت شدیدتر شدن روی زیرساخت مسیریابی، دوباره فشار به سمت پایینآمدن قیمتها برگشته است. این نوسان نشان میدهد که هیچ ارائهدهندهای — چه بسته و چه متنباز — نمیتواند مطمئن باشد که برتری قیمتی امروزش تا چند ماه دیگر هم ادامه خواهد داشت؛ و همین موضوع، رقابت را برای کاربر نهایی سودمند میکند.
۱۰. این تحول برای کسبوکارهای ایرانی و توسعهدهندگان چه معنایی دارد؟
برای کسبوکارهای کوچک و متوسط ایرانی که هزینهی ارز و دسترسی به API همیشه دغدغهای جدی بوده، این خبر میتواند فرصتی مهم باشد. راهبرد مسیریابی هوشمند میان مدلهای مختلف — یعنی استفاده از مدلهای ارزانتر برای وظایف ساده و ذخیرهی مدلهای گرانتر برای وظایف پیچیده — دقیقاً همان چیزی است که هر توسعهدهنده یا صاحب کسبوکاری با بودجهی محدود هم میتواند پیادهسازی کند. برای شروع، آشنایی با اصول درست نوشتن دستور یا پرامپت اهمیت زیادی دارد؛ موضوعی که در آموزشهای تخصصی چتجیپیتی مرکز چتجیپیتی بهصورت گامبهگام پوشش داده شده است. علاوه بر این، پیش از هر تصمیم فنی، شناخت درست از اینکه هر ابزار هوش مصنوعی واقعاً چه کاری میتواند و چه کاری نمیتواند انجام دهد، به همان اندازهی انتخاب مدل مناسب اهمیت دارد. برای دنبالکردن ادامهی اینگونه اخبار و تحلیلهای روز دنیای هوش مصنوعی هم میتوانید به بخش اخبار هوش مصنوعی سایت سر بزنید.
۱۱. پرسشهای متداول
آیا مدلهای ارزانتر واقعاً بهاندازهی مدلهای گرانقیمت خوب هستند؟
برای بسیاری از وظایف روزمره، بله. طبق دادههای AT&T، افت کیفیت در برخی وظایف تنها حدود ۲ درصد بوده، در حالیکه هزینه تا ۹۰ درصد کاهش یافته است. برای وظایف بسیار پیچیده، مدلهای گرانتر همچنان برتری دارند.
مسیریابی هوشمند مدل یا Model Routing دقیقاً چیست؟
یک لایهی نرمافزاری میان کاربر و مدلهاست که بر اساس نوع و پیچیدگی هر درخواست، تصمیم میگیرد آن را به کدام مدل هوش مصنوعی بفرستد تا بهترین نسبت هزینه به کیفیت حاصل شود.
آیا این یعنی اوپنایآی و آنتروپیک ضرر میکنند؟
لزوماً نه؛ اما حاشیهی سود آنها روی هر پرامپت کاهش پیدا میکند و آنها را وادار میکند برای حفظ مشتریهای سازمانی، قیمتهای رقابتیتری ارائه دهند.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
