اگر امروز برای استفاده از مدل‌های پیشرو هزینه پرداخت می‌کنید، احتمالاً به‌زودی با کاهش شدید قیمت‌ها روبرو خواهید شد. گوگل و متا با بازگشت تهاجمی به میدان، بازی قدرت در دنیای هوش مصنوعی را بازنشانی کردند.
تا همین هفته پیش، به نظر می‌رسید OpenAI و آنتروپیک رقبای خود را به شدت پشت سر گذاشته‌اند و حتی مدل‌های قدرتمند چینی در وضعیت تعقیب بودند. اما حالا با موجی از عرضه‌های ناگهانی، غول‌های فناوری دوباره به خط مقدم بازگشته‌اند تا تسلط استارتاپ‌ها را بشکنند.
در بخش بزرگی از سال ۲۰۲۶، روایت غالب این بود که گوگل برتری خود را از دست داده است. این شرکت پس از عرضه Gemini 3 در اواخر سال گذشته، با به‌روزرسانی‌های جزئی و تلاطم‌های داخلی دست‌وپنجه نرم می‌کرد. Gemini 3 در ابتدا قدرتمند بود، اما این برتری کوتاه بود و به‌سرعت در برابر مدل‌های جدیدتر OpenAI و آنتروپیک رنگ باخت.
تغییرات ساختاری در گوگل
به نقل از گزارش‌های داخلی، خروج چهره‌های شاخصی مثل جف دین و تغییرات مدیریتی در دیپ‌مایند (DeepMind)، شایعاتی را تقویت کرد که گوگل تجاری‌سازی را بر پژوهش‌های پیشرو ترجیح داده است. تغییرات کلیدی شامل موارد زیر بود:
- جف دین به همراه چندین پژوهشگر ارشد برای تأسیس یک استارتاپ جدید، شرکت را ترک کرد.
- دیمیس هاسابیس، برنده جایزه نوبل، از مدیریت روزمره دیپ‌مایند فاصله گرفت.
- تیم‌های مرتبط با هوش مصنوعی از دیپ‌مایند به بدنه اصلی گوگل منتقل شدند.
این جابجایی‌ها نشان‌دهنده تغییر مرکز ثقل هوش مصنوعی گوگل از لندن به کالیفرنیا بود. همان‌طور که در تحلیل قبلی ما درباره‌ی وسواس صنعت بر برندینگ مدل‌های باز اشاره کردیم، نبرد فعلی دیگر بر سر برچسب‌ها نیست، بلکه بر سر توزیع انبوه و هزینه است. در حالی که استارتاپ‌ها برای جذب هر کاربر می‌جنگند، غول‌ها از میلیاردها حساب کاربری موجود برای مقیاس‌دهی سریع عامل‌های (Agents) خود استفاده می‌کنند.
در روز سه‌شنبه، ۱۴ اکتبر ۲۰۲۶، گوگل با معرفی Gemini 4 Argon بازار را تکان داد. طبق گزارش The Verge، این مدل در بسیاری از محک‌ها (Benchmarks) با مدل‌های رقیب برابری کرده یا از آن‌ها پیشی گرفته است. گوگل برای بازپس‌گیری بازار از استراتژی قیمت‌گذاری تهاجمی استفاده می‌کند و هزینه هر توکن (Token) — تکه‌های کوچکی از متن که مدل تکه‌تکه می‌خورد — را در دوره معرفی تا ۸۰ درصد کاهش داده است. این رویکرد تهاجمی در حالی صورت می‌گیرد که گوگل پیش‌تر دسترسی رایگان به برخی مدل‌های پیشرفته خود را متوقف کرده بود تا کاربران را به سمت نسخه‌های تجاری سوق دهد. حتی پس از پایان این تخفیف، مدل همچنان به‌طور قابل‌توجهی ارزان‌تر خواهد بود.
ورود متا نیز به همین اندازه جسورانه بود. متا پیش از این هرگز خود را یک رقیب جدی در سطح مدل‌های پیشرو معرفی نکرده بود. برای تغییر این وضعیت، شرکت میلیاردها دلار روی زیرساخت و جذب استعدادها، از جمله همکاری با Scale AI و الکساندر وانگ، هزینه کرد. در ماه آوریل، آزمایشگاه‌های Superintelligence مدل Muse Spark را عرضه کردند که با وجود جذابیت، هنوز یک مدل پیشرو محسوب نمی‌شد.
در روز دوشنبه، ۱۳ اکتبر ۲۰۲۶، متا از Muse Wonder Full پرده‌برداری کرد. متا ادعا می‌کند این مدل مستقیماً با قدرتمندترین مدل‌های صنعت رقابت می‌کند، به‌ویژه:
- GPT-6 Astra (OpenAI)
- Claude Opus 5.5 (Anthropic)
- Claude Fable 5.1 (Anthropic)
این تغییر، یک مزیت حیاتی را برجسته می‌کند: اکوسیستم. دستیار Muse متا به‌دلیل یکپارچگی با پلتفرم‌هایی که میلیاردها کاربر دارند، به‌سرعت پذیرفته شد. این رشد سریع یادآور موفقیت‌های اخیر این شرکت است که در ماه سپتامبر با ثبت میلیون‌ها دانلود برای مدل Muse، سرعت رشد اولیه ChatGPT را به چالش کشید. این محبوبیت حتی با وجود نگرانی‌های فزاینده درباره امنیت و حریم خصوصی ادامه دارد. در مقابل، OpenAI باید اکوسیستم خود را از صفر بسازد تا بتواند با نفوذ مارک زاکربرگ و ساندار پیچای رقابت کند.
با این حال، مسابقه وارد فاز متلاطمی شده است. تلاش برای دستیابی به قدرت خام با مقاومت‌های بیشتری به‌دلیل حوادث مربوط به هوش مصنوعی کنترل‌نشده و نگرانی‌های ایمنی روبروست. با بهبود مدل‌های وزن‌های باز (Open Weights) — یعنی مدل‌هایی که دستور پخت آن‌ها علناً منتشر شده — پنجره زمانی برای حفظ برتری انحصاری هر شرکت در حال بسته شدن است. این رقابت شدید در حالی رخ می‌دهد که تحلیل‌های مالی نشان می‌دهند برای توجیه چنین سرمایه‌گذاری‌های کلانی در زیرساخت‌ها، صنعت باید به درآمدهای سالانه خیره‌کننده‌ای دست یابد.
برای کاربر عادی، این به معنای آغاز یک جنگ قیمتی است. وقتی ثروتمندترین شرکت‌های تاریخ بر سر هزینه توکن‌ها بجنگند، هزینه استقرار عامل‌های هوش مصنوعی به‌شدت سقوط می‌کند.
برای توسعه‌دهندگان، انتخاب ارائه‌دهنده دیگر فقط بر اساس بالاترین نمره در محک‌ها نیست. اکنون بحث بر سر این است که آیا اکوسیستم یکپارچه متا را می‌خواهید، یا قیمت‌های تهاجمی گوگل و یا تمرکز تخصصی استارتاپ‌های هوش مصنوعی را.
گام بعدی شما
- اگر از APIهای گران‌قیمت استفاده می‌کنید، نرخ‌های جدید Gemini 4 Argon را بررسی کنید تا هزینه‌های استنتاج خود را کاهش دهید.
- توسعه‌دهندگان باید مدل‌های Muse Wonder Full را در محیط‌های توزیع‌شده متا تست کنند تا سرعت پذیرش کاربر را بسنجند.
- تغییرات در مدل‌های وزن‌های باز را دنبال کنید تا متوجه شوید چه زمانی مدل‌های رایگان به سطح مدل‌های تجاری می‌رسند.
اما واکنش OpenAI به تخفیف ۸۰ درصدی گوگل می‌تواند مسیر صنعت را تغییر دهد؛ به تحلیل ما درباره‌ی جنگ حاشیه سود در مدل‌های زبانی مراجعه کنید.
گفتگو