در یکی از روزهای زمستان، بازارهای مالی آمریکا شاهد رخدادی کم‌سابقه بودند: ارزش سهام انویدیا در یک روز نزدیک به ۶۰۰ میلیارد دلار افت کرد؛ رقمی که تا پیش از آن در تاریخ وال‌استریت سابقه نداشت. دلیل این شوک بزرگ نه یک بحران بانکی بود و نه تغییر در سیاست‌های پولی؛ همه چیز به انتشار یک مدل هوش مصنوعی چینی به نام DeepSeek برمی‌گشت.
ماهیت ماجرا ساده اما تکان‌دهنده بود. ماه‌ها غولهای فناوری دره سیلیکون به سهام‌داران و جهان می‌گفتند برای رسیدن به مرزهای هوش مصنوعی صدها میلیون دلار سرمایه، نیروگاه‌های برق اختصاصی و ده‌ها هزار کارت گرافیک گران‌قیمت لازم است. ناگهان مدلی با هزینه‌ای زیر شش میلیون دلار از راه رسید که در حل مسائل ریاضی و استدلال، شانه به شانه برترین مدلهای بسته حرکت می‌کرد؛ و از همه مهم‌تر: وزنهای مدل رایگان در اینترنت منتشر شد تا هر کسی در دنیا بتواند آن را دانلود کند.
این اتفاق خط فاصلی میان دو نگاه در دنیای هوش مصنوعی کشید: جهان مدلهای بسته و گران، در برابر دنیای مدلهای متنباز و آزاد.
در ادامه می‌بینیم چرا این نبرد شکل گرفت، دره سیلیکون از چه چیزی می‌ترسد و این دگرگونی چه معنایی برای کاربران و کسب‌وکارهای ما دارد.
مدل متن‌بسته در برابر متنباز؛ دعوا بر سر چیست؟
برای فهمیدن این نبرد، باید تفاوت این دو رویکرد را از پشت ویترین بازاریابی شرکت‌ها بیرون بکشیم.
وقتی با سرویس‌هایی مثل ChatGPT یا Claude کار می‌کنید، روبه‌روی یک مدل بسته (Closed Source) نشسته‌اید. شما متنی می‌فرستید و پاسخی تحویل می‌گیرید. مدل روی سرورهای شرکتی در کالیفرنیا اجرا می‌شود؛ کسی نمی‌داند داخل کدهای آن چیست، چطور آموزش دیده و داده‌های شما تا چه حد نگهداری می‌شوند. فردا اگر آن شرکت دسترسی کاربران یک کشور را قطع کند یا قیمت توکن‌هایش را سه برابر کند، شما هیچ اختیاری ندارید.
در نقطه مقابل، مدلهای وزنباز (Open-Weights) قرار دارند؛ مدل‌هایی مثل سری Llama از شرکت متا، خانواده‌ی GLM از Z.ai، یا DeepSeek و Mistral. سازندگان این مدل‌ها پس از ماه‌ها آموزش، فایل مغز مدل (وزن‌ها و پارامترها) را روی اینترنت قرار می‌دهند.
این تفاوت، تفاوت میان «اجاره کردن خانه» و «مالکیت ابزار» است. وقتی وزنهای مدل را در دست دارید، میتوانید آن را روی لپ‌تاپ، سرور شخصی یا یک دیتاسنتر داخلی بالا بیاورید؛ بدون نیاز به اینترنت بین‌الملل، بدون نگرانی از فیلتر شدن و بدون اینکه حتی یک کلمه از اطلاعات شما به بیرون از سرورهایتان درز کند.
معماری به‌جای پول؛ چطور انحصار شکسته شد؟
ترس غولهای فناوری از این نبود که یک مدل خوب ساخته شده است؛ ترس اصلی آن‌ها از این بود که هوشمندانه خرج کردن، جای زورآزمایی مالی را گرفت.
پیش از این، شرکت‌های بزرگ با این منطق جلو می‌رفتند: «هر کس دیتاسنتر بزرگ‌تری بسازد، برنده است.» آن‌ها صدها میلیارد دلار صرف خرید تراشه‌های انویدیا میکردند تا با نیروی خام پردازشی به پیشرفت برسند؛ مسیری که در مقاله کاهش سرعت توسعه هوش مصنوعی نشان دادیم کم‌کم به دیوار بازدهی نزولی برخورد کرده است.
اما رقبای متنباز از راه دیگری وارد شدند:
- معماری ترکیبی متخصصان (MoE): به جای اینکه در هر پاسخ تمام صدها میلیارد پارامتر مدل درگیر شوند، مدل به چندین متخصص مجزا تقسیم می‌شود و برای هر کلمه فقط بخش کوچکی از شبکه عصبی روشن می‌شود. این دقیقاً همان روشی است که در ماجرای معرفی GLM-5.3-Flash و راز Ox Alpha دیدیم؛ مدلی با ۳۲۰ میلیارد پارامتر که در هر درخواست فقط ۱۸ میلیارد پارامتر فعال دارد و با مصرف منابع بسیار کمتر، هم‌زمان متن و تصویر را پردازش می‌کند.
- بهینه‌سازی حافظه و استدلال خالص: به‌کارگیری روش‌های ریاضی برای سبک‌کردن پردازش و استفاده از یادگیری تقویتی متمرکز در خانواده‌هایی مثل DeepSeek و سری Qwen، باعث شد این مدل‌ها با چند هزار تراشه معمولی به نتیجه‌ای برسند که دیگران با خوشه‌های چند ده‌هزارتایی به آن رسیده بودند.
وقتی معلوم شد میتوان همان کیفیت را با یک‌دهم هزینه تولید کرد، تمام توجیهات اقتصادی غول‌هایی که میلیاردها دلار سرمایه جذب کرده بودند زیر سؤال رفت.
جنگ منافع؛ چرا متا رایگان می‌بخشد و اوپن‌ای‌آی درها را می‌بندد؟
شاید بپرسید چرا شرکتی مثل متا میلیون‌ها دلار خرج می‌کند و بعد مدل Llama را رایگان در اختیار همه می‌گذارد؟ آیا زاکربرگ عاشق کارهای خیریه شده است؟
پاسخ در یک استراتژی قدیمی فناوری نهفته است: کالایی‌سازی مکمل‌ها (Commoditizing the Complement).
متا از طریق تبلیغات و شبکه‌های اجتماعی درآمد دارد، نه از فروش نرم‌افزار هوش مصنوعی. اگر سیستم‌های هوش مصنوعی گران و در انحصار اپل، مایکروسافت و گوگل بمانند، متا باید به آن‌ها باج بدهد. اما اگر متا پایه‌های هوش مصنوعی را برای همه جهان رایگان کند، انحصار رقبا را در هم می‌شکند و هزاران برنامه‌نویس در سراسر دنیا نرم‌افزارهای خود را بر پایه مدلهای متا می‌سازند.
در طرف دیگر، شرکتی مثل OpenAI باید میلیاردها دلار هزینه سرور و سرمایه‌گذاری مایکروسافت را توجیه کند. اگر مدلهای باز و رایگان همان کارایی را بدهند، کم‌کم کمتر سازمانی حاضر می‌شود اشتراک‌های ماهانه گران‌قیمت بخرد. به همین دلیل، مدیران مدلهای بسته مدام از خطرات امنیتی مدلهای باز حرف می‌زنند و خواستار تنظیم‌گری‌های سفت‌وسخت هستند.
چرا این نبرد برای کاربران و توسعه‌دهندگان ایرانی حیاتی است؟
برای یک کاربر یا کسب‌وکار در ایران، بحث متنباز صرفاً یک جدال نظری در دره سیلیکون نیست؛ یک ضرورت عملی است.
مدلهای اختصاصی خارجی برای ما با سه مانع دائمی همراه‌اند: ۱. سد پرداخت دلاری و خرید اکانت‌های واسطه‌ای. ۲. ریسک همیشگی تحریم، قطعی ناگهانی و خطاهای شبکه. ۳. نگرانی شدید از محرمانگی اطلاعات مالی، حقوقی و پزشکی کسب‌وکارها.
مدلهای متنباز این معادله را عوض کردند. امروز یک شرکت ایرانی می‌تواند نسخههای تقطیرشده و سبک این مدل‌ها را دانلود کند، آن را با داده‌های تخصصی و زبان فارسی آموزش دهد، و روی سرورهای داخلی میزبانی کند. دیگر نیازی به ارسال درخواست به سرورهای آن سوی دنیا نیست. همان روندی که به ابزارهای داخلی اجازه می‌دهد بدون اتکا به API خارجی، پاسخی سریع و پایدار فراهم کنند.
واقع‌بینی؛ چالش‌های دنیای متنباز چیست؟
با تمام این پیشرفت‌ها، نباید تصور کرد مدلهای بسته به پایان کار خود رسیدهاند. کار با مدلهای باز هنوز نیازمند دانش فنی و زیرساخت است:
- هزینه سختافزار محلی: دانلود یک مدل چند صد گیگابایتی رایگان است، اما اجرای روان نسخههای بزرگ به کارت‌های گرافیک با حافظه ویدئویی بالا نیاز دارد که خرید آن برای هر کسی مقدور نیست.
- راحتی استفاده: کار با یک چت ساده وب‌سایت همواره برای عموم مردم راحت‌تر از مدیریت سرور و درگیر شدن با خط فرمان است.
- لبه استدلال و ابزارها: در زمینه کار با کامپیوتر و اتصال به ابزارهای بیرونی، مدل‌هایی مانند GPT-6 Astra همچنان سرمایه‌گذاری سنگینی در لایه‌های مهندسی محصول انجام می‌دهند که پیاده‌سازی شخصی آن‌ها کار ساده‌ای نیست.
با این حال، تفاوت امروز با دو سال پیش این است که فاصله مدلهای باز با مرزهای محرمانه فناوری، از «چند سال» به «چند ماه» رسیده است.
جمع‌بندی
ترسی که بر دره سیلیکون حاکم شده واقعی است، اما برای توسعه‌دهندگان و کاربران عادی این یک پیروزی بزرگ است.
هوش مصنوعی در حال تبدیل شدن به چیزی شبیه به لینوکس و سیستم‌عامل‌های آزاد است: پایه‌ای مشترک و در دسترس که هیچ شرکتی نمی‌تواند دسترسی به آن را قطع کند یا برای هر خط پیام، عوارض وضع کند. این فناوری دیگر در انحصار آزمایشگاه‌های بسته چند شرکت آمریکایی نیست؛ کدهای آن در دست همگان می‌چرخد و آینده‌اش روی سرورهای سراسر جهان ساخته می‌شود.
اگر می‌خواهید قدرت گفتگوی روان، فارسی‌محور و پایدار را بر روی سرورهای داخلی و بدون درگیر شدن با فیلترشکن تجربه کنید، میتوانید در chat.hooshzy.ir با هوش‌زی در تعامل باشید.
