دیپ‌سیک با ۹۰ درصد هزینه کمتر به جنگ GPT می‌رود؛ رازی که پشت پرده آزمایش جنجالی پنهان ماند!
به گزارش تیترستان؛ در روزهای اخیر، انتشار نتیجه یک آزمایش غیررسمی از عملکرد مدل چینی دیپ‌سیک V4.1 فلش در مقایسه با GPT-6.1، بار دیگر بحث‌ها درباره رقابت هزینه‌ای در بازار هوش مصنوعی را داغ کرده است. بر اساس پستی که یکی از کاربران در شبکه‌های اجتماعی منتشر کرده، اجرای این آزمایش با رابط برنامه‌نویسی دیپ‌سیک تنها ۰٫۴۴ سنت هزینه دربرداشته و سرعت تولید پاسخ در آن به بیش از ۲۳۷ توکن بر ثانیه رسیده است. همین کاربر ادعا کرده که هزینه استفاده از دیپ‌سیک در این آزمون حدود ۹۰ درصد کمتر از GPT-6.1 بوده است؛ عددی که اگر درست باشد، می‌تواند معادلات رقابت میان مدل‌های زبانی بزرگ را به شکلی جدی تغییر دهد. با این حال، هیچ جزئیات دقیقی درباره نوع آزمون، تعداد توکن‌های پردازش‌شده، سخت‌افزار مورد استفاده و شرایط مقایسه منتشر نشده و همین موضوع، صحت‌سنجی ادعای مطرح‌شده را دشوار کرده است. کارشناسان می‌گویند بدون شفافیت در روش‌شناسی، چنین اعدادی بیشتر جنبه تبلیغاتی دارند تا یک مقایسه علمی معتبر.
معماری ترکیبی متخصصان؛ کلید کاهش چشمگیر هزینه
شرکت دیپ‌سیک در تابستان ۲۰۲۶ مدل V4.1 فلش را معرفی کرد و آن را به معماری ترکیبی متخصصان (MoE) مجهز کرد. در این معماری، مدل در مجموع ۵۵۲ میلیارد پارامتر دارد، اما هنگام پردازش هر ورودی، تنها بخشی از این پارامترها فعال می‌شوند. به گفته شرکت، هنگام پردازش ورودی حدود ۸ میلیارد پارامتر و هنگام تولید خروجی حدود ۱۶ میلیارد پارامتر فعال می‌شوند و همین طراحی، هزینه محاسباتی را به شکل محسوسی کاهش می‌دهد. این در حالی است که مدل‌های رقیب مانند GPT-6.1 معمولاً از معماری متراکم یا ترکیبی با نسبت فعال‌سازی بالاتری استفاده می‌کنند و در نتیجه به توان پردازشی بیشتری نیاز دارند. به عبارت دیگر، دیپ‌سیک با فعال‌سازی گزینشی پارامترها توانسته است بدون از دست دادن کیفیت پاسخ، بار محاسباتی را پایین بیاورد و همین موضوع، ادعای هزینه ۹۰ درصد کمتر را تا حدی قابل توجیه می‌کند.
علاوه بر معماری MoE، دیپ‌سیک برای کاهش هزینه‌ها، حافظه موقت مورد استفاده هنگام پردازش مدل را نیز بهینه کرده است. نیاز این مدل به رم پرسرعت برای نگهداری اطلاعات زمینه، در مقایسه با نسل قبلی به حدود یک‌چهارم رسیده و نیاز به فضای ذخیره‌سازی پایدار این داده‌ها نیز به حدود یک‌هشتم کاهش یافته است. این بهینه‌سازی حافظه، به ویژه برای برنامه‌هایی که حجم زیادی از درخواست‌ها را پردازش می‌کنند، اهمیت زیادی دارد؛ زیرا هزینه رم و ذخیره‌سازی در مراکز داده ابری، بخش قابل توجهی از هزینه نهایی استفاده از مدل‌های هوش مصنوعی را تشکیل می‌دهد. همچنین مدل V4.1 فلش از ورودی تصویری پشتیبانی می‌کند و می‌تواند در کنار تولید متن، در وظایف چندمرحله‌ای و استفاده از ابزارها نیز به کار گرفته شود. این قابلیت‌ها، دیپ‌سیک را به گزینه‌ای جذاب برای استارتاپ‌ها و توسعه‌دهندگانی تبدیل می‌کند که به دنبال راه‌حل‌های کم‌هزینه برای پردازش حجم بالای داده هستند.
جدول قیمت‌گذاری و مقایسه با رقبا؛ ادعایی که باید سنجیده شود
جدول رسمی قیمت‌گذاری رابط برنامه‌نویسی دیپ‌سیک نشان می‌دهد که هزینه استفاده از V4.1 فلش به تعداد توکن‌های ورودی و خروجی و زمان ارسال درخواست بستگی دارد. بر اساس این جدول، قیمت‌ها به ازای هر یک میلیون توکن محاسبه می‌شود و برای برنامه‌هایی که حجم زیادی از درخواست‌ها را پردازش می‌کنند، دیپ‌سیک می‌تواند گزینه‌ای بسیار اقتصادی باشد. با این حال، هزینه نهایی به نوع استفاده، حجم ورودی و خروجی و میزان بهره‌گیری از حافظه کش بستگی دارد و نمی‌توان با یک آزمایش محدود، آن را به کل کاربردها تعمیم داد. منتقدان می‌گویند ادعای ۹۰ درصد کمتر بودن هزینه، بدون در نظر گرفتن کیفیت پاسخ‌ها و دقت مدل، نمی‌تواند مبنای تصمیم‌گیری باشد؛ زیرا ممکن است مدل ارزان‌تر، در وظایف پیچیده نیاز به تلاش بیشتر و ارسال درخواست‌های متعدد داشته باشد و در نهایت هزینه کلی افزایش یابد.
از سوی دیگر، سرعت تولید پاسخ ۲۳۷ توکن بر ثانیه نیز یکی از نقاط قوت اعلام‌شده برای دیپ‌سیک است. در کاربردهای زمان‌واقعی مانند چت‌بات‌ها و دستیارهای صوتی، سرعت پاسخ‌دهی نقش مهمی در تجربه کاربر دارد و می‌تواند مزیت رقابتی ایجاد کند. اما باید توجه داشت که این سرعت در شرایط آزمایشگاهی و با سخت‌افزار مشخص به دست آمده و ممکن است در محیط‌های عملیاتی با تأخیر شبکه و بار سرور کاهش یابد. همچنین، مقایسه با GPT-6.1 بدون انتشار جزئیات سخت‌افزاری و شرایط آزمون، چندان منصفانه نیست؛ زیرا عملکرد مدل‌ها به شدت به زیرساخت و بهینه‌سازی‌های نرم‌افزاری وابسته است. به همین دلیل، بسیاری از کارشناسان توصیه می‌کنند که شرکت‌ها پیش از اتخاذ تصمیم نهایی، خودشان آزمایش‌های مستقلی انجام دهند.
پیامدهای آینده؛ رقابتی که می‌تواند بازار هوش مصنوعی را متحول کند
اهمیت این خبر تنها به یک آزمایش محدود خلاصه نمی‌شود؛ بلکه نشان‌دهنده روندی گسترده‌تر در صنعت هوش مصنوعی است. طی سال‌های گذشته، شرکت‌های چینی مانند دیپ‌سیک با تمرکز بر بهینه‌سازی معماری و کاهش هزینه‌های محاسباتی، توانسته‌اند به رقابت با غول‌های آمریکایی مانند OpenAI بپردازند. این رقابت، به ویژه برای کسب‌وکارهای کوچک و متوسط که نمی‌توانند هزینه‌های بالای مدل‌های پیشرفته را بپردازند، فرصت‌های جدیدی ایجاد می‌کند. اگر ادعای هزینه ۹۰ درصد کمتر تأیید شود، می‌تواند موجی از مهاجرت توسعه‌دهندگان به سمت پلتفرم‌های چینی ایجاد کند و سهم بازار OpenAI را به چالش بکشد. از سوی دیگر، این موضوع ممکن است باعث واکنش سریع شرکت‌های آمریکایی و ارائه مدل‌های ارزان‌تر شود و در نهایت به نفع مصرف‌کنندگان تمام شود.
با این حال، نباید فراموش کرد که کیفیت، امنیت و قابلیت اطمینان مدل‌ها نیز به همان اندازه هزینه اهمیت دارد. دیپ‌سیک باید ثابت کند که مدل V4.1 فلش در وظایف واقعی و پیچیده، عملکردی قابل مقایسه با GPT-6.1 دارد و صرفاً یک گزینه ارزان‌قیمت نیست. همچنین، مسائل مربوط به حریم خصوصی داده‌ها و مقررات محلی در کشورهای مختلف، می‌تواند پذیرش جهانی این مدل چینی را تحت تأثیر قرار دهد. در مجموع، به نظر می‌رسد که رقابت بر سر هزینه و سرعت پردازش، فصل جدیدی را در بازار هوش مصنوعی آغاز کرده است؛ فصلی که در آن برنده کسی خواهد بود که بتواند بهترین تعادل را میان قیمت، کیفیت و شفافیت برقرار کند. تیترستان در گزارش‌های بعدی، ابعاد فنی و اقتصادی این رقابت را بیشتر بررسی خواهد کرد.
در حال بارگذاری نظرات...