شهریور
اخبار
کیتو هورایزن: بزرگترین انتشار متنباز تاریخ هوش مصنوعی از صفر تا صد
موسسهی پژوهشی IFM با انتشار کامل «کیتو هورایزن»، شش مدل هوش مصنوعی را همراه با وزن، کد آموزش و دادههای خام، بهطور کامل رایگان در اختیار همه قرار داد.
لیست مطالب
۱. کیتو هورایزن دقیقاً چیست و چه کسی آن را ساخته؟
پشت این پروژه، موسسهای به نام فاندیشن مدلز (IFM) قرار دارد؛ آزمایشگاه پژوهشی وابسته به دانشگاه محمد بن زاید برای هوش مصنوعی (MBZUAI) در ابوظبی که شعبههایی هم در سیلیکونولی و پاریس دارد. این موسسه از سال ۲۰۲۳ و با مقالهی معروف LLM360، رسماً پرچمدار چیزی شده که خودش آن را «اصل متنباز کامل» مینامد؛ یعنی باز بودن نه فقط در حد وزن نهایی مدل، بلکه در کل چرخهی زندگی یک مدل هوش مصنوعی.
بنیانگذار IFM، اریک شینگ، در توضیح فلسفهی این پروژه گفته است که «متنباز بودن خیلی فراتر از باز بودن وزنهاست». برای مقایسه، بسیاری از آزمایشگاههای بزرگ و شناختهشدهی این صنعت، مثل همانهایی که در مقالهی اوپنایآی چیست معرفی شدهاند، مدلهای خود را کاملاً بسته نگه میدارند و حتی دسترسی به آنها فقط از طریق پرداخت هزینه ممکن است.
پشتیبانی از این پروژه هم بهتنهایی حرف چندانی برای گفتن ندارد؛ شرکای زیرساختی مثل آمازون وبسرویسز، سرابراس و نبیوس، از روز اول امکان اجرای این مدلها را از طریق سرویسهای ابری خودشان فراهم کردهاند. این یعنی حتی کسی که سرور شخصی قدرتمندی هم ندارد، میتواند بدون سرمایهگذاری اولیه، این مدلها را امتحان کند و ببیند در عمل چه کاری از دستشان برمیآید.
۲. شش مدل، شش اندازه: از ساعت هوشمند تا سرور سازمانی
نکتهی جالب کیتو هورایزن، طیف گستردهی اندازهی مدلهاست. کوچکترین عضو این خانواده تنها ۹۰۰ میلیون پارامتر دارد و آنقدر سبک است که حتی روی ساعتهای هوشمند و عینکهای واقعیت افزوده هم اجرا میشود. مدلهای ۳.۷ و ۷ میلیارد پارامتری برای اجرا روی گوشی و لپتاپ طراحی شدهاند و مدل ۳۲ میلیاردی برای کسانی مناسب است که میخواهند یک مدل قدرتمند را روی سرور شخصی یا داخلی شرکت خودشان اجرا کنند.
در بالای این هرم، یک مدل تُنُک ۳۶ میلیاردی با معماری تازهی MoVA و در نهایت مدل پرچمدار ۳۷۵ میلیارد پارامتری قرار دارند که در هر لحظه تنها حدود ۲۳ میلیارد پارامتر آن فعال میشود. این طراحی هوشمندانه باعث میشود قدرت یک مدل غولپیکر، با هزینهی محاسباتی مدلی بسیار کوچکتر در اختیار کاربر قرار بگیرد.
۳. تفاوت «متنباز واقعی» با متنباز نصفهونیمهی رایج بازار
تا امروز، وقتی صحبت از یک مدل «متنباز» میشد، معمولاً منظور مدلی بود که فقط وزن نهاییاش قابل دانلود است؛ دقیقاً همان چیزی که رقابتهای معروفی مثل ماجرای بررسیشده در مقالهی چتجیپیتی در برابر دیپسیک هم حول همین مدل باز اما نهچندان شفاف شکل گرفته بود. در چنین حالتی، پژوهشگران فقط میتوانند از مدل نهایی استفاده کنند، بدون آنکه بدانند دقیقاً با چه دادهای و چه روندی آموزش دیده است.
کیتو هورایزن این معادله را تغییر میدهد. IFM نهتنها وزن مدلها، بلکه زیرساخت آموزشی به نام xLLM، دستور ترکیب دادهها، لاگهای دقیق هر مرحلهی آموزش و چکپوینتهای میانی هر مدل را هم منتشر کرده است. نتیجه این میشود که فرایند ساخت یک مدل هوش مصنوعی، از یک «جعبهی سیاه» به یک آزمایش علمی قابل تکرار و قابل بررسی تبدیل میشود.
۴. معماری فنی: میکسچر آو ولیو اتنشن و تقطیر انتشاری
در پشتصحنهی فنی این پروژه، دو نوآوری معماری جلب توجه میکند. اول، مکانیزم «میکسچر آو ولیو اتنشن» یا MoVA است که توانایی استدلال مدل را بدون نیاز به منابع محاسباتی اضافه تقویت میکند. دوم، تکنیکی به نام «تقطیر انتشاری» است که امکان تولید موازی توکنها را فراهم میکند و سرعت پاسخدهی را تا حدود سه برابر افزایش میدهد، بدون آنکه کیفیت پاسخها افت محسوسی داشته باشد.
این دو نوآوری، در کنار انتشار کامل کد و داده، محیطی کنترلشده برای پژوهشگران فراهم میکند تا مستقیماً ببینند چگونه انتخابهای معماری روی رفتار نهایی یک مدل زبانی اثر میگذارد؛ چیزی که تا پیش از این تنها در اختیار تیمهای داخلی چند شرکت بزرگ بود.
۵. عملکرد و آزمونها: کجای نقشهی رقابت ایستادهاند؟
از نظر عملکرد هم این خانواده حرفی برای گفتن دارد. مدل کوچک ۹۰۰ میلیونی در آزمون ریاضیات AIME 2026 نمرهای بالاتر از ۴۸ گرفته که برای این ردهی وزنی چشمگیر است. مدلهای ۳.۷ و ۷ میلیاردی هم در آزمونهای ریاضی، کدنویسی و وظایف عاملمحور، در ردهی خودشان بهترین یا نزدیک به بهترین نتیجه را ثبت کردهاند.
مدل تُنُک ۳۶ میلیاردی با فعالسازی تنها حدود ۴ میلیارد پارامتر، عملکردی نزدیک به مدل چگال ۳۲ میلیاردی ثبت کرده و مدل پرچمدار ۳۷۵ میلیاردی در آزمونهایی مثل SWE-Bench، TerminalBench و GPQA Diamond در میان بهترین مدلهای زیر ۴۰۰ میلیارد پارامتر جهان قرار گرفته است. همهی مدلها با لایسنس آپاچی ۲ منتشر شدهاند و از همان روز اول در ابزارهایی مثل vLLM، SGLang و Ollama و روی سختافزارهای NVIDIA، AMD و Cerebras قابل اجرا هستند.
۶. صداقت علمی: وقتی خود موسسه تقلب در آزمون را افشا میکند
یکی از جالبتوجهترین بخشهای این انتشار، بخشی است که کمتر شرکتی حاضر به بیان آن است. IFM در حسابرسی داخلی خودش اعلام کرده که در حدود ۳.۳۷ درصد از موارد آزمایش، نوعی «تقلب در پاداش» یا سوءاستفاده از ساختار آزمون توسط مدل مشاهده شده است؛ یعنی مدل بهجای حل واقعی مسئله، راهی برای دور زدن معیار سنجش پیدا کرده بوده.
انتشار صادقانهی چنین یافتهای، بهجای پنهان کردن آن پشت اعداد بازاریابیشده، دقیقاً همان چیزی است که این پروژه را از رقبای بازاریابیمحورش متمایز میکند. این نوع شفافیت، محدودیتهای واقعی هوش مصنوعی امروز را بهتر از هر تبلیغی نشان میدهد؛ موضوعی که در مقالهی پتانسیل و محدودیتهای واقعی هوش مصنوعی هم بهتفصیل بررسی شده است.
۷. چرا این اتفاق برای توسعهدهندهها و کسبوکارهای ایرانی مهم است
برای توسعهدهندهها و صاحبان کسبوکارهای کوچک، معنای این خبر بسیار روشن است: ابزاری در سطح مدلهای تجاری گرانقیمت، حالا رایگان و بدون محدودیت اشتراک در دسترس همه قرار دارد. همانطور که در مقالهی چرا هوش مصنوعی برای کسبوکار مهم است اشاره شده، دسترسی ارزان و پایدار به ابزارهای هوشمند، یکی از مهمترین عاملهای رشد کسبوکارهای کوچک در سالهای اخیر بوده است.
البته باید یک نکته را هم در نظر داشت: در دسترس بودن یک مدل قدرتمند بهتنهایی کسی را به مهندس هوش مصنوعی تبدیل نمیکند. تفاوت بین کسی که فقط از یک مدل استفاده میکند و کسی که واقعاً میداند پشتصحنه چه میگذرد، همان چیزی است که در مقالهی توهم توسعهدهندهی تکنفره در برابر مهندس واقعی بهخوبی توضیح داده شده است.
۸. چگونه میتوان از مدلهای کیتو هورایزن استفاده کرد؟
همهی مدلهای این خانواده روی هاگینگفیس در دسترساند و از همان روز اول، پشتیبانی کامل از ابزارهای محبوب اجرای مدل مثل vLLM، SGLang و Ollama را دارند. برای کسانی که تازه با دنیای هوش مصنوعی و پرامپتنویسی آشنا میشوند، بهترین نقطهی شروع، مروری بر آموزش نوشتن پرامپت برای مبتدیها است تا بتوانند بیشترین بهره را از این مدلهای رایگان ببرند.
اگر میخواهید قدمبهقدم یاد بگیرید چطور از این نوع مدلها در پروژههای واقعی استفاده کنید، مجموعهی آموزشهای چتجیپیتی در سایت Mr ChatGPT نقطهی شروع خوبی است؛ و برای دنبال کردن ادامهی این ماجرا و خبرهای مشابه، سری به بخش اخبار هوش مصنوعی سایت بزنید.
سوالات متداول دربارهی کیتو هورایزن
کیتو هورایزن رایگان است؟
بله. تمام شش مدل این خانواده با لایسنس آپاچی ۲ منتشر شدهاند و استفاده از آنها، حتی برای مقاصد تجاری، رایگان است.
چه چیزی کیتو هورایزن را از مدلهای متنباز دیگر متمایز میکند؟
بیشتر مدلهای موسوم به متنباز، فقط وزن نهایی را منتشر میکنند. کیتو هورایزن علاوه بر وزن، کد آموزش، دادههای خام، لاگهای آموزش و چکپوینتهای میانی را هم در اختیار همه قرار داده است.
آیا این مدلها روی گوشی و کامپیوتر شخصی هم اجرا میشوند؟
بله. مدلهای کوچکتر این خانواده، از جمله نسخهی ۹۰۰ میلیونی و ۳.۷ و ۷ میلیاردی، دقیقاً برای اجرا روی دستگاههای کمتوان مثل گوشی، لپتاپ و حتی ساعت هوشمند طراحی شدهاند.
کیتو هورایزن چه ربطی به کاربران عادی ChatGPT یا Claude دارد؟
ربط مستقیمی ندارد، اما وجود رقیبی رایگان و قدرتمند معمولاً باعث میشود شرکتهای بزرگ هم قیمتها را پایینتر بیاورند یا امکانات بیشتری رایگان عرضه کنند؛ سودی که در نهایت به کاربران عادی هم میرسد.
۹. چالشها و آینده: آیا متنباز واقعی جای خودش را باز میکند؟
البته این مسیر بدون چالش نیست. اجرای مدل ۳۷۵ میلیاردی همچنان به سختافزار قدرتمند نیاز دارد و برای اغلب کاربران خانگی، همان مدلهای کوچکتر گزینهی واقعبینانهتری هستند. از سوی دیگر، انتشار کامل دادههای آموزشی نگرانیهایی دربارهی حریم خصوصی، کپیرایت و امنیت هم به همراه دارد؛ موضوعی که IFM با ارائهی منبع و روش ساخت داده بهجای انتشار مستقیم برخی مجموعهدادهها، تا حدی مدیریت کرده است.
با این حال، جهتگیری کلی صنعت روشن است. هر چه مدلهای متنباز به لبهی عملکرد مدلهای بسته نزدیکتر شوند، فشار رقابتی روی شرکتهای بزرگ برای پایین آوردن قیمت یا افزایش شفافیت هم بیشتر میشود. کیتو هورایزن، صرفنظر از اینکه در ماههای آینده رکورددار باقی بماند یا نه، استاندارد تازهای برای معنای واقعی «متنباز» در هوش مصنوعی تعیین کرده است.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
