لیپبو تان، مدیرعامل اینتل، گفته است پذیرش مدلهایی مانند DeepSeek، Kimi و GLM سریع بوده و هزینه توکن آنها پایینتر است؛ او این روند را نشانهای از اهمیت هزینه و کاربرد واقعی در رقابت مدلها میداند.
خلاصه خبر: لیپبو تان، مدیرعامل اینتل، روز ۱۲ اکتبر ۲۰۲۶ گفت استفاده از مدلهای پیشرفته هوش مصنوعی چین بهسرعت گسترش یافته و هزینه توکن آنها پایینتر بوده است. او مدلهایی مانند DeepSeek، Kimi و GLM را برای برخی کاربردها «بهاندازه کافی خوب» توصیف کرد؛ اظهارنظری درباره رقابت بازار که بهتنهایی یک رتبهبندی فنی مستقل نیست.
مدیرعامل اینتل چه گفته است؟
بر اساس گزارش رویترز از نشست برگزارشده توسط DBS، تان به پایینتر بودن هزینه توکن مدلهای پیشرفته چین و سرعت پذیرش آنها اشاره کرد. او همچنین از مدلهای متنباز بهعنوان راهی برای افزایش بهرهوری دفاع کرد و گفت بازار مشخص خواهد کرد کدام مدل برای چه کاربردی مناسبتر است.
هزینه توکن چرا مهم است؟
توکن واحدی است که سرویسهای زبانی از آن برای محاسبه بخشی از ورودی و خروجی مدل استفاده میکنند؛ توکن دقیقاً برابر با یک کلمه نیست. در سرویسهای پولی، هزینه مصرف توکن میتواند روی هزینه ماهانه چتبات، دستیار برنامهنویسی یا عامل خودکار اثر بگذارد.
اما قیمت پایینتر بهتنهایی ثابت نمیکند یک مدل در همه کارها بهتر است. کیفیت پاسخ، توانایی کدنویسی، دقت در استفاده از ابزارها، سرعت، پنجره متن، حریم خصوصی و محدودیتهای دسترسی هم باید با آزمونهای همسان سنجیده شوند. گزارش امروز مقایسه عددی و مستقلی از عملکرد تمام این مدلها ارائه نمیکند؛ بنابراین از آن نمیتوان نتیجه گرفت یک مدل مشخص در همه معیارها «قویترین» است.
چرا مدلهای مختلف میتوانند همزمان برنده باشند؟
برای نمونه، یک کسبوکار ممکن است مدلی ارزانتر را برای دستهبندی تعداد زیادی پیام انتخاب کند، اما برای تحلیل دشوار یا برنامهنویسی پیچیده سراغ مدل دیگری برود. مدلهای قابلاجرا در زیرساخت شخصی نیز برای بعضی سازمانها مزیت کنترلی دارند، ولی هزینه سختافزار، نگهداری و امنیت را نباید نادیده گرفت.
آیا رایانش کوانتومی بهزودی عمومی میشود؟
در همان نشست، تان پیشبینی کرد رایانش کوانتومی ممکن است طی سه تا پنج سال آینده به جریان اصلی نزدیک شود. این پیشبینی شخصی اوست، نه نتیجه قطعی مورد توافق صنعت. زمان کاربرد عمومی به پیشرفت سختافزار، اصلاح خطا، هزینه، نرمافزار و وجود مسئلههایی بستگی دارد که رایانش کوانتومی در آنها مزیت عملی نشان بدهد.
نتیجه برای برنامهنویسان و کسبوکارها
- مدلها را با مجموعهای از وظایف واقعی خودتان آزمایش کنید، نه فقط با یک امتیاز تبلیغاتی.
- هزینه هر کار موفق را بسنجید؛ ارزانتر بودن هر توکن لزوماً به معنای ارزانتر تمامشدن کل کار نیست.
- شرایط نگهداری داده، محدودیت دسترسی و مجوز استفاده را پیش از انتخاب سرویس بررسی کنید.
جمعبندی
اظهارات مدیرعامل اینتل، رقابت مدلهای هوش مصنوعی را از زاویه هزینه، دسترسی و تناسب با کاربردها برجسته میکند. برای انتخاب حرفهای، باید عملکرد هر نسخه با تاریخ مشخص، معیار یکسان و آزمون مستقل سنجیده شود؛ محبوبیت بازار یا اظهارنظر یک مدیر بهتنهایی جایگزین این مقایسه نیست.
برای مقایسه کاربردی ابزارها نیز ببینید: بهترین ابزارهای هوش مصنوعی برای برنامهنویسی.
پرسشهای متداول
آیا این خبر ثابت میکند مدلهای چینی از همه مدلهای دیگر بهترند؟
خیر. گزارش نقلقولی درباره پذیرش و هزینه مدلهاست و جای آزمون مستقل با نسخهها، وظایف و تنظیمات یکسان را نمیگیرد.
چرا هزینه توکن مهم است؟
هزینه توکن بر هزینه اجرای چتبات، تولید کد و پردازش حجم زیاد درخواستها اثر میگذارد؛ اما کیفیت، سرعت و دقت پاسخ نیز باید جداگانه سنجیده شوند.
برای انتخاب مدل چه چیزی را باید مقایسه کرد؟
وظیفه موردنظر، کیفیت خروجی فارسی، دقت، تأخیر، هزینه نهایی، حریم خصوصی و شرایط دسترسی را با نمونههای واقعی خودتان بررسی کنید.
این مقاله را در چند نکته بخوان
پایینتر بودن هزینه توکن بر هزینه ماهانه چتباتها و دستیارهای برنامهنویسی تأثیر دارد، اما قیمت ارزان بهتنهایی به معنای برتری مدل در همه کارها نیست و کیفیت پاسخ، سرعت و دقت نیز باید سنجیده شوند.
کسبوکارها ممکن است از مدلهای ارزانتر برای کارهای حجیم و از مدلهای دیگر برای تحلیلهای دشوار یا برنامهنویسی استفاده کنند، زیرا مدلهای مختلف میتوانند همزمان برنده باشند.
مدیرعامل اینتل پیشبینی کرده است که رایانش کوانتومی ممکن است طی سه تا پنج سال آینده به جریان اصلی نزدیک شود.
به برنامهنویسان و کسبوکارها توصیه میشود که مدلها را با وظایف واقعی خود آزمایش کنند، هزینه کل کار را بسنجند و پیش از انتخاب، حریم خصوصی و شرایط دسترسی را بررسی کنند.
سؤالت را از همین مقاله بپرس
پاسخها فقط بر اساس محتوای همین مقاله تولید میشوند.
