عنوان: رشد سریع مدلهای وزنباز چینی؛ آیا دوران «مدل واحد برتر» به پایان رسیده است؟
خلاصه: آمار تازه نشان میدهد مدلهای وزنباز و متنباز، بهویژه نمونههای ساخت شرکتهای چینی، سهم قابلتوجهی از ترافیک و دانلودهای پلتفرمهای توسعه هوش مصنوعی را به خود اختصاص دادهاند. این روند پرسش مهمی را مطرح میکند: اگر بیشتر بارِ تولیدی برنامههای هوش مصنوعی روی مدلهای ارزانتر و قابل سفارشیسازی بیفتد، نقش مدلهای frontier چه خواهد بود؟
رشد مدلهای وزنباز و شواهد بازار
طی ماههای اخیر، سهم مدلهای وزنباز چینی در اکوسیستم هوش مصنوعی رشد چشمگیری داشته است. بر اساس آمار بهار امسال، مدلهای چینی 41 درصد از دانلودها در پلتفرم Hugging Face را به خود اختصاص دادند و در سرویسهایی مانند OpenRouter، شش مدل محبوب نخست همه از شرکتهای چینی مانند Tencent، Xiaomi، DeepSeek، MiniMax و Z.ai هستند. در همان زمان، مدل تجاری Anthropic (Claude Opus 4.7) در جایگاه هفتم قرار گرفت.
دادههای عملکردی نیز نشان میدهد که مدلهای وزنباز حجم زیادی از درخواستهای سنگین برنامههای AI را جذب کردهاند: طبق گزارش Vercel، این مدلها در ماه ژوئن نزدیک به یکسوم کل درخواستهای پلتفرم را پردازش کردند. هرچند این پلتفرمها همه جنبههای مصرف مدل—از جمله نشستهای میزبانیشده توسط آزمایشگاههای بزرگی که احتمالاً بخش عمده استفاده OpenAI و Anthropic را در بر دارند—را پوشش نمیدهند، اما سهم روبهرشد مدلهای متنباز در بازار قابل توجه است.
دلایل محبوبیت: هزینه، مالکیت و سفارشیسازی
یکی از عوامل کلیدی این جابهجایی، هزینه و امکان سفارشیسازی است. شرکتها پس از مواجهه با هزینههای بالای استفاده از مدلهای بسته و frontier، بیشتر به داشتن مدلهای اختصاصی یا استفاده از مدلهای متنباز روی آوردهاند تا کنترل، شفافیت و صرفه اقتصادی بیشتری بهدست آورند. کلِم دلانو، مدیرعامل Hugging Face، با اشاره به اینکه هر هفت ثانیه یک مخزن جدید روی پلتفرم ساخته میشود و این سایت تقریبا سه میلیون مدل عمومی و یک میلیون دیتاست عمومی میزبانی میکند، میگوید تصویر واقعی دنیای AI نه «یک مدل برای همه» بلکه «چندین مدل متناسب با نیازهای خاص شرکتها» است. همچنین نیمی از شرکتهای فهرست Fortune 500 از Hugging Face برای استقرار مدلهای خصوصی یا متنباز خود استفاده میکنند.
رقابت فنی و ورود قوی شرکتهای چینی
همزمان با رشد تقاضا برای متنباز، آزمایشگاههای چینی بهطور پیوسته مدلهای قدرتمندی را با وزنهای در دسترس منتشر میکنند که ارزانتر و قابلسفارشیسازیتر از رقبای بسته هستند. نمونه اخیر، مدل GLM-5.2 شرکت Z.ai مستقر در پکن است که در حوزه کدنویسی عاملمحور و تشخیص آسیبپذیریهای امنیتی عملکرد رقابتی با مدلهای پیشرو داشته است. این روند اقتصادی، معادلات رقابتی شرکتهایی را که میلیاردها دلار روی مدلهای اختصاصی سرمایهگذاری کردهاند، به چالش میکشد.
هشدارها درباره قفل شدن و مالکیت داده
چالش دیگری که مدیران فناوری مطرح میکنند، خطر قفلشدن در یک ارائهدهنده واحد است. ساتیا نادِلا، مدیرعامل مایکروسافت، اخیراً درباره هزینههای اقتصادی و کنترلی که از یکطرف به تولیدکنندگان مدل و از طرف دیگر به صاحبان زیرساخت یادگیری متمایل میشود، هشدار داده و بر ضرورت توزیع زیرساختهای یادگیری تأکید کرده است تا شرکتها بتوانند حلقه یادگیری خود را کنترل کنند.
امنیت و شفافیت: مناقشه صدور یا محدودسازی مدلهای قوی
در مقابل، برخی از چهرههای حوزه امنیت AI مانند داریو آمودی، مدیرعامل Anthropic، نگران انتشار عمومی وزنهای مدلهای بسیار قدرتمند هستند و میگویند در دسترس قرار دادنِ گسترده ممکن است کنترل و مهار آنها را دشوار کند و فرصتی برای استفادههای مخرب فراهم آورد. از سوی دیگر، طرفداران متنباز مانند دلانو استدلال میکنند که تمرکز قدرت در تعداد کمی از بازیگران خود بزرگترین ریسک است و افزایش شفافیت و دسترسی میتواند به دفاع بهتر از تهدیدات کمک کند؛ زیرا پژوهشگران و مدافعان امنیتی میتوانند آسیبپذیریها را شناسایی و رفع کنند، در حالی که محرمانهسازی صرف، نه از خطر میکاهد و نه شفافیت لازم را فراهم میآورد. علاوه بر این، راههایی برای دورزدن محدودیتهای API و سرقت وزنها وجود دارد که نشان میدهد بسته نگهداشتن مدلها تضمینکننده امنیت نیست.
نتیجهگیری: آیندهای با مدلهای چندگانه و سفارشی
نمای فعلی بازار به ما میگوید که احتمالاً آینده تولید هوش مصنوعی شامل ترکیبی از مدلها خواهد بود: مدلهای frontier که برای پژوهش و کاربردهای بسیار حساس و ارزشمند به کار میروند، و مجموعه گستردهای از مدلهای متنباز و خصوصی که بار اصلی برنامههای تولیدی را با هزینه کمتر و امکان سفارشیسازی بیشتر بر عهده میگیرند. این تغییر نیازمند بازنگری در سیاستهای حاکمیت، مالکیت دادهها و استانداردهای امنیتی است تا ضمن بهرهگیری از مزایای دسترسی و نوآوری متنباز، از استفادههای مخرب جلوگیری شود و رقابت سالم حفظ گردد.