هزینهٔ اجرای عامل‌های هوش مصنوعی تنها با کاهش قیمت هر توکن پایین نمی‌آید، بلکه نیازمند حذف توکن‌های هدررفته‌ای است که در جریان حلقه‌های استدلال شکست‌خورده تولید می‌شوند. Fortytwo برای حل این چالش، Fortytwo Engine را عرضه کرد؛ یک API استنتاج که به‌طور خاص برای بهینه‌سازی مسیر استدلال مدل‌های هوش مصنوعی همکاری‌کننده طراحی شده است تا مجموع توکن‌های مصرفی در هر عملیات کاهش یابد.
این محصول در حالی معرفی می‌شود که توسعه‌دهندگان با «هزینه‌های پنهان» گردش‌کارهای عامل‌محور (Agentic) دست‌وپنجه نرم می‌کنند؛ جایی که فراخوانی‌های مکرر ابزارها، انباشت حجم زیاد زمینه (Context) و تلاش‌های مجدد برای رسیدن به پاسخ، صورت‌حساب‌ها را حتی با وجود قیمت‌های پایین توکن در مدل‌های پایه، به‌شدت افزایش می‌دهد. این چالش‌ها در راستای تلاش‌های گسترده‌تر صنعت برای کنترل هزینه‌هاست، مشابه آنچه در راهکار جدید Gemini برای کنترل هزینه از طریق هرس حافظه مشاهده کردیم. همان‌طور که در تحلیل قبلی ما درباره‌ی نحوه مسیریابی تکالیف توسط Atlarix به مدل‌های مختلف در هر گام اشاره کردیم، بهینه‌سازی در سطح استنتاج کلیدی است. رویکرد Fortytwo برخلاف مسیریابی خارجی، بر فرآیند داخلی استنتاج (Inference) تمرکز دارد. هدف این شرکت این است که قیمت هر توکن را در سطح مدل پایه نگه دارد، اما در عین حال مقدار کل متن تولیدشده برای تکمیل یک تکلیف را کاهش دهد.
مکانیزم Swarm Decoder
طبق اعلام این شرکت در خبر عرضه محصول، هستهٔ فناوری این موتور، Swarm Decoder است. برخلاف معماری‌های قبلی «سوارم» (Swarm) که پاسخ‌های تکمیل‌شده را به‌صورت رودررو با یکدیگر مقایسه می‌کردند، Swarm Decoder از چندین مدل شرکت‌کننده استفاده می‌کند تا مسیر استدلال مشترک را دقیقاً در حین تولید شکل دهد. این سازوکار به سیستم اجازه می‌دهد ارزیابی کند که کدام جهت استدلال قوی‌تر است و پیش‌فرض‌های ضعیف را در مراحل اولیه تشخیص دهد؛ این امر مانع از آن می‌شود که مدل توکن‌های خود را روی یک مسیر غیربهره‌ور هدر دهد.
این رویکرد یک چرخش راهبردی و قابل‌توجه نسبت به تحقیقات استنتاج سوارم این شرکت در سال ۲۰۲۵ است. در معماری قدیمی، گره‌های مجزا پاسخ‌های مستقلی تولید می‌کردند که سپس با هم مقایسه و ترکیب می‌شدند. آن سیستم از یک مکانیزم رتبه‌بندی آماری استفاده می‌کرد تا بر اساس ارزیابی همتایان، وزن بیشتری به گره‌های اثبات‌شده بدهد. اگرچه آن روش کیفیت پاسخ نهایی را بهبود می‌بخشید، اما نمی‌توانست توکن‌هایی را که پیش‌تر در مسیر جایگزین‌های ضعیف‌تر مصرف شده بودند، بازیابی کند. موتور جدید، این رتبه‌بندی همتایان را به درون خودِ فرآیند استدلال منتقل کرده است تا از رشد مسیرهای غیربهره‌ور جلوگیری کند.
ایوان نیکیتین، مدیرعامل و هم‌بنیان‌گذار Fortytwo، مزیت این روش را دوگانه توصیف می‌کند: «استدلال جمعی دو برابر سود می‌دهد؛ هم پاسخ‌ها باکیفیت‌تر می‌شوند و هم تکالیف با توکن‌های کمتری انجام می‌شوند.»
بنچمارک‌های عملکرد
بر اساس ارزیابی‌های انجام‌شده روی محک مهندسی نرم‌افزار DeepSWE و با استفاده از مدل Qwen 3.8 27B، این موتور دستاوردهای قابل‌توجهی در بهره‌وری ثبت کرده است:
- کاهش توکن: میانگین مصرف توکن در هر اجرا از ۱۶.۳ میلیون به ۱۲.۳ میلیون رسید که نشان‌دهنده کاهش ۲۴.۷ درصدی است.
- نرخ موفقیت: امتیاز موتور به ۴۷.۸ رسید، در حالی که مدل پایه امتیاز ۴۲.۲ را کسب کرده بود؛ این یعنی افزایشی معادل ۵.۶ واحد درصدی.
- حجم کلی: در مجموع ۴۵۰ اجرا، کل توکن‌های مصرفی از ۷.۴ میلیارد به ۵.۶ میلیارد کاهش یافت.
علاوه بر کدنویسی، این شرکت بهبودهایی را در پنج محک دیگر که حوزه‌های علوم و استدلال عمومی را پوشش می‌دادند، گزارش کرده است:
- GPQA-Diamond: افزایش از ۹۰.۹ به ۹۵.۱
- LiveCodeBench v6: افزایش از ۸۰.۲ به ۸۴.۱
- SciCode: افزایش از ۴۶.۸ به ۴۹.۰
- GDP.pdf: افزایش از ۱۸.۵ به ۲۰.۶
- Humanity’s Last Exam: افزایش از ۳۴.۷ به ۳۵.۸
این نتایج نشان می‌دهد استدلال جمعی می‌تواند همزمان دقت را بالا برده و هزینه را کم کند. این بهینه‌سازی در هزینه‌های کدنویسی، در کنار کاهش ۲۰ برابری هزینه کدنویسی با مدل Claude Haiku 5.5، نشان‌دهنده رقابت شدید برای کاهش هزینه‌های عملیاتی در توسعه نرم‌افزار است. با این حال، Fortytwo خاطرنشان کرده است که کاهش ۲۴.۷ درصدی توکن‌ها مختص اجراهای DeepSWE است و ممکن است در بارهای کاری مختلف در محیط تولید (Production) متفاوت باشد.
یکپارچه‌سازی API و زیرساخت
این سرویس از طریق یک پلتفرم توسعه‌دهنده و با سازگاری کامل با OpenAI Chat Completions API در دسترس است. این ویژگی به توسعه‌دهندگان اجازه می‌دهد تا تنها با تغییر URL پایه و کلید API، از مدل‌های پشتیبانی‌شده Fortytwo استفاده کنند. این API از قابلیت‌های استریمینگ (Streaming)، ابزارهای تابعی (Function Tools)، فراخوانی‌های موازی ابزار و خروجی‌های ساختاریافته (Structured Output) پشتیبانی می‌کند. همچنین توسعه‌دهندگان می‌توانند سطح خاصی از «تلاش برای استدلال» (Reasoning-effort level) را انتخاب کنند.
البته این سازگاری مرزهای مشخصی دارد. در حالی که تکمیل چت (Chat Completions) و لیست مدل‌ها پشتیبانی می‌شوند، نقاط انتهایی (Endpoints) مربوط به بردار معنایی (Embeddings)، صوت، فایل‌ها، پاسخ‌ها (Responses) یا دستیاران (Assistants) در این API پشتیبانی نمی‌شوند. برخی از فیلدهای درخواست تنها به‌صورت جزئی پشتیبانی می‌شوند و فیلدهای پشتیبانی‌نشده به‌جای آنکه به‌طور خاموش نادیده گرفته شوند، خطا برمی‌گردانند.
برای سازمان‌هایی که به امنیت داده‌های بالاتری نیاز دارند، Fortytwo Harbor عرضه شده است. این محصول اجازه می‌دهد استنتاج جمعی روی زیرساخت‌های خصوصی مستقر شود تا داده‌ها در محیط امنیتی سازمان باقی بمانند. Harbor از یک مدل هزینه سخت‌افزاری ثابت استفاده می‌کند و بدین ترتیب مدل پرداخت به ازای هر توکن را به‌طور کامل حذف می‌کند.
استراتژی گسترده‌تر برای هوش مصنوعی جمعی
این تغییر در منطق استنتاج، این فرض بنیادین را که «تفکر بیشتر (مصرف توکن بیشتر) همیشه برابر با نتایج بهتر است» به چالش می‌کشد. Fortytwo با انتقال رتبه‌بندی همتایان به درون فرآیند استدلال، روی این شرط‌بندی کرده است که هدایت مستمر (Continuous Steering) کارآمدتر از فیلتر کردن پاسخ‌ها پس از تولید است.
این تلاش‌ها مکمل تحقیقات گسترده‌تر این شرکت در زمینه داده‌های آموزشی است. آن‌ها پیش‌تر مدل Strand-Rust-Coder-14B را که یک مدل با وزن‌های باز (Open Weights) است و روی مجموعه‌داده‌های تولیدشده توسط Fortytwo آموزش دیده، توسعه داده‌اند. در حالی که آن پروژه روی مرحله آموزش متمرکز بود، موتور جدید بر بهبود نحوه استدلال مدل‌های موجود در زمان استنتاج تمرکز دارد.
شرکت Fortytwo که در سال ۲۰۲۴ تأسیس شد، در حال حاضر تیمی متشکل از ۱۵ مهندس در مانتین ویو و ابوظبی دارد. این شرکت پس از جذب ۲.۳ میلیون دلار سرمایه در مرحله پیش-بذری (Pre-seed) در سال ۲۰۲۵ و پیوستن به اکوسیستم Hub71 در ابوظبی در سال ۲۰۲۶، قصد دارد پشتیبانی Engine را برای مدل‌های باز بیشتری فراتر از Qwen گسترش دهد.
برای متخصصان فنی، معیار بهره‌وری عامل‌ها از «هزینه هر توکن» به «هزینه هر تکلیف موفق» تغییر می‌کند. توسعه‌دهندگان باید به دقت رصد کنند که آیا این صرفه‌جویی در توکن‌ها در بارهای کاری متنوع تولیدی حفظ می‌شود یا اینکه سربار محاسباتی Swarm Decoder در تکالیف ساده‌تر، مزایای آن را خنثی می‌کند.
گام بعدی شما
- اگر از مدل‌های Qwen برای کدنویسی استفاده می‌کنید، API این موتور را برای کاهش هزینه‌های استنتاج تست کنید.
- در صورت داشتن داده‌های حساس سازمانی، مدل استقرار Harbor را برای حذف پرداخت توکنی بررسی کنید.
- نرخ موفقیت تکالیف خود را در برابر حجم توکن‌های مصرفی اندازه بگیرید تا نقطه بهینه هزینه/کیفیت را بیابید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو