اگر امروز برای اتوماسیون فروشگاه آنلاین خود به مدل‌های گران‌قیمت OpenAI یا Anthropic تکیه می‌کنید، احتمالاً نیمی از بودجهٔ استنتاج خود را برای قابلیت‌های بلااستفاده‌ای می‌پردازید که هرگز به کار نمی‌برید. طبق اعلام علی‌بابا، پلتفرم Accio اکنون می‌تواند همان نتایج را با هزینه‌ای بسیار کمتر و کیفیتی مشابه ارائه دهد.
در ۹ سپتامبر ۲۰۲۶ و طی رویداد CoCreate در لس‌آنجلس (که از ۹ تا ۱۰ سپتامبر ۲۰۲۶ برگزار شد)، علی‌بابا آمارهایی را منتشر کرد که در آن برای انجام مجموعه‌ای از ۱۰۷ وظیفهٔ تجاری، هزینهٔ Accio تنها ۳.۶۹ دلار بود؛ در حالی که این مبلغ برای Codex متعلق به OpenAI (۹.۲۷ دلار) و Claude Code متعلق به Anthropic (۹.۵۱ دلار) بیش از دو برابر بود. این رقم‌ها ادعای علی‌بابا را تقویت می‌کند که پلتفرم آن اکنون رقابتی‌ترین ابزار هوش مصنوعی برای کسب‌وکارهای کوچک و متوسط (SMBs) است و می‌تواند کیفیتی مشابه را با هزینه‌ای تخمینی بیش از ۵۰ درصد کمتر ارائه دهد.
این حرکت به دنبال روند گسترده‌تری در صنعت برای بهینه‌سازی هزینهٔ استنتاج (Inference) — که شبیه لحظهٔ نهایی آشپزی است، نه دوره‌ی آموزش آشپز — در محیط‌های عملیاتی است. این رویکرد با تحلیل ما درباره برتری مدل‌های زبانی کوچک در محیط‌های عملیاتی همسو است که نشان می‌دهد کاهش هزینه‌های استنتاج، کلید پذیرش گسترده هوش مصنوعی در تولید است. همان‌طور که در تحلیل قبلی ما درباره‌ی GitHub HydraFusion اشاره کردیم که هزینه‌های کدنویسی را ۶۷ درصد کاهش داد، تمرکز صنعت از قدرت خام مدل‌ها به سمت توجیه اقتصادی تغییر کرده است. کو ژانگ، رئیس علی‌بابا، معتقد است برای یک شرکت تک‌نفره، هوش مصنوعی گران‌قیمت عملاً بی‌فایده است. ژانگ تصریح کرد که هدف این است که هوش مصنوعی تجارت را کاربردی و مقرون‌به‌صرفه کنند، نه اینکه صرفاً آن را قدرتمندتر سازند.
Accio برای فرار از هزینه‌های بالای مدل زبانی بزرگ (LLM) — که مثل کتابخانه‌داری است که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — از یک سامانه مسیریابی تخصصی استفاده می‌کند. این سیستم به‌جای ارسال پیش‌فرض هر درخواست به قدرتمندترین مدل، ابتدا درخواست‌های پیچیده را به گام‌های کوچک‌تر و قابل مدیریت تقسیم می‌کند. سپس با بررسی متغیرهایی چون کیفیت، سرعت، هزینه و نیازهای داده‌ای، هر گام را به بهینه‌ترین مدل موجود می‌سپارد.
سازوکار افزایش بهره‌وری
به نقل از مستندات علی‌بابا، این شکاف قیمتی حاصل سه استراتژی فنی اصلی است:
- پس‌آموزش (Post-Training): شرکت از داده‌ها و جریان‌های کاری تخصصی حوزه تجارت برای پس‌آموزش مدل‌های سبک استفاده می‌کند تا کارهای روتین و با تعریف دقیق توسط مدل‌های کوچک انجام شود و مدل‌های پیشرفته‌تر صرفاً برای استدلال‌های عمیق رزرو شوند.
- بهینه‌سازی منابع: این سیستم از بازاستفاده از حافظهٔ موقت (Cache reuse)، فشرده‌سازی زمینه (Context compression) و اجرای هماهنگ عامل‌ها استفاده می‌کند تا از مصرف توکن‌های تکراری، فراخوانی‌های غیرضروری ابزارها و پردازش‌های مکرر جلوگیری کند.
- بهینه‌سازی پارتو (Pareto Optimization): با مسیریابی وظایف، سیستم جریان‌های کاری را به «جبهه پارتو» نزدیک می‌کند؛ یعنی نقطه‌ای که در آن بهبود یک بُعد (مثلاً کیفیت) مستلزم پذیرش هزینه در بُعدی دیگر (مثلاً سرعت یا قیمت) است.
متن‌باز کردن محک عامل‌های تجاری
برای اثبات این ادعاها، علی‌بابا ابزار Commerce Agent Bench (که پیش‌تر RealReplicaBench نام داشت) را در گیت‌هاب منتشر کرد. این پروژه توسط تیم Accio در بخش بین‌المللی علی‌بابا توسعه یافته و نگهداری می‌شود. این محک برخلاف تست‌های مصنوعی، از فعالیت‌های واقعی تجار استخراج شده است و شامل داده‌های ۱۰ میلیون کاربر فعال SMB، ۱.۶ میلیون گفتگو و ۲۰۰ هزار ردپای اجرایی (Execution traces) است.
این مجموعهٔ ۱۰۷ وظیفه‌ای که در حال حاضر در نسخه v1.3.1 تثبیت شده است، به دسته‌های عملیاتی زیر تقسیم می‌شود:
- خط فرمان (Command-line): ۵۳ وظیفه
- مرورگر-محور (Browser-based): ۲۸ وظیفه
- مدیریت فایل (File management): ۱۶ وظیفه
- API/MCP: ۱۰ وظیفه
علاوه بر این، قابلیت‌ها به سه بخش تقسیم شده‌اند: ۶۵ وظیفه فقط متنی، ۲۰ وظیفه با قابلیت متن-مرورگر و ۲۲ وظیفه که نیازمند بینایی ماشین (Vision) هستند. این وظایف عملیات‌های حساس تجاری مثل بررسی صدها ایمیل ساختارنیافته، شناسایی کلاهبرداری‌های پرداخت، محاسبه هزینه‌های نهایی landed costs و رزرو مسیرهای حمل‌ونقل چند-حاملی را پوشش می‌دهند.
تایید عملکرد و نتایج مدل‌ها
بر اساس بررسی‌های فنی، هر وظیفه در یک کانتینر تازه اجرا و سپس پس از امتیازدهی تخریب می‌شود. یک وظیفه تنها زمانی «پاس شده» تلقی می‌شود که تمام بررسی‌های تاییدکننده (Verifier checks) با موفقیت انجام شوند. این تاییدکننده‌ها پس از خروج عامل، در سمت میزبان اجرا شده و خروجی‌ها و وضعیت نهایی سرویس‌های شبیه‌ساز ایزوله را می‌خوانند. کد مربوط به بسته‌ی پایتون، هارنس و سرویس‌های شبیه‌ساز تحت لایسنس Apache-2.0 و مجموعه وظایف تحت لایسنس CC-BY-4.0 منتشر شده‌اند.
جالب اینجاست که این محک نشان می‌دهد هیچ مدل واحدی در تمام دسته‌ها پیشرو نیست. نتایج مرجع، ۱۳ خانواده مدل را در سه هارنس مختلف (Pi، OpenClaw و Accio) پوشش می‌دهد. اگرچه Claude Opus 5 از آنتروپیک در جدول کلی پیشتاز بود — با پاس کردن ۶۵ از ۱۰۷ وظیفه در Pi، ۶۰ مورد در OpenClaw و ۶۶ مورد در Accio — اما همین نتایج استدلال علی‌بابا درباره ضرورت مسیریابی در سطح وظیفه (Task-level routing) را تایید می‌کند. لازم به ذکر است که این امتیازات با استفاده از مدل gemini-3.1-pro-preview به‌عنوان مدل داور تولید شده‌اند.
فضای کاری یکپارچه تجاری
فراتر از بنچمارک‌ها، Accio اکنون به یک فضای کاری یکپارچه برای عملیات تجارت الکترونیک جهانی تبدیل شده است. این پلتفرم اکنون مستقیماً با Amazon، Shopify، eBay، TikTok Shop و Walmart ادغام می‌شود. این قابلیت به فروشندگان اجازه می‌دهد تا از یک نقطه واحد به جریان‌های کاری فروشگاه‌های مختلف دسترسی داشته باشند تا بازارها را تحلیل کنند، فرصت‌های محصول را شناسایی نمایند، محصولات را توسعه دهند، تامین‌کنندگان را ارزیابی کنند و عملیات روزانه را مدیریت نمایند.
این چرخش نشان می‌دهد آینده هوش مصنوعی سازمانی، یک «مدل خدا» (God-model) واحد نیست، بلکه ارکستراتوری پیچیده از عامل (Agent)های تخصصی است. علی‌بابا روی این شرط‌بندی کرده است که حجم کاربر و کاربرد عملی، بر اعتبارِ تعداد پارامترهای مدل غلبه می‌کند.
گام بعدی شما
- اگر توسعه‌دهنده هستید، مخزن Commerce Agent Bench را در گیت‌هاب بررسی کنید تا نقاط شکست مدل‌های فعلی در کارهای تجاری را ببینید.
- استراتژی مسیریابی (Routing) را در معماری عامل‌های خود جایگزین فراخوانی مستقیم مدل‌های بزرگ کنید.
- منتظر نسخه اروپایی رویداد CoCreate در لندن در ۱۹ و ۲۰ نوامبر ۲۰۲۶ باشید تا ادغام‌های جدید با اکوسیستم فروشندگان جهانی را دنبال کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو