تصور کنید شرکتی که سال‌ها «دموکراتیزه کردن» هوش مصنوعی را شعار خود کرده بود، ناگهان تصمیم بگیرد گران‌ترین و قوی‌ترین ابزارهایش را پشت یک دیوار پولی پنهان کند. مارک زاکربرگ در ۱۶ جولای ۲۰۲۶ با بازگشت به شبکه X، این تغییر بنیادین در استراتژی متا را اعلام کرد.
متا اکنون در حال ساخت یک زنجیره عمودی است که شباهت زیادی به ساختار گوگل دارد. این چرخش راهبردی پس از دوره‌ای نوسان در تجربه کاربری رخ می‌دهد؛ همان‌طور که در پوشش پیشین ما از تناقض‌های رابط کاربری متا دیدیم، این شرکت پیش‌تر پس از سه روز فشار کاربران، سیستم تگینگ هوش مصنوعی اینستاگرام را لغو کرده بود.
طبق گزارش وب‌سایت thesequence.substack.com، اکوسیستم جدید متا از چهار رکن اصلی تشکیل شده است:
- Muse Spark 1.1: نخستین مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — که دارای وزن‌های بسته (Closed Weights) است و از طریق API با قیمت ۱.۲۵ دلار برای هر میلیون توکن ورودی و ۴.۲۵ دلار برای هر میلیون توکن خروجی عرضه شده است. این تصمیم در حالی اتخاذ می‌شود که رقابت در لایه مدل‌های باز شدت یافته و ورود رقبایی چون DeepSeek و MiniMax، ترتیب سلسله‌مراتب مدل‌های بازوزن را تغییر داده است.
- Muse Image: مدل تولید تصویر متا که تنها دو روز پیش از Spark معرفی شد.
- Meta Compute: یک کسب‌وکار ابری داخلی برای فروش زیرساخت‌های محاسباتی مازاد به مشتریان خارجی.
- MTIA Silicon: تراشه‌های سفارشی هوش مصنوعی که در حال حاضر برای تولید انبوه آماده می‌شوند.
به باور تحلیلگران، ادغام تراشه‌ها، مراکز داده و مدل‌های اختصاصی به این معناست که متا دیگر خود را صرفاً یک شرکت تبلیغاتی با یک آزمایشگاه پژوهشی نمی‌بیند. متا با کنترل کل زنجیره تأمین، قصد دارد وابستگی به شرکت‌های ثالث را حذف کرده و بیشترین سود را از هر مرحله استخراج کند.
با این حال، این تغییر یک تنش ساختاری ایجاد می‌کند. متا ممکن است در لایه اپلیکیشن و عامل‌ها (Agents) — سیستم‌هایی که مثل دستیاران شخصی، کارهای پیچیده را به جای کاربر انجام می‌دهند — مسلط شود، اما توانایی‌اش برای رقابت با آزمایشگاه‌های پیشرو در هسته ساخت مدل‌ها هنوز ثابت نشده است. این تلاش برای تسلط بر لایه عامل‌ها، در ادامه سرمایه‌گذاری عظیم ۱۴۵ میلیارد دلاری متا برای عبور از بن‌بست‌های فعلی در توسعه عامل‌های هوشمند صورت می‌گیرد.
گام بعدی شما
- اگر از APIهای OpenAI استفاده می‌کنید، نرخ‌های Muse Spark را برای بهینه‌سازی هزینه‌ها مقایسه کنید.
- تغییر در قیمت‌گذاری مدل‌های بسته را به عنوان سیگنالی برای کاهش قیمت کل بازار دنبال کنید.
- واکنش جامعه متن‌باز به این «عقب‌نشینی» متا را رصد کنید تا متوجه تغییر قدرت در اکوسیستم شوید.
اما اثر این تصمیم بر آینده مدل‌های بازمتن احتمالاً پیچیده‌تر از یک تغییر قیمت ساده است؛ بررسی کنید که چگونه لاما همچنان در قلب توسعه‌دهندگان جای دارد.
گفتگو