هوش مصنوعی

آنتروپیک روز ۷ اکتبر Claude Haiku 5.5 رو معرفی کرد؛ اولین Haiku جدیدش بعد از نزدیک یه سال. Anthropic اسمش رو «ارزون‌ترین، سریع‌ترین و توانمندترین مدل کوچکی که تا حالا ساختیم» گذاشته. کاربردهای هدفش کارهای پرحجم و حساس به هزینه‌ست، مثل خلاصه‌سازی، دسته‌بندی، routing، کوئری دیتابیس، پشتیبانی زنده‌ی مشتری و browser use. می‌تونه کنار Opus 5.5 و Sonnet 5.5 به‌عنوان subagent توی کارهای کدنویسی هم کار کنه. یه تغییر دیگه هم اینه که اولین Haiku با کنترل effort هست و حالت پیش‌فرضش medium عه.

قیمت و دسترسی

قیمت برای هر یک میلیون توکن، برای درخواست‌های زیر ۱۰۰ هزار توکن، ورودی ۰.۱۰ دلار و خروجی ۰.۵۰ دلاره؛ یعنی ۹۰ درصد ارزون‌تر از Haiku 4.5 (۱ و ۵ دلار). برای درخواست‌های بالای ۱۰۰ هزار توکن قیمت می‌شه ۰.۵۰ و ۲.۵۰ دلار. Anthropic می‌گه در عمل حدود ۷۵ درصد از هزینه‌ی کارها کم می‌شه، چون توکنایزر جدید برای همون کار یه کم توکن بیشتری مصرف می‌کنه و این توی تخمینشون حساب شده. مدل از طریق پلتفرم Anthropic، AWS، Google Cloud و Microsoft Azure در دسترسه و شناسه‌ی API این هست:

claude-haiku-5-5

SDKهای پایتون و تایپ‌اسکریپت هم پشتیبانی بتای computer use و browser use گرفتن. هم‌زمان قیمت cache read مدل Sonnet 5.5 نصف شد (از ۰.۲۰ به ۰.۱۰ دلار) و کاربران Max و Team اعتبار API ماهانه می‌گیرن.

بنچمارک‌ها

طبق عددهای خود Anthropic، توی OSWorld 2.1 (زیرمجموعه‌ی آفلاین) نمره‌ی Haiku 5.5 برابر ۷۲.۴ درصده، در حالی که Haiku 4.5 فقط ۱۵.۷ و GPT-6 Luna حدود ۴۸.۹ داشتن (Sonnet 5.5 هم ۸۳.۹). توی Terminal-Bench 4.0 نمره‌ش ۳۹.۲ درصده، در برابر ۰ برای Haiku 4.5، ۱۶.۴ برای Luna و ۷۰.۶ برای Sonnet 5.5. توی GDPval-AA هم ۱۶۲۰ گرفته، بالاتر از Luna با ۱۴۳۷ ولی پایین‌تر از Sonnet 5.5 با ۱۸۴۰. نکته اینه که با effort متوسط، نمره‌ی Terminal-Bench حدود ۲۰ درصد می‌شه. از نظر امنیت سایبری هم محدودیت‌هاش از Haiku 4.5 سخت‌گیرانه‌تره و pentest تحت safeguardهای عادی بلاکه؛ سازمان‌هایی که دسترسی بیشتر می‌خوان باید از برنامه‌های تأیید هویت Anthropic درخواست بدن.

کلادفلر روز ۱ اکتبر ۲۰۲۶ توی بلاگ رسمی‌ش خانواده‌ی Clef رو معرفی کرد: مجموعه‌ای از «مدل‌های تصمیم‌گیر» (decision models) متن‌باز که برای ایجنت‌های هوش مصنوعی ساخته شدن تا بتونن دسته‌بندی‌های سریع و قطعی انجام بدن. این دقیقاً همون دسته‌ایه که Jev از TypeSafe و Laya پایه‌گذاری کردن، و کلادفلر هم حالا با یه بازیگر بزرگ‌تر واردش شده. مقاله‌ی بلاگ رو مایکل چن، الکس رنو و کوین فلنزبورگ نوشتن.

Clef دقیقاً چیه؟

Clef یه مدل non-autoregressive هست، یعنی به‌جای تولید متن توکن‌به‌توکن، جواب رو به‌صورت یه خروجی ساختاریافته و محدود (مثلاً انتخاب یکی از چند دسته به‌همراه احتمال) برمی‌گردونه. کلادفلر این رو به‌عنوان مکمل LLM ها معرفی می‌کنه: LLM ها خوب استدلال می‌کنن ولی غیرقطعی (non-deterministic) هستن، در حالی که ایجنت‌ها برای کارهایی مثل مسیردهی تسک‌ها، دسته‌بندی ورودی‌ها و تصمیم‌گیری برای اجرای یه اقدام، یه جواب سریع، قابل‌برنامه‌ریزی و با احتمال کالیبره‌شده می‌خوان.

ساختار فنی

کلادفلر مدل‌های Clef رو روی بک‌بون Qwen ساخته: مدل استاندارد Clef روی یه مدل حدود ۲۷ میلیارد پارامتری و نسخه‌ی سبک‌تر Clef-flash روی یه مدل حدود ۹ میلیارد پارامتری که وزن‌های اصلیشون freeze شده. روی این بک‌بون‌ها یه فرآیند «two-stage attention routing» برای استخراج context مربوط به هر گزینه، و بهینه‌سازی مشترک با low-rank adapter های rank-256 اعمال شده. برای کالیبره بودن احتمال‌ها، از label-smoothed cross-entropy و Brier loss استفاده شده، و یه مرحله‌ی ثانویه‌ی RL اختصاصی به اسم Reinforcement Learning for Calibrated Decisions هم داره.

دو تفاوت مهم با Jev که خود کلادفلر روشون تأکید کرده: Clef یه vision encoder داره و می‌تونه تصویر هم دسته‌بندی کنه، و پنجره‌ی context ش ۶۴ هزار توکنه (در برابر ۳۲ هزار توکن Jev).

عملکرد، طبق ادعای کلادفلر

از نظر تأخیر median، کلادفلر عدد ۳۸.۸ میلی‌ثانیه رو برای Clef-flash و ۲۰۹.۳ میلی‌ثانیه رو برای Clef اعلام کرده، در برابر ۵۲۴.۱ میلی‌ثانیه برای Jev و ۵.۸ میلی‌ثانیه برای Laya. روی دقت هم چند تا نمونه منتشر شده: روی BFCL (case exact) عدد ۹۸.۷۶ درصد برای Clef-flash در برابر ۹۵.۷۵ درصد Jev، روی API-Bank عدد ۹۳.۱۱ درصد در برابر ۸۸.۱۹ درصد، و روی Banking77 (macro-F1) عدد ۹۴.۲۰ درصد برای Clef در برابر ۷۹.۷۴ درصد برای Jev. جالبه که Banking77 همون بنچمارکیه که توی بررسی Laya دیدیم Jev روش قوی بود؛ کلادفلر Laya رو سریع‌ترین ولی با کیفیت قابل‌توجه پایین‌تر توصیف کرده.

گوگل روز ۳۰ سپتامبر ۲۰۲۶ رسماً Gemini 4 Argon رو معرفی کرد؛ همون Gemini 4 ای که چند روز قبلش کوری کاوکچوگلو گفته بود وارد post-training شده. گوگل Argon رو یه مدل frontier برای reasoning عمیق توی workflow های طولانی‌مدت معرفی کرده که روی مهندسی نرم‌افزار واقعی، کارهای دانش‌محور سازمانی مثل حقوقی و مالی، و امنیت سایبری تمرکز داره.

کجا در دسترسه؟

دسترسی فعلاً خیلی محدوده: Argon اول از همه فقط از طریق برنامه‌ی Fairwind در اختیار مدافع‌های سایبری تأییدشده، سازمان‌های دولتی و شرکای امنیتی Google Cloud قرار گرفته. بعدش نوبت مشتری‌های پولی API و مشترک‌های Google AI Ultra هست، و دسترسی عمومی‌تر برای توسعه‌دهنده‌ها و کاربرهای عادی هنوز تاریخ مشخصی نداره.

قیمت

قیمت‌گذاری مقدماتی ۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای خروجیه، و توکن ورودی cache شده با ۹۵ درصد تخفیف (۰.۱ دلار) حساب میشه. بعد از دوره‌ی مقدماتی (که گوگل مدتش رو نگفته)، قیمت استاندارد ۴ و ۲۰ دلار خواهد بود.

قابلیت‌ها و سقف خروجی

سقف خروجی مدل از ۶۴ هزار به یک میلیون توکن رسیده، که برای migration های بزرگ کد و تحلیل سندهای طولانی طراحی شده. گوگل همچنین ادعا کرده نرخ موفقیت حمله‌ی indirect prompt injection روی این مدل ۰.۷ درصده، یعنی پایین‌ترین بین مدل‌های مقایسه‌شده.

بنچمارک‌ها

گوگل میگه Argon توی ۱۳ بنچمارک از ۱۹ بنچمارکی که منتشر کرده جلوئه؛ مثلاً روی DeepSWE v1.1 عدد ۷۷.۹ درصد رو گرفته (در برابر ۷۴.۲ درصد Claude Opus 5.5 و ۷۴.۱ درصد GPT-6 Astra)، و روی کشف آسیب‌پذیری واقعی ۸۵.۸ درصد Pass@1 داره.

ولی تصویر یکدست نیست. Argon روی Terminal-Bench 4.0 با ۵۷.۴ درصد از Opus 5.5 (۶۶.۴ درصد) عقب‌تره و روی FrontierSWE v2 هم ۵۵ درصد در برابر ۶۵.۵ درصد Astra داره. ارزیابی مستقل Artificial Analysis هم امتیاز ۵۲.۶ رو به Argon داده، در برابر ۵۷.۶ برای Opus 5.5.

چیزهایی که هنوز مشخص نیست

همه‌ی اعداد دیگه از خود گوگل اومدن، هنوز گزارش فنی یا گزارش ایمنی منتشر نشده، و گوگل از بنچمارک‌هایی استفاده کرده که همیشه با رقبا یکی نیستن، پس مقایسه‌ی مستقیم سخته. نسخه‌ی Fairwind هم guardrail های سایبری برداشته‌شده داره، و عملکرد نسخه‌ی guardrail دار که قراره به عموم برسه هنوز روشن نیست.

سه روز بعد از اینکه TypeSafe AI مدل Jev رو منتشر کرد، یه مدل متن‌باز به اسم Laya ظاهر شد که خودش رو «جایگزین رایگان و لوکال Jev» معرفی می‌کرد. مخزن گیت‌هابش توی هشت روز بیش از ۲۴ هزار ستاره گرفت و همین باعث شد سؤال طبیعی پیش بیاد: اگه یه مدل تصمیم‌گیر رایگان هست که روی لپ‌تاپ خودت اجرا میشه، چرا باید برای Jev پول بدی؟ جواب کوتاه اینه که بستگی داره — و جواب بلند چیزیه که این مقاله سعی می‌کنه بده.

Laya دقیقاً چیه؟

Laya یه خانواده‌ی مدل تصمیم‌گیر non-autoregressive از شرکت Convai Innovations (به سرپرستی ناندا‌کیشور مکونوت) هست که تحت لایسنس Apache-2.0 و در ۱۸ سپتامبر ۲۰۲۶ منتشر شد. ایده‌ش دقیقاً همون ایده‌ی Jevه: یه state و چند سؤال typed بهش میدی، و به‌جای متن، در یه forward pass جواب ساختاریافته با احتمال واقعی برمی‌گردونه. همون سه primitive آشنا رو هم داره: choice، score و noul (بله/خیر با احتمال). سه تا checkpoint داره: یه مدل ۴۲۱ میلیون پارامتری انگلیسی، یه مدل ۳۲۲ میلیون پارامتری چندزبانه که بیش از ۱۰۰ زبان رو پوشش میده، و یه checkpoint مخصوص typed decisions. نصبش هم یه pip install laya ساده‌ست و روی یه GPU رایگان T4 یا حتی یه مک ۱۶ گیگی اجرا میشه.

یه نکته‌ی جالب درباره‌ی پیشینه‌ش: نویسنده‌ی Laya میگه کار پایه‌ای این ایده رو مارس ۲۰۲۵ به‌صورت preprint منتشر کرده بود، یعنی حدود ۱۸ ماه قبل از Jev، و Laya رو نسخه‌ی «کاملاً باز و بدون محدودیت‌های معماری قبلی» اون کار می‌دونه. با این حال، هیچ مدرکی نشون داده نشده که Jev از پیاده‌سازی اون استفاده کرده باشه و TypeSafe هم تا الان علناً واکنشی نشون نداده؛ پس این بخش رو باید به‌عنوان ادعای نویسنده دید، نه یه واقعیت اثبات‌شده. یه نکته‌ی روشن‌کننده دیگه هم اینه که رابط Laya عمداً شبیه Jev طراحی شده، ولی Laya محصول TypeSafe نیست و هیچ ارتباط رسمی‌ای بینشون وجود نداره.

عددها چی میگن؟ (و چرا باید بهشون شک کرد)

اینجا جاییه که باید خیلی با احتیاط جلو رفت. مدل‌کارت Laya ادعا می‌کنه که روی یه بنچمارک، دقتش ۷۶.۶٪ در برابر ۷۲.۷٪ Jev هست، و تأخیرش حدود ۳۳ میلی‌ثانیه روی T4 در برابر ۲۳۶ تا ۲۷۶ میلی‌ثانیه Jev، یعنی حدود ۷.۸ برابر سریع‌تر. ولی خود نویسنده‌های Laya هم اعتراف می‌کنن که اعداد Jev رو خودشون اندازه نگرفتن و از اندازه‌گیری‌های شخص ثالث برداشتن. چند تا مشکل جدی توی این مقایسه هست:

آنتروپیک دوشنبه (۲۸ سپتامبر) Claude Sonnet 5.5 رو منتشر کرد و اون رو «مکمل سریع‌تر و ارزون‌تر» Opus 5.5 معرفی کرد: مدلی که برای کارهای مشخص و روزمره، رفع باگ، و ساخت سند، اسلاید و اسپردشیت طراحی شده. قیمت API بدون تغییر مونده (۲ دلار ورودی و ۱۰ دلار خروجی به ازای هر میلیون توکن)، ولی طبق ادعای آنتروپیک سرعت تولید خروجی بیش از ۳۰ درصد بالاتر رفته و هزینه‌ی انجام بیشتر کارها تا ۳۰ درصد کمتر شده، چون مدل توکن و tool call کمتری مصرف می‌کنه. روی Terminal-Bench 4.0 عدد ۷۰.۶ درصد رو گرفته، در برابر ۱۰.۳ درصد Sonnet 5 و حتی بالاتر از ۶۶.۴ درصد Opus 5.5؛ و توی effort سطح High، به گفته‌ی آنتروپیک، به بهترین امتیاز GPT-6 Sol می‌رسه، اونم با حدود یک‌پنجم هزینه‌ی هر تسک.

یه تغییر مهم دیگه سمت ایمنیه: Sonnet 5.5 اولین مدل Sonnet هست که با safeguard های سایبری مشابه مدل‌های فرانتیر عرضه میشه، چون توانایی سایبریش با Opus 5 قابل‌مقایسه‌ست. درخواست‌های پرریسک سایبری به‌صورت شفاف به Sonnet 5 fall back می‌کنن، و یه نسخه‌ی گسترش‌یافته از Cyber Verification Program هم به‌زودی دسترسی مرحله‌ای به قابلیت‌های پیشرفته رو برای مدافع‌های تأییدشده باز می‌کنه. این مدل همچنین اولین Sonnet با classifier هایی برای جلوگیری از استخراج reasoning (anti-distillation) هست.

یه نکته‌ی احتیاطی هم هست: ارزیابی مستقل Artificial Analysis توی تست با effort حداکثری، هزینه‌ی هر تسک رو بالاتر از Sonnet 5 دیده، یعنی ادعای «تا ۳۰ درصد ارزون‌تر» به سطح effort بستگی داره. مدل تحت نام claude-sonnet-5-5 روی Claude Platform، Amazon Web Services، Google Cloud و Microsoft Azure در دسترسه (با zero data retention)، و پیش‌فرض effort توی اپ‌ها و Claude Code روی Medium و توی API روی High هست. Claude Haiku 5.5 هم طی هفته‌های آینده برای تکمیل خانواده منتشر میشه.

اوپن‌ای‌آی سه‌شنبه (۲۲ سپتامبر)، فقط چند هفته بعد از انتشار GPT-6 Astra، دو تا عضو جدید به خانواده‌ی GPT-6 اضافه کرد: GPT-6 Sol و GPT-6 Luna. یه نکته‌ی مهم که خیلی راحت میشه گمش کرد اینه که برخلاف نسل GPT-5.6 (که سه سطح Sol، Terra و Luna داشت)، فعلاً هیچ GPT-6 Terra ای منتشر نشده — یعنی اگه دنبال جایگزین GPT-5.6 Terra می‌گردی، فعلاً باید صبر کنی.

قیمت، نصف شده

بزرگ‌ترین خبر این انتشار، کاهش قیمته. GPT-6 Sol حالا با نرخ ۲ دلار ورودی و ۱۰ دلار خروجی به ازای هر میلیون توکن عرضه شده (در برابر ۴ و ۲۰ دلار نسخه‌ی GPT-5.6 Sol)، و GPT-6 Luna هم به ۰.۱ و ۰.۵ دلار رسیده (در برابر ۰.۲ و ۱.۲ دلار قبلی). طبق اعلام اوپن‌ای‌آی، این کاهش قیمت مستقیماً حاصل بهبود caching و inference بوده، و برخلاف قیمت‌گذاری تبلیغاتی و موقتی GPT-5.6، این‌بار قیمت جدید همون قیمت پیش‌فرض و دائمیه.

عملکرد بهتر، ولی نه یه جهش بزرگ

از نظر توانایی خام، این دو مدل پیشرفت واقعی دارن ولی جهش چشمگیری مثل Astra نیستن. روی بنچمارک مهندسی نرم‌افزار DeepSWE v1.1، GPT-6 Sol توی effort سطح max به ۶۸.۸ درصد رسیده، فقط ۱.۱ درصد کمتر از Claude Fable 5 (که ۶۹.۹ درصد گرفته بود)، اونم با حدود ۸۰ درصد هزینه‌ی کمتر به ازای هر تسک. روی AutomationBench هم Sol با effort سطح xhigh عدد ۳۳.۲ درصد گرفته، در برابر ۲۶.۹ درصد Claude Opus 5، با هزینه‌ای معادل فقط ۹ درصد Opus 5. روی OSWorld 2.0 (بنچمارک کارهای طولانی‌مدت استفاده از کامپیوتر) هم Sol تقریباً هم‌سطح Claude Opus 5 عمل کرده (۶۰.۵ در برابر ۶۰.۳ درصد)، با حدود ۸۰ درصد هزینه‌ی کمتر.

Luna هم داستان مشابهی داره: توی effort سطح max، به سطح عملکرد GPT-5.6 Sol در effort متوسط می‌رسه، اونم با یک‌دهم هزینه. اوپن‌ای‌آی همچنین ادعا کرده روی ارزیابی داخلی factuality (که بر پایه‌ی مکالمات واقعی کاربرهایی هست که اشتباه مدل رو گزارش کرده بودن)، GPT-6 Sol تقریباً نصف نسخه‌ی قبلی خطا داره و به سطح قابلیت‌اطمینان Astra رسیده، اونم با هزینه‌ی خیلی کمتر.

سبک ارتباطی Astra، حالا روی مدل‌های ارزون‌تر هم

یکی از تغییرات کمتر فنی ولی محسوس، انتقال سبک ارتباطی GPT-6 Astra به Sol و Luna هست: طبق اوپن‌ای‌آی، این یعنی وضوح بیشتر، اصطلاحات تخصصی کمتر، جمله‌بندی‌های عجیب کمتر، جزئیات کم‌ارزش کمتر، و پاسخ‌های کمی کوتاه‌تر بدون از دست دادن محتوا — چیزی که قراره توی مکالمات فنی و کدنویسی بیشتر حس بشه.

آنتروپیک روز سه‌شنبه (۲۲ سپتامبر) اولین مدل از خانواده‌ی جدید ۵.۵ رو منتشر کرد: Claude Opus 5.5. این انتشار فقط دو ماه بعد از Opus 5 (که ۲۴ ژوئیه اومده بود) اتفاق افتاده و طبق گفته‌ی خود آنتروپیک، این اولین مدلیه که بعد از فراخوان این شرکت برای «کند کردن سرعت پیشرفت فرانتیر» منتشر میشه — یه جمله که به‌خاطر بحث‌های اخیر صنعت درباره‌ی ریسک‌های شتاب توسعه‌ی هوش مصنوعی اهمیت پیدا کرده.

عملکردی هم‌تراز با Fable، با هزینه‌ی خیلی کمتر

مهم‌ترین ادعای آنتروپیک اینه که Opus 5.5 روی بیشتر کارها هم‌سطح با Claude Fable 5.1 عمل می‌کنه — یعنی مدل بالاترین‌رده‌ی این شرکت — ولی ۴۰ درصد ارزون‌تر از Opus 5 اجراش می‌کنه. قیمت جدید API برای هر میلیون توکن ورودی ۴ دلار و برای خروجی ۲۰ دلاره (در برابر ۵ و ۲۵ دلار نسخه‌ی قبلی)؛ هزینه‌ی cache read هم به ۰.۲ دلار رسیده. سرعت تولید خروجی هم بیش از ۳۰ درصد نسبت به Opus 5 بالاتر رفته، و یه حالت جدید به اسم Fast Mode توی Claude Code و Claude Platform هم اضافه شده که با هزینه‌ی بیشتر (۸ دلار ورودی و ۴۰ دلار خروجی) تا ۲.۵ برابر سرعت میده.

روی بنچمارک‌ها، Opus 5.5 عدد ۶۶.۴ درصد روی Terminal-Bench 4.0، ۵۴.۴ درصد روی FrontierCode v1.1 و ۵۷.۸ درصد روی CursorBench 4.0 گرفته. طبق ادعای آنتروپیک، این مدل روی FrontierCode از GPT-6 Astra اوپن‌ای‌آی هم با حدود ۲۰ درصد هزینه‌ی کمتر جلو زده، و روی CursorBench هم از GPT-5.6 Sol با اختلاف ۱۱ امتیاز و تقریباً یک‌سوم هزینه پیشی گرفته.

کدنویسی، تمرکز اصلی این نسخه

کدنویسی محور اصلی این آپدیت بوده. یکی از تسترهای اولیه تونسته یه codebase دویست‌هزار خطی رو در کمتر از سه ساعت ممیزی و رفع اشکال کنه، کاری که با Opus 5 بیش از بیست ساعت طول می‌کشیده، اونم با مصرف ۲.۵ برابر کمتر توکن. یه مثال دیگه‌ای که آنتروپیک اشاره کرده، یه migration کد ۶۸۰ هزار خطی بوده که یه تستر تونسته کمتر از یک روز تمومش کنه — کاری که برای یه تیم مهندسی چند هفته طول می‌کشید. توی یه تست دیگه که هدفش کاهش زمان بارگذاری صفحات یه اپلیکیشن وب بود، Opus 5.5 توی ۳۹ مورد از ۴۰ مورد موفق شده بدون تغییر رفتار اپ این کار رو انجام بده، در حالی که Opus 5 بهبودهای کوچیک‌تری داده و در کنارش رفتار اپ رو هم تغییر داده بود.

تغییر لحن ارتباطی و ایمنی

استارتاپ TypeSafe AI، به سرپرستی دیه‌گو آلمیدا (یکی از اعضای سابق تیم RLHF اوپن‌ای‌آی)، بعد از دو سال کار مخفیانه و جذب ۴۰ میلیون دلار سرمایه، اولین مدلش به اسم Jev رو منتشر کرد. برخلاف LLM های معمول که متن رو توکن‌به‌توکن تولید می‌کنن، Jev یه «System 1 Model» هست: یه state متنی و چند سؤال typed بهش میدی و به‌جای پاراگراف، یه جواب ساختاریافته (بله/خیر، انتخاب، یا امتیاز) به‌همراه احتمالش برمی‌گردونه.

طبق ادعای TypeSafe، این مدل تا ۱۹۳.۶ برابر سریع‌تر و تا ۴۴۴.۶ برابر ارزون‌تر از LLM های معمول روی وظایف تصمیم‌گیری مثل routing، دسته‌بندی و امتیازدهی ریسکه. استقبال اولیه اونقدر زیاد بوده که سرورهای شرکت موقتاً از پس ترافیک برنیومدن، و همین الان از طریق AI Gateway ورسل، LiteLLM و چند پلتفرم دیگه هم در دسترسه.

این هفته یه استارتاپ کمتر شناخته‌شده به اسم TypeSafe AI یه مدل منتشر کرد که به‌جای رقابت توی همون مسیر همیشگی «مدل بزرگ‌تر، reasoning بهتر، context طولانی‌تر»، مسیر کاملاً متفاوتی رو انتخاب کرده. اسم این مدل Jev هست، و برخلاف تقریباً هر مدل دیگه‌ای که این روزها می‌بینیم، اصلاً یه LLM به معنای رایج کلمه نیست.

چی می‌سازتش خاص؟

بنیان‌گذار TypeSafe AI، دیه‌گو آلمیدا، قبلاً توی اوپن‌ای‌آی روی RLHF کار می‌کرده — همون فرآیندی که یه مدل زبانی خام رو به چیزی مثل ChatGPT تبدیل کرد. بعد از دو سال کار مخفیانه و جذب ۴۰ میلیون دلار سرمایه، حالا اولین محصول این شرکت رو معرفی کرده. ایده‌ی اصلی TypeSafe اینه که خیلی از کاربردهای هوش مصنوعی توی نرم‌افزار، اصلاً نیازی به یه پاراگراف متن ندارن؛ فقط یه بله/خیر، یه عدد، یا یه دسته‌بندی می‌خوان. برای همین Jev رو به‌عنوان چیزی که خودشون «System 1 Model» می‌نامنش معرفی کردن — اشاره‌ای به مفهوم تفکر سریع و کند دنیل کانمن.

فرق اصلیش با یه LLM معمولی اینجاست: یه LLM معمولی به‌صورت autoregressive کار می‌کنه، یعنی یه توکن تولید می‌کنه، بعد بر اساس همون توکن، توکن بعدی رو پیش‌بینی می‌کنه، و همین‌طور ادامه میده تا جمله کامل بشه. Jev کاملاً این چرخه رو کنار گذاشته: به‌جای تولید متن توکن‌به‌توکن، در یه پاس واحد یه تصمیم ساختاریافته برمی‌گردونه — یه احتمال، یه امتیاز اطمینان، یا یه مقدار typed.

مثال عملی: state، questions، و جواب typed

برای اینکه این تفاوت رو ملموس‌تر ببینی، بیا یه سناریوی واقعی رو با هم مرور کنیم: یه تیکت پشتیبانی که باید هم‌زمان مشخص بشه فوریه یا نه، شکایته یا نه، و باید به کدوم صف بره. به Jev یه «state» (متن یا دیتای زمینه) و یه مجموعه «questions» با نوع مشخص میدی — سه نوع اصلی که پشتیبانی می‌کنه Noul (بله/خیر با احتمال)، Choice (انتخاب از بین چند گزینه)، و Score (امتیاز روی یه معیار مرتب) هستن:

import { experimental_evaluate as evaluate } from 'ai';

const result = await evaluate({
  model: 'typesafe-ai/jev',
  state: 'دیروز دو بار ازم پول کم شده، همین امروز باید حلش کنین وگرنه اکانتمو می‌بندم.',
  questions: {
    is_urgent: {
      type: 'boolean',
      instructions: 'آیا این پیام فوریه؟',
    },
    queue: {
      type: 'choice',
      options: ['billing', 'technical', 'general'],
      instructions: 'این تیکت باید به کدوم صف بره؟',
    },
    frustration_level: {
      type: 'score',
      scale: [1, 5],
      instructions: 'سطح نارضایتی مشتری رو از ۱ تا ۵ بسنج.',
    },
  },
});

دیپ‌سیک امروز (۱۰ سپتامبر) به‌طور رسمی DeepSeek-V4.1-Flash رو منتشر کرد، بعد از چند روز تست بتای محدود که توی انجمن‌های توسعه‌دهنده حسابی سروصدا کرده بود. این مدل کوچیک‌ترین عضو یه خانواده‌ی معماری کاملاً جدیده که به گفته‌ی خود دیپ‌سیک برای سقف توانایی بالاتر، inference سریع‌تر، throughput بیشتر، و مقیاس‌پذیری به سمت مدل‌های بزرگ‌تر طراحی شده — و برای اولین بار توی خانواده‌ی Flash، درک بصری native هم داره.

معماری فشرده‌تر و context یک‌میلیونی

از نظر مشخصات فنی، V4.1-Flash یه مدل Mixture-of-Experts با ۵۵۲ میلیارد پارامتر backbone به‌علاوه‌ی ۱۹۶ میلیارد پارامتر اضافه‌ی «Engram»، و context window یک‌میلیون توکنیه. حین پردازش prompt فقط ۸ میلیارد پارامتر و حین تولید متن ۱۶ میلیارد پارامتر فعال میشن. عددی که دیپ‌سیک بیشتر از همه روش مانور داده، حجم KV cache هست: هر توکن فقط ۸۹۰ بایت فضا می‌گیره، یعنی تقریباً یک‌چهارم مدل قبلی (V4-Flash) و حدود ۴۳۷ برابر کوچیک‌تر از اولین نسل دیپ‌سیک. چون بخش زیادی از هزینه‌ی agent ها مربوط به cache-hit هست، این فشرده‌سازی مستقیم روی هزینه‌ی نهایی کاربر اثر می‌ذاره.

مکانیزم CSA2 پشت این فشرده‌سازی

این کاهش حجم حاصل یه مکانیزم attention جدید به اسم CSA2 هست: هر لایه یکی از سه حالت Full (محاسبه‌ی کامل KV)، Reindex (استفاده‌ی مجدد از KV اصلی ولی امتیازدهی تازه) یا Reuse (استفاده‌ی کامل از KV و ایندکس‌های قبلی، بدون محاسبه‌ی جدید) رو داره، به‌جای اینکه همه‌ی لایه‌ها یکسان محاسبه‌ی سنگین انجام بدن. طبق ادعای دیپ‌سیک، نتیجه‌ی نهایی این معماری اینه که V4.1-Flash روی benchmark ها از مدل قوی‌تر و گرون‌تر خودشون یعنی V4-Pro هم از نظر عملکرد، هم هزینه، هم سرعت جلو زده.

بازنشستگی V4-Pro و قیمت‌گذاری

همین برتری باعث شده دیپ‌سیک تصمیم بگیره V4-Pro رو به‌مرور بازنشسته کنه: از ساعت چهار صبح به‌وقت UTC روز ۱۴ سپتامبر، همه‌ی request هایی که به deepseek-v4-pro فرستاده بشن، خودکار به V4.1-Flash روت میشن و با تعرفه‌ی همون مدل حساب میشن — این وضعیت ادامه پیدا می‌کنه تا وقتی V4.1-Pro (نسل بعدی) منتشر بشه. برای استفاده از این مدل کافیه اسم مدل رو توی API روی deepseek-flash بذاری؛ اسم‌های قدیمی deepseek-v4-flash و نسخه‌ی vision-exp هم موقتاً به همین مدل جدید route میشن.

متا سه‌شنبه (۸ سپتامبر) اپلیکیشن جدیدش به اسم Muse رو منتشر کرد، یه ایجنت هوش مصنوعی شخصی که با اسم داخلی Hatch توسعه داده شده و قراره کارهای روزمره‌ی کاربر رو به‌جای اون انجام بده — از رزرو قرار ملاقات و پر کردن فرم گرفته تا حتی مانیتور کردن تصویر دوربین‌های امنیتی خونه. برخلاف دستیارهای قبلی که فقط جواب می‌دادن، الکساندر وانگ، رئیس بخش هوش مصنوعی متا، تأکید کرده که پشت صحنه‌ی این ظاهر ساده و دوستانه، ممکنه Muse داره یه workflow کدنویسی پیچیده یا یکپارچه‌سازی چند سرویس رو انجام میده، بدون اینکه این پیچیدگی رو به کاربر نشون بده.

این اپ روی خانواده‌ی مدل‌های Muse Spark متا اجرا میشه (همون خانواده‌ای که چند روز قبل‌تر نسخه‌ی ۱.۳ کدنویسی‌محورش هم منتشر شد)، ولی خود Muse یه محصول کاملاً جدا و مصرف‌کننده‌محوره. در دسترس بودنش هم فعلاً محدوده: فقط برای کاربرهای بالای ۱۸ سال و فقط توی آمریکا، از طریق اپ اختصاصی iOS و اندروید، وب‌سایت muse.ai، و مستقیم توی واتس‌اپ. یه نسخه‌ی رایگان هم هست که طبق گفته‌ی مارک زاکربرگ تا سقف ۱۰۰ میلیون توکن در هفته قابل استفاده‌ست، و کنارش دو تا پلن پولی: Power با ۲۰ دلار در ماه و Maximum با ۱۰۰ دلار.

نکته‌ای که متا روش خیلی مانور داده، بخش امنیت و حریم خصوصیه. طبق توضیح خود متا، Muse روی یه ماشین مجازی اختصاصی به اسم Muse Secure VM اجرا میشه که هم خود ایجنت و هم داده‌های شخصی کاربر رو در خودش نگه می‌داره؛ این مدل جداسازی داده با مشاوره‌ی موکسی مارلین‌اسپایک، یکی از بنیان‌گذاران Signal و طراح سیستم رمزنگاری واتس‌اپ، ساخته شده. متا همچنین گفته Muse قبل از انجام اقدامات حساس — مثل خرج کردن پول یا فرستادن یه پیام — از کاربر تأیید می‌گیره.

این عرضه دقیقاً هم‌زمان با دوره‌ای اتفاق افتاده که صنعت هوش مصنوعی و خود متا زیر ذره‌بین نگرانی‌های عمومی درباره‌ی حریم خصوصی و امنیت ایجنت‌های خودمختار هستن، برای همین جای تعجب نیست که این‌قدر روی جزئیات امنیتی تأکید شده. جالبه که این محصول تقریباً هم‌زمان با آپدیت Siri اپل هم بیرون اومده، هرچند طبق گزارش‌ها سیری هنوز به سطح یه سیستم کاملاً agentic مثل Muse، ChatGPT یا Claude نرسیده.

تیم PyTorch نسخه‌ی ۲.۱۴ رو منتشر کرد، این‌بار با یه چرخه‌ی انتشار کوتاه‌تر از معمول (حدود سه هفته از branch-cut تا release). این نسخه بیشتر روی محاسبات توزیع‌شده، سازگاری با شتاب‌دهنده‌های بیشتر، و چند تا بهبود performance تمرکز داره تا یه تغییر بنیادی توی API.

توزیع‌شدگی و fault tolerance

یکی از بخش‌های اصلی این نسخه، یه backend جدید برای PyTorch Distributed به اسم nccl2 هست که از torchcomms پورت شده و کل قرارداد collective رو با communicator های nonblocking و قابلیت eager splitting پیاده‌سازی می‌کنه. کنار اون، fault tolerance حالا به یه مفهوم اول‌درجه توی c10d تبدیل شده: امکان reconfigure کردن process group به‌صورت in-place، پشتیبانی از one-sided RMA window، و یه Flight Recorder که برخلاف قبل فقط مخصوص NCCL نیست و برای هر backend ای کار می‌کنه.

یه ویژگی جالب دیگه، compile-on-one-rank هست. توی یه job توزیع‌شده، قبلاً هر rank مدل رو جداگانه compile می‌کرد، یعنی یه compile چند دقیقه‌ای N بار پرداخت می‌شد. حالا با این تغییر، artifact کامپایل‌شده روی یه device قابل استفاده روی device های دیگه هم هست — یعنی یه کرنل که روی cuda:0 کامپایل شده، می‌تونه مستقیم روی cuda:3 هم لود و اجرا بشه.

پلتفرم‌ها و سخت‌افزار بیشتر

پشتیبانی از پایتون ۳.۱۵ و نسخه‌ی free-threaded (بدون GIL) آن، یعنی 3.15t، حالا به ویندوز و مک‌اواس هم گسترش پیدا کرده و پوشش کامل ماتریس انتشار PyTorch رو تکمیل می‌کنه. این پشتیبانی فعلاً فقط در سطح binary و eager runtime هست؛ torch.compile هنوز روی پایتون ۳.۱۵ کار نمی‌کنه.

روی سخت‌افزار هم چند تا خبر هست: اپل سیلیکون جبر خطی native گرفته، شامل SVD مبتنی بر Jacobi kernel، eigh، QR و Cholesky، به‌همراه بازنویسی پنج‌بخشی عملیات reduction. سمت AMD، wheel های ROCm 7.14 حالا از طریق TheRock pip SDK ساخته میشن. اینتل XPU هم قابلیت native graph capture گرفته، و Inductor حالا از معماری Rubin (sm_107) انویدیا هم پشتیبانی می‌کنه.

کرنل‌های سریع‌تر و بهبودهای دیگه

یه ویژگی به اسم NVGEMM هم اضافه شده که کرنل‌های CUTLASS تولیدشده با CuTeDSL رو به Inductor میاره، با epilogue fusion، پشتیبانی از GEMM مقیاس‌شده و NVFP4، و autotuning این کرنل‌ها کنار Triton و ATen. علاوه بر این، پشتیبانی آزمایشی torch.compile از تانسورهای complex-valued هم اضافه شده که عملیات پیچیده رو به عملیات پشتیبانی‌شده‌ی موجود decompose می‌کنه.

اوپن‌ای‌آی پنج‌شنبه (سوم سپتامبر) مدل جدیدش رو با اسم GPT-6 Astra منتشر کرد، و این بار لحن اعلامیه‌شون با آپدیت‌های قبلی فرق داره. گرگ بروکمن، رئیس اوپن‌ای‌آی، ازش به‌عنوان یه «جهش نسلی» یاد کرده و توی یه جلسه‌ی خبری با خبرنگارها گفته که شخصاً فکر می‌کنه شاید اوپن‌ای‌آی با همین مدل به AGI رسیده باشه — البته تصمیم نهایی رو به کاربرها واگذار کرده. جمله‌ی پایانی بروکمن هم این بود که به دوران AGI خوش اومدین. این‌جور اظهارنظرها از زبان یه مدیر ارشد اوپن‌ای‌آی بی‌سابقه نیست، ولی این‌بار قاطعانه‌تر از همیشه بیان شده.

بزرگ‌ترین training run تاریخ اوپن‌ای‌آی

طبق اعلام رسمی، Astra روی بزرگ‌ترین training run تاریخ این شرکت ساخته شده، با استفاده از بیش از صد هزار GPU توی سایت Stargate در تگزاس. یه نکته‌ی فنی جالب اینه که این اولین مدلیه که در نقش قابل‌توجهی از مدل‌های دیگه برای نظارت روی فرآیند training خودش استفاده شده — یعنی بخشی از فرآیند آموزش این مدل، توسط مدل‌های دیگه‌ی اوپن‌ای‌آی هدایت و ارزیابی شده. از نظر معماری هم گزارش‌هایی (که هنوز به‌طور رسمی توسط اوپن‌ای‌آی تأیید نشده) صحبت از استفاده از recurrent depth یا لایه‌های ترنسفورمر حلقه‌ای می‌کنن؛ تکنیکی که قراره کارایی مدل رو روی کارهای کدنویسی و استفاده از کامپیوتر بالا ببره، اونم با پارامترهای کمتر نسبت به نسل قبل.

اولین مدلی که به آستانه‌ی «بحرانی» امنیت سایبری رسیده

مهم‌ترین و جنجالی‌ترین بخش این انتشار به قابلیت‌های امنیت سایبری Astra برمی‌گرده. اوپن‌ای‌آی رسماً اعلام کرده که Astra اولین مدلیه که طبق چارچوب Preparedness خودشون به آستانه‌ی «Critical» رسیده — یعنی این مدل می‌تونه بدون راهنمایی مرحله‌به‌مرحله‌ی انسانی، آسیب‌پذیری‌های ناشناخته (zero-day) رو توی سیستم‌های واقعی و سخت‌گیرانه محافظت‌شده پیدا و exploit کنه. طبق گزارش‌ها، Astra روی بنچمارک داخلی ExploitBench به نرخ موفقیت صد درصد رسیده، تا جایی که تیم اوپن‌ای‌آی مجبور شده یه نسخه‌ی به‌روزشده از این بنچمارک بسازه که فقط شامل آسیب‌پذیری‌های افشاشده بین ژوئن تا آگوست باشه — یعنی بعد از تاریخ knowledge cutoff مدل — تا واقعاً بتونن سقف تواناییش رو بسنجن.

به همین دلیل، دسترسی به قوی‌ترین قابلیت‌های سایبری Astra محدود شده. این بخش فقط از طریق برنامه‌ی امنیتی Daybreak و برای گروه کوچیکی از تسترهای مورد اعتماد در دسترسه، و اوپن‌ای‌آی هنوز مشخص نکرده این افراد چطور انتخاب می‌شن. جالبه که این نوع احتیاط، شباهت زیادی به رویکردی داره که آنتروپیک چند ماه قبل درباره‌ی مدل Mythos خودش در پیش گرفت — یعنی این اولین بار نیست که یه لپ فرانتیر به همچین آستانه‌ای می‌رسه، ولی هنوز راه استانداردی برای رسیدگی بهش شکل نگرفته.

توی رویداد AMD AI DevDay، این شرکت یه سرویس جدید به اسم AI Endpoint APIs معرفی کرد که روی GPUهای AMD Instinct MI350X اجرا میشه و از طریق Fireworks AI ارائه میشه. نکته‌ی مهمش اینه که این endpoint ها کاملاً سازگار با فرمت OpenAI هستن، یعنی اگه قبلاً با API اوپن‌ای‌آی کار کرده باشی، تغییر کد برای سوییچ به AMD تقریباً هیچیه. مدل‌هایی مثل Kimi K2.5 برای کارهای multimodal agent و MiniMax M2.7 (یه مدل Mixture-of-Experts بهینه‌شده برای tool use و کارهای چندمرحله‌ای) روی این پلتفرم در دسترس هستن، هر دو با پشتیبانی از fine-tuning با LoRA و امکان استفاده‌ی serverless یا deploy اختصاصی.

بخش رایگانش اینجاست: هر کسی که از طریق AMD AI Developer Program عضو بشه، در همون لحظه‌ی شروع ۲۵ میلیون توکن API رایگان دریافت می‌کنه. عضویت توی این برنامه هم رایگانه و کنارش چیزهایی مثل اعتبار ابری، دوره‌های آموزشی و دسترسی به مهندسای AMD هم میده. AMD همزمان داره ROCm رو هم برای این اکوسیستم آماده‌تر می‌کنه — پشتیبانی از روز صفر برای مدل‌های جدید، ادغام شبانه با Hugging Face، و مشارکت مستقیم توی پروژه‌هایی مثل vLLM و SGLang.

نکته‌ای که برای من جالبه اینه که این حرکت AMD رو مستقیم رقیب مدل‌های serverless شرکت‌هایی مثل Together AI یا حتی OpenRouter می‌کنه، ولی با یه مزیت اضافه: زیرساخت خود AMD پشتشه، نه صرفاً یه لایه‌ی میانی روی GPU بقیه. اگه دنبال یه راه ارزون برای تست مدل‌های open-weight قوی مثل Kimi یا MiniMax هستی، این ۲۵ میلیون توکن رایگان برای شروع بد نیست؛ فقط طبیعتاً باید حواست باشه که این یه پیشنهاد تبلیغاتی برای جذب توسعه‌دهنده‌ست، نه یه commitment بلندمدت رایگان.