چت‌بات‌های Claude و ChatGPT در مقایسه با مدل‌های هوش مصنوعی چینی بسیار گران هستند

در دنیای فناوری، حداقل در خارج از چین، چندان درباره مدل‌هایی مثل Kimi ،MiniMax و Qwen نمی‌شنویم. در عوض، بحث‌ها بیشتر حول ChatGPT ،Gemini و Claude می‌چرخد.

اما در نیمه اول سال ۲۰۲۶، روندی شگفت‌انگیز در حال شکل‌گیری است. محبوبیت مدل‌های چینی هوش مصنوعی مثل Kimi ،DeepSeek ،Qwen و MiniMax در سراسر جهان به سرعت در حال افزایش بوده. این موضوع به خاطر بهترین بودن این مدل‌ها نیست، بلکه به گفته یک کارشناس صنعت، به این دلیل است که آنها به اندازه کافی خوب هستند.

با گران‌تر شدن سریع مدل‌هایی مثل OpenAI Codex و Claude Code حتی برای غول‌هایی مثل Uber و مایکروسافت، شرکت‌ها در سراسر دنیا سعی دارند نیاز خود به هوش مصنوعی را با مدل‌های چینی که به طرز چشمگیری ارزان‌ترند، تأمین کنند. منطق این است که هرچند مدل‌های چینی دقیقاً در سطح Claude نیستند، اما فاصله زیادی هم ندارند. به خصوص برای کارهای روزمره مثل خدمات مشتریان، این مدل‌ها بیش از اندازه قابل قبول عمل می‌کنند. به گفته ساچین دو داگال، بنیان‌گذار شرکت Sekond Brain، این وضعیت سازمان‌ها را به این پرسش وا می‌دارد که چرا باید برای رفتن به خواربارفروشی از فراری استفاده کنیم.

حداقل داده‌های ماه‌های ابتدایی سال ۲۰۲۶ کاملا واضح هستند. با روی آوردن OpenAI، گوگل و Anthropic به قیمت‌گذاری توکنی که بسیار گران است، میزان استفاده از Kimi و DeepSeek به طور قابل ملاحظه‌ای بالا رفته. طبق آخرین داده‌های OpenRouter، سرویسی که به سازمان‌ها امکان اتصال به رابط‌های برنامه‌نویسی مدل‌های محبوب هوش مصنوعی را می‌دهد، ارائه‌دهندگان چینی امسال مورد توجه کاربران قرار گرفته‌اند. این داده‌ها نشان می‌دهند که سهم DeepSeek در استفاده از هوش مصنوعی از طریق OpenRouter اکنون حدود ۱۷.۶ درصد است. همچنین در فوریه امسال، مدل‌های چینی ۴.۱۲ تریلیون توکن را در مقابل ۲.۹۴ تریلیون توکن مدل‌های آمریکایی ارائه کرده‌اند. به طور کلی، سهم استفاده توسعه‌دهندگان از مدل‌های چینی از حدود ۱ درصد در سال ۲۰۲۴ به بیش از ۶۰ درصد تا مه ۲۰۲۶ رسیده.

دلایل این موضوع به راحتی قابل درک است، حتی اگر مدل‌های چینی در وظایف بسیار پیچیده از نظر توانایی و ظرافت از مدل‌های آمریکایی عقب‌تر باشند. مدل‌هایی مثل ChatGPT 5.5 و Claude Opus 4.8 از نظر کیفیت خروجی، بسیار جلوتر از رقبای چینی خود هستند. اما این کیفیت در اغلب موارد لازم نیست و مدل‌های به اندازه کافی خوب می‌توانند حجم زیادی از کارهای معمولی را با هزینه نسبتاً پایین انجام دهند.

نگاهی به قیمت‌گذاری مدل‌های مختلف هوش مصنوعی، شکاف بین هوش مصنوعی چین و آمریکا را آشکار می‌کند. مدل‌های چینی مثل MiniMax و Moonshot حدود ۲ تا ۳ دلار به ازای هر یک میلیون توکن خروجی هزینه دارند. DeepSeek با آخرین مدل Pro خود حتی ارزان‌تر است و قیمتی کمتر از ۱ دلار به ازای هر یک میلیون توکن خروجی دارد. از سوی دیگر، Claude Sonnet از Anthropic حدود ۱۵ دلار قیمت دارد، در حالی که Opus 4.8 جدید می‌تواند تا ۲۵ دلار هزینه داشته باشد. هزینه جدیدترین نسخه‌های ChatGPT و Gemini کمی پایین‌تر از Claude است، اما در مقایسه با قیمت مدل‌های چینی باز هم به طور قابل توجهی بالاتر است.

هزینه عاملی است که باعث شده SimplifyGenAI، یک شرکت جهانی که به کسب‌وکارها در ادغام ابزارهای سفارشی هوش مصنوعی و خودکارسازی کمک می‌کند، به سراغ مدل‌های چینی برود. داکش شارما، یکی از بنیان‌گذاران SimplifyGenAI، در گفت‌وگو با India Today Tech گفت:

ما هرگز از Sora استفاده نکردیم. اکنون به مدل‌های چینی مثل Seedance و Kling تکیه می‌کنیم که خروجی فوق‌العاده‌ای با هزینه بسیار ناچیز ارائه می‌دهند. ما شاهد شکل‌گیری الگویی مشابه در بازار مدل‌های زبانی بزرگ هم هستیم. برای اغلب استفاده‌های تجاری، کیفیت خوب به همراه کسری از هزینه، به سادگی برنده می‌شود.

کارشناسان صنعت معتقدند افزایش استفاده از هوش مصنوعی چینی سرآغاز روندی است که در آن شرکت‌ها با در نظر گرفتن الگوی مصرف، سود و هزینه از هوش مصنوعی استفاده خواهند کرد. این به معنای پیروزی قاطع مدل‌های چینی نیست، بلکه باعث می‌شود همه فعالان صنعت، از کاربران گرفته تا شرکت‌های سازنده و فروشنده مدل‌های هوش مصنوعی، به اقتصاد هوش مصنوعی آگاه‌تر شوند. به گفته کارشناسان، این تغییر منجر به یک حالت ترکیبی در استفاده از هوش مصنوعی خواهد شد.

به گفته داگال، برای کارهایی مثل طبقه‌بندی، خلاصه‌سازی، پیش‌نویس اولیه، خودکارسازی داخلی، پشتیبانی تکراری یا ارتباطات پرحجم خروجی، توجیه استفاده از گران‌ترین مدل پیشرفته بسیار دشوار است. در آینده، مدل‌های ارزان‌تر وظایف شناختی عمومی را انجام خواهند داد و مدل‌های پیشرفته برای استدلال‌های حیاتی و پرمخاطره به کار خواهند رفت.

کشاوا مورتی، بنیان‌گذار و مدیرعامل Matters.AI، معتقد است مدل ترکیبی مسیر آینده خواهد بود. او می‌گوید مدل‌های مقرون‌به‌صرفه ممکن است دستیارهای داخلی، خودکارسازی پشتیبانی یا گردش‌کاری‌های سبک را قدرت ببخشند، اما سیستم‌های حیاتی که شامل داده‌های اختصاصی، تولید کد یا عامل‌های خودمختار هستند، همچنان به مدل‌های پیشرفته و قابل اعتماد متکی خواهند ماند. به گفته او، آینده هوش مصنوعی در سازمان‌ها ترکیبی خواهد بود، نه یک برنده تمام‌عیار.

روزهای اولیه هوش مصنوعی با آزمون و خطا و پیش بردن مرزهای ممکن‌ها همراه بود. اما اکنون که شرکت‌ها کاوش و آزمایش خود را به پایان رسانده‌اند، به دنبال کاهش هزینه‌ها هستند، درست در شرایطی که مدل‌های آمریکایی هوش مصنوعی قیمت‌های خود را افزایش می‌دهند.

آنوراگ ساهای، مدیر فناوری و رئیس جهانی هوش مصنوعی و علم داده در Nagarro، هم‌زیستی مدل‌های چینی و مدل‌های پیشرفته آمریکایی را با یک مثال قطار توضیح می‌دهد. او می‌گوید چشم‌انداز مدل‌های هوش مصنوعی مانند یک قطار حرکت می‌کند. مدل‌های پیشرفته و گران در جلو هستند و کل صنعت را به جلو می‌کشند. در پشت سر آنها، هر روز قطار طولانی‌تری از مدل‌های کوچک‌تر، سریع‌تر و ارزان‌تر شکل می‌گیرد. بینش واقعی این است که سازمان‌ها مجبور نیستند طرفی را انتخاب کنند. از مدل‌های پیشرفته برای ساختن چیزهای جدید استفاده کنید و از مدل‌های چابک‌تر برای اجرای آنچه می‌دانید بهره ببرید.

به نظر می‌رسد مدل‌های آمریکایی و چینی در حال حاضر اهداف متفاوتی را دنبال می‌کنند. مدل‌هایی مثل ChatGPT و Claude تلاش می‌کنند بدون توجه به هزینه، هرچه سریع‌تر با رویکرد اختصاصی خود به سمت هوش مصنوعی عمومی یا ابرهوش پیش بروند. آنها امیدوارند پس از رسیدن به این ابرهوش، به اقتصاد آن بپردازند. شرکت‌های چینی هوش مصنوعی که تحت تأثیر محدودیت‌های صادراتی آمریکا بر تراشه‌های هوش مصنوعی قرار گرفته‌اند، رویکرد به اندازه کافی خوب و مدل متن‌باز را برای افزایش پذیرش در میان کاربران و شرکت‌ها در پیش گرفته‌اند.

عوامل دیگری مثل اعتماد، حریم خصوصی، امنیت داده‌ها و شفافیت نیز وجود دارند که همه تحت تأثیر چارچوب سیاسی و حقوقی حاکم بر شرکت‌های هوش مصنوعی قرار می‌گیرند. در این جنبه، حداقل از نظر ادراک، به نظر می‌رسد مدل‌های آمریکایی برتری دارند. این موضوع نیز در انتخاب یک مدل هوش مصنوعی توسط یک شرکت نقش دارد.

آبیشک آگاروال، رئیس Judge Group، یک شرکت خدمات فناوری اطلاعات، می‌گوید وقتی شرکتی یک مدل را برای استقرار در محیط تولید انتخاب می‌کند، هزینه تنها یکی از چندین متغیر است. حریم خصوصی داده‌ها، قابلیت اطمینان مدل، انطباق با مقررات، قابلیت حسابرسی و پاسخگویی فروشنده همگی روی میز قرار دارند. گویند رامورتی، مدیرعامل eScan، دیدگاه مشابهی دارد. او معتقد است بازار تقسیم خواهد شد:

شرکت‌هایی که وظایف کالایی هوش مصنوعی را انجام می‌دهند به سمت جایگزین‌های ارزان‌تر مهاجرت می‌کنند و شرکت‌هایی که در آنها اشتباهات هوش مصنوعی هزینه واقعی دارد، برای مدل‌های برتر هزینه خواهند کرد.

در شبکه‌های اجتماعی و دنیای فناوری، بحث فعلی اغلب به صورت DeepSeek در برابر Claude، یا چین در برابر آمریکا مطرح می‌شود. اما واقعیت صنعت این است که آینده به احتمال زیاد به صورت هم‌زیستی خواهد بود، نه جایگزینی. کارشناسان معتقدند آینده هوش مصنوعی ممکن است نه متعلق به ارزان‌ترین مدل باشد و نه به هوشمندترین مدل. بلکه از آن سازمان‌هایی خواهد بود که یاد می‌گیرند چگونه از هر دو برای رسیدن به بهترین نتیجه ممکن استفاده کنند. چیترانشو ماهانت، بنیان‌گذار و مدیرعامل Primebook، این گونه نتیجه‌گیری می‌کند:

هدف، به‌ندرت استفاده از ارزان‌ترین مدل یا گران‌ترین مدل است، بلکه رسیدن به بهترین نتیجه برای یک مورد کاربردی مشخص و در عین حال حفظ کارایی، قابلیت اطمینان و مقیاس‌پذیری خواهد بود.