اگر فکر میکنید عاملهای کدنویسی هنوز فقط برای کارهای سادهاند، باید بدانید که در نوامبر ۲۰۲۵ یک تغییر بنیادین رخ داد. در این مقطع، این ابزارها از وضعیت «گاهی مفید» به «همراهان قابلاعتماد روزمره» تبدیل شدند.
به نقل از تحلیلهای سایمون ویلیسون (Simon Willison)، این جهش مدیون استراتژی OpenAI و Anthropic در بهکارگیری یادگیری تقویتشده از پاداشهای قابلتأیید (Reinforcement Learning from Verifiable Rewards یا RLVR) است. این سازوکار توانست بهطور چشمگیر نرخ «اشتباهات احمقانه» در تولید کد را کاهش دهد و قابلیت اطمینان مدلها را بالا ببرد.
این تحول در حالی رخ میدهد که صنعت از چرخههای سادهی پرسش و پاسخ به سمت پشتههای عاملمحور (Agentic) حرکت میکند. همانطور که در تحلیلهای پیشین ما دربارهی بهینهسازی تبدیل در تجارت الکترونیک با مدلهای متوالی اشاره کردیم، تمرکز فعلی بر ادغام مدلها در چارچوبهای تخصصی مانند Codex و Claude Code است تا پایداری در سطح تولید (Production-grade) حاصل شود.
بر اساس بررسیهای ویلیسون، تاج «بهترین مدل» بین سپتامبر ۲۰۲۵ تا می ۲۰۲۶ پنج بار جابهجا شد:
- Claude Sonnet 4.5
- GPT-5.1
- Gemini 3
- GPT-5.1 Codex Max
- Claude Opus 4.5
او برای سنجش استدلال فضایی و دقت بصری، از یک آزمون SVG با تصویر «پلیکانی روی دوچرخه» استفاده کرد تا پیشرفتهای واقعی را رصد کند.
در فوریه ۲۰۲۶، شاهد انفجار «چنگکها» (Claws) یا همان دستیاران شخصی هوش مصنوعی محلی بودیم. برجستهترین آنها، OpenClaw (که پیشتر Warelay نام داشت)، چنان تقاضایی ایجاد کرد که منجر به افزایش فروش Mac Mini شد؛ چرا که کاربران به دنبال سختافزاری بهینه برای میزبانی از این عاملهای محلی بودند.
![micro-javascript playground Execute JavaScript code in a sandboxed micro-javascript environment powered by Pyodide var numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]; var doubled = numbers.map(n => n * 2); console.log('Doubled: "', doubled); var evens = numbers.filter(n => n % 2 === 0); console.log('Evens: ', evens); var sum = numbers.reduce((a, b) => a + b, @); console.log('Sum:", sum); Output 27 Doubled: [2, 4, 6, 8, 10, 12, 14, 16, 18, 20] Evens: [2, 4, 6, 8, 10] Sum: 55 Execution time: 8.00ms About: micro-javascript is a pure Python JavaScript interpreter with configurable memory and time limits. This playground runs entirely in your browser using Pyodide (Python compiled to WebAssembly). View on GitHub](https://www.dothoosh.com/media/4167de11-b85a-4e88-b358-f3a9f571860a-7-the-last-six-months-in-llms-in-five-minutes-bf56ba4c.webp)
در حاشیه مدلهای پیشرو، گوگل سری Gemma 4 را عرضه کرد و آزمایشگاه چینی GLM مدل GLM-5.1 را معرفی نمود. این مدل با ۱.۵ ترابایت وزنهای باز (Open Weights)، عملکرد خیرهکنندهای در تولید SVGهای پیچیده و متحرک (مانند یک اپوسوم روی اسکوتر برقی) نشان داده است.
برای متخصصان فنی، این وضعیت به معنای گذار از انتخاب مدل بر اساس «حس کلی» (Vibes-based) به یک استراتژی دوقطبی است: استفاده از مدلهای پیشرو برای وظایف استدلالی سنگین و مدلهای محلیِ قدرتمند برای اجرای عاملهای شخصی.
گام بعدی شما
- بررسی الزامات سختافزاری برای اجرای مدلهای ۱.۵ ترابایتی مانند GLM-5.1 جهت ارزیابی توجیه هزینه در برابر عملکرد.
- جایگزینی گردشهای کاری دستی با پشتههای عاملمحور مبتنی بر RLVR برای کاهش خطاهای کدنویسی.
- تست مدلهای محلی در محیطهای ایزوله برای کاهش هزینههای استنتاج.
اما تأثیر این مدلهای غولپیکر بر معماری مراکز داده و مصرف انرژی، بحثی است که در گزارش بعدی به آن میپردازیم.
گفتگو