کارت خبری پالمیرا X6 شرکت Writer با موضوع کاهش هزینه‌ی هوش مصنوعی سازمانی

پالمیرا X6؛ مدلی که هزینه‌ی ایجنت‌های هوش مصنوعی سازمانی را نصف کرد

اخبار · هوش مصنوعی

شرکت Writer با معرفی مدل پالمیرا X6 و به‌روزرسانی زیرساخت اجرای ایجنت‌ها، هزینه‌ی گردش‌کارهای هوش مصنوعی سازمانی را تا ۵۲ درصد پایین آورد؛ رویدادی که نشان می‌دهد رقابت هوش مصنوعی سازمانی دیگر فقط بر سر قدرت خام مدل‌ها نیست.

چکیده. در ۱۳ و ۱۴ اوت ۲۰۲۶، شرکت آمریکایی Writer از مدل تازه‌ی پالمیرا X6 و نسخه‌ی به‌روزشده‌ی «هارنس» اجرای ایجنت‌ها رونمایی کرد. ترکیب این دو، هزینه‌ی هر وظیفه را تا ۵۲ درصد کاهش داده، سرعت اجرا را ۴۸ درصد بالا برده و در آزمون داخلی نُه‌محوری این شرکت، از Claude Opus 4.8، GPT-5.5 و Gemini 3.1 پیشی گرفته است. این خبر بازتابی از یک روند بزرگ‌تر در صنعت هوش مصنوعی سازمانی است: اولویت گرفتن اقتصاد توکن به‌جای صرفاً قدرت خام مدل.

کارت خبری پالمیرا X6 شرکت Writer با موضوع کاهش هزینه‌ی هوش مصنوعی سازمانی

۱. رونمایی از پالمیرا X6؛ بازگشت Writer به میدان مدل‌های پرچمدار

شرکت آمریکایی Writer که سال‌هاست روی ابزارهای نوشتاری و بازاریابی مبتنی بر هوش مصنوعی برای سازمان‌های بزرگ تمرکز کرده، در روزهای ۱۳ و ۱۴ اوت ۲۰۲۶ از نسل تازه‌ی مدل پرچمدار خود با نام پالمیرا X6 رونمایی کرد. این شرکت که پیش‌تر بیشتر به‌عنوان یک لایه‌ی نرم‌افزاری روی مدل‌های دیگران شناخته می‌شد، اکنون با ساخت مدل اختصاصی خودش، وارد رقابت مستقیم‌تری با غول‌های صنعت شده است.

نکته‌ی متمایزکننده این‌جاست که پالمیرا X6 از ابتدا برای گردش‌کارهای بازاریابی، فروش و تولید محتوای سازمانی طراحی شده، نه برای کاربرد عمومی. این مدل روی پایه‌ی مدل متن‌باز GLM 5.2 پس‌آموزش دیده و سپس با داده‌های اختصاصی مشتریان سازمانی Writer تنظیم شده است؛ رویکردی که به‌جای رقابت مستقیم با مدل‌های همه‌کاره مثل GPT یا Gemini، روی عمق و دقت در یک حوزه‌ی مشخص شرط‌بندی می‌کند.

۲. شیوه‌ی ارزیابی؛ چرا Writer به آزمون‌های عمومی اکتفا نکرد؟

تیم Writer به‌جای تکیه بر آزمون‌های استاندارد و رایج صنعت، مدل خود را روی وظایف واقعی مشتریانش در نُه محور سنجید: دقت در استناد و بازیابی اطلاعات، استفاده از ابزار، تفویض کار به زیرایجنت‌های تخصصی، تولید محتوا و پایبندی به لحن برند از جمله‌ی این محورها بودند. نتیجه‌ی این آزمون داخلی، نمره‌ی ۰.۸۷ از ۱ برای پالمیرا X6 بود.

این رقم از Claude Opus 4.8 با نمره‌ی ۰.۸۶، Claude Sonnet 4.6 با ۰.۸۵، GPT-5.5 با ۰.۸ و Gemini 3.1 با ۰.۷۷ بالاتر ایستاد. البته باید در نظر داشت این آزمون داخلی و اختصاصی خود Writer است و بر پایه‌ی وظایف مشتریانش طراحی شده، نه یک بنچمارک مستقل و بی‌طرف؛ بنابراین باید آن را در کنار ارزیابی‌های بیرونی و مستقل خواند، نه به‌عنوان معیار قطعی برتری فنی.

۳. سرعت، پایداری و قیمت‌گذاری

از نظر سرعت اجرا هم پالمیرا X6 عملکرد قابل‌توجهی از خود نشان داده است. هر وظیفه به‌طور میانگین در ۲۶ ثانیه به پایان می‌رسد و مدل با نرخ ۸۲ توکن بر ثانیه پاسخ می‌دهد؛ رقمی که برای زنجیره‌های طولانی از فراخوانی ابزار در ایجنت‌های خودکار اهمیت زیادی دارد. جالب‌تر این‌که این مدل می‌تواند تا هشت ساعت پیاپی و بدون نظارت انسانی روی یک هدف مشخص کار کند، ویژگی‌ای که برای وظایف پژوهشی یا تحلیلی طولانی‌مدت کاربردی است.

قیمت‌گذاری هم رقابتی تعیین شده: دو دلار برای هر یک میلیون توکن ورودی و هشت دلار برای هر یک میلیون توکن خروجی. این عدد پالمیرا X6 را در میانه‌ی بازار قرار می‌دهد، نه در کف قیمتی که برخی مدل‌های متن‌باز چینی پیشنهاد می‌کنند؛ برای آشنایی با نمونه‌ای از این رقابت قیمتی می‌توانید مقاله‌ی مقایسه‌ی ChatGPT و DeepSeek را بخوانید.

۴. هارنس تازه؛ مغز متفکر پشت ایجنت‌های Writer

همزمان با معرفی مدل، Writer زیرساخت اجرای ایجنت‌های خود موسوم به «هارنس» را هم به‌طور اساسی به‌روزرسانی کرد. این لایه‌ی میانی مسئول برنامه‌ریزی وظایف، تصمیم‌گیری درباره‌ی عمق استدلال لازم برای هر درخواست، پردازش دسته‌ای وظایف مشابه و تفویض بخشی از کار به زیرایجنت‌های تخصصی است.

پشتیبانی از مدل‌های چند شرکت

نکته‌ی مهم این‌که هارنس اکنون از مدل‌های چند شرکت پشتیبانی می‌کند. تیم‌های سازمانی می‌توانند در کنار پالمیرا X6 از مدل‌های Anthropic و OpenAI یا زیرساخت‌های ابری مثل Azure، AWS Bedrock و NVIDIA NIM هم استفاده کنند و برای هر بخش از یک وظیفه، مدل مناسب همان بخش را انتخاب کنند؛ رویکردی که انعطاف‌پذیری بیشتری نسبت به قفل‌شدن روی یک تأمین‌کننده‌ی واحد به سازمان‌ها می‌دهد.

مقایسه‌ی عملکرد پالمیرا X6 با مدل‌های Claude Opus و GPT-5.5 و Gemini 3.1

۵. کاهش پنجاه‌ودو درصدی هزینه از کجا می‌آید؟

وقتی پالمیرا X6 و هارنس تازه با هم به کار گرفته می‌شوند، Writer از افت ۵۲ درصدی میانگین هزینه‌ی هر وظیفه، افزایش ۴۸ درصدی سرعت اجرا و بهبود ده‌درصدی کیفیت خروجی خبر می‌دهد. حتی وقتی هارنس به‌تنهایی و با مدل‌های دیگر ترکیب شود، همچنان ۴۴ درصد سرعت بیشتر و ۴۱ درصد هزینه‌ی کمتر در مقایسه با حالت پیشین ثبت شده است.

این صرفه‌جویی از چند مسیر فنی به دست می‌آید: مسیرهای استدلالی که برای پرسش‌های ساده کوتاه‌تر و برای وظایف پیچیده ساخت‌یافته‌تر می‌شوند و مصرف توکن غیرضروری را حذف می‌کنند، پردازش دسته‌ای که توان عملیاتی را بدون افزایش متناسب هزینه بالا می‌برد، و تفویض کار به زیرایجنت‌ها که از بارگذاری تکراری زمینه (context) در هر مرحله جلوگیری می‌کند. به بیان ساده‌تر، هوش مصنوعی همان‌قدر باهوش می‌ماند اما مسیر رسیدن به جواب کوتاه‌تر می‌شود.

۶. ابزارهای حاکمیتی تازه برای تیم‌های سازمانی

در کنار مدل و هارنس، Writer مجموعه‌ای از ابزارهای گزارش‌گیری و کنترل هزینه هم معرفی کرده است: تحلیل مصرف متمرکز برای مقایسه‌ی دوره‌به‌دوره میان تیم‌های مختلف، آمار عملکرد و هزینه در سطح هر «پلی‌بوک» و مهارت تعریف‌شده، هشدار و سقف مصرف برای جلوگیری از هزینه‌های غیرمنتظره، و پایش عملکرد به تفکیک هر گردش‌کار. این افزوده‌ها نشان می‌دهد Writer دقیقاً همان دغدغه‌ای را هدف گرفته که این روزها بیشتر مدیران فناوری سازمان‌ها با آن دست‌به‌گریبان‌اند: کنترل هزینه‌ی رو به رشد ایجنت‌های هوش مصنوعی. برای درک بهتر اهمیت این موضوع برای کسب‌وکارها، مقاله‌ی اهمیت هوش مصنوعی در کسب‌وکار را هم بخوانید.

۷. واکنش مشتریان و بازار

شرکت خدمات مالیاتی H&R Block یکی از مشتریانی است که در معرفی رسمی پالمیرا X6 نقل‌قول شده است. رابین مورفی، مدیر عملیات بازاریابی این شرکت، می‌گوید ابزارهای حاکمیتی تازه اطمینان لازم برای فراتر رفتن از مرحله‌ی آزمایشی را به تیم او داده و انتظار می‌رود کاهش هزینه‌ها امکان خودکارسازی حجم بالایی از کارهایی را فراهم کند که پیش از این از نظر اقتصادی توجیه نداشت.

راجر بهاری لال، تحلیل‌گر مؤسسه‌ی IDC، هم اشاره می‌کند که نزدیک به سه‌چهارم سازمان‌های جهان، هزینه‌ی بی‌رویه‌ی هوش مصنوعی را یکی از ریسک‌های اصلی خود می‌دانند؛ آماری که اهمیت اجرای اقتصادی ایجنت‌ها را بیش از پیش روشن می‌کند و توضیح می‌دهد چرا شرکت‌ها این روزها به دنبال ابزارهایی مثل پالمیرا X6 هستند.

۸. جایگاه پالمیرا X6 در رقابت جهانی هوش مصنوعی

معرفی پالمیرا X6 در بازه‌ای اتفاق افتاده که تقریباً هر هفته یک شرکت بزرگ خبر تازه‌ای درباره‌ی مدل‌های خود منتشر می‌کند؛ از رقابت قیمتی میان OpenAI و Anthropic گرفته تا رشد سریع Gemini در سمت کاربران عادی. با این حال، تمرکز Writer نه روی برتری در آزمون‌های عمومی، بلکه روی «اقتصاد توکن» است؛ مفهومی که این روزها به‌سرعت به یکی از مهم‌ترین دغدغه‌های تصمیم‌گیران فناوری تبدیل شده، چون گردش‌کارهای ایجنتی برخلاف چت‌بات‌های ساده، به‌خاطر استدلال چندمرحله‌ای، فراخوانی ابزار و اجرای طولانی، توکن بسیار بیشتری مصرف می‌کنند.

برخلاف OpenAI و Google که عمدتاً روی مدل‌های عمومی و چندمنظوره سرمایه‌گذاری می‌کنند، رویکرد Writer به بازار هوش مصنوعی سازمانی، شبیه‌تر به راهبرد شرکت‌های تخصصی است. البته باید در نظر داشت مدل‌های تخصصی معمولاً در ازای بهینه‌سازی برای یک حوزه‌ی خاص، از انعطاف‌پذیری مدل‌های عمومی در وظایف بسیار متنوع فاصله می‌گیرند؛ موضوعی که در مقاله‌ی توان و محدودیت‌های واقعی هوش مصنوعی هم به آن پرداخته‌ایم.

زیرساخت هارنس Writer برای اجرای اقتصادی ایجنت‌های هوش مصنوعی در سازمان‌ها

۹. چرا این خبر برای کاربران فارسی‌زبان هم مهم است؟

شاید در نگاه اول به نظر برسد ابزارهای سازمانی مثل Writer فقط به بازار آمریکا مربوط می‌شوند، اما روند کلی این خبر — یعنی اولویت گرفتن هزینه و کارایی به‌جای صرفاً قدرت خام مدل — به‌زودی روی همه‌ی ابزارهایی که کاربران ایرانی هم با آن‌ها کار می‌کنند اثر می‌گذارد؛ از دستیارهای نوشتاری گرفته تا ایجنت‌های خودکار داخل نرم‌افزارهای روزمره. اگر می‌خواهید یاد بگیرید چطور از ابزارهایی مثل ChatGPT برای کارهای روزمره یا حرفه‌ای بهره ببرید، سری آموزش‌های آموزش چت‌جی‌پی‌تی در سایت ما نقطه‌ی شروع خوبی است، و برای نوشتن پرامپت‌های دقیق‌تر هم می‌توانید راهنمای نوشتن پرامپت برای مبتدیان را دنبال کنید.

در همین راستا، اگر می‌خواهید بدانید تفاوت واقعی میان یک توسعه‌دهنده‌ی حرفه‌ای و کسی که فقط از ابزارهای هوش مصنوعی برای ساخت محصول استفاده می‌کند چیست، مقاله‌ی توهم هوش مصنوعی؛ توسعه‌دهنده‌ی تنها در برابر مهندس واقعی را هم از دست ندهید.

پرسش‌های پرتکرار درباره‌ی پالمیرا X6

پالمیرا X6 چه تفاوتی با مدل‌های عمومی مثل GPT یا Gemini دارد؟

پالمیرا X6 به‌جای بهینه‌سازی برای طیف گسترده‌ای از کاربردها، مستقیماً روی وظایف بازاریابی، فروش و تولید محتوای سازمانی تنظیم شده و آزمون‌های داخلی آن هم بر همین اساس طراحی شده‌اند، نه بر پایه‌ی آزمون‌های عمومی صنعت.

آیا هارنس تازه‌ی Writer فقط با پالمیرا X6 کار می‌کند؟

خیر؛ هارنس از مدل‌های چند شرکت از جمله Anthropic و OpenAI هم پشتیبانی می‌کند و حتی وقتی با آن مدل‌ها ترکیب شود، بهبود محسوسی در سرعت و هزینه ثبت کرده است.

چه شرکت‌هایی تاکنون از پالمیرا X6 استفاده کرده‌اند؟

شرکت خدمات مالیاتی H&R Block یکی از مشتریانی است که پیش از انتشار عمومی، این مدل و ابزارهای حاکمیتی تازه‌ی آن را در گردش‌کارهای بازاریابی خود آزموده است.

قیمت پالمیرا X6 چقدر است؟

قیمت این مدل دو دلار برای هر یک میلیون توکن ورودی و هشت دلار برای هر یک میلیون توکن خروجی تعیین شده که آن را در میانه‌ی بازار قرار می‌دهد.

جمع‌بندی. پالمیرا X6 نشان می‌دهد رقابت هوش مصنوعی سازمانی دیگر فقط بر سر بزرگ‌تر بودن مدل‌ها نیست، بلکه بر سر این است که کدام شرکت می‌تواند همان قدرت را ارزان‌تر، سریع‌تر و پایدارتر به کاربر برساند؛ روندی که در ماه‌های آینده احتمالاً فشار قیمتی بیشتری روی OpenAI، Anthropic و Google هم وارد خواهد کرد. برای پیگیری آخرین خبرهای هوش مصنوعی از سراسر دنیا، صفحه‌ی اخبار هوش مصنوعی سایت ما را دنبال کنید و برای تحلیل‌های روزانه همراه کانال @MrChatGPT_IR بمانید.

نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید

(0 رأی)

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *