محدودیت جدید کلاد برای ایرانیان؛ ثبت شرکت در خارج هم دسترسی ایرانی‌ها را تضمین نمی‌کند

شرکت آنتروپیک با انتشار نسخه تازه‌ای از سیاست‌های استفاده‌اش، دسترسی به مدل هوش مصنوعی کلاد را برای افراد و نهادهای مرتبط با ایران به‌طور رسمی محدود کرد. بر اساس این به‌روزرسانی، اشخاص حقیقی ساکن ایران، شرکت‌هایی که در این کشور ثبت شده‌اند یا دفتر مرکزی‌شان در ایران قرار دارد و همچنین مجموعه‌هایی که اکثریت مالکیت یا کنترل‌شان در اختیار افراد و نهادهای مستقر در ایران است، دیگر مجاز به استفاده از خدمات کلاد نخواهند بود.

این محدودیت‌ها از ۲۱ آبان ۱۴۰۵ اجرایی می‌شوند. آنتروپیک تأکید کرده که بخش عمده تغییرات، با هدف شفاف‌سازی قوانین قبلی و مشخص کردن نحوه اعمال آن‌ها بر قابلیت‌های جدید کلاد انجام شده است. نکته قابل‌توجه آن است که صرف ثبت شرکت در خارج از ایران، به‌تنهایی برای دور زدن این محدودیت کافی نیست. ساختار مالکیت و کنترل واقعی شرکت نیز مورد بررسی قرار می‌گیرد و در صورت احراز کنترل مستقیم یا غیرمستقیم از سوی اشخاص یا نهادهای ایرانی، دسترسی حتی برای کارکنان مستقر در کشورهای مجاز نیز قطع خواهد شد.

در واقع سه گروه اصلی مشمول این محدودیت هستند: افرادی که هنگام استفاده از خدمات در مناطق پشتیبانی‌نشده حضور دارند؛ شرکت‌ها و نهادهایی که در این مناطق ثبت شده یا دفتر مرکزی دارند؛ و مجموعه‌هایی که به‌صورت مستقیم یا غیرمستقیم تحت مالکیت اکثریت یا کنترل اشخاص و نهادهای همان مناطق قرار گرفته‌اند. ایرانی‌ بودن به‌تنهایی معیار ممنوعیت نیست، بلکه محل حضور، محل ثبت یا دفتر مرکزی و ساختار مالکیت و کنترل تعیین‌کننده است. این سیاست همه محصولات و خدمات آنتروپیک از جمله اپلیکیشن‌ها، رابط برنامه‌نویسی (API) و مدل‌های ارائه‌شده از طریق پلتفرم‌های ابری و فروشندگان مجاز را پوشش می‌دهد.

کلاد

پیش‌تر در شهریور ۱۴۰۴ نیز آنتروپیک محدودیت‌هایی برای شرکت‌هایی که بیش از ۵۰ درصد مالکیت‌شان به‌صورت مستقیم یا غیرمستقیم در اختیار مجموعه‌های دارای دفتر مرکزی در مناطق پشتیبانی‌نشده بود، اعمال کرده بود. نسخه جدید در واقع ادامه و شفاف‌سازی همان رویکرد محسوب می‌شود.

علاوه بر محدودیت‌های جغرافیایی، آنتروپیک قواعد مربوط به عملیات فریبکارانه را نیز یکپارچه کرده است. این شرکت اعلام کرده در یک سال گذشته شاهد مواردی بوده که رسانه‌های دولتی و دفاتر تبلیغاتی برخی حکومت‌ها و شرکت‌های تجاری از کلاد برای مدیریت شبکه‌های حساب جعلی و وب‌سایت‌های خبری ساختگی استفاده کرده‌اند. مقررات تازه، پنهان کردن هویت گردانندگان پیام، تقویت مصنوعی محتوا و ساخت ابزارهای اجرای عملیات نفوذ را به‌صورت مستقل و صریح ممنوع می‌کند.

در حوزه تسلیحات نیز به‌روزرسانی‌هایی صورت گرفته است. توسعه نرم‌افزارهای هدایت و کنترل تسلیحات، اجزای مورد نیاز عملکرد آن‌ها و مسلح کردن پهپادها یا سایر وسایل خودران، در فهرست کاربردهای ممنوع قرار گرفته‌اند.

بخش نظارت و اجرای قانون نیز با محدودیت‌های تازه‌ای همراه شده است. ردیابی افراد بدون رضایت، چه به‌صورت زنده و چه با تحلیل داده‌های قبلی، ممنوع اعلام شده است. استفاده از کلاد برای تصمیم‌گیری یا پیشنهاد درباره اینکه چه کسی باید تحت تحقیق، بازداشت یا اتهام قرار گیرد نیز دیگر مجاز نیست.

برای کاربردهای پرخطر در حوزه‌هایی مانند سلامت، حقوق و امور مالی، حضور نیروی انسانی متخصص الزامی شده است. این فرد باید اختیار بررسی و تغییر پیشنهادهای کلاد را داشته باشد. همچنین فردی که تصمیم بر او اثر می‌گذارد، باید از به‌کارگیری هوش مصنوعی مطلع شود. در کاربردهای متصل به تجهیزات دارای حرکت فیزیکی خودکار که احتمال آسیب‌رسانی وجود دارد، اپراتور واجد صلاحیت باید بتواند عملکرد دستگاه را مشاهده و در صورت نیاز متوقف کند.

در نهایت، آنتروپیک رفتار آزارگرانه شدید، مکرر و بی‌هدف با مدل‌های خود را نیز از ۲۱ آبان ۱۴۰۵ ممنوع کرده است. این قاعده شامل نارضایتی معمول کاربران، مخالفت با پاسخ‌ها، مضامین تیره در آثار خلاقانه یا آزمایش و پژوهش درباره مدل‌ها نمی‌شود و اصلی‌ترین سازوکار اجرایی آن، پایان دادن به چنین مکالماتی از سوی کلاد خواهد بود.

نوشته محدودیت جدید کلاد برای ایرانیان؛ ثبت شرکت در خارج هم دسترسی ایرانی‌ها را تضمین نمی‌کند اولین بار در آی‌ تی‌ رسان منتشر شد.

کلاد آنتروپیک به حساب بانکی کاربران متصل می‌شود تا هزینه‌ها را تحلیل کند!

آنتروپیک در حال گسترش نقش چت‌بات کلاد از یک دستیار عمومی به ابزاری کاربردی برای مدیریت امور مالی روزمره است. قابلیت آزمایشی Personal Finance با اتصال مستقیم به حساب‌های بانکی و کارت‌های اعتباری کاربر، تراکنش‌ها را دسته‌بندی کرده و به پرسش‌هایی مانند محل خرج شدن پول در ماه جاری پاسخ می‌دهد.

زیرساخت این اتصال از طریق سرویس پلاید فراهم شده و عرضه آزمایشی آن از هفته آینده برای مشترکان طرح‌های Claude Pro، Claude Max و Claude Ultra در ایالات متحده آغاز می‌شود. پس از دریافت مجوز کاربر، کلاد نمایی کلی از وضعیت مالی ارائه می‌کند و هزینه‌ها را در گروه‌هایی مانند اجاره، خدمات عمومی، خرید و غذا قرار می‌دهد. کاربران می‌توانند درباره‌ی صورت‌حساب‌های باقی‌مانده تا دریافت حقوق بعدی، امکان پرداخت هزینه یک سفر یا میزان پس‌انداز ماهانه نیز سؤال کنند.

سطح دسترسی کلاد فراتر از مشاهده موجودی است. این سامانه نام بانک، نام و نوع حساب، چهار رقم پایانی شماره حساب، موجودی، سقف اعتبار و حداکثر دو سال سابقه تراکنش‌ها را در اختیار دارد. چنین داده‌هایی به چت‌بات امکان می‌دهد پاسخ‌های خود را بر اساس الگوی واقعی هزینه‌کرد کاربر تنظیم کند و حتی اصطلاحات مالی ناآشنا را توضیح دهد.

کلاد

با این حال، نتایج ارائه‌شده صرفاً تحلیل ماشینی داده‌های حساب محسوب می‌شود و جایگزین تصمیم‌گیری مالی حرفه‌ای نیست. دسترسی کلاد فقط‌خواندنی است؛ یعنی چت‌بات نمی‌تواند پول جابه‌جا کند، حساب را مدیریت کند یا از طرف کاربر سرمایه‌گذاری انجام دهد. آنتروپیک نیز تأکید کرده این قابلیت برای ارائه مشاوره سرمایه‌گذاری طراحی نشده است.

پلاید نقش واسطه امن بین کلاد و بانک را بر عهده دارد. در نتیجه، چت‌بات گذرواژه بانکی کاربر را مشاهده نمی‌کند و بانک نیز نیازی به اعطای دسترسی مستقیم به یک سامانه هوش مصنوعی تأییدنشده ندارد. محدودیت فقط‌خواندنی خطر انتقال ناخواسته پول را کاهش می‌دهد، اما حساسیت خود داده‌ها همچنان پابرجاست.

سابقه‌ی تراکنش‌ها می‌تواند محل زندگی، عادت‌های خرید، پرداخت‌های درمانی، سفرها، بدهی‌ها و الگوی درآمد فرد را آشکار کند. فعال‌سازی این قابلیت در عمل به معنای سپردن مجموعه‌ای گسترده از اطلاعات مالی به یک سامانه هوش مصنوعی و زیرساخت واسطه‌ی بانکی آن است؛ موضوعی که کاربران باید با آگاهی کامل درباره‌ی آن تصمیم بگیرند.

نوشته کلاد آنتروپیک به حساب بانکی کاربران متصل می‌شود تا هزینه‌ها را تحلیل کند! اولین بار در آی‌ تی‌ رسان منتشر شد.

کلاد آنتروپیک به حساب بانکی کاربران متصل می‌شود تا هزینه‌ها را تحلیل کند!

آنتروپیک در حال گسترش نقش چت‌بات کلاد از یک دستیار عمومی به ابزاری کاربردی برای مدیریت امور مالی روزمره است. قابلیت آزمایشی Personal Finance با اتصال مستقیم به حساب‌های بانکی و کارت‌های اعتباری کاربر، تراکنش‌ها را دسته‌بندی کرده و به پرسش‌هایی مانند محل خرج شدن پول در ماه جاری پاسخ می‌دهد.

زیرساخت این اتصال از طریق سرویس پلاید فراهم شده و عرضه آزمایشی آن از هفته آینده برای مشترکان طرح‌های Claude Pro، Claude Max و Claude Ultra در ایالات متحده آغاز می‌شود. پس از دریافت مجوز کاربر، کلاد نمایی کلی از وضعیت مالی ارائه می‌کند و هزینه‌ها را در گروه‌هایی مانند اجاره، خدمات عمومی، خرید و غذا قرار می‌دهد. کاربران می‌توانند درباره‌ی صورت‌حساب‌های باقی‌مانده تا دریافت حقوق بعدی، امکان پرداخت هزینه یک سفر یا میزان پس‌انداز ماهانه نیز سؤال کنند.

سطح دسترسی کلاد فراتر از مشاهده موجودی است. این سامانه نام بانک، نام و نوع حساب، چهار رقم پایانی شماره حساب، موجودی، سقف اعتبار و حداکثر دو سال سابقه تراکنش‌ها را در اختیار دارد. چنین داده‌هایی به چت‌بات امکان می‌دهد پاسخ‌های خود را بر اساس الگوی واقعی هزینه‌کرد کاربر تنظیم کند و حتی اصطلاحات مالی ناآشنا را توضیح دهد.

کلاد

با این حال، نتایج ارائه‌شده صرفاً تحلیل ماشینی داده‌های حساب محسوب می‌شود و جایگزین تصمیم‌گیری مالی حرفه‌ای نیست. دسترسی کلاد فقط‌خواندنی است؛ یعنی چت‌بات نمی‌تواند پول جابه‌جا کند، حساب را مدیریت کند یا از طرف کاربر سرمایه‌گذاری انجام دهد. آنتروپیک نیز تأکید کرده این قابلیت برای ارائه مشاوره سرمایه‌گذاری طراحی نشده است.

پلاید نقش واسطه امن بین کلاد و بانک را بر عهده دارد. در نتیجه، چت‌بات گذرواژه بانکی کاربر را مشاهده نمی‌کند و بانک نیز نیازی به اعطای دسترسی مستقیم به یک سامانه هوش مصنوعی تأییدنشده ندارد. محدودیت فقط‌خواندنی خطر انتقال ناخواسته پول را کاهش می‌دهد، اما حساسیت خود داده‌ها همچنان پابرجاست.

سابقه‌ی تراکنش‌ها می‌تواند محل زندگی، عادت‌های خرید، پرداخت‌های درمانی، سفرها، بدهی‌ها و الگوی درآمد فرد را آشکار کند. فعال‌سازی این قابلیت در عمل به معنای سپردن مجموعه‌ای گسترده از اطلاعات مالی به یک سامانه هوش مصنوعی و زیرساخت واسطه‌ی بانکی آن است؛ موضوعی که کاربران باید با آگاهی کامل درباره‌ی آن تصمیم بگیرند.

نوشته کلاد آنتروپیک به حساب بانکی کاربران متصل می‌شود تا هزینه‌ها را تحلیل کند! اولین بار در آی‌ تی‌ رسان منتشر شد.

کلاد آنتروپیک به حساب بانکی کاربران متصل می‌شود تا هزینه‌ها را تحلیل کند!

آنتروپیک در حال گسترش نقش چت‌بات کلاد از یک دستیار عمومی به ابزاری کاربردی برای مدیریت امور مالی روزمره است. قابلیت آزمایشی Personal Finance با اتصال مستقیم به حساب‌های بانکی و کارت‌های اعتباری کاربر، تراکنش‌ها را دسته‌بندی کرده و به پرسش‌هایی مانند محل خرج شدن پول در ماه جاری پاسخ می‌دهد.

زیرساخت این اتصال از طریق سرویس پلاید فراهم شده و عرضه آزمایشی آن از هفته آینده برای مشترکان طرح‌های Claude Pro، Claude Max و Claude Ultra در ایالات متحده آغاز می‌شود. پس از دریافت مجوز کاربر، کلاد نمایی کلی از وضعیت مالی ارائه می‌کند و هزینه‌ها را در گروه‌هایی مانند اجاره، خدمات عمومی، خرید و غذا قرار می‌دهد. کاربران می‌توانند درباره‌ی صورت‌حساب‌های باقی‌مانده تا دریافت حقوق بعدی، امکان پرداخت هزینه یک سفر یا میزان پس‌انداز ماهانه نیز سؤال کنند.

سطح دسترسی کلاد فراتر از مشاهده موجودی است. این سامانه نام بانک، نام و نوع حساب، چهار رقم پایانی شماره حساب، موجودی، سقف اعتبار و حداکثر دو سال سابقه تراکنش‌ها را در اختیار دارد. چنین داده‌هایی به چت‌بات امکان می‌دهد پاسخ‌های خود را بر اساس الگوی واقعی هزینه‌کرد کاربر تنظیم کند و حتی اصطلاحات مالی ناآشنا را توضیح دهد.

کلاد

با این حال، نتایج ارائه‌شده صرفاً تحلیل ماشینی داده‌های حساب محسوب می‌شود و جایگزین تصمیم‌گیری مالی حرفه‌ای نیست. دسترسی کلاد فقط‌خواندنی است؛ یعنی چت‌بات نمی‌تواند پول جابه‌جا کند، حساب را مدیریت کند یا از طرف کاربر سرمایه‌گذاری انجام دهد. آنتروپیک نیز تأکید کرده این قابلیت برای ارائه مشاوره سرمایه‌گذاری طراحی نشده است.

پلاید نقش واسطه امن بین کلاد و بانک را بر عهده دارد. در نتیجه، چت‌بات گذرواژه بانکی کاربر را مشاهده نمی‌کند و بانک نیز نیازی به اعطای دسترسی مستقیم به یک سامانه هوش مصنوعی تأییدنشده ندارد. محدودیت فقط‌خواندنی خطر انتقال ناخواسته پول را کاهش می‌دهد، اما حساسیت خود داده‌ها همچنان پابرجاست.

سابقه‌ی تراکنش‌ها می‌تواند محل زندگی، عادت‌های خرید، پرداخت‌های درمانی، سفرها، بدهی‌ها و الگوی درآمد فرد را آشکار کند. فعال‌سازی این قابلیت در عمل به معنای سپردن مجموعه‌ای گسترده از اطلاعات مالی به یک سامانه هوش مصنوعی و زیرساخت واسطه‌ی بانکی آن است؛ موضوعی که کاربران باید با آگاهی کامل درباره‌ی آن تصمیم بگیرند.

نوشته کلاد آنتروپیک به حساب بانکی کاربران متصل می‌شود تا هزینه‌ها را تحلیل کند! اولین بار در آی‌ تی‌ رسان منتشر شد.

جمنای ۴ کربن با هزینه‌ای یک‌سوم کلاد اپوس ۵.۵، عملکردی نزدیک به بهترین مدل‌های هوش مصنوعی دارد

نتایج بنچمارک GDPx نشان می‌دهد جمنای ۴ کربن گوگل با وجود فاصله اندک از کلاد اپوس ۵.۵ در امتیاز کلی، هزینه اجرای بسیار کمتری دارد. بر اساس این ارزیابی، میانگین هزینه انجام هر وظیفه با مدل گوگل کمی بیشتر از ۱۶ دلار است؛ درحالی‌که این رقم برای مدل آنتروپیک به حدود ۵۱ دلار می‌رسد.

این نتایج نشان می‌دهند رقابت میان مدل‌های پیشرفته هوش مصنوعی تنها به کسب بالاترین امتیاز محدود نیست و هزینه پردازش نیز به یکی از معیارهای مهم انتخاب تبدیل شده است. جمنای ۴ کربن اگرچه صدرنشین ارزیابی نیست، اما نسبت عملکرد به هزینه آن می‌تواند برای کاربران حرفه‌ای و کسب‌وکارها جذاب باشد.

بنچمارک GDPx چه چیزی را اندازه‌گیری می‌کند؟

معیار GDPx برای مقایسه مدل‌های پیشرفته شرکت‌هایی مانند گوگل، OpenAI، آنتروپیک و متا طراحی شده است. این بنچمارک ۲۰۶ وظیفه تخصصی را در حوزه‌های مختلف بررسی می‌کند تا تصویری جامع‌تر از توانایی مدل‌ها در انجام فعالیت‌های حرفه‌ای ارائه دهد.

موضوعات این آزمون تنها به تولید محتوا و پاسخ‌گویی عمومی محدود نمی‌شوند و حوزه‌هایی مانند امور مالی، علم مواد، امنیت سایبری، مهندسی نرم‌افزار، حقوق و زیست‌شناسی را نیز در بر می‌گیرند. به همین دلیل، نتایج آن می‌توانند برای ارزیابی عملکرد مدل‌ها در کاربردهای تخصصی اطلاعات مفیدی فراهم کنند.

در رتبه‌بندی اصلی، کلاد اپوس ۵.۵ از آنتروپیک در جایگاه نخست قرار گرفت و جمنای ۴ کربن با اختلافی نسبتاً کم در رتبه بعدی ایستاد. بااین‌حال، مقایسه هزینه‌ها تفاوت چشمگیری میان این دو مدل نشان می‌دهد.

جمنای ۴ کربن

هزینه پردازش جمنای ۴ کربن کمتر از یک‌سوم کلاد است

طبق داده‌های منتشرشده، اجرای هر وظیفه با کلاد اپوس ۵.۵ به‌طور میانگین حدود ۵۱ دلار هزینه دارد. در مقابل، این رقم برای جمنای ۴ کربن کمی بیشتر از ۱۶ دلار گزارش شده است. به این ترتیب، مدل گوگل با هزینه‌ای کمتر از یک‌سوم رقیب خود، عملکردی نزدیک به آن ارائه می‌دهد.

این اختلاف در پروژه‌هایی که به اجرای مکرر وظایف یا پردازش حجم زیادی از داده‌ها نیاز دارند، اهمیت بیشتری پیدا می‌کند. برای مثال، شرکت‌هایی که از مدل‌های هوش مصنوعی در سامانه‌های سازمانی استفاده می‌کنند، می‌توانند با انتخاب گزینه‌ای کم‌هزینه‌تر، مخارج پردازشی خود را کاهش دهند؛ البته به شرط آنکه کیفیت خروجی برای نیازهایشان کافی باشد.

GPT-6 Astra از OpenAI نیز در این ارزیابی پایین‌تر از دو مدل یادشده قرار گرفت. میانگین هزینه اجرای هر وظیفه با این مدل حدود ۵۴ دلار اعلام شده است؛ رقمی که از هزینه استفاده از کلاد اپوس ۵.۵ و جمنای ۴ کربن بیشتر است.

در نتیجه، کلاد اپوس ۵.۵ بالاترین امتیاز کلی را به دست آورده، اما جمنای ۴ کربن از نظر نسبت عملکرد به هزینه وضعیت متفاوتی دارد. GPT-6 Astra نیز با وجود هزینه بیشتر، در رتبه پایین‌تری از این دو مدل قرار گرفته است.

تغییر معیارهای ارزیابی، رتبه‌بندی مدل‌ها را جابه‌جا کرد

SemiAnalysis برای بررسی تأثیر برخی حوزه‌های تخصصی بر نتایج، نسخه دیگری از رتبه‌بندی GDPx را نیز منتشر کرده است. در این نسخه، وظایف مرتبط با امنیت سایبری، زیست‌شناسی و هم‌ترازی هوش مصنوعی از ارزیابی کنار گذاشته شدند.

جمنای ۴ کربن

حذف این سه حوزه باعث تغییر جایگاه مدل‌های برتر شد و GPT-6 Astra را به رتبه نخست رساند. در رتبه‌بندی جدید، GPT-6.1 Sol و کلاد اپوس ۵.۵ نیز بالاتر از جمنای ۴ کربن قرار گرفتند. پژوهشگران SemiAnalysis اعلام کرده‌اند که این نتایج با برداشت آن‌ها از توانایی نسبی مدل‌ها هماهنگی بیشتری دارد.

یکی از توضیحات مطرح‌شده برای این تفاوت، تأثیر محدودیت‌های ایمنی مدل‌ها است. سازوکارهای محافظتی در برخی مدل‌های کلاد و GPT ممکن است مانع انجام کامل بعضی درخواست‌های مرتبط با امنیت سایبری، زیست‌شناسی یا هم‌ترازی هوش مصنوعی شوند.

بنابراین، امتیاز نهایی در چنین آزمون‌هایی لزوماً فقط توانایی فنی مدل را منعکس نمی‌کند و میزان محدودیت آن در پاسخ‌گویی به درخواست‌های حساس نیز می‌تواند بر نتیجه تأثیر بگذارد.

عملکرد مدل‌های قبلی گوگل و رقابت در امنیت سایبری

مدل جمنای ۴ آرگون، نسخه مرزی قبلی گوگل، در هر دو رتبه‌بندی جایگاه هشتم را به دست آورد. این مدل بالاتر از Muse Wonder متعلق به متا و پایین‌تر از Wonder Full قرار گرفت.

از نظر هزینه نیز آرگون تنها اندکی ارزان‌تر از جمنای ۴ کربن بود. با توجه به جایگاه بهتر مدل جدید گوگل، نتایج نشان می‌دهند کربن در مقایسه با نسل قبلی خود نسبت عملکرد به هزینه بهتری ارائه می‌کند.

بااین‌حال، بررسی اختصاصی حوزه امنیت سایبری تصویر متفاوتی از رقابت مدل‌ها به نمایش می‌گذارد. هر دو مدل گوگل در این بخش امتیاز بالاتری از مدل‌های OpenAI و آنتروپیک کسب کردند، اما همچنان پایین‌تر از خانواده Muse متا قرار گرفتند.

بر اساس داده‌های GDPx، مدل‌های Muse در وظایف مرتبط با امنیت سایبری با اختلاف قابل‌توجهی بهترین عملکرد را ثبت کرده‌اند. این موضوع نشان می‌دهد برتری یک مدل هوش مصنوعی می‌تواند به حوزه کاربرد و نوع وظایف مورد ارزیابی وابسته باشد و نمی‌توان صرفاً با تکیه بر یک رتبه‌بندی، عملکرد آن را در تمام زمینه‌ها تعیین کرد.

نوشته جمنای ۴ کربن با هزینه‌ای یک‌سوم کلاد اپوس ۵.۵، عملکردی نزدیک به بهترین مدل‌های هوش مصنوعی دارد اولین بار در آی‌ تی‌ رسان منتشر شد.

جمنای ۴ کربن با هزینه‌ای یک‌سوم کلاد اپوس ۵.۵، عملکردی نزدیک به بهترین مدل‌های هوش مصنوعی دارد

نتایج بنچمارک GDPx نشان می‌دهد جمنای ۴ کربن گوگل با وجود فاصله اندک از کلاد اپوس ۵.۵ در امتیاز کلی، هزینه اجرای بسیار کمتری دارد. بر اساس این ارزیابی، میانگین هزینه انجام هر وظیفه با مدل گوگل کمی بیشتر از ۱۶ دلار است؛ درحالی‌که این رقم برای مدل آنتروپیک به حدود ۵۱ دلار می‌رسد.

این نتایج نشان می‌دهند رقابت میان مدل‌های پیشرفته هوش مصنوعی تنها به کسب بالاترین امتیاز محدود نیست و هزینه پردازش نیز به یکی از معیارهای مهم انتخاب تبدیل شده است. جمنای ۴ کربن اگرچه صدرنشین ارزیابی نیست، اما نسبت عملکرد به هزینه آن می‌تواند برای کاربران حرفه‌ای و کسب‌وکارها جذاب باشد.

بنچمارک GDPx چه چیزی را اندازه‌گیری می‌کند؟

معیار GDPx برای مقایسه مدل‌های پیشرفته شرکت‌هایی مانند گوگل، OpenAI، آنتروپیک و متا طراحی شده است. این بنچمارک ۲۰۶ وظیفه تخصصی را در حوزه‌های مختلف بررسی می‌کند تا تصویری جامع‌تر از توانایی مدل‌ها در انجام فعالیت‌های حرفه‌ای ارائه دهد.

موضوعات این آزمون تنها به تولید محتوا و پاسخ‌گویی عمومی محدود نمی‌شوند و حوزه‌هایی مانند امور مالی، علم مواد، امنیت سایبری، مهندسی نرم‌افزار، حقوق و زیست‌شناسی را نیز در بر می‌گیرند. به همین دلیل، نتایج آن می‌توانند برای ارزیابی عملکرد مدل‌ها در کاربردهای تخصصی اطلاعات مفیدی فراهم کنند.

در رتبه‌بندی اصلی، کلاد اپوس ۵.۵ از آنتروپیک در جایگاه نخست قرار گرفت و جمنای ۴ کربن با اختلافی نسبتاً کم در رتبه بعدی ایستاد. بااین‌حال، مقایسه هزینه‌ها تفاوت چشمگیری میان این دو مدل نشان می‌دهد.

جمنای ۴ کربن

هزینه پردازش جمنای ۴ کربن کمتر از یک‌سوم کلاد است

طبق داده‌های منتشرشده، اجرای هر وظیفه با کلاد اپوس ۵.۵ به‌طور میانگین حدود ۵۱ دلار هزینه دارد. در مقابل، این رقم برای جمنای ۴ کربن کمی بیشتر از ۱۶ دلار گزارش شده است. به این ترتیب، مدل گوگل با هزینه‌ای کمتر از یک‌سوم رقیب خود، عملکردی نزدیک به آن ارائه می‌دهد.

این اختلاف در پروژه‌هایی که به اجرای مکرر وظایف یا پردازش حجم زیادی از داده‌ها نیاز دارند، اهمیت بیشتری پیدا می‌کند. برای مثال، شرکت‌هایی که از مدل‌های هوش مصنوعی در سامانه‌های سازمانی استفاده می‌کنند، می‌توانند با انتخاب گزینه‌ای کم‌هزینه‌تر، مخارج پردازشی خود را کاهش دهند؛ البته به شرط آنکه کیفیت خروجی برای نیازهایشان کافی باشد.

GPT-6 Astra از OpenAI نیز در این ارزیابی پایین‌تر از دو مدل یادشده قرار گرفت. میانگین هزینه اجرای هر وظیفه با این مدل حدود ۵۴ دلار اعلام شده است؛ رقمی که از هزینه استفاده از کلاد اپوس ۵.۵ و جمنای ۴ کربن بیشتر است.

در نتیجه، کلاد اپوس ۵.۵ بالاترین امتیاز کلی را به دست آورده، اما جمنای ۴ کربن از نظر نسبت عملکرد به هزینه وضعیت متفاوتی دارد. GPT-6 Astra نیز با وجود هزینه بیشتر، در رتبه پایین‌تری از این دو مدل قرار گرفته است.

تغییر معیارهای ارزیابی، رتبه‌بندی مدل‌ها را جابه‌جا کرد

SemiAnalysis برای بررسی تأثیر برخی حوزه‌های تخصصی بر نتایج، نسخه دیگری از رتبه‌بندی GDPx را نیز منتشر کرده است. در این نسخه، وظایف مرتبط با امنیت سایبری، زیست‌شناسی و هم‌ترازی هوش مصنوعی از ارزیابی کنار گذاشته شدند.

جمنای ۴ کربن

حذف این سه حوزه باعث تغییر جایگاه مدل‌های برتر شد و GPT-6 Astra را به رتبه نخست رساند. در رتبه‌بندی جدید، GPT-6.1 Sol و کلاد اپوس ۵.۵ نیز بالاتر از جمنای ۴ کربن قرار گرفتند. پژوهشگران SemiAnalysis اعلام کرده‌اند که این نتایج با برداشت آن‌ها از توانایی نسبی مدل‌ها هماهنگی بیشتری دارد.

یکی از توضیحات مطرح‌شده برای این تفاوت، تأثیر محدودیت‌های ایمنی مدل‌ها است. سازوکارهای محافظتی در برخی مدل‌های کلاد و GPT ممکن است مانع انجام کامل بعضی درخواست‌های مرتبط با امنیت سایبری، زیست‌شناسی یا هم‌ترازی هوش مصنوعی شوند.

بنابراین، امتیاز نهایی در چنین آزمون‌هایی لزوماً فقط توانایی فنی مدل را منعکس نمی‌کند و میزان محدودیت آن در پاسخ‌گویی به درخواست‌های حساس نیز می‌تواند بر نتیجه تأثیر بگذارد.

عملکرد مدل‌های قبلی گوگل و رقابت در امنیت سایبری

مدل جمنای ۴ آرگون، نسخه مرزی قبلی گوگل، در هر دو رتبه‌بندی جایگاه هشتم را به دست آورد. این مدل بالاتر از Muse Wonder متعلق به متا و پایین‌تر از Wonder Full قرار گرفت.

از نظر هزینه نیز آرگون تنها اندکی ارزان‌تر از جمنای ۴ کربن بود. با توجه به جایگاه بهتر مدل جدید گوگل، نتایج نشان می‌دهند کربن در مقایسه با نسل قبلی خود نسبت عملکرد به هزینه بهتری ارائه می‌کند.

بااین‌حال، بررسی اختصاصی حوزه امنیت سایبری تصویر متفاوتی از رقابت مدل‌ها به نمایش می‌گذارد. هر دو مدل گوگل در این بخش امتیاز بالاتری از مدل‌های OpenAI و آنتروپیک کسب کردند، اما همچنان پایین‌تر از خانواده Muse متا قرار گرفتند.

بر اساس داده‌های GDPx، مدل‌های Muse در وظایف مرتبط با امنیت سایبری با اختلاف قابل‌توجهی بهترین عملکرد را ثبت کرده‌اند. این موضوع نشان می‌دهد برتری یک مدل هوش مصنوعی می‌تواند به حوزه کاربرد و نوع وظایف مورد ارزیابی وابسته باشد و نمی‌توان صرفاً با تکیه بر یک رتبه‌بندی، عملکرد آن را در تمام زمینه‌ها تعیین کرد.

نوشته جمنای ۴ کربن با هزینه‌ای یک‌سوم کلاد اپوس ۵.۵، عملکردی نزدیک به بهترین مدل‌های هوش مصنوعی دارد اولین بار در آی‌ تی‌ رسان منتشر شد.

جمنای ۴ کربن با هزینه‌ای یک‌سوم کلاد اپوس ۵.۵، عملکردی نزدیک به بهترین مدل‌های هوش مصنوعی دارد

نتایج بنچمارک GDPx نشان می‌دهد جمنای ۴ کربن گوگل با وجود فاصله اندک از کلاد اپوس ۵.۵ در امتیاز کلی، هزینه اجرای بسیار کمتری دارد. بر اساس این ارزیابی، میانگین هزینه انجام هر وظیفه با مدل گوگل کمی بیشتر از ۱۶ دلار است؛ درحالی‌که این رقم برای مدل آنتروپیک به حدود ۵۱ دلار می‌رسد.

این نتایج نشان می‌دهند رقابت میان مدل‌های پیشرفته هوش مصنوعی تنها به کسب بالاترین امتیاز محدود نیست و هزینه پردازش نیز به یکی از معیارهای مهم انتخاب تبدیل شده است. جمنای ۴ کربن اگرچه صدرنشین ارزیابی نیست، اما نسبت عملکرد به هزینه آن می‌تواند برای کاربران حرفه‌ای و کسب‌وکارها جذاب باشد.

بنچمارک GDPx چه چیزی را اندازه‌گیری می‌کند؟

معیار GDPx برای مقایسه مدل‌های پیشرفته شرکت‌هایی مانند گوگل، OpenAI، آنتروپیک و متا طراحی شده است. این بنچمارک ۲۰۶ وظیفه تخصصی را در حوزه‌های مختلف بررسی می‌کند تا تصویری جامع‌تر از توانایی مدل‌ها در انجام فعالیت‌های حرفه‌ای ارائه دهد.

موضوعات این آزمون تنها به تولید محتوا و پاسخ‌گویی عمومی محدود نمی‌شوند و حوزه‌هایی مانند امور مالی، علم مواد، امنیت سایبری، مهندسی نرم‌افزار، حقوق و زیست‌شناسی را نیز در بر می‌گیرند. به همین دلیل، نتایج آن می‌توانند برای ارزیابی عملکرد مدل‌ها در کاربردهای تخصصی اطلاعات مفیدی فراهم کنند.

در رتبه‌بندی اصلی، کلاد اپوس ۵.۵ از آنتروپیک در جایگاه نخست قرار گرفت و جمنای ۴ کربن با اختلافی نسبتاً کم در رتبه بعدی ایستاد. بااین‌حال، مقایسه هزینه‌ها تفاوت چشمگیری میان این دو مدل نشان می‌دهد.

جمنای ۴ کربن

هزینه پردازش جمنای ۴ کربن کمتر از یک‌سوم کلاد است

طبق داده‌های منتشرشده، اجرای هر وظیفه با کلاد اپوس ۵.۵ به‌طور میانگین حدود ۵۱ دلار هزینه دارد. در مقابل، این رقم برای جمنای ۴ کربن کمی بیشتر از ۱۶ دلار گزارش شده است. به این ترتیب، مدل گوگل با هزینه‌ای کمتر از یک‌سوم رقیب خود، عملکردی نزدیک به آن ارائه می‌دهد.

این اختلاف در پروژه‌هایی که به اجرای مکرر وظایف یا پردازش حجم زیادی از داده‌ها نیاز دارند، اهمیت بیشتری پیدا می‌کند. برای مثال، شرکت‌هایی که از مدل‌های هوش مصنوعی در سامانه‌های سازمانی استفاده می‌کنند، می‌توانند با انتخاب گزینه‌ای کم‌هزینه‌تر، مخارج پردازشی خود را کاهش دهند؛ البته به شرط آنکه کیفیت خروجی برای نیازهایشان کافی باشد.

GPT-6 Astra از OpenAI نیز در این ارزیابی پایین‌تر از دو مدل یادشده قرار گرفت. میانگین هزینه اجرای هر وظیفه با این مدل حدود ۵۴ دلار اعلام شده است؛ رقمی که از هزینه استفاده از کلاد اپوس ۵.۵ و جمنای ۴ کربن بیشتر است.

در نتیجه، کلاد اپوس ۵.۵ بالاترین امتیاز کلی را به دست آورده، اما جمنای ۴ کربن از نظر نسبت عملکرد به هزینه وضعیت متفاوتی دارد. GPT-6 Astra نیز با وجود هزینه بیشتر، در رتبه پایین‌تری از این دو مدل قرار گرفته است.

تغییر معیارهای ارزیابی، رتبه‌بندی مدل‌ها را جابه‌جا کرد

SemiAnalysis برای بررسی تأثیر برخی حوزه‌های تخصصی بر نتایج، نسخه دیگری از رتبه‌بندی GDPx را نیز منتشر کرده است. در این نسخه، وظایف مرتبط با امنیت سایبری، زیست‌شناسی و هم‌ترازی هوش مصنوعی از ارزیابی کنار گذاشته شدند.

جمنای ۴ کربن

حذف این سه حوزه باعث تغییر جایگاه مدل‌های برتر شد و GPT-6 Astra را به رتبه نخست رساند. در رتبه‌بندی جدید، GPT-6.1 Sol و کلاد اپوس ۵.۵ نیز بالاتر از جمنای ۴ کربن قرار گرفتند. پژوهشگران SemiAnalysis اعلام کرده‌اند که این نتایج با برداشت آن‌ها از توانایی نسبی مدل‌ها هماهنگی بیشتری دارد.

یکی از توضیحات مطرح‌شده برای این تفاوت، تأثیر محدودیت‌های ایمنی مدل‌ها است. سازوکارهای محافظتی در برخی مدل‌های کلاد و GPT ممکن است مانع انجام کامل بعضی درخواست‌های مرتبط با امنیت سایبری، زیست‌شناسی یا هم‌ترازی هوش مصنوعی شوند.

بنابراین، امتیاز نهایی در چنین آزمون‌هایی لزوماً فقط توانایی فنی مدل را منعکس نمی‌کند و میزان محدودیت آن در پاسخ‌گویی به درخواست‌های حساس نیز می‌تواند بر نتیجه تأثیر بگذارد.

عملکرد مدل‌های قبلی گوگل و رقابت در امنیت سایبری

مدل جمنای ۴ آرگون، نسخه مرزی قبلی گوگل، در هر دو رتبه‌بندی جایگاه هشتم را به دست آورد. این مدل بالاتر از Muse Wonder متعلق به متا و پایین‌تر از Wonder Full قرار گرفت.

از نظر هزینه نیز آرگون تنها اندکی ارزان‌تر از جمنای ۴ کربن بود. با توجه به جایگاه بهتر مدل جدید گوگل، نتایج نشان می‌دهند کربن در مقایسه با نسل قبلی خود نسبت عملکرد به هزینه بهتری ارائه می‌کند.

بااین‌حال، بررسی اختصاصی حوزه امنیت سایبری تصویر متفاوتی از رقابت مدل‌ها به نمایش می‌گذارد. هر دو مدل گوگل در این بخش امتیاز بالاتری از مدل‌های OpenAI و آنتروپیک کسب کردند، اما همچنان پایین‌تر از خانواده Muse متا قرار گرفتند.

بر اساس داده‌های GDPx، مدل‌های Muse در وظایف مرتبط با امنیت سایبری با اختلاف قابل‌توجهی بهترین عملکرد را ثبت کرده‌اند. این موضوع نشان می‌دهد برتری یک مدل هوش مصنوعی می‌تواند به حوزه کاربرد و نوع وظایف مورد ارزیابی وابسته باشد و نمی‌توان صرفاً با تکیه بر یک رتبه‌بندی، عملکرد آن را در تمام زمینه‌ها تعیین کرد.

نوشته جمنای ۴ کربن با هزینه‌ای یک‌سوم کلاد اپوس ۵.۵، عملکردی نزدیک به بهترین مدل‌های هوش مصنوعی دارد اولین بار در آی‌ تی‌ رسان منتشر شد.

جمنای ۴ کربن با هزینه‌ای یک‌سوم کلاد اپوس ۵.۵، عملکردی نزدیک به بهترین مدل‌های هوش مصنوعی دارد

نتایج بنچمارک GDPx نشان می‌دهد جمنای ۴ کربن گوگل با وجود فاصله اندک از کلاد اپوس ۵.۵ در امتیاز کلی، هزینه اجرای بسیار کمتری دارد. بر اساس این ارزیابی، میانگین هزینه انجام هر وظیفه با مدل گوگل کمی بیشتر از ۱۶ دلار است؛ درحالی‌که این رقم برای مدل آنتروپیک به حدود ۵۱ دلار می‌رسد.

این نتایج نشان می‌دهند رقابت میان مدل‌های پیشرفته هوش مصنوعی تنها به کسب بالاترین امتیاز محدود نیست و هزینه پردازش نیز به یکی از معیارهای مهم انتخاب تبدیل شده است. جمنای ۴ کربن اگرچه صدرنشین ارزیابی نیست، اما نسبت عملکرد به هزینه آن می‌تواند برای کاربران حرفه‌ای و کسب‌وکارها جذاب باشد.

بنچمارک GDPx چه چیزی را اندازه‌گیری می‌کند؟

معیار GDPx برای مقایسه مدل‌های پیشرفته شرکت‌هایی مانند گوگل، OpenAI، آنتروپیک و متا طراحی شده است. این بنچمارک ۲۰۶ وظیفه تخصصی را در حوزه‌های مختلف بررسی می‌کند تا تصویری جامع‌تر از توانایی مدل‌ها در انجام فعالیت‌های حرفه‌ای ارائه دهد.

موضوعات این آزمون تنها به تولید محتوا و پاسخ‌گویی عمومی محدود نمی‌شوند و حوزه‌هایی مانند امور مالی، علم مواد، امنیت سایبری، مهندسی نرم‌افزار، حقوق و زیست‌شناسی را نیز در بر می‌گیرند. به همین دلیل، نتایج آن می‌توانند برای ارزیابی عملکرد مدل‌ها در کاربردهای تخصصی اطلاعات مفیدی فراهم کنند.

در رتبه‌بندی اصلی، کلاد اپوس ۵.۵ از آنتروپیک در جایگاه نخست قرار گرفت و جمنای ۴ کربن با اختلافی نسبتاً کم در رتبه بعدی ایستاد. بااین‌حال، مقایسه هزینه‌ها تفاوت چشمگیری میان این دو مدل نشان می‌دهد.

جمنای ۴ کربن

هزینه پردازش جمنای ۴ کربن کمتر از یک‌سوم کلاد است

طبق داده‌های منتشرشده، اجرای هر وظیفه با کلاد اپوس ۵.۵ به‌طور میانگین حدود ۵۱ دلار هزینه دارد. در مقابل، این رقم برای جمنای ۴ کربن کمی بیشتر از ۱۶ دلار گزارش شده است. به این ترتیب، مدل گوگل با هزینه‌ای کمتر از یک‌سوم رقیب خود، عملکردی نزدیک به آن ارائه می‌دهد.

این اختلاف در پروژه‌هایی که به اجرای مکرر وظایف یا پردازش حجم زیادی از داده‌ها نیاز دارند، اهمیت بیشتری پیدا می‌کند. برای مثال، شرکت‌هایی که از مدل‌های هوش مصنوعی در سامانه‌های سازمانی استفاده می‌کنند، می‌توانند با انتخاب گزینه‌ای کم‌هزینه‌تر، مخارج پردازشی خود را کاهش دهند؛ البته به شرط آنکه کیفیت خروجی برای نیازهایشان کافی باشد.

GPT-6 Astra از OpenAI نیز در این ارزیابی پایین‌تر از دو مدل یادشده قرار گرفت. میانگین هزینه اجرای هر وظیفه با این مدل حدود ۵۴ دلار اعلام شده است؛ رقمی که از هزینه استفاده از کلاد اپوس ۵.۵ و جمنای ۴ کربن بیشتر است.

در نتیجه، کلاد اپوس ۵.۵ بالاترین امتیاز کلی را به دست آورده، اما جمنای ۴ کربن از نظر نسبت عملکرد به هزینه وضعیت متفاوتی دارد. GPT-6 Astra نیز با وجود هزینه بیشتر، در رتبه پایین‌تری از این دو مدل قرار گرفته است.

تغییر معیارهای ارزیابی، رتبه‌بندی مدل‌ها را جابه‌جا کرد

SemiAnalysis برای بررسی تأثیر برخی حوزه‌های تخصصی بر نتایج، نسخه دیگری از رتبه‌بندی GDPx را نیز منتشر کرده است. در این نسخه، وظایف مرتبط با امنیت سایبری، زیست‌شناسی و هم‌ترازی هوش مصنوعی از ارزیابی کنار گذاشته شدند.

جمنای ۴ کربن

حذف این سه حوزه باعث تغییر جایگاه مدل‌های برتر شد و GPT-6 Astra را به رتبه نخست رساند. در رتبه‌بندی جدید، GPT-6.1 Sol و کلاد اپوس ۵.۵ نیز بالاتر از جمنای ۴ کربن قرار گرفتند. پژوهشگران SemiAnalysis اعلام کرده‌اند که این نتایج با برداشت آن‌ها از توانایی نسبی مدل‌ها هماهنگی بیشتری دارد.

یکی از توضیحات مطرح‌شده برای این تفاوت، تأثیر محدودیت‌های ایمنی مدل‌ها است. سازوکارهای محافظتی در برخی مدل‌های کلاد و GPT ممکن است مانع انجام کامل بعضی درخواست‌های مرتبط با امنیت سایبری، زیست‌شناسی یا هم‌ترازی هوش مصنوعی شوند.

بنابراین، امتیاز نهایی در چنین آزمون‌هایی لزوماً فقط توانایی فنی مدل را منعکس نمی‌کند و میزان محدودیت آن در پاسخ‌گویی به درخواست‌های حساس نیز می‌تواند بر نتیجه تأثیر بگذارد.

عملکرد مدل‌های قبلی گوگل و رقابت در امنیت سایبری

مدل جمنای ۴ آرگون، نسخه مرزی قبلی گوگل، در هر دو رتبه‌بندی جایگاه هشتم را به دست آورد. این مدل بالاتر از Muse Wonder متعلق به متا و پایین‌تر از Wonder Full قرار گرفت.

از نظر هزینه نیز آرگون تنها اندکی ارزان‌تر از جمنای ۴ کربن بود. با توجه به جایگاه بهتر مدل جدید گوگل، نتایج نشان می‌دهند کربن در مقایسه با نسل قبلی خود نسبت عملکرد به هزینه بهتری ارائه می‌کند.

بااین‌حال، بررسی اختصاصی حوزه امنیت سایبری تصویر متفاوتی از رقابت مدل‌ها به نمایش می‌گذارد. هر دو مدل گوگل در این بخش امتیاز بالاتری از مدل‌های OpenAI و آنتروپیک کسب کردند، اما همچنان پایین‌تر از خانواده Muse متا قرار گرفتند.

بر اساس داده‌های GDPx، مدل‌های Muse در وظایف مرتبط با امنیت سایبری با اختلاف قابل‌توجهی بهترین عملکرد را ثبت کرده‌اند. این موضوع نشان می‌دهد برتری یک مدل هوش مصنوعی می‌تواند به حوزه کاربرد و نوع وظایف مورد ارزیابی وابسته باشد و نمی‌توان صرفاً با تکیه بر یک رتبه‌بندی، عملکرد آن را در تمام زمینه‌ها تعیین کرد.

نوشته جمنای ۴ کربن با هزینه‌ای یک‌سوم کلاد اپوس ۵.۵، عملکردی نزدیک به بهترین مدل‌های هوش مصنوعی دارد اولین بار در آی‌ تی‌ رسان منتشر شد.

جمنای ۴ کربن با هزینه‌ای یک‌سوم کلاد اپوس ۵.۵، عملکردی نزدیک به بهترین مدل‌های هوش مصنوعی دارد

نتایج بنچمارک GDPx نشان می‌دهد جمنای ۴ کربن گوگل با وجود فاصله اندک از کلاد اپوس ۵.۵ در امتیاز کلی، هزینه اجرای بسیار کمتری دارد. بر اساس این ارزیابی، میانگین هزینه انجام هر وظیفه با مدل گوگل کمی بیشتر از ۱۶ دلار است؛ درحالی‌که این رقم برای مدل آنتروپیک به حدود ۵۱ دلار می‌رسد.

این نتایج نشان می‌دهند رقابت میان مدل‌های پیشرفته هوش مصنوعی تنها به کسب بالاترین امتیاز محدود نیست و هزینه پردازش نیز به یکی از معیارهای مهم انتخاب تبدیل شده است. جمنای ۴ کربن اگرچه صدرنشین ارزیابی نیست، اما نسبت عملکرد به هزینه آن می‌تواند برای کاربران حرفه‌ای و کسب‌وکارها جذاب باشد.

بنچمارک GDPx چه چیزی را اندازه‌گیری می‌کند؟

معیار GDPx برای مقایسه مدل‌های پیشرفته شرکت‌هایی مانند گوگل، OpenAI، آنتروپیک و متا طراحی شده است. این بنچمارک ۲۰۶ وظیفه تخصصی را در حوزه‌های مختلف بررسی می‌کند تا تصویری جامع‌تر از توانایی مدل‌ها در انجام فعالیت‌های حرفه‌ای ارائه دهد.

موضوعات این آزمون تنها به تولید محتوا و پاسخ‌گویی عمومی محدود نمی‌شوند و حوزه‌هایی مانند امور مالی، علم مواد، امنیت سایبری، مهندسی نرم‌افزار، حقوق و زیست‌شناسی را نیز در بر می‌گیرند. به همین دلیل، نتایج آن می‌توانند برای ارزیابی عملکرد مدل‌ها در کاربردهای تخصصی اطلاعات مفیدی فراهم کنند.

در رتبه‌بندی اصلی، کلاد اپوس ۵.۵ از آنتروپیک در جایگاه نخست قرار گرفت و جمنای ۴ کربن با اختلافی نسبتاً کم در رتبه بعدی ایستاد. بااین‌حال، مقایسه هزینه‌ها تفاوت چشمگیری میان این دو مدل نشان می‌دهد.

جمنای ۴ کربن

هزینه پردازش جمنای ۴ کربن کمتر از یک‌سوم کلاد است

طبق داده‌های منتشرشده، اجرای هر وظیفه با کلاد اپوس ۵.۵ به‌طور میانگین حدود ۵۱ دلار هزینه دارد. در مقابل، این رقم برای جمنای ۴ کربن کمی بیشتر از ۱۶ دلار گزارش شده است. به این ترتیب، مدل گوگل با هزینه‌ای کمتر از یک‌سوم رقیب خود، عملکردی نزدیک به آن ارائه می‌دهد.

این اختلاف در پروژه‌هایی که به اجرای مکرر وظایف یا پردازش حجم زیادی از داده‌ها نیاز دارند، اهمیت بیشتری پیدا می‌کند. برای مثال، شرکت‌هایی که از مدل‌های هوش مصنوعی در سامانه‌های سازمانی استفاده می‌کنند، می‌توانند با انتخاب گزینه‌ای کم‌هزینه‌تر، مخارج پردازشی خود را کاهش دهند؛ البته به شرط آنکه کیفیت خروجی برای نیازهایشان کافی باشد.

GPT-6 Astra از OpenAI نیز در این ارزیابی پایین‌تر از دو مدل یادشده قرار گرفت. میانگین هزینه اجرای هر وظیفه با این مدل حدود ۵۴ دلار اعلام شده است؛ رقمی که از هزینه استفاده از کلاد اپوس ۵.۵ و جمنای ۴ کربن بیشتر است.

در نتیجه، کلاد اپوس ۵.۵ بالاترین امتیاز کلی را به دست آورده، اما جمنای ۴ کربن از نظر نسبت عملکرد به هزینه وضعیت متفاوتی دارد. GPT-6 Astra نیز با وجود هزینه بیشتر، در رتبه پایین‌تری از این دو مدل قرار گرفته است.

تغییر معیارهای ارزیابی، رتبه‌بندی مدل‌ها را جابه‌جا کرد

SemiAnalysis برای بررسی تأثیر برخی حوزه‌های تخصصی بر نتایج، نسخه دیگری از رتبه‌بندی GDPx را نیز منتشر کرده است. در این نسخه، وظایف مرتبط با امنیت سایبری، زیست‌شناسی و هم‌ترازی هوش مصنوعی از ارزیابی کنار گذاشته شدند.

جمنای ۴ کربن

حذف این سه حوزه باعث تغییر جایگاه مدل‌های برتر شد و GPT-6 Astra را به رتبه نخست رساند. در رتبه‌بندی جدید، GPT-6.1 Sol و کلاد اپوس ۵.۵ نیز بالاتر از جمنای ۴ کربن قرار گرفتند. پژوهشگران SemiAnalysis اعلام کرده‌اند که این نتایج با برداشت آن‌ها از توانایی نسبی مدل‌ها هماهنگی بیشتری دارد.

یکی از توضیحات مطرح‌شده برای این تفاوت، تأثیر محدودیت‌های ایمنی مدل‌ها است. سازوکارهای محافظتی در برخی مدل‌های کلاد و GPT ممکن است مانع انجام کامل بعضی درخواست‌های مرتبط با امنیت سایبری، زیست‌شناسی یا هم‌ترازی هوش مصنوعی شوند.

بنابراین، امتیاز نهایی در چنین آزمون‌هایی لزوماً فقط توانایی فنی مدل را منعکس نمی‌کند و میزان محدودیت آن در پاسخ‌گویی به درخواست‌های حساس نیز می‌تواند بر نتیجه تأثیر بگذارد.

عملکرد مدل‌های قبلی گوگل و رقابت در امنیت سایبری

مدل جمنای ۴ آرگون، نسخه مرزی قبلی گوگل، در هر دو رتبه‌بندی جایگاه هشتم را به دست آورد. این مدل بالاتر از Muse Wonder متعلق به متا و پایین‌تر از Wonder Full قرار گرفت.

از نظر هزینه نیز آرگون تنها اندکی ارزان‌تر از جمنای ۴ کربن بود. با توجه به جایگاه بهتر مدل جدید گوگل، نتایج نشان می‌دهند کربن در مقایسه با نسل قبلی خود نسبت عملکرد به هزینه بهتری ارائه می‌کند.

بااین‌حال، بررسی اختصاصی حوزه امنیت سایبری تصویر متفاوتی از رقابت مدل‌ها به نمایش می‌گذارد. هر دو مدل گوگل در این بخش امتیاز بالاتری از مدل‌های OpenAI و آنتروپیک کسب کردند، اما همچنان پایین‌تر از خانواده Muse متا قرار گرفتند.

بر اساس داده‌های GDPx، مدل‌های Muse در وظایف مرتبط با امنیت سایبری با اختلاف قابل‌توجهی بهترین عملکرد را ثبت کرده‌اند. این موضوع نشان می‌دهد برتری یک مدل هوش مصنوعی می‌تواند به حوزه کاربرد و نوع وظایف مورد ارزیابی وابسته باشد و نمی‌توان صرفاً با تکیه بر یک رتبه‌بندی، عملکرد آن را در تمام زمینه‌ها تعیین کرد.

نوشته جمنای ۴ کربن با هزینه‌ای یک‌سوم کلاد اپوس ۵.۵، عملکردی نزدیک به بهترین مدل‌های هوش مصنوعی دارد اولین بار در آی‌ تی‌ رسان منتشر شد.

جمنای ۴ کربن با هزینه‌ای یک‌سوم کلاد اپوس ۵.۵، عملکردی نزدیک به بهترین مدل‌های هوش مصنوعی دارد

نتایج بنچمارک GDPx نشان می‌دهد جمنای ۴ کربن گوگل با وجود فاصله اندک از کلاد اپوس ۵.۵ در امتیاز کلی، هزینه اجرای بسیار کمتری دارد. بر اساس این ارزیابی، میانگین هزینه انجام هر وظیفه با مدل گوگل کمی بیشتر از ۱۶ دلار است؛ درحالی‌که این رقم برای مدل آنتروپیک به حدود ۵۱ دلار می‌رسد.

این نتایج نشان می‌دهند رقابت میان مدل‌های پیشرفته هوش مصنوعی تنها به کسب بالاترین امتیاز محدود نیست و هزینه پردازش نیز به یکی از معیارهای مهم انتخاب تبدیل شده است. جمنای ۴ کربن اگرچه صدرنشین ارزیابی نیست، اما نسبت عملکرد به هزینه آن می‌تواند برای کاربران حرفه‌ای و کسب‌وکارها جذاب باشد.

بنچمارک GDPx چه چیزی را اندازه‌گیری می‌کند؟

معیار GDPx برای مقایسه مدل‌های پیشرفته شرکت‌هایی مانند گوگل، OpenAI، آنتروپیک و متا طراحی شده است. این بنچمارک ۲۰۶ وظیفه تخصصی را در حوزه‌های مختلف بررسی می‌کند تا تصویری جامع‌تر از توانایی مدل‌ها در انجام فعالیت‌های حرفه‌ای ارائه دهد.

موضوعات این آزمون تنها به تولید محتوا و پاسخ‌گویی عمومی محدود نمی‌شوند و حوزه‌هایی مانند امور مالی، علم مواد، امنیت سایبری، مهندسی نرم‌افزار، حقوق و زیست‌شناسی را نیز در بر می‌گیرند. به همین دلیل، نتایج آن می‌توانند برای ارزیابی عملکرد مدل‌ها در کاربردهای تخصصی اطلاعات مفیدی فراهم کنند.

در رتبه‌بندی اصلی، کلاد اپوس ۵.۵ از آنتروپیک در جایگاه نخست قرار گرفت و جمنای ۴ کربن با اختلافی نسبتاً کم در رتبه بعدی ایستاد. بااین‌حال، مقایسه هزینه‌ها تفاوت چشمگیری میان این دو مدل نشان می‌دهد.

جمنای ۴ کربن

هزینه پردازش جمنای ۴ کربن کمتر از یک‌سوم کلاد است

طبق داده‌های منتشرشده، اجرای هر وظیفه با کلاد اپوس ۵.۵ به‌طور میانگین حدود ۵۱ دلار هزینه دارد. در مقابل، این رقم برای جمنای ۴ کربن کمی بیشتر از ۱۶ دلار گزارش شده است. به این ترتیب، مدل گوگل با هزینه‌ای کمتر از یک‌سوم رقیب خود، عملکردی نزدیک به آن ارائه می‌دهد.

این اختلاف در پروژه‌هایی که به اجرای مکرر وظایف یا پردازش حجم زیادی از داده‌ها نیاز دارند، اهمیت بیشتری پیدا می‌کند. برای مثال، شرکت‌هایی که از مدل‌های هوش مصنوعی در سامانه‌های سازمانی استفاده می‌کنند، می‌توانند با انتخاب گزینه‌ای کم‌هزینه‌تر، مخارج پردازشی خود را کاهش دهند؛ البته به شرط آنکه کیفیت خروجی برای نیازهایشان کافی باشد.

GPT-6 Astra از OpenAI نیز در این ارزیابی پایین‌تر از دو مدل یادشده قرار گرفت. میانگین هزینه اجرای هر وظیفه با این مدل حدود ۵۴ دلار اعلام شده است؛ رقمی که از هزینه استفاده از کلاد اپوس ۵.۵ و جمنای ۴ کربن بیشتر است.

در نتیجه، کلاد اپوس ۵.۵ بالاترین امتیاز کلی را به دست آورده، اما جمنای ۴ کربن از نظر نسبت عملکرد به هزینه وضعیت متفاوتی دارد. GPT-6 Astra نیز با وجود هزینه بیشتر، در رتبه پایین‌تری از این دو مدل قرار گرفته است.

تغییر معیارهای ارزیابی، رتبه‌بندی مدل‌ها را جابه‌جا کرد

SemiAnalysis برای بررسی تأثیر برخی حوزه‌های تخصصی بر نتایج، نسخه دیگری از رتبه‌بندی GDPx را نیز منتشر کرده است. در این نسخه، وظایف مرتبط با امنیت سایبری، زیست‌شناسی و هم‌ترازی هوش مصنوعی از ارزیابی کنار گذاشته شدند.

جمنای ۴ کربن

حذف این سه حوزه باعث تغییر جایگاه مدل‌های برتر شد و GPT-6 Astra را به رتبه نخست رساند. در رتبه‌بندی جدید، GPT-6.1 Sol و کلاد اپوس ۵.۵ نیز بالاتر از جمنای ۴ کربن قرار گرفتند. پژوهشگران SemiAnalysis اعلام کرده‌اند که این نتایج با برداشت آن‌ها از توانایی نسبی مدل‌ها هماهنگی بیشتری دارد.

یکی از توضیحات مطرح‌شده برای این تفاوت، تأثیر محدودیت‌های ایمنی مدل‌ها است. سازوکارهای محافظتی در برخی مدل‌های کلاد و GPT ممکن است مانع انجام کامل بعضی درخواست‌های مرتبط با امنیت سایبری، زیست‌شناسی یا هم‌ترازی هوش مصنوعی شوند.

بنابراین، امتیاز نهایی در چنین آزمون‌هایی لزوماً فقط توانایی فنی مدل را منعکس نمی‌کند و میزان محدودیت آن در پاسخ‌گویی به درخواست‌های حساس نیز می‌تواند بر نتیجه تأثیر بگذارد.

عملکرد مدل‌های قبلی گوگل و رقابت در امنیت سایبری

مدل جمنای ۴ آرگون، نسخه مرزی قبلی گوگل، در هر دو رتبه‌بندی جایگاه هشتم را به دست آورد. این مدل بالاتر از Muse Wonder متعلق به متا و پایین‌تر از Wonder Full قرار گرفت.

از نظر هزینه نیز آرگون تنها اندکی ارزان‌تر از جمنای ۴ کربن بود. با توجه به جایگاه بهتر مدل جدید گوگل، نتایج نشان می‌دهند کربن در مقایسه با نسل قبلی خود نسبت عملکرد به هزینه بهتری ارائه می‌کند.

بااین‌حال، بررسی اختصاصی حوزه امنیت سایبری تصویر متفاوتی از رقابت مدل‌ها به نمایش می‌گذارد. هر دو مدل گوگل در این بخش امتیاز بالاتری از مدل‌های OpenAI و آنتروپیک کسب کردند، اما همچنان پایین‌تر از خانواده Muse متا قرار گرفتند.

بر اساس داده‌های GDPx، مدل‌های Muse در وظایف مرتبط با امنیت سایبری با اختلاف قابل‌توجهی بهترین عملکرد را ثبت کرده‌اند. این موضوع نشان می‌دهد برتری یک مدل هوش مصنوعی می‌تواند به حوزه کاربرد و نوع وظایف مورد ارزیابی وابسته باشد و نمی‌توان صرفاً با تکیه بر یک رتبه‌بندی، عملکرد آن را در تمام زمینه‌ها تعیین کرد.

نوشته جمنای ۴ کربن با هزینه‌ای یک‌سوم کلاد اپوس ۵.۵، عملکردی نزدیک به بهترین مدل‌های هوش مصنوعی دارد اولین بار در آی‌ تی‌ رسان منتشر شد.