تازه‌های فناوری و هوش مصنوعی: هفتهٔ ۴۲، مهر ۱۴۰۵

تازه‌های فناوری و هوش مصنوعی: هفتهٔ ۴۲

هفتهٔ گذشته برای دنیای هوش مصنوعی هفتهٔ پرخبری بود. سه شرکت بزرگ مدل‌های تازه‌ای عرضه کردند و Microsoft از نسل بعدی تراشهٔ اختصاصی خود رونمایی کرد. در این نوشته چهار خبر مهم را مرور می‌کنیم و می‌گوییم هر کدام برای کسب‌وکارها چه معنایی دارد.

۱. Google مدل Gemini 4 Argon را برای عموم عرضه کرد

چه شد: Google در ۱۳ اکتبر (۲۱ مهر) اعلام کرد Gemini 4 Argon از راه API برای توسعه‌دهندگان و سازمان‌ها و در اپلیکیشن Gemini برای مشترکان پولی در دسترس است. به گفتهٔ Google، این مدل برای کارهای پیچیده و چندمرحله‌ای در برنامه‌نویسی، مالی، حقوقی، امنیت سایبری و علوم ساخته شده و حد ورودی و خروجی آن یک میلیون توکن است. Ars Technica یادآوری می‌کند که فعلاً فقط کاربران پولی به آن دسترسی دارند و قیمت معرفی آن تا ۳۰ نوامبر برقرار است و پس از آن بالا می‌رود.

چرا برای کسب‌وکارها مهم است: رقابت مدل‌های پیشرو بیشتر روی کارهای طولانی و تخصصی متمرکز شده است. اگر روی یک مدل برنامه‌ریزی می‌کنید، هزینهٔ بعد از دورهٔ معرفی را هم در حساب بیاورید.

منبع: Google Blog: Gemini 4 Argon is now available for everyone · Ars Technica

۲. Meta نخستین مدل پیشروی خود را معرفی کرد

چه شد: آزمایشگاه Superintelligence شرکت Meta در ۱۲ اکتبر (۲۰ مهر) دو مدل Muse Wonder و Muse Wonder Full را معرفی کرد. به گزارش TechCrunch، این نخستین تلاش Meta برای ساخت مدلی در سطح پیشروترین مدل‌های بازار است. Muse Wonder از راه Meta Model API در دسترس است و نسخهٔ Full فقط برای مشترکان Muse Code عرضه می‌شود. Meta بر توانایی این مدل‌ها در کارهای عامل‌محور شخصی و حرفه‌ای و در حافظه تأکید کرده است.

چرا برای کسب‌وکارها مهم است: گزینه‌های تأمین‌کنندهٔ مدل بیشتر می‌شود، ولی ادعاهای عملکرد را باید با آزمون مستقل سنجید. Axios هم همین را «نکتهٔ قابل پیگیری» می‌داند.

منبع: TechCrunch: Meta releases its first frontier model, Muse Wonder · Axios

۳. Mistral مدل باز یک‌تریلیون‌پارامتری Large 4 را در پیش‌نمایش عرضه کرد

چه شد: Mistral در ۶ اکتبر (۱۴ مهر) پیش‌نمایش عمومی Mistral Large 4 را با نام خودمانی «Le Chonk» از راه API عرضه کرد. به گفتهٔ Mistral این مدل حدود یک تریلیون پارامتر دارد (۵۲ میلیارد پارامتر فعال)، ورودی چندرسانه‌ای را می‌پذیرد و از بیش از ۱۶۰ زبان پشتیبانی می‌کند. وزن‌های باز مدل قرار است تا پایان اکتبر منتشر شوند. VentureBeat تاریخ ۲۷ اکتبر را گزارش کرده است.

چرا برای کسب‌وکارها مهم است: مدل‌های باز قدرتمند به سازمان‌ها امکان می‌دهند مدل را روی زیرساخت خودشان اجرا و سفارشی کنند. این برای حریم داده و استقلال از یک تأمین‌کننده اهمیت دارد.

منبع: Mistral: Introducing Mistral Large 4 · VentureBeat

۴. Microsoft نسل سوم تراشهٔ Maia را معرفی کرد

چه شد: Microsoft در ۱۲ اکتبر (۲۰ مهر) اعلام کرد Maia 200 اکنون بارهای کاری واقعی خودش، از جمله Copilot، را اجرا می‌کند. Maia 300 از ۲۰۲۷ وارد استقرار تولیدی می‌شود و قرار است سامانهٔ اصلی استنتاج سرویس‌های Microsoft باشد. به گفتهٔ Microsoft، Maia 300 برای استدلال با زمینهٔ بلند و کارهای عامل‌محور طراحی شده و انتظار دارد در هر مگاوات حدود ۴۰ درصد توکن بیشتری از سامانه‌های پیشروی مبتنی بر GPU تولید کند.

چرا برای کسب‌وکارها مهم است: هزینهٔ اجرای هوش مصنوعی بیش از هر چیز به کارایی زیرساخت بستگی دارد. تراشه‌های اختصاصی ابرسرویس‌ها می‌توانند در بلندمدت هزینهٔ سرویس‌های ابری هوش مصنوعی را تغییر دهند.

منبع: The Official Microsoft Blog: Microsoft to expand Azure Maia system to multi-gigawatt deployments

سخن پایانی

فناوری هر هفته سریع‌تر می‌شود، اما یک اصل ثابت می‌ماند: ابزار هر چه هوشمندتر شود، تصمیم نهایی باید با انسان بماند. ما در SufiLabs این خبرها را دنبال می‌کنیم تا بتوانیم هر هفته خلاصه‌ای کوتاه و قابل اعتماد را با شما در میان بگذاریم.