روند کامل رویداد
رقابت مدلهای پیشروی هوش مصنوعی
انتروپیک از مدلهای ارتقایافته کلود فیبل ۵.۲ و میتوس ۵.۲ رونمایی کرد؛ مدلهایی که ضمن ارائه سرعت بالاتر و کسب امتیازهای برتر در بنچمارکها، همزمان با آمادهشدن این شرکت برای عرضه اولیه سهام،…
«رقابت مدلهای پیشروی هوش مصنوعی» را در اپ کوهستان دنبال کنید تا از خبرهای تازهاش باخبر شوید. دریافت اپ
این خبر را به اشتراک بگذارید
تازهترین گزارش
عرضه کلود فیبل ۵.۲ و میتوس ۵.۲ توسط انتروپیک با تخفیف ۲۰ درصدی نسبت به اوپنایآی
انتروپیک از مدلهای ارتقایافته کلود فیبل ۵.۲ و میتوس ۵.۲ رونمایی کرد؛ مدلهایی که ضمن ارائه سرعت بالاتر و کسب امتیازهای برتر در بنچمارکها، همزمان با آمادهشدن این شرکت برای عرضه اولیه سهام، پرچمداران اوپنایآی را با ۲۰ درصد قیمت ارزانتر به چالش میکشند.
- انتروپیک قیمت توکنهای کلود فیبل ۵.۲ را به ۸ دلار برای هر میلیون توکن ورودی و ۴۰ دلار برای هر میلیون توکن خروجی تقلیل داد.
- مدلهای جدید تا ۳۰ درصد سریعتر پاسخ تولید میکنند و از «حالت سریع» اختیاری با شتاب ۲.۵ برابری بهره میبرند.
- فیبل ۵.۲ با ثبت امتیاز ۴۹.۱ درصد در آزمون تخصصی FrontierCode 2.0، مدل جیپیتی-۶ استرا از شرکت اوپنایآی را پشت سر گذاشت.
- میتوس ۵.۲ محدودیتهای ایمنی سختگیرانه را منحصراً برای سازمانهای موردتأیید در پژوهشهای امنیت سایبری دفاعی و زیستشناسی کنار گذاشته است.
شرکت انتروپیک روز دوشنبه ۱۹ آبان ۱۴۰۵ (۹ نوامبر ۲۰۲۶)، نسخههای ارتقایافته مدلهای هوش مصنوعی خود یعنی کلود فیبل ۵.۲ (Claude Fable 5.2) و میتوس ۵.۲ (Mythos 5.2) را معرفی کرد. این دو مدل با ارائه توان پردازشی بالاتر و عملکرد سریعتر، نرخ توکنهای خود را بهصورت کاملاً هدفمند ۲۰ درصد ارزانتر از پرچمدار رقیب اصلیشان، اوپنایآی، تعیین کردهاند.[5][6]
با این اقدام، فرضیه قدیمی مبنی بر اینکه اجرای مدلهای هوش مصنوعی پیشتاز و مرز دانش الزاماً باید بهشکل تصاعدی گرانتر شود، عملاً زیر سؤال رفته است. نرخ جدید مدلهای انتروپیک به ازای هر یک میلیون توکن ورودی ۸ دلار و به ازای هر یک میلیون توکن خروجی ۴۰ دلار تعیین شده که کاهشی چشمگیر را نسبت به نسل پیشین نشان میدهد.[2][3]
این راهبرد تهاجمی در قیمتگذاری درست در شرایطی اتخاذ شده که انتروپیک خود را برای عرضه اولیه سهام در اواخر ماه جاری میلادی آماده میکند. این شرکت با کاستن ۲۰ درصدی از هزینه توکنها، تیمهای مهندسی نرمافزار سازمانی را هدف گرفته که حساسیت زیادی روی هزینهها دارند و به اجرای پردازشهای سنگین و خودکار نیاز دارند.[2][3]
تفکیک لایه نظارت و ایمنی
از نظر معماری بنیادین، فیبل ۵.۲ و میتوس ۵.۲ دقیقاً بر پایه یک شبکه عصبی واحد و دادههای آموزشی کاملاً یکسان بنا شدهاند. تفاوت عملکردی این دو مدل منحصراً به سازوکار پیکربندی لایه محافظت و مهار رفتاری (Guardrails) برای گروههای مختلف کاربران مربوط میشود.[6]
فیبل ۵.۲ برای استفاده عمومی عرضه شده و از سازوکارهای امنیتی سفتوسختی در برابر بهرهبرداریهای مخرب در حوزه امنیت سایبری و زیستشناسی بهره میبرد. بااینحال، طبق اعلام انتروپیک، نرخ امتناعهای ناخواسته و کاذب این مدل در مقایسه با نسل قبل حدود ۵۵ درصد کمتر شده که این امر تعامل توسعهدهندگان با سیستم را به مراتب روانتر میکند.[3]
در نقطه مقابل، میتوس ۵.۲ این محدودیتهای سختگیرانه را بهطور کامل کنار گذاشته تا بتواند از پس وظایف پیچیده در امنیت تهاجمی و آزمایشهای زیستی برآید؛ هرچند دسترسی مستقیم به آن بسیار گزینشی است. تنها مراکزی که هویت آنها تأیید شده باشد—نظیر شرکتهای امنیتی و پژوهشگران علوم زیستی—آن هم از طریق برنامههای اعتبارسنجی تخصصی انتروپیک، اجازه استفاده از آن را دارند.[5][6]
هر دو مدل در مقایسه با نسل ۵.۱ که اوایل سال میلادی عرضه شده بود، پاسخها را تا ۳۰ درصد سریعتر تولید میکنند. افزون بر این، برای سناریوهایی که توسعهدهندگان به خروجی فوری احتیاج دارند، انتروپیک قابلیتی موسوم به «حالت سریع» (Fast mode) تعبیه کرده که نرخ تولید توکنها را تا ۲.۵ برابر ارتقا میدهد.[3][5]
استفاده از این حالت پرسرعت اختیاری، هزینه اجرای استاندارد را دو برابر میکند؛ یعنی ۱۶ دلار به ازای هر میلیون توکن ورودی و ۸۰ دلار به ازای هر میلیون توکن خروجی. بااینحال، این نرخ حتی با وجود برچسب قیمت بالاتر، برای کاربردهایی که تأخیر اندک و استدلال بلادرنگ در آنها نقشی حیاتی دارد، کاملاً توجیهپذیر و رقابتی است.[3]
جابهجایی مرزهای ارزیابی و بنچمارک
این مدلها در حوزههای کدنویسی، استدلال و بینایی ماشین پیشرفت فنی ملموسی نشان دادهاند؛ بهگونهای که فیبل ۵.۲ موفق شد با کسب ۶۵ امتیاز در جدول ردهبندی هوش پلتفرم Artificial Analysis، در صدر جدول بایستد و رکورد تازهای برای صنعت ثبت کند.[4]
با این امتیاز، فیبل ۵.۲ بهطور رسمی از مدلهای جمنای ۴ کربن متعلق به گوگل و جیپیتی-۶ استرا ساخت اوپنایآی پیشی گرفت. علاوه بر این، در ارزیابی سختگیرانه FrontierCode 2.0، این مدل به امتیاز ۴۹.۱ درصد دست یافت و توانست جیپیتی-۶ استرا را که به امتیاز ۴۲.۸ درصد رسیده بود، با هزینهای بهمراتب پایینتر پشت سر بگذارد.[1][4]
البته فیبل ۵.۲ در تمام حوزهها پیروز میدان نبوده است. در آزمون AutomationBench که برای سنجش کارایی مدلها در اجرای امور جاری اداری و کسبوکار طراحی شده، جمنای ۴ کربن گوگل همچنان پیشتاز است و توانسته با امتیاز ۵۳.۹ درصد، بالاتر از امتیاز ۵۱.۴ درصدی فیبل ۵.۲ قرار گیرد.[4]
رسانه تحلیلی The New Stack در ارزیابی خود مینویسد: «انتروپیک فیبل ۵.۲ را بهعنوان ابزاری ارتقایافته برای امور کدنویسی معرفی کرده و همزمان هزینه استفاده را کاهش داده است. این شرکت عرضه مدل خود را به پیشرفت در آزمونهای ارزیابی کد متصل کرده؛ پیامی صریح مبنی بر اینکه مشتریان باید کیفیت خروجی را همگام با قیمت مورد سنجش قرار دهند.»[1]
طراحی سختافزار و حل قضایای ریاضی
در جریان آزمایشهای پیش از عرضه، این مدلها تواناییهای پیشرفتهای را به نمایش گذاشتند که مرز میان تولید نرمافزار و طراحی مهندسی سختافزار را کمرنگ میکند. فیبل ۵.۲ موفق شد سه دستگاه الکترونیکی کاربردی را بهطور کامل از ابتدا طراحی کرده و میانافزار و مداربندی عملیاتی آنها را بدون دخالت انسان پیادهسازی کند.[6]
از جمله نمونههای اولیه ساختهشده میتوان به یک بلندگوی ارتباطی، یک هاب دستیار صوتی و یک اسباببازی تعاملی دیجیتال اشاره کرد. این مدل حتی زمانی که در مسیریابی اولیه یک رابط پیچیده ۱۰۰ پایهای روی برد مدار چاپی با شکست مواجه شد، رأساً یک الگوریتم مسیریابی اختصاصی طراحی و مشکل را برطرف کرد.[6]
این سیستم هوش مصنوعی در حوزه ریاضیات محض نیز گامی چشمگیر برداشت؛ بهطوریکه با هدایت شبکهای متشکل از ۱۰۰۰ عامل نرمافزاری زیرمجموعه، توانست ساختار اثبات رسمی «قضیه آخر فرما» را مدون کند. این راستیآزمایی سنگین ریاضی تنها در ۳۰ ساعت انجام شد که بسیار سریعتر از رکوردهای نسلهای پیشین است.[5]
همچنین در آزمونهای اولیه، این سیستم در زمینه حل مسائل حلنشده در فیزیک سیاهچالهها به پیشرفتهای مهمی دست یافت. این سازوکار با تکیه بر تفکر تعمیمیافته انطباقی (Adaptive Extended Thinking) میتواند پیش از نهاییسازی پاسخ، در درستی فرضیات ریاضی خود درنگ و آنها را بازبینی کند.[5]
تفکر انطباقی تعمیمیافته و خودتنظیم
سازوکار تفکر تعمیمیافته در این نسخه تفاوت بنیادینی با گذشته دارد؛ زیرا به مدل اجازه میدهد بهشکل خودمختار درباره میزان زمان و تمرکزی که باید صرف هر پرسش کند تصمیم بگیرد. پارامتر تلاش (Effort setting) عمق این فرایند استدلالی را تنظیم میکند که دامنهاش از سطح اندک تا بالاترین درجه مخصوص مسائل طولانی و غامض امتداد دارد.[1]
این معماری استدلالی هوشمند مدل را قادر میسازد تا پیش از ارائه پاسخ، منابع پردازشی بیشتری را به مسائل دشوار اختصاص دهد. چنین تغییری در ساختار اطمینان میدهد که زمان و توکنهای اضافی صرفشده برای تحلیل، در مسائل طولانیمدت مستقیماً به خروجیهایی با ضریب دقت بالاتر منتهی میشود.[1][3]
در جبهه پژوهشهای زیستپزشکی، میتوس ۵.۲ با ترسیم نقشه غلاف پروتئینی ویروسی که در ژندرمانی به کار میرود، کارآمدی خود را ثابت کرد. این مدل توانست ساختار فضایی ۲۸ کپسید از میان ۳۴ کپسید بررسیشده را با دقت بازسازی کند؛ مسئلهای ساختاری که ابزارهای متداول تاخوردگی پروتئین معمولاً در تحلیل آن با دشواری روبهرو هستند.[6]
میتوس ۵.۲ در مانورهای دفاع سایبری نیز عملکرد خیرهکنندهای ثبت کرد و هنگام ارزیابی روی مجموعهای حاوی ۱۸۲۹ آسیبپذیری شناختهشده، موفق شد نزدیک به ۹۰ درصد از رخنههای واقعی را شناسایی کند. این مدل همچنین مأموریتهایی شبیهسازیشده را در بستر شبکههای پیچیده سازمانی بدون لو رفتن به پایان رساند که نشاندهنده پتانسیل بالای آن در شکار خودکار تهدیدات است.[3]
سازگاری با بستر پردازش ابری سازمانی
مدل فیبل ۵.۲ از همان لحظه رونمایی، از طریق پلتفرمهای ابری اصلی نظیر خدمات ابری آمازون (AWS)، گوگل کلاد و مایکروسافت آژور در دسترس قرار گرفته است. این دسترسی گسترده به تیمهای مهندسی سازمانی اجازه میدهد تا بدون نیاز به جابهجایی مخازن دادههای خود، سیستم را درون زیرساختهای جاری تعبیه کنند.[2][5]
در همین حال، مدل میتوس ۵.۲ از طریق سرویس Claude Security در اختیار مشتریان سازمانی است تا کدهای نرمافزاری شرکتها را برای کشف حفرههای امنیتی پایش کند. البته دسترسی مستقیم به رابط برنامهنویسی (API) نسخه بدون محدودیت این مدل، همچنان در انحصار متقاضیانی است که از فیلتر برنامههای اعتبارسنجی سایبری و زیستی انتروپیک گذشته باشند.[2]
انتروپیک برای کاربران سازمانی بهطور پیشفرض خطمشی نگهداری ۳۰ روزه دادهها را برای نظارتهای امنیتی اعمال میکند. بااینحال، طبق اعلام صریح این شرکت، دادههای شرکتی ثبتشده هرگز برای آموزش یا ارتقای مدلها استفاده نمیشوند؛ تمهیدی که پاسخی به یکی از جدیترین دغدغههای تیمهای امنیت داده در شرکتهاست.[1]
چنانچه حالت حفظ حریم خصوصی فعال باشد، مدیران سیستم باید پیش از دسترسی توسعهدهندگان به فیبل ۵.۲، ضوابط نگهداری دادهها را بهصورت شفاف تأیید کنند. اگر درخواستی با موانع ایمنی سفتوسخت مواجه شود، سیستم بهطور خودکار آن را به مدلی با محدودیت کمتر هدایت میکند تا روند کاری بدون توقف پیگیری شود.[1]
این ساختار دوگانه، بازتابدهنده الگوی نوینی است که ارائهدهندگان نرمافزارهای سازمانی برای مدیریت امنیت هوش مصنوعی در پیش گرفتهاند. انتروپیک با گشودن درهای فیبل به روی عموم و محصور کردن میتوس در سازوکارهای نظارتی، میکوشد تعادلی میان نفوذ فراگیر در بازار و پاسخ به الزامات سختگیرانه صنایع تحت مقررات ویژه برقرار سازد.[2]
عرضه اولیه سهام در افق پیش رو
همزمانی کاهش قیمتها با جهش عملکرد مدلها، حرکتی حسابشده در آستانه تسلیم فرم ثبتنام عرضه اولیه سهام (S-1) انتروپیک ارزیابی میشود. سرمایهگذاران نهادی بیش از پیش خواستار شفافیت درباره مسیر سودآوری و تداوم رشد درآمدی در صنعت هوش مصنوعی مولد هستند.[2][3]
اثبات این توانمندی که شرکت میتواند مشتریان حساس به قیمت را با حفظ سطحی پیشرفته از ایمنی جذب کند، نقشی مؤثر در توجیه ارزشگذاری بالاتر آن خواهد داشت. تخفیف ۲۰ درصدی مستقیماً موانع ورود را برای شرکتهایی که تاکنون بهدلیل هزینههای سرسامآور توکنها از توسعه سیستمهای پرترافیک صرفنظر میکردند، از میان برمیدارد.[3]
این رخداد به جنگ قیمتها در میان آزمایشگاههای پیشرو حوزه هوش مصنوعی دامن میزند. رقبایی مانند اوپنایآی و گوگل دیپمایند اکنون تحت فشار قرار گرفتهاند تا در ساختار تعرفههای خود تجدیدنظر کنند یا روند عرضه قابلیتهای مقرونبهصرفه را برای بارهای کاری سازمانی تسریع نمایند.[1][4]
برای مدیران فنی و مهندسی نرمافزار، سه مؤلفه دقت، قابلیت اتکا و هزینههای عملیاتی مدلها، ارکان تصمیمگیری برای بهکارگیری فناوری جدید هستند. عرضهای که همزمان امتیاز بنچمارکها را ارتقا میدهد و قیمت را پایین میآورد، هر دو کفه معادله خرید سازمانی را هدف گرفته و توجیه استقرار گسترده را آسانتر میسازد.[1]
آمارهای جذب سازمانی در فصل آینده مشخص خواهد کرد که آیا این افت قیمت به جهش واقعی در سهم بازار منتهی میشود یا صرفاً درآمدهای باحاشیه سود بالای انتروپیک را مستهلک خواهد کرد؛ پرسشی که فعالان صنعت با دقت پاسخ آن را دنبال میکنند.[2]
دگرگونی در صرفه اقتصادی واحد پردازش
معرفی کلود فیبل ۵.۲ و میتوس ۵.۲ نقطه عطفی در رقابت بر سر تصاحب لایه زیرساخت مدلهای پایه محسوب میشود. صرفه اقتصادی توسعه هوش مصنوعی پیشرفته اکنون بهسرعت به سود مهندسانی تغییر مسیر میدهد که بر بستر سامانههای چندعاملی هوشمند متمرکز هستند.[1]
در شرایط فعلی، اوپنایآی فشار چشمگیری برای کاهش قیمت مدل جیپیتی-۶ استرا بهمنظور حفظ جایگاه خود در بخش سازمانی احساس میکند. تا زمانی که این پاسخ عملی نشود، انتروپیک دستکم در زمینه محاسبات خودکار، استدلال تحلیلی و امور مهندسی نرمافزار در مقیاس وسیع، برتری رقابتی محسوسی از نظر قیمت در دست خواهد داشت.[4]
منابع
- [1]The New Stack — Anthropic launches Fable 5.2 with a price cut and stronger coding scores مطالعه در The New Stack →
- [2]Investing.com — Anthropic launches Fable 5.2 and Mythos 5.2 AI models ahead of IPO مطالعه در Investing.com →
- [3]Seeking Alpha — Anthropic unveils Claude Fable 5.2 and Mythos 5.2 with stronger coding, reasoning, and vision at lower prices مطالعه در Seeking Alpha →
- [4]Trending Topics — Anthropic's Fable 5.2 Knocks Gemini Off the A.I. Throne مطالعه در Trending Topics →
- [5]MacRumors — Anthropic Launches Claude Fable 5.2 and Mythos 5.2 مطالعه در MacRumors →
- [6]Mashable — Anthropic announces Claude Fable 5.2 and Mythos 5.2 مطالعه در Mashable →
آنچه باید زیر نظر داشت
- عرضه اولیه سهام (IPO) شرکت آنتروپیک برای اواخر ماه نوامبر ۲۰۲۶ برنامهریزی شده است.
نمودارها، نقشهها و تصاویر
گاهشمار رویداد
آبان ۱۴۰۵
عرضه کلود فیبل ۵.۲ و میتوس ۵.۲ توسط انتروپیک با تخفیف ۲۰ درصدی نسبت به اوپنایآی
مهر ۱۴۰۵
عرضه کلود هایکو ۵.۵ با پنجره بافت یک میلیون توکنی و کاهش ۹۰ درصدی قیمت توسط آنتروپیک
سازوکار جدید OpenAI و Anthropic: عرضه مدلهای پربازده با کاهش چشمگیر قیمتها
روند رویداد تا امروز
رقابت میان توسعهدهندگان پیشرو هوش مصنوعی در ۲۷ سپتامبر ۲۰۲۶ وارد مرحله جدیدی شد که نشاندهنده گذار از تمرکز بر توانمندی خام به سمت بهرهوری عملیاتی بود. در این تاریخ، شرکتهای OpenAI و آنتروپیک بهطور همزمان مدلهای هوش مصنوعی جدید و بسیار پربازدهی را منتشر کردند که هزینههای رابط برنامهنویسی کاربردی (API) را بهشدت کاهش میداد.
در جریان این تغییرات، شرکت OpenAI قیمت API برای مدلهای GPT-6 Sol و Luna خود را ۵۰ درصد کاهش داد. همزمان با این اقدام، شرکت آنتروپیک مدل Claude Opus 5.5 را معرفی کرد و ساختار قیمتگذاری جدید خود را به نشستهای طولانیتر کدنویسی گره زد.
هدف اصلی از این کاهش چشمگیر قیمتها توسط هر دو شرکت، توجیهپذیر کردن استقرار هوش مصنوعی سازمانی در مقیاس بزرگ از نظر مالی بود. با این حال، پژوهشگران هشدار دادند که ارزانتر شدن هزینههای استنتاج میتواند موانع استفاده مخرب از هوش مصنوعی را کاهش دهد.
روند کاهش هزینهها و بهینهسازی عملکرد در ماههای پس از آن نیز ادامه یافت و زمینه را برای استراتژیهای قیمتگذاری رقابتیتر فراهم کرد. توسعهدهندگان تلاش کردند تا با ارائه معماریهای سریعتر و مقرونبهصرفهتر، در زمینه قیمت و امتیازات ارزیابی عملکرد از رقبای خود پیشی بگیرند.



