تصور کنید یک محیط چت واحد داشته باشید که هم پاسخهای سریع میدهد و هم گردشهای کاری پیچیده در چندین برنامه را مدیریت میکند. با ادغام Claude Cowork در تجربه اصلی Claude.ai، شرکت آنتروپیک (Anthropic) اصطکاک جابهجایی میان تبها را برای وظایف با بافتار بالا (High-context) از بین برد تا چت استاندارد به یک فضای کاری دائمی تبدیل شود.
برای ماهها، کاربران حرفهای مجبور بودند محیطهای مجزایی را برای چتهای ساده و جلسات عمیق «همکاری» مدیریت کنند. این پراکندگی شبیه به روزهای ابتدایی مجموعههای بهرهوری بود، پیش از آنکه داشبوردهای یکپارچه به استاندارد تبدیل شوند. اکنون آنتروپیک به سمت ایجاد یک «پنجره واحد» (Single pane of glass) برای تعامل با هوش مصنوعی حرکت میکند؛ جایی که وضعیت عامل (Agent) — شبیه به کارمندی که حتی وقتی شما از اتاق خارج میشوید به کارش ادامه میدهد — از نشست فعال مرورگر مستقل شده است.
همانطور که در تحلیلهای قبلی ما دربارهی پروتکلهای ارتباطی مدلها اشاره کردیم، هدف نهایی حذف مرز میان ابزار و همکار است. طبق گزارش Ben's Bites در ۱۷ سپتامبر ۲۰۲۶، این ادغام به این معناست که تمام برنامههای متصل، مهارتها و زمینههای متنی اکنون در یک چت معمولی در دسترس هستند. یک تغییر فنی حیاتی در اینجا، معرفی «پایداری پسزمینه» (Background persistence) است؛ یعنی هوش مصنوعی میتواند پس از بستن لپتاپ شما، همچنان روی وظایف کار کند.
این حرکت یک چالش مستقیم برای ساختارهای سنتی بهرهوری است. به نظر میرسد OpenAI برای حفظ جایگاه خود در رقابت فضاهای کاری عاملمحور، واکنش مشابهی با یکپارچهسازی ChatGPT و ChatGPT Work نشان خواهد داد تا توازن قدرت در این حوزه حفظ شود.
گسترش اکوسیستم: اسناد، اسلایدها و مادها
آنتروپیک به ادغام چت بسنده نکرده است. این شرکت در حال عرضه محصولات اختصاصی برای اسناد (Docs) و اسلایدها (Slides) از طریق Claude Artifacts است و Claude Design را مستقیماً وارد گفتگوها کرده است. این گسترش نشاندهنده یک چرخش راهبردی برای رقابت مستقیم با G Suite گوگل و Microsoft Office است.
علاوه بر این، شرکت در حال آزمایش Claude Mods است. اینها لایههای رفتاری قابل سفارشیسازی برای Claude Code هستند که کاربران میتوانند از خودِ هوش مصنوعی بخواهند آنها را بنویسد. این قابلیت اجازه میدهد محیط کدنویسی با گردش کار هر برنامهنویس سازگار شود؛ از رعایت سختگیرانه معماری نرمافزار گرفته تا رابطهای بازیگونه — مثلاً اینکه کلود در حالی که کاربر تتریس بازی میکند، کد بزند.
چشمانداز رقابتی و مدلهای جدید
در حالی که آنتروپیک مجموعه ابزارهای خود را گسترش میدهد، بازیگران دیگر روی هزینه و سرعت استنتاج (Inference) — لحظهای که مدل واقعاً جواب تولید میکند، شبیه به خودِ آشپزی و نه دوره آموزش آشپز — تمرکز کردهاند. گوگل دو مدل جدید Gemini API را منتشر کرد: 3.8 Live و 3.8 Live Extended Thinking. این مدلها ورودیهای ویدیو و صدا را پردازش کرده و خروجی صوتی بلادرنگ میدهند. گزارش شده است که هزینه مدل 3.8 Live حدود ۷ برابر کمتر از GPT-Live 1 است.
در فضای مدلهای تخصصی، TypeSafe AI مدل Jev را عرضه کرد. این مدل که توسط یکی از بنیانگذاران ChatGPT ساخته شده، با مدلهای زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — متفاوت است، زیرا متن تولید نمیکند. در عوض، Jev احتمالات پاسخهای ممکن را میسازد. این سازوکار برای مسیریابی درخواستها، تصمیمگیری درباره اینکه کدام API در مرحله بعد فراخوانی شود یا مدیریت باتهای معاملاتی بسیار بهینه است. این مدل ورودیهایی ۵ برابر ارزانتر از 5.6 Luna ارائه میدهد، توکنهای خروجی آن رایگان است و عملکردی مشابه 5.6 Terra در وظایف مرتبط دارد.
تغییرات قابل توجه دیگر عبارتند از:
- Union Alpha: مدلی مخفی در OpenRouter و Cloudflare که در محک DeepSWE از 5.6 Sol پیشی گرفته است و هزینه آن مشابه 5.6 Luna است. در حالی که برخی گمان میکنند این یک روتر یا نسخهای از GPT-6 (احتمالاً GPT-6 Luna) است، برخی دیگر آن را یک مدل GLM مانند GLM-5.3-Flash میدانند.
- Meta One: اشتراک جدید متا برای دسترسی به قابلیتهای پیشرفته هوش مصنوعی و استفاده در Muse، و همچنین ابزارهای پولی در اینستاگرام، فیسبوک و واتساپ.
- Factory: جذب سرمایه ۲۰۰ میلیون دلاری با ارزش ۵ میلیارد دلار. این رشد از استفاده از مدلهای متنباز Droid Core حمایت میکند که به دلیل سرعت بالا و عملکردی مشابه مدلهای پیشرو (Frontier) در اکثر کاربردها شناخته شدهاند.
چرخش به سمت زیرساختهای خودمختار
ما شاهد موجی از «میکرو-عاملها» برای وظایف بسیار خاص هستیم. Vercel Labs اخیراً gpu-lexer را منتشر کرد؛ مدلی بسیار کوچک (۲۷.۵ کیلوبایت) که روی WebGPU اجرا میشود تا هایلایت کردن نحو (Syntax Highlighting) مرورگر را مدیریت کند. این مدل مستقل از زبان (Language-agnostic) و در حالت آزمایشی است. مدلهای کوچک دیگر شامل موارد زیر هستند:
- gpu-time: تبدیل زبان طبیعی به تاریخ و زمان JS.
- gpu-query: تبدیل زبان طبیعی به فیلترهای ساختاریافته.
- neural-flexbox: مدلی که صرفاً برای وسطچین کردن یک div طراحی شده است.
از عرضه پذیرنده هوش مصنوعی ElevenLabs برای کسبوکارهای کوچک تا ساخت عاملهای شرکتهای کاملاً خودمختار توسط Pion، تمرکز از «چت کردن» به «اجرا کردن» تغییر یافته است. ابزارهایی مثل Slack Code که به تیمها و عاملهای کدنویسی اجازه میدهد با هم برنامهریزی، ساخت و بازبینی کنند، و Grok Bot که اکنون با 1Password ادغام شده است، این روند را تقویت میکنند.
ابزارهای عاملمحور و محکهای نوظهور
با ورود عاملها به محیط تولید، صنعت در حال توسعه روشهای جدید برای تایید و مدیریت آنهاست. Yohei وبسایت evaluatorbench.com را معرفی کرد که یک پیشنمایش تحقیقاتی و دایرکتوری متصل به منابع از ارزیابان شخص ثالث برای هوش مصنوعی پیشرو است و برای هر ارزیاب، نمره استقلال (Independence score) ارائه میدهد.
سایر پیشرفتهای زیرساختی:
- Buzz: یک عامل کدنویسی که هنگام نیاز به دخالت انسان، میتواند به آیفون کاربر پیام (Ping) بفرستد.
- Arrow 2 by Quiver: مدل جدید تولید SVG که پس از نسخه قبلی عرضه شد (نسخهای که از LLMها پیشی گرفته بود).
- Code Contracts: روشی برای نوشتن الزامات (Requirements) که سپس عاملها آنها را با کد نهایی تطبیق میدهند.
- Mintlify: ارائه مستنداتی که به صورت خودکار بهروزرسانی میشوند و دارای اتوماسیونهای آماده هستند.
- TanStack Markdown: یک پارسر بسیار کوچک طراحی شده برای اسناد، وبلاگها و پاسخهای استریمشده هوش مصنوعی.
یکپارچهسازی این ابزارها در یک رابط واحد، آخرین قدم برای تبدیل عاملهای هوش مصنوعی از «نرمافزار» به «کارمند» است. وقتی عامل شما زمینه را در دستگاههای مختلف به یاد میآورد و اسناد را در پسزمینه مدیریت میکند، «پرامپت» در اولویت دوم قرار میگیرد و «هدف» (Objective) اولویت اول میشود.
کاربران باید رویداد OpenAI Dev Day در ۲۹ سپتامبر را زیر نظر داشته باشند؛ جایی که گمان میرود برای مقابله با حرکات اخیر آنتروپیک، یک عامل شخصی (Personal Agent) معرفی شود.
گام بعدی شما
- اگر از Claude استفاده میکنید، قابلیتهای Cowork را در چتهای معمولی تست کنید تا ببینید چقدر سرعت گردش کار شما افزایش مییابد.
- توسعهدهندگان را توصیه میکنم مدلهای کوچک WebGPU مثل gpu-lexer را برای کاهش هزینه استنتاج در کارهای ساده بررسی کنند.
- منتظر رویداد OpenAI Dev Day در ۲۹ سپتامبر باشید؛ احتمالاً پاسخی مستقیم به قابلیتهای عاملمحور آنتروپیک خواهیم دید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو