اگر امروز برای اجرای عامل‌های برنامه‌نویسی هزینه می‌پردازید، احتمالاً بودجه‌ی ماهانه شما به یک‌پنجم کاهش می‌یابد. در ۹ ژوئیه ۲۰۲۶، آزمایشگاه‌های ابرهوش متا (Meta Superintelligence Labs) مدل Muse Spark 1.1 را عرضه کردند که طبق گزارش وب‌سایت dev.to، قیمت توکن‌های خروجی را بین ۶۰ تا ۸۰ درصد ارزان‌تر از نرخ بازار ارائه می‌دهد.
این مدل زبانی بزرگ (LLM) — که شبیه کتابخانه‌داری است که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — در حالی وارد بازار شد که متا زیرساخت‌های سخت‌افزاری خود را با سرعت می‌گیرد. همان‌طور که در تحلیل قبلی ما درباره‌ی برنامه متا برای تولید تراشه‌های اختصاصی تا سپتامبر اشاره کردیم، این شرکت می‌خواهد هر دو لایه‌ی سخت‌افزار و سرویس‌دهی را در اختیار بگیرد.
Muse Spark 1.1 به‌طور خاص برای وظایف برنامه‌نویسی و عامل‌محور (Agentic) — یعنی سامانه‌هایی که مثل دستیاران هوشمند، خودشان تصمیم می‌گیرند و ابزارها را اجرا می‌کنند — طراحی شده است. این رویکرد در راستای تلاش برای جلوگیری از فروپاشی جوامع تخصصی هوش مصنوعی از طریق طراحی ابزار-ناپذیر است تا سازگاری میان ابزارهای مختلف حفظ شود. بر اساس مستندات فنی، عملکرد این مدل به GPT-5.6 Sol و Claude Fable 5 نزدیک است اما ساختار قیمتی آن برای به‌هم‌زدن اقتصادِ عامل‌های خودکار طراحی شده است:
- هزینه ورودی: ۱.۵۰ دلار به‌ازای هر میلیون توکن
- هزینه خروجی: ۶.۰۰ دلار به‌ازای هر میلیون توکن
برای مقایسه، مدل GPT-5.6 Sol حدود ۱۵ دلار برای هر میلیون توکن خروجی دریافت می‌کند. الکساندر وانگ، رئیس بخش هوش مصنوعی متا، این قیمت‌گذاری را «بسیار تهاجمی و جذاب» توصیف کرد؛ زیرا توسعه‌دهندگان می‌توانند حلقه‌های تکرارشونده‌ی عامل‌ها را به‌جای دلار، با سنت اجرا کنند. این کاهش هزینه در کنار به‌روزرسانی‌های کلیدی در امنیت و پایداری عملیاتی AI می‌تواند مسیر استقرار مدل‌های سازمانی را هموارتر کند.
با این حال، این چرخش راهبردی با میراث متن‌باز مدل‌های لاما در تضاد است. در حالی که متا دسترسی متمرکز به API را می‌فروشد، سازمان ملل در رویداد «روز متن‌باز و هوش مصنوعی» در نیویورک بر هوش مصنوعی حاکمیتی (Sovereign AI) تأکید کرد. چهره‌های کلیدی مانند یان لکون و لینوس توروالدز استدلال کردند که مدل‌های متن‌باز زیرساختی ضروری‌اند؛ نمونه‌ای از این رویکرد، مدل Amália 9B در پرتغال است.
به گزارش منابع صنعتی، بازار اکنون به دو قطب تقسیم شده است. توسعه‌دهندگان باید بین بهره‌وری هزینه‌ای شدید در APIهای بسته متا یا شفافیت مدل‌های حاکمیتی مانند GLM-5.2 و openPangu 2.0 یکی را انتخاب کنند. ۶ ماه آینده تعیین می‌کند که صنعت به سمت تمرکزگرایی ارزان می‌رود یا حاکمیت پیچیده.
گام بعدی شما
- اگر از عامل‌های برنامه‌نویسی پرهزینه استفاده می‌کنید، تست Muse Spark 1.1 را برای کاهش هزینه‌ی استنتاج در اولویت قرار دهید.
- تفاوت دقت خروجی این مدل با GPT-5.6 Sol را در پروژه‌های حساس بررسی کنید تا مطمئن شوید ارزان‌تر بودن به قیمت کاهش کیفیت نیست.
- قوانین شفافیت اتحادیه اروپا را رصد کنید؛ چون این قوانین می‌تواند مدل‌های بسته‌ی متا را به چالش بکشد.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو