تصور کنید مدل‌های هوش مصنوعی به‌جای اینکه هر بار برای رسیدن به جواب، تمام مراحل ریاضی را روی تخته بنویسند، بتوانند پاسخ را به‌صورت غریزی و سریع تشخیص دهند. Deep Cogito با جذب ۴۳ میلیون دلار سرمایه در راند Series A، روی همین فرضیه شرط‌بندی کرده است: هوش واقعی نه در داده‌های بیشتر، بلکه در نحوه یادگیری مدل پس از ساخت نهفته است. این آزمایشگاه مستقر در سان‌فرانسیسکو قصد دارد استدلال‌های کند و گران‌قیمت را به شهودهای سریع و درونی تبدیل کند. طبق اعلام شرکت، این رویکرد می‌تواند سد هزینه‌ای پیش روی مدل‌های فعلی را بشکند.
سرمایه‌گذاری و حامیان
این راند سرمایه‌گذاری توسط TQ Ventures رهبری شد و مجموعه‌ای از نام‌های بزرگ مانند Benchmark، Nexus Venture Partners، Atreides Management و South Park Commons در آن حضور داشتند. نکته قابل توجه، حضور شرکت Zscaler (فعال در حوزه امنیت ابری) است که هم به‌عنوان مشتری و هم به‌عنوان سرمایه‌گذار استراتژیک وارد این جمع شد. با این تزریق سرمایه، مجموع بودجه Deep Cogito به بیش از ۵۶ میلیون دلار رسید.
بیشتر توسعه‌های فعلی هوش مصنوعی از مسیر «زور خالص» پیش می‌روند؛ یعنی صرف میلیاردها دلار برای خرید GPU (واحد پردازش گرافیکی) تا یک مدل بنیادی (Foundation Model) — شبیه به ساختن یک مغز عظیم که تمام اینترنت را بلعیده است — روی کل داده‌های وب پیش‌آموزش ببیند. همان‌طور که در تحلیل قبلی ما درباره‌ی نقشه‌های راه پیچیده برای آموزش و استنتاج مدل‌های زبانی اشاره کردیم، صنعت اکنون به دیواری برخورد کرده است که در آن هزینه مقیاس‌بندی پیش‌آموزش دیگر توجیه‌پذیر نیست. آموزش مدل‌های پیشرو نیازمند مجموعه‌های داده عظیم، کلاسترهای GPU، زیرساخت‌های برق گسترده و سرمایه‌های کلان است.
Deep Cogito معتقد است فرصت واقعی در مرحله «پس‌آموزش» (Post-training) است. در حالی که پیش‌آموزش یک پایه گسترده از دانش را فراهم می‌کند، پس‌آموزش است که تعیین می‌کند مدل چگونه رفتار کند، چگونه استدلال نماید، چگونه دستورات را دنبال کند و چگونه از ابزارها استفاده کند. دریشان آرورا (Drishan Arora)، بنیان‌گذار شرکت، می‌گوید: «پیش‌آموزش به مدل مقدار عظیمی از دانش و قابلیت می‌دهد، اما پس‌آموزش تعیین می‌کند که آن مدل در نهایت به چه چیزی تبدیل شود.»
سازوکار خودبهبودی
این شرکت که توسط مهندسان سابق گوگل در بخش جستجوی هوش مصنوعی، دریشان آرورا و درو مالرانا (Dhruv Malrana) — که پیش از این روی AI Mode و AI Overviews کار کرده بودند — تأسیس شده، بر متدی به نام «تقطیر و تقویت تکرار شونده» (IDA) تمرکز دارد. این فرآیند در یک حلقه عمل می‌کند:
- تقویت (Amplification): به مدل محاسبات و تکنیک‌های اضافی داده می‌شود تا پاسخی قوی‌تر و دقیق‌تر از آنچه به‌طور معمول تولید می‌کند، پیدا کند.
- تقطیر (Distillation): این پاسخ باکیفیت سپس دوباره به پارامترهای داخلی مدل تقطیر و تزریق می‌شود.
- تکرار (Iteration): مدل ارتقایافته، تبدیل به خط مبنای (Baseline) جدید برای چرخه بعدی می‌شود.
با تکرار این روند، مدل فقط یک جواب خاص را یاد نمی‌گیرد، بلکه مسیر استدلال را درونی می‌کند. Deep Cogito این فرآیند را بهبود «شهود» مدل توصیف می‌کند؛ قابلیتی که به مدل اجازه می‌دهد بدون نیاز به یک زنجیره تفکر (Chain-of-Thought) طولانی و گران‌قیمت در هر بار اجرا، به نتیجه درست برسد.
خانواده مدل‌های Cogito و بنچمارک‌ها
برای اثبات این ادعا، این آزمایشگاه خانواده مدل‌های Cogito را با وزن‌های باز (Open Weights) عرضه کرد. نسخه‌های اولیه این مدل‌ها از ۳ میلیارد تا ۷۰ میلیارد پارامتر متغیر بودند. شرکت بعدها این خانواده را گسترش داد تا شامل موارد زیر شود:
- مدل‌های ۷۰ میلیارد پارامتری (70B)
- مدل‌های ۱۰۹ میلیارد پارامتری با معماری ترکیب خبره‌ها (MoE)
- مدل‌های ۴۰۵ میلیارد پارامتری (405B)
- مدل‌های ۶۷۱ میلیارد پارامتری با معماری MoE
به گزارش unite.ai، مدل Cogito v2 671B توانسته است زنجیره‌های استدلالی را حدود ۶۰٪ کوتاه‌تر از مدل DeepSeek R1 0528 تولید کند، در حالی که در ارزیابی‌ها همچنان رقابتی باقی مانده است.
بهره‌وری بخش اصلی ادعاهای آن‌هاست. Deep Cogito اعلام کرد که برای آموزش هشت مدل در طیف‌های مختلف (از ۳ میلیارد تا ۶۷۱ میلیارد پارامتر)، در مجموع کمتر از ۳.۵ میلیون دلار هزینه کرده است. آخرین نسخه پژوهشی آن‌ها، Cogito v2.1 671B، از یک مدل پایه DeepSeek با لایسنس باز استفاده کرده و از «نظارت بر فرآیند» (Process Supervision) بهره می‌برد. این نوع آموزش طراحی شده است تا به هوش مصنوعی کمک کند مسیرهای استدلالی بهره‌ور را شناسایی کند، به‌جای اینکه صرفاً برای مدت زمان طولانی‌تری استدلال کند.
چرخش به سمت بازار سازمانی
استراتژی تجاری Deep Cogito فراتر از مدل‌های باز است و بازار سازمانی را هدف قرار داده است. به‌جای تکیه بر تولید بازیابی‌افزا (RAG) — که فقط اطلاعات خارجی را در لحظه استنتاج فراهم می‌کند و شبیه به باز کردن کتاب درسی هنگام امتحان است — این شرکت به سازمان‌ها اجازه می‌دهد قابلیت‌های تخصصی دامنه (Domain-specific) را مستقیماً در وزن‌های مدل و با استفاده از داده‌های محرمانه خودشان حک کنند. این رویکرد در راستای تلاش‌های گسترده‌تر برای شخصی‌سازی هوش مصنوعی در محیط‌های تجاری است، مشابه آنچه Arga Labs برای آموزش عامل‌ها در محیط‌های شبیه‌سازی شده سازمانی دنبال می‌کند.
شرکت Zscaler، یک شرکت امنیت ابری و سرمایه‌گذار استراتژیک در این راند، همین حالا از این قابلیت استفاده می‌کند. آن‌ها از پس‌آموزش برای ساخت مدل‌های هوش امنیتی تخصصی بهره می‌برند که داده‌های امنیتی خاص یک سازمان و نتایج آن را بهتر از هر مدل پیشرو عمومی درک می‌کند.
این جایگاه‌سازی به کسب‌وکارها اجازه می‌دهد مدل‌هایی را آموزش دهند و مالک آن‌ها باشند که از داده‌های اختصاصی خودشان استفاده می‌کنند، و بدین ترتیب وابستگی کلی آن‌ها به سیستم‌های بسته (Closed Systems) کاهش می‌یابد. هدف نهایی، فراهم کردن تخصص و کنترل کامل بر منطق داخلی هوش مصنوعی است.
تغییر در اقتصاد هوش مصنوعی
این رویکرد به‌طور بنیادی هزینه تولید هوش را تغییر می‌دهد. زنجیره‌های استدلال طولانی باعث افزایش مصرف توکن (Token)، افزایش تأخیر (Latency) و بالا رفتن صورت‌حساب‌های ابری می‌شود. اگر یک مدل بتواند آن استدلال را «درونی» کند، هزینه استنتاج (Inference) به‌شدت افت می‌کند.
علاوه بر این، این روش وابستگی به «مسابقه تسلیحاتی محاسباتی» را کاهش می‌دهد. اگر یک آزمایشگاه بتواند از طریق پس‌آموزش تکرار شونده، هوش بیشتری از یک مدل موجود استخراج کند، دیگر نیازی نیست برای هر بار دستیابی به مدلی 똑똑تر، فرآیند میلیارد دلاری پیش‌آموزش را از ابتدا تکرار کند.
مقیاس‌پذیری و آینده پژوهشی
Deep Cogito قصد دارد از این ۴۳ میلیون دلار برای گسترش سازمان پژوهشی و مهندسی خود استفاده کند. بخش قابل توجهی از این بودجه صرف افزایش زیرساخت‌های محاسباتی برای آموزش‌های در مقیاس بزرگ خواهد شد.
اسناد استخدامی آن‌ها نشان‌دهنده تمرکز بر چندین حوزه فنی کلیدی است:
- الگوریتم‌های نوین یادگیری تقویتی (Reinforcement Learning)
- خط لوله‌های داده (Data Pipelines) پیشرفته
- چارچوب‌های ارزیابی (Evaluation Frameworks)
- زیرساخت‌های توزیع‌شده برای آموزش مدل‌هایی با بیش از ۴۰۰ میلیارد پارامتر
این موضوع نشان‌دهنده آینده‌ای است که در آن توسعه هوش مصنوعی از داده‌های تولید شده توسط انسان به سمت حلقه‌ای حرکت می‌کند که در آن مدل‌ها خودشان بهبودها را تولید، ارزیابی و درونی می‌کنند. اگرچه خودبهبودی بازگشتی (Recursive Self-improvement) واقعی هنوز یک هدف دوردست است — زیرا نیازمند ارزیابی‌های قابل اعتماد و حفاظاتی در برابر تقویت اشتباهات است — اما این حلقه تکرار شونده، گامی عملی به سوی هوش مصنوعی است که از تجربه خودش می‌آموزد.
باید منتظر ماند و دید سایر آزمایشگاه‌ها چگونه به نتایج Cogito v2.1 پاسخ می‌دهند، به‌ویژه اینکه آیا کاهش ۶۰ درصدی طول استدلال در سایر مدل‌های پیشرو نیز برای کاهش هزینه‌های تولید قابل تکرار است یا خیر.
گام بعدی شما
- اگر از مدل‌های استدلالی (Reasoning Models) برای کارهای تولیدی استفاده می‌کنید، بررسی کنید که آیا می‌توان با تقطیر (Distillation) پاسخ‌های طولانی را به مدل‌های کوچک‌تر منتقل کرد یا خیر.
- نتایج Cogito v2.1 را دنبال کنید تا ببینید آیا کاهش ۶۰ درصدی طول استدلال در سایر مدل‌های پیشرو نیز قابل تکرار است.
- برای سازمان‌هایی که داده‌های حساس دارند، بررسی جایگزینی RAG با پس‌آموزش‌های تخصصی را در اولویت قرار دهید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو