هوش مصنوعی

اگه فکر می‌کردی سرعت انتشار مدل‌های هوش مصنوعی زیاده، گوگل همین امروز (دوم سپتامبر) دوباره ثابت کرد که می‌تونه حتی سریع‌تر هم بره. جمینای ۳.۸ فلش منتشر شد، اونم فقط سه هفته بعد از جمینای ۳.۷ فلش — و این سومین آپدیت فلش توی کمتر از شش هفته‌ست. برای مقایسه، خیلی از شرکت‌ها هنوز دارن روی همون نسخه‌ی چند ماه پیش مدلشون کار می‌کنن؛ گوگل انگار تصمیم گرفته این چرخه رو ماهانه کنه.

دو نسخه، دو هدف متفاوت

این بار گوگل به‌جای یه مدل، دو تا variant منتشر کرده. نسخه‌ی اصلی، Gemini 3.8 Flash، روی مهندسی نرم‌افزار، کارهای agentic و reasoning چندمرحله‌ای تمرکز داره و طبق ادعای گوگل روی بنچمارک DeepSWE v1.1 (که مربوط به حل مسائل مهندسی طولانی‌مدت به‌صورت end-to-end هست) از خیلی از مدل‌های فرانتیر بزرگ‌تر بهتر عمل می‌کنه — اونم با هزینه‌ی خیلی کمتر. قیمتش هم همون قیمت مقدماتی نسخه‌ی قبلیه: ۰.۷۵ دلار به ازای هر میلیون توکن ورودی و ۳.۷۵ دلار برای هر میلیون توکن خروجی.

نسخه‌ی دوم که جالب‌تره، Gemini 3.8 Flash Cyber نام داره و مخصوص امنیت سایبریه. طبق گفته‌ی گوگل، این مدل عملکرد در سطح فرانتیر توی کشف آسیب‌پذیری و patch کردن خودکار داره. یه نمونه‌ی جالب اینه که تیم Cloud Vulnerability Research خود گوگل با این مدل تونسته یه آسیب‌پذیری بحرانی رو در کمتر از دو ساعت پیدا کنه، کاری که معمولاً ماه‌ها طول می‌کشه. این نسخه از طریق یه برنامه‌ی جدید به اسم Fairwind فقط در اختیار تیم‌های امنیتی مورد اعتماد قرار می‌گیره، نه به‌صورت عمومی.

چرا این‌قدر عجله؟

اسم داخلی این مدل «Skimaki» بوده و طبق گزارش‌هایی که قبل از انتشار رسمی منتشر شده بود، مهندسای خود گوگل توی پلتفرم داخلی کدنویسیشون (Jetski) اون رو در برابر مدل‌های رقیب امتحان کردن و بیشترشون این مدل رو ترجیح دادن — به‌خاطر latency پایین‌تر، خروجی مختصرتر و کمتر hallucinate کردن. نکته‌ی جالب اینجاست که به نظر می‌رسه گوگل داره از تجربه‌ی نسخه‌های قبلی فلش درس می‌گیره: یکی از مشکلات همیشگی این خانواده از مدل‌ها verbose بودن بیش از حد بوده، و ۳.۸ دقیقاً روی کاهش همین مشکل کار کرده.

به نظر من این ریتم انتشار بیشتر از اینکه نشونه‌ی جهش تکنولوژیک باشه، نشونه‌ی فشار رقابتیه. گوگل مدت‌هاست که توی حوزه‌ی coding agent ها عقب‌تر از رقبا دیده می‌شه، و این آپدیت‌های پشت سر هم بیشتر شبیه تلاش برای بستن اون فاصله‌ست تا یه جهش واقعی در معماری مدل. البته این حرف به این معنی نیست که مدل بد کار می‌کنه — طبق گزارش‌ها روی بنچمارک‌های تخصصی مثل Vals Finance Agent V2 و Harvey Legal Agent Benchmark هم بهتر از ۳.۷ عمل کرده و روی HLE-Verified به عدد ۵۴.۹ درصد رسیده.

آنتروپیک اول سپتامبر ۲۰۲۶، Claude Fable 5.1 و Claude Mythos 5.1 رو معرفی کرد؛ جانشین‌های Fable 5 و Mythos 5 که سوم ژوئن همون سال منتشر شده بودن. این دو مدل، جدیدترین اعضای رده‌ی Mythos هستن؛ رده‌ای که بالاتر از Opus قرار می‌گیره و برای کارهای بلندمدت، ایجنتیک و پرمخاطره طراحی شده.

این دو مدل دقیقاً چه فرقی با هم دارن؟

Fable 5.1 و Mythos 5.1 عملاً یه مدل واحدن، فقط با سطح safeguard متفاوت. Fable 5.1 به‌صورت عمومی در دسترس همه‌ست، ولی Mythos 5.1 فقط از طریق برنامه‌های دسترسی مورد اعتماد آنتروپیک قابل استفاده‌ست؛ safeguardهاش مخصوص کارهای امنیت سایبری و علوم زیستی طراحی شده تا افراد واجد شرایط بتونن بدون محدودیت‌های معمول کار کنن.

جهش عملکرد نسبت به Fable 5

آنتروپیک Fable 5.1 رو استاندارد جدیدی برای کدنویسی، کار دانشی و حل مسئله‌ی بلندمدت معرفی کرده. توی بنچمارک Terminal-Bench-Science 0.1 (پژوهش علمی ایجنتیک)، امتیاز از ۲۴.۷ درصد برای Fable 5 به ۵۲.۶ درصد برای Fable 5.1 رسیده؛ این حتی از Opus 5 (۲۹ درصد) و GPT-5.6 Sol (۲۲.۴ درصد) هم جلوتره. توی Terminal-Bench 4.0 (کدنویسی ایجنتیک) هم از ۴۲ به ۵۵.۸ درصد رسیده (نسخه‌ی Mythos 5.1 بدون دخالت safeguardهای سایبری حتی ۶۰.۹ درصد گرفته). روی AutomationBench (گردش‌کار کسب‌وکار) جهش از ۱۷.۱ به ۳۱.۴ درصد بوده، و CursorBench 3.2.0 هم از ۷۰.۵ به ۷۳.۴ درصد رسیده. توی Humanity's Last Exam بدون ابزار از ۵۷.۸ به ۶۰.۹ درصد و با ابزار از ۶۳.۸ به ۶۵ درصد بهبود داشته. یه نکته‌ی عملی مهم: توی Claude Code به‌طور پیش‌فرض روی effort بالا (High) کار می‌کنه، ولی توی Claude Cowork و claude.ai پیش‌فرضش روی Medium ـه؛ و روی effortهای پایین‌تر، نتیجه‌ای مشابه یا بهتر از Fable 5 با هزینه‌ی بسیار کمتر می‌ده. یکی از نمونه‌های میدانی جالبی که آنتروپیک اشاره کرده، شرکت سرمایه‌گذاری Millennium ـه که می‌گه Fable 5.1 تونسته علت یه کرش بسیار نادر توی سیستم‌های داخلیشون رو پیدا کنه؛ مشکلی که چند سال بود مهندس‌های خودشون و هیچ مدل دیگه‌ای نتونسته بودن توضیحش بدن.

قیمت: ارزون‌تر شده، ولی نه توی همه‌ی حالت‌ها

قیمت پایه‌ی توکن ورودی و خروجی Fable 5.1 دقیقاً همون قیمت Fable 5 مونده: ۱۰ دلار به ازای هر میلیون توکن ورودی و ۵۰ دلار برای هر میلیون توکن خروجی. چیزی که تغییر کرده، قیمت cache read ـه که ۷۵ درصد ارزون‌تر شده و به ۰.۲۵ دلار به ازای هر میلیون توکن رسیده. طبق ادعای آنتروپیک، این تغییر برای کارهای معمولی حدود ۲۵ درصد و برای کارهای بسیار ایجنتیک (که بیشتر هزینه‌شون از cache read میاد) تا حدود ۴۵ درصد کاهش هزینه‌ی کلی به همراه داره. با این حال، Artificial Analysis که توی تست‌های پیش از انتشار همکاری داشته، به این ادعا نقد وارد کرده: طبق داده‌های اون‌ها، Fable 5.1 روی effort حداکثری (max) به‌خاطر مصرف حدود ۱.۷ برابر بیشتر توکن خروجی، می‌تونه واقعاً حدود ۲۰ درصد گرون‌تر از Fable 5 برای هر تسک تموم بشه؛ روی effort حداکثری هر تسک حدود ۳.۷۶ دلار هزینه داره، در حالی که Opus 5 با فقط ۳ امتیاز کمتر، ۲.۳۴ دلار می‌گیره. روی effort extra-high، Fable 5.1 با امتیاز ۶۵، هزینه‌اش به ۲.۷۲ دلار می‌رسه که فاصله رو کم می‌کنه ولی همچنان از Opus 5 گرون‌تره.

آنتروپیک یه خبر جالب راجع به Claude Code منتشر کرده که ظاهرش خیلی بهتر از باطنشه. توی توییت رسمی ClaudeDevs نوشته که از ۱۴ سپتامبر، محدودیت هفتگی استاندارد Claude Code رو برای پلن‌های Pro، Max، Team و Enterprise مبتنی بر seat، به‌طور دائمی ۲۵ درصد افزایش می‌ده. تا اینجا خبر خوبیه، ولی نصف دومش یه چیز دیگه‌ست.

داستان از کجا شروع شد

سیزدهم می، آنتروپیک یه افزایش موقت ۵۰ درصدی روی محدودیت هفتگی Claude Code اعمال کرد؛ چیزی که قرار بود موقت باشه ولی چهار بار پشت سر هم تمدید شد و عملاً تا الان به‌عنوان وضعیت عادی حس می‌شد. حالا این پنجره‌ی تبلیغاتی از ۱۴ سپتامبر بسته می‌شه و به‌جاش همون افزایش دائمی ۲۵ درصدی جایگزینش می‌شه. مشکل اینجاست که ۲۵ درصد، به‌طور واضح کمتر از ۵۰ درصدیه که همین الان فعاله؛ یعنی اگه محدودیت اصلی رو ۱۰۰ فرض کنی، الان با بوست موقت داری از ۱۵۰ استفاده می‌کنی، ولی از ۱۴ سپتامبر این عدد به ۱۲۵ می‌رسه. به زبان ساده، نسبت به مبنای اولیه ۲۵ درصد بیشتر داری، ولی نسبت به چیزی که همین الان در اختیارته، حدود ۱۷ درصد کمتر می‌گیری.

اعترافی که توی یه ریپلای جدا مخفی شده بود

جالب‌ترین بخش ماجرا نحوه‌ی اطلاع‌رسانیشه. آنتروپیک این کاهش ۱۷ درصدی رو مستقیم توی همون پست اصلی ننوشت؛ به‌جاش، این عدد رو توی یه ریپلای جداگانه اعلام کرد: «نسبت به امروز، این یعنی ۱۷ درصد کاهش توی محدودیت هفتگی Claude Code. داریم روی تغییرات هیجان‌انگیزی کار می‌کنیم که حس بیشتر گرفتن از کلاد رو بهت بده، در کنار دید و کنترل بیشتر روی مصرفت.» کاربرها به‌سرعت این ریپلای رو پیدا کردن و حتی یه Community Note به پست اصلی توییتر اضافه کردن تا بقیه هم از این کاهش پنهون باخبر بشن. طبق گزارش‌ها، آنتروپیک پست اولیه‌ی خودش رو هم حذف و با یه نسخه‌ی اصلاح‌شده جایگزین کرده بود.

این تنها محدودیتی نیست که سخت‌تر شده

آنتروپیک هیچ عدد ثابتی برای این محدودیت‌ها (مثلاً تعداد مشخص توکن یا پرامپت) منتشر نکرده و می‌گه مصرف واقعی به عواملی مثل مدل انتخابی، طول مکالمه و میزان استفاده از ابزارها بستگی داره. این تغییر هم‌زمان با اینه که رقیبش OpenAI هم اخیراً محدودیت ۵ ساعته‌ی سخت‌گیرانه‌تری رو روی ابزارهای Codex و Work خودش برگردونده؛ نشون می‌ده که کل صنعت داره به سمت سخت‌گیری بیشتر روی مصرف مدل‌های agentic حرکت می‌کنه، احتمالاً به‌خاطر هزینه‌ی بالای inference.

طبق گزارش The Information که بعداً رویترز و چند رسانه‌ی دیگه هم تأییدش کردن، انویدیا توافق کرده Hugging Face، یکی از شناخته‌شده‌ترین پلتفرم‌های اشتراک‌گذاری مدل‌های متن‌باز هوش مصنوعی، رو با حدود ۱۲.۹ میلیارد دلار بخره. با این حال تا لحظه‌ی نوشتن این خبر، نه انویدیا و نه Hugging Face رسماً این معامله رو تأیید نکردن؛ Business Insider و بلومبرگ هم گزارش دادن که مذاکرات هنوز به قرارداد امضاشده نرسیده و امکان به‌هم خوردنش هم وجود داره.

چرا Hugging Face برای انویدیا مهمه؟

Hugging Face عملاً نقش یه مرجع مرکزی برای اکوسیستم مدل‌های متن‌باز رو بازی می‌کنه؛ جایی که توسعه‌دهنده‌ها مدل، دیتاست و ابزار به اشتراک می‌ذارن و حتی می‌تونن compute اجاره کنن تا مدل‌هاشون رو اجرا کنن. برای انویدیا، یه اکوسیستم متن‌باز قوی یعنی تقاضای بیشتر برای چیپ‌هاش از طرف توسعه‌دهنده‌هایی که به زیرساخت آزمایشگاه‌های بزرگ بسته وابسته نیستن؛ چون هرکسی مدلی رو از Hugging Face دانلود کنه، معمولاً باید اون رو روی GPU (اغلب انویدیا) اجرا کنه. جنسن هوانگ، مدیرعامل انویدیا، همین هفته موقع اعلام درآمد فصلی ۹۶.۲ میلیارد دلاری شرکت (بیش از دو برابر سال قبل) هم صراحتاً روی اهمیت رشد اکوسیستم متن‌باز تأکید کرده بود.

بازگشت به کسب‌وکار ابر

یه بعد جالب دیگه‌ی این معامله اینه که چون Hugging Face از قبل امکان اجاره‌ی compute برای اجرای مدل‌ها رو به کاربراش می‌ده، مالکیت اون می‌تونه یه مسیر برگشت به کسب‌وکار cloud computing برای انویدیا باز کنه؛ کسب‌وکاری که طبق گزارش‌ها حدود یه سال پیش خودش رو ازش کنار کشیده بود. این می‌تونه راهی هم باشه برای این‌که انویدیا ظرفیت اضافه‌ی ابری‌ای که برای مشتری‌هاش تعهد داده رو، از طریق Hugging Face به بازار عرضه کنه.

رقمی که چند برابر ارزش قبلیه

آخرین دور تأمین مالی شناخته‌شده‌ی Hugging Face سال ۲۰۲۳ با ۲۳۵ میلیون دلار و ارزش‌گذاری ۴.۵ میلیارد دلار بود؛ با سرمایه‌گذارهایی مثل Salesforce Ventures، GV گوگل، IBM Ventures و خود انویدیا. جالبه که خود انویدیا پارسال یه پیشنهاد ۵۰۰ میلیون دلاری برای ورود جدید با ارزش‌گذاری ۷ میلیارد دلار داده بود که Hugging Face ردش کرده بود؛ حالا رقم پیشنهادی تقریباً دو برابر شده. طبق گزارش‌ها، درآمد سالانه‌ی Hugging Face چیزی حدود ۱۵۰ میلیون دلاره؛ یعنی این قیمت، پرمیوم قابل‌توجهی روی جایگاه استراتژیک شرکت توی اکوسیستم توسعه‌دهنده‌های AI می‌ذاره.

اوپن ای آی جمعه‌شب اعلام کرد که همکاریش با Cursor رو تموم می‌کنه و دسترسی مستقیم Cursor به مدل‌هاش از ۱۲ نوامبر قطع می‌شه. دلیل این تصمیم هم چیز فنی‌ای نیست؛ دو هفته پیش از این خبر، SpaceX با ۶۰ میلیارد دلار، شرکت مادر Cursor یعنی Anysphere رو خرید و اون رو زیر مجموعه‌ی تازه‌تأسیس SpaceXAI برد. حالا OpenAI می‌گه دیگه نمی‌تونه به رعایت شرایط قرارداد از طرف یه شرکت زیرمجموعه‌ی ایلان ماسک مطمئن باشه.

دلیل OpenAI: اعتماد، نه تکنولوژی

توی پستی روی وب‌سایتش، OpenAI صراحتاً نوشته که این تصمیم به «اعتماد» برمی‌گرده، نه چیز دیگه‌ای، و به تجربه‌ی خودش از شکسته شدن قرارداد توسط شرکت‌های ماسک اشاره کرده؛ از جمله ادعا می‌کنه که X (همون توییتر سابق که حالا زیرمجموعه‌ی SpaceX هست) بعد از خرید توسط ماسک، شرایط یه قرارداد قبلی با OpenAI رو نقض کرده. OpenAI بخشی از این تصمیم رو هم به مسائل امنیتی مرتبط کرده؛ با اشاره به مدل بعدیش به اسم Astra که قابلیت‌های سایبری پیشرفته‌ای داره، می‌گه الان به سطح بالاتری از پایبندی شرکای خودش به قوانین استفاده نیاز داره. پس‌زمینه‌ی این ماجرا هم به دعوای حقوقی ماسک با OpenAI برمی‌گرده؛ ماسک از ۲۰۲۴ روی تبدیل شدن OpenAI از غیرانتفاعی به انتفاعی شکایت کرده بود، ولی می ۲۰۲۶ هیئت‌منصفه به نفع OpenAI رأی داد و ماسک هم گفته قصد داره به دادگاه تجدیدنظر برسونه.

واکنش Cursor: زیاد هم مهم نیست

مایکل تروئل، مدیرعامل و هم‌بنیان‌گذار Cursor، تلاش کرده اهمیت این قطع همکاری رو کم‌رنگ نشون بده و گفته مدل‌های OpenAI فقط حدود ۵ درصد از ترافیک کاربران Cursor رو تشکیل می‌دن. طبق گفته‌ی خودش، تیم‌های دو طرف در حال مذاکره برای حل این موضوع هستن. Cursor از ابتدا استراتژیش استفاده‌ی هم‌زمان از چند تأمین‌کننده‌ی مدل بوده (OpenAI، Anthropic، گوگل و xAI)، دقیقاً به همین دلیل که به یه شرکت خاص گیر نیفته؛ همین حالا هم داره جواب می‌ده.

آنتروپیک وارد میدون میشه

تام براون، از هم‌بنیان‌گذاران آنتروپیک و مسئول compute شرکت، توی توییتی نوشته که Cursor از زمان Sonnet 3.5 یه شریک قابل‌اعتماد بوده و آنتروپیک قراره ظرفیت compute مدل‌های کلاد رو برای Cursor بیشتر هم بکنه. البته این ادعای «شریک وفادار بودن» یه‌کم طعنه‌آمیزه؛ چون خود آنتروپیک هم قبلاً چند بار دسترسی API رو از شرکای خودش قطع کرده، از جمله بلاک کردن Windsurf بعد از این‌که قرار بود توسط OpenAI خریداری بشه، و همچنین قطع دسترسی خود OpenAI به کلاد به‌خاطر استفاده‌ی غیرمجاز از اون برای بنچمارک‌گیری.

آنتروپیک یه مرورگر مبتنی بر Chromium رو مستقیم داخل Claude Cowork جا داده؛ یعنی از این به بعد وقتی یه تسک نیاز به وب داره، دیگه لازم نیست از اکستنشن Claude in Chrome استفاده کنی، خود کلاد یه پنجره‌ی مرورگر جدا توی پنل کناری Cowork باز می‌کنه و مستقیماً صفحات رو می‌بینه، لینک کلیک می‌کنه، فرم پر می‌کنه و کارو تموم می‌کنه. این مرورگر کاملاً از مرورگر روزمره‌ی خودت جداست و به تب‌ها، بوکمارک‌ها یا پسوردهات دسترسی نداره؛ یعنی هم می‌تونی هم‌زمان با کلاد کار کنی و هم مرز بین کاری که خودت می‌کنی و کاری که کلاد می‌کنه مشخص‌تره.

این قابلیت از ۲۶ آگوست روی پلن‌های Enterprise فعاله و طی همین هفته برای Pro، Max و Team هم روی مک، ویندوز و لینوکس در دسترس قرار می‌گیره؛ به‌صورت پیش‌فرض هم روشنه، ولی می‌شه از تنظیمات به همون اکستنشن Chrome برگشت. لازم به ذکره که کلاد کد هم از قبل (جولای) یه نسخه‌ی مشابه از این مرورگر داخلی گرفته بود. مثل هر ابزار agentic دیگه‌ای که مستقیم با صفحات وب کار می‌کنه، ریسک حملات prompt injection همچنان وجود داره؛ آنتروپیک میگه برای اقدامات حساس مثل خرید یا اشتراک‌گذاری اطلاعات شخصی همچنان از کاربر تأیید می‌گیره، ولی صادقانه هم اعلام کرده که این محافظت‌ها ریسک رو کم می‌کنن، نه صفر.

تنسنت امروز نسل بعدی مدل هان‌یوان خودش رو با اسم Hy4 Preview منتشر و به صورت متن‌باز عرضه کرد؛ مدلی با ۷۷۰ میلیارد پارامتر کل که فقط ۴۹ میلیاردش روی هر توکن فعال می‌شه و پنجره‌ی کانتکستش به یک میلیون توکن می‌رسه. طبق اعلام تنسنت، این افزایش در اندازه‌ی مدل، طول کانتکست و حجم داده‌ی آموزشی، همراه با پیشرفت هم‌زمان مرحله‌ی pretraining و post-training، باعث جهش محسوسی توی توانایی‌های مدل نسبت به نسل قبل شده. مدل به‌طور خاص برای کارهای واقعی و کاربردی مثل کدنویسی، امور اداری و کارهای علمی طراحی شده و با محصولاتی مثل CodeBuddy و WorkBuddy هم هماهنگ شده تا توی سناریوهای واقعی بهتر جواب بده.

تنسنت برای سنجش کیفیت مدل، یه تست کور با ۱۶۳ کارشناس داخلی روی ۲۰۳ تسک مهندسی واقعی انجام داده که توش Hy4 Preview با میانگین امتیاز ۲.۹۹ از ۴، کمی جلوتر از GLM-5.3 با ۲.۹۲ و Kimi K3 با ۲.۹۴ ظاهر شده؛ در مقایسه‌ی مستقیم با GLM-5.3 هم ۴۶.۸ درصد برد، ۱۲.۸ درصد مساوی و ۴۰.۴ درصد باخت داشته. جالب اینه که خود تنسنت هم صادقانه اعلام کرده Hy4 Preview صرفاً یه نسخه‌ی اولیه از مسیر Hy4 هست و هنوز جای پیشرفت زیادی توی pretraining و post-training داره؛ از جمله مشکلاتی مثل فکر کردن بیش از حد طولانی روی تسک‌های پیچیده و گرایش به self-verification زیاد، که قراره توی نسخه‌های بعدی روی همین‌ها کار بشه. کد و وزن‌های مدل الان روی گیت‌هاب و ModelScope در دسترسن.

چند روزی Ox Alpha رو از طریق opencode امتحان کردم و اولین چیزی که حس کردم، سرعتشه؛ به شدت کندتر از بقیه مدل‌هایی که استفاده کردم جواب می‌ده. تست عددی خاصی نگرفتم، فقط بر اساس همون چیزی که موقع کار باهاش اتفاق می‌افتاد می‌گم، ولی حدسم اینه که این کندی به درجه‌ی reasoning بالایی که روش گذاشته شده و این‌که فقط یک مقدار کم پارامتر اکتیو داره برمی‌گرده. با همه‌ی این‌ها، از نظر من هنوز کلاد و چت‌جی‌پی‌تی چندین پله بالاتر از این مدل توی کد زدن هستن.

Ox Alpha اصلاً چیه؟

اگه تا حالا اسمش به گوشت نخورده، Ox Alpha یه مدل ناشناسه که بیستم آگوست روی OpenRouter، opencode، Cline و پورتال Nous Research به صورت رایگان ظاهر شد؛ بدون این‌که هیچ شرکتی اسمش رو پای اون گذاشته باشه. کانتکست ویندوش تا یک میلیون توکن می‌رسه، هم متن قبول می‌کنه هم تصویر و ویدیو، و ادعای zero data retention هم داره؛ هرچند این ادعا بین خود OpenRouter و opencode یکسان بیان نشده و بهتره روش زیاد حساب نکنی اگه داری روی کد یا دیتای حساس کار می‌کنی.

اوپن‌ای‌آی بیست‌ویکم آگوست اعلام کرد که قیمت API مدل پرچمدارش، GPT-5.6 Sol، رو برای سه ماه آینده بیش از ۲۰ درصد کاهش می‌ده. این اولین باریه که از زمان عرضه‌ی Sol، قیمتش تغییر کرده؛ چیزی که فاصله‌ی محسوسی با کاهش قیمت مدل‌های پایین‌تر خانواده‌ی GPT-5.6 (Terra و Luna) که یه ماه پیش اتفاق افتاده بود، داره.

اعداد دقیق

قیمت ورودی کوتاه‌context از ۵ دلار به ۴ دلار به ازای هر میلیون توکن کاهش پیدا کرده (۲۰ درصد)، و قیمت خروجی از ۳۰ دلار به ۲۰ دلار به ازای هر میلیون توکن رسیده (تقریباً ۳۳ درصد). این نرخ‌های جدید تا حداقل ۲۱ نوامبر تضمین شدن. این کاهش قیمت هم رو API معمولی (pay-as-you-go) اعمال می‌شه، هم رو credit های ChatGPT Work و Codex؛ ولی قیمت اشتراک‌های مصرفی Pro، Plus، و Business بدون تغییر باقی می‌مونن.

سومین کاهش قیمت تو یه ماه

این اتفاق تنها نیست؛ سی‌ام جولای، اوپن‌ای‌آی قیمت دو مدل دیگه‌ی همین خانواده رو کاهش داده بود: GPT-5.6 Terra ۲۰ درصد ارزون شد (به ۲ دلار ورودی و ۱۲ دلار خروجی)، و GPT-5.6 Luna با ۸۰ درصد کاهش، به ۰.۲ دلار ورودی و ۱.۲ دلار خروجی رسید. اون موقع، Sol عمداً دست‌نخورده باقی مونده بود؛ استراتژی اوپن‌ای‌آی این بود که رده‌های پایین‌تر رو برای مصرف حجم‌بالا ارزون کنه و قیمت پرچمدار رو ثابت نگه داره. حالا با این حرکت جدید، هر سه‌تای این مدل‌ها ظرف کمتر از یه ماه، قیمتشون کاهش پیدا کرده.

مقایسه با آنتروپیک: حالا ارزون‌تر از Opus 5

نکته‌ای که بیشتر گزارش‌ها روش تمرکز کردن، مقایسه‌ی مستقیم با قیمت‌گذاری آنتروپیکه. قبل از این کاهش، Sol با ۵ دلار ورودی و ۳۰ دلار خروجی، از نظر قیمت خروجی از Claude Opus 5 (۵ دلار ورودی، ۲۵ دلار خروجی) گرون‌تر بود. بعد از این کاهش، Sol با ۴ دلار ورودی و ۲۰ دلار خروجی، حالا از هر دو نظر از Opus 5 ارزون‌تره. برای مقایسه، Claude Fable 5 (پرچمدار بالاتر آنتروپیک) با ۱۰ دلار ورودی و ۵۰ دلار خروجی قیمت‌گذاری شده که همچنان گرون‌تر از Sol باقی می‌مونه.

چرا این اتفاق الان افتاده

طبق گزارش چند رسانه، این کاهش قیمت مستقیماً واکنشی به فشار رقابتی از سمت آنتروپیک و لب‌های چینی مثل دیپ‌سیک و Moonshot AI (سازنده‌ی Kimi) توصیف شده؛ رقبایی که قیمت‌های API سازمانی رو به‌طور محسوس پایین‌تر از اوپن‌ای‌آی نگه داشتن. یه اتفاق دیگه که تو همین بازه‌ی زمانی رخ داد، ظهور یه مدل ناشناس به اسم بود؛ یه مدل رایگان که تو بنچمارک‌های کدنویسی از GPT-5.6 و Claude Fable 5 هم بهتر عمل کرده. طبق تحلیل چند منبع، وقتی یه مدل رایگان و بدون‌نام می‌تونه تو رتبه‌بندی کدنویسی از مدل‌های پولی سبقت بگیره، ارزش درک‌شده‌ی مدل‌های گرون‌تر افت می‌کنه، و سریع‌ترین اهرم برای دفاع از این ارزش، همون لیست قیمته.

کرسر (Cursor)، هفدهم آگوست، محصول جدیدش Origin رو به‌صورت early beta برای همه‌ی کاربران پولی منتشر کرد؛ یه پلتفرم کامل کدهاستینگ که ریپازیتوری، pull request، بررسی کد، و sync با گیت‌هاب رو مستقیم داخل خود Cursor میاره. این اولین انتشار بزرگ محصول کرسر بعد از تکمیل خرید ۶۰ میلیارد دلاری این شرکت توسط SpaceX است؛ کرسر الان زیر بخش SpaceXAI فعالیت می‌کنه.

چی هست دقیقاً

طبق changelog رسمی کرسر، Origin با «ضروریات» شروع کرده: ریپازیتوری، pull request، مرور کد، و sync با گیت‌هاب. هر ریپازیتوری تو Origin یه URL به شکل cursor.com/codebase/{owner}/{repo} داره. نکته‌ی مهم اینه که گیت‌هاب مجبور نیست کنار گذاشته بشه؛ ریپازیتوری‌های گیت‌هاب می‌تونن مستقیم به Origin sync بشن، در حالی که گیت‌هاب همچنان «منبع حقیقت» (source of truth) باقی می‌مونه. کامنت‌ها و reaction های PR هم بین دو پلتفرم ظرف چند ثانیه دوطرفه سینک می‌شن.

سه تا integration هم همون روز اول در دسترس بودن: Vercel (برای preview deployment خودکار روی هر PR)، Depot، و Buildkite (هر دو برای اجرای workflow های موجود GitHub Actions بدون تغییر).

چرا این محصول ساخته شده

استدلال کرسر پشت Origin اینه: «کد داره سریع‌تر از هر زیرساختی که براش ساخته شده حرکت می‌کنه.» این جمله مستقیم به این واقعیت اشاره داره که تو دنیای امروز، بخش زیادی از PR ها و commit ها دیگه توسط انسان باز نمی‌شن، بلکه توسط agent ها تولید می‌شن؛ و کرسر معتقده زیرساخت‌های موجود (مثل گیت‌هاب) برای این حجم و سرعت طراحی نشدن. هدف Origin اینه که ریپازیتوری، agent های کدنویسی، و فرآیند review رو تو یه محیط واحد نگه داره، به‌جای این‌که کاربر بین چند تا ابزار جدا سوییچ کنه.

زمان‌بندی عجیب: هم‌زمان با قطعی گیت‌هاب

یه نکته‌ی جالب (و به‌شدت بحث‌برانگیز تو کامیونیتی) اینه که دقیقاً هم‌زمان با انتشار Origin، گیت‌هاب دچار یه قطعی جهانی به مدت حدود ۶ تا ۸ ساعت شد (بسته به منبع، بین ۶ ساعت و ۴۲ دقیقه تا ۷ ساعت و ۴۷ دقیقه گزارش شده)؛ هفتمین incident گیت‌هاب تو پونزده روز اخیر. طبق گزارش‌ها، این هم‌زمانی صرفاً یه تصادف بوده، نه یه برنامه‌ریزی عمدی، ولی جامعه‌ی توسعه‌دهنده‌ها سریع ازش به‌عنوان یه meme استفاده کردن.

یه سناریوی هشداردهنده رو تصور کن: یه agent رو مسئول پردازش خودکار پرداخت به vendor ها کردی. یه روز یه فاکتور می‌رسه، agent هم تراکنش رو خودکار انجام می‌ده. همه‌چیز عالی پیش می‌ره تا صبحی که می‌بینی حساب بانکیت overdraft شده؛ وقتی دقیق‌تر نگاه می‌کنی، می‌بینی به vendor هایی پرداخت شده که اصلاً فاکتوری ثبت نکرده بودن، یا بعضی وقت‌ها اصلاً چیزی تحویل نداده بودن. AWS ششم آگوست، Dogwood رو دقیقاً برای جلوگیری از همین نوع خطا منتشر کرد؛ یه زبان متن‌باز برای نوشتن قوانین authorization که می‌تونن به تاریخچه‌ی کارهای قبلی agent هم توجه کنن.

مشکلی که Dogwood حلش می‌کنه

مشکل اصلی، به قول Marc Brooker (نایب‌رئیس و مهندس برجسته‌ی AWS)، یه ناهماهنگی بنیادیه: agent ها همه‌ی کارهایی که تا الان انجام دادن رو به یاد می‌سپارن، ولی checkpoint ای که هر اقدام جدید رو تأیید می‌کنه، هیچی از قبل به یاد نداره. هر تصمیم authorization فقط بر اساس همون یه درخواست لحظه‌ای گرفته می‌شه، بدون در نظر گرفتن این‌که قبلش چه اتفاقی افتاده.

قوانینی مثل «قبل از پرداخت، حتماً باید فاکتور ثبت شده باشه»، «سقف مصرف روزانه‌ی agent فلان مبلغه»، یا «قبل از این مرحله‌ی مهم، حتماً باید یه انسان تأیید کنه»، رو کاغذ ساده به نظر می‌رسن، ولی طبق گفته‌ی Brooker، تو زبان‌های authorization موجود، تمیز و دقیق قابل‌بیان نیستن؛ چون این زبان‌ها اصولاً stateless طراحی شدن.

رابطه‌ش با Cedar

AWS از قبل یه زبان authorization به اسم Cedar داره که سال ۲۰۲۳ متن‌بازش کرد؛ زبانی که طبق توصیف خود Brooker «قابل‌تحلیل» طراحی شده، یعنی می‌شه قبل از اجرا، دقیقاً اثبات کرد که یه مجموعه قانون چه چیزی رو مجاز می‌کنه و چه چیزی رو نه. Cedar تصمیمات point-in-time رو خیلی خوب مدیریت می‌کنه؛ هر درخواست بر اساس شایستگی‌های خودش، سریع و با قابلیت اثبات، بررسی می‌شه.

Dogwood این زبان رو گسترش می‌ده، نه جایگزینش می‌کنه؛ کاملاً backward-compatible با Cedار است و نیازی به migration نداره. چیزی که Dogwood اضافه می‌کنه، شرط‌های زمانی (temporal) است: الگوهایی مثل ترتیب workflow، دروازه‌ی تأیید انسانی، تطبیق آرگومان‌ها، چک کردن تازگی داده، و محدودیت جمعی رو چند تا درخواست هم‌زمان.

دینو‌ (Deno) (همون شرکتی که Ryan Dahl، خالق Node.js، رهبریش می‌کنه) یه ابزار جدید متن‌باز منتشر کرده به اسم Claw Patrol؛ یه فایروال امنیتی که بین agent های هوش مصنوعی و زیرساخت واقعی (دیتابیس، Kubernetes، سرورها) می‌شینه و دقیقاً کنترل می‌کنه که هر agent چه کاری مجازه انجام بده.

داستان از کجا شروع شد

Deno برای سرویس هاستینگش (Deno Deploy)، از agent های مبتنی بر مدل‌هایی مثل Claude Opus برای رسیدگی خودکار به incident های production استفاده می‌کنه؛ agent هایی که به PostgreSQL، Kubernetes، ClickHouse، AWS، گیت‌هاب، و Slack دسترسی write دارن. این agent ها تونستن بخش قابل‌توجهی از incident هایی که قبلاً نیاز به دخالت انسان داشتن رو خودکار حل کنن. ولی همین سطح از دسترسی، یه ریسک فاجعه‌بار هم به همراه داره: اگه یه agent قربانی prompt injection بشه یا رفتار غیرمنتظره‌ای نشون بده، همون دسترسی می‌تونه به فاجعه تبدیل بشه.

طبق صحبت‌های Ryan Dahl تو کنفرانس AI Engineer، فلسفه‌ی پشت Claw Patrol اینه: agent رو باید مثل یه نرم‌افزار کاملاً نامعتمد در نظر گرفت، مهم نیست مدل زیرینش چقدر «همسو» به نظر برسه. راه‌حل‌های موجود (ACL، ابزارهای MCP، LLM gateway، HTTP proxy، credential vault، sandbox کردن پروسه) هر کدوم یه‌جای کار می‌لنگن، مخصوصاً وقتی پای پروتکل‌های غیر-HTTP مثل PostgreSQL یا spawn کردن subprocess وسط بیاد.

چطور کار می‌کنه

Claw Patrol یه gateway است که ترافیک agent رو از طریق تونل WireGuard یا Tailscale می‌گیره، TLS رو terminate می‌کنه، و بعد پروتکل داخلی رو parse می‌کنه؛ نه فقط HTTP، بلکه SQL، Kubernetes API، و SSH هم پشتیبانی می‌شن. برای هر پروتکل، gateway یه سری «fact» سطح-wire استخراج می‌کنه: برای Postgres/ClickHouse، فعل SQL و اسم جدول؛ برای Kubernetes، resource/verb/namespace؛ برای HTTP، method/path/header/body.

این fact ها بعد در برابر قوانینی که با HCL (همون زبون تنظیمات HashiCorp) نوشتی، سنجیده می‌شن:

rule "k8s-no-secrets" {
  endpoint  = k8s-prod
  condition = "k8s.resource == 'secrets'"
  verdict   = "deny"
  reason    = "Secret values must not leave the cluster via the agent"
}

یازدهم آگوست، SpaceXAI (همون شرکتی که قبلاً با اسم xAI می‌شناختیمش) محصول جدیدش رو معرفی کرد: Grok Bot؛ یه سیستم از agent های هوش مصنوعی همیشه‌فعال که می‌تونن مستقیم وارد اپ‌ها و سایت‌های مختلف بشن و کارها رو به‌صورت end-to-end انجام بدن، بدون این‌که نیاز به نظارت مداوم کاربر داشته باشن. این محصول اولین نتیجه‌ی همکاری عمیق SpaceXAI با Cursor است، بعد از این‌که SpaceX خرید Cursor رو نهایی کرد.

چیه دقیقاً

طبق اعلامیه‌ی رسمی خود شرکت، Grok Bot «هم‌تیمی‌های هوش مصنوعی‌ای هستن که می‌شه کار واقعی بهشون سپرد». تفاوت اصلیش با یه چت‌بات معمولی، رفتارش بعد از پایان یه مکالمه‌ست: چت‌بات‌های معمولی معمولاً بعد از یه پاسخ یا یه درخواست متوقف می‌شن، ولی Grok Bot می‌تونه پشت صحنه به کارش ادامه بده و وقتی کارش تموم شد، برگرده و نتیجه رو تحویل بده.

هر Bot یه کامپیوتر مجازی اختصاصی تو کلاود داره؛ یعنی حتی وقتی کاربر آفلاینه، کار متوقف نمی‌شه. این agent ها می‌تونن به همون شکلی که یه انسان وارد می‌شه (login کردن دستی، نه فقط از طریق API) به ابزارها و سایت‌های مختلف وارد بشن؛ حتی سایت‌هایی که هیچ API یا اتصال رسمی هوش مصنوعی (مثل MCP) ندارن. همین ویژگی می‌تونه برای اتوماسیون کارها رو سیستم‌های قدیمی و ابزارهای معمول شرکتی مفید باشه.

قابلیت‌های کلیدی

یادگیری از نمونه: Grok Bot می‌تونه یه فرآیند کاری رو از روی یه نمایش (demonstration) یاد بگیره و بعداً همون فرآیند رو تکرار کنه.

حافظه و شخصی‌سازی: هر Bot مکالمات قبلی رو به خاطر می‌سپاره، ترجیحات کاربر رو یاد می‌گیره، و هرچی بیشتر باهاش کار کنی، دقیق‌تر عمل می‌کنه.

هماهنگی بین چند Bot: چند تا Bot می‌تونن context و اطلاعات رو با هم به اشتراک بذارن. یکی از تسترهای early-access (Matt Shumer) قبل از انتشار، یه سناریو رو امتحان کرده بود: یه Bot محقق و یه Bot نویسنده ساخته، بعد یه Bot «رئیس دفتر» (Chief of Staff) درست کرده و بهش دستور داده که اون دو تا رو رو یه پروژه هماهنگ کنه؛ طبق گفته‌ی خودش، این هماهنگی بهتر از انتظارش کار کرده.

انتخاب خودکار مدل: برخلاف خیلی از ابزارهای agent که کاربر یا توسعه‌دهنده باید مدل زیرینش رو انتخاب کنه، Grok Bot این تصمیم رو خودش پشت صحنه می‌گیره؛ کاربر اصلاً مدل خاصی رو انتخاب نمی‌کنه.

کلادفلر چهارم آگوست، به‌عنوان بخشی از یه اعلامیه‌ی بزرگ‌تر به اسم «Agent Development Lifecycle» (ADLC)، یه ابزار CI/CD جدید و بومی خودشون رو معرفی کرد: @cloudflare/ci. این ابزار رو Cloudflare Workflows و Sandbox می‌سازن، و هدفش اجرای pipeline های CI/CD در مقیاس میلیون‌ها ریپازیتوریه؛ با یه ویژگی خاص که کمتر ابزار CI/CD دیگه‌ای داره: توانایی self-heal کردن و spawn کردن agent برای کارهای پیچیده‌تر.

چرا کلادفلر این ابزار رو ساخته

استدلال کلادفلر پشت این انتشار جالبه. طبق پست رسمی وبلاگشون، مدل قدیمی «چرخه‌ی توسعه‌ی نرم‌افزار» (SDLC) که از دهه‌ی ۱۹۷۰ باهاش کار می‌کنیم، فرض می‌کنه سرعت پیاده‌سازی (implement) کندترین و گرون‌ترین مرحله‌ست. ولی هوش مصنوعی دقیقاً همین مرحله رو ارزون و سریع کرده، و همین باعث شده بقیه‌ی مراحل (تست، دیپلوی، نگهداری) زیر فشار قرار بگیرن؛ چیزی که کلادفلر ازش با عنوان «slop» (سیل کد بی‌کیفیت) یاد می‌کنه.

راه‌حل پیشنهادی کلادفلر اینه که به‌جای این‌که فقط agent ها رو برای نوشتن کد به کار بگیریم و بقیه‌ی مراحل رو همچنان دستی نگه داریم، باید کل چرخه رو برای اجرا توسط agent بازطراحی کنیم؛ چیزی که بهش می‌گن ADLC (Agent Development Lifecycle). @cloudflare/ci اولین قطعه‌ی این پازله.

چطور کار می‌کنه

@cloudflare/ci رو Cloudflare Workers ساخته شده و pipeline های CI/CD رو به‌صورت یه Workflow تعریف می‌کنه، نه یه فایل YAML خطی. این یعنی pipeline می‌تونه به‌صورت پویا (dynamic) تعریف بشه، مراحل رو موازی اجرا کنه، و حتی خودش agent یا Workflow دیگه‌ای رو spawn کنه:

import { CIWorkflow } from '@cloudflare/ci'

const deps = await ci.runner({
  name: 'install',
  command: 'bun install --frozen-lockfile',
  cache: { inputs: ['package.json', 'bun.lock'] },
});

await Promise.all([
  deps.runner({ name: 'lint', command: 'bun run lint' }),
  deps.runner({ name: 'test', command: 'bun run test' }),
  deps.runner({ name: 'typecheck', command: 'bun run typecheck' }),
  deps.runner({ name: 'build', command: 'bun run build' }),
]);

await deps.runner({
  name: 'deploy',
  command: 'bun wrangler deploy',
  cloudflareCredentials: {
    accountId: this.env.CLOUDFLARE_DEPLOY_ACCOUNT_ID,
  },
});

هر دوی این ابزارها یه مشکل مشترک رو حل می‌کنن: خسته شدن از rate limit و جابه‌جایی دستی بین چند تا provider مدل زبانی. هر دو هم متن‌باز، رایگان، و زیر لایسنس MIT هستن، و هر دو یه endpoint سازگار با OpenAI رو رو localhost:20128/v1 بالا میارن (که خودش نشون می‌ده این دو تا از یه فضای مشترک الهام گرفتن یا حتی به هم مرتبطن). ولی از نظر دامنه‌ی قابلیت و بلوغ، تفاوت‌های واقعی دارن.

معرفی کوتاه هر کدوم

9Router رو یه توسعه‌دهنده به اسم decolua ساخته و تمرکزش دقیقاً رو یه مسئله‌ست: صرفه‌جویی توکن و جلوگیری از قطعی کار به‌خاطر rate limit، از طریق fallback سه‌لایه (اشتراک → API ارزون → provider رایگان). طبق آمار گیت‌هاب، این پروژه به بیش از ۲۰ هزار ستاره رسیده (منابع مختلف بین ۲۱۸۰۰ تا ۲۴۸۰۰ ستاره گزارش کردن، چون این عدد مدام در حال تغییره) و حدود ۳۶۰۰ فورک داره.

OmniRoute دامنه‌ی گسترده‌تری رو هدف گرفته؛ علاوه بر همون routing و fallback، خودش رو به‌عنوان یه پلتفرم کامل‌تر معرفی می‌کنه که MCP server، پروتکل A2A، حافظه‌ی مکالمه، و guardrail هم توش هست. طبق آمار خود پروژه، از فوریه‌ی ۲۰۲۶ شروع شده و الان حدود ۲۰ هزار ستاره و ۲۸۰۰ فورک داره؛ یعنی تقریباً هم‌سایز 9Router ولی با تاریخچه‌ی کوتاه‌تر و سرعت رشد بالاتر.

مقایسه‌ی مستقیم