استراتژی چندمدلی هوش مصنوعی دیگه انتخابی نیست
هوش مصنوعیخلاصهٔ کاملتر
نویسنده میگه تکیه بر یه ارائهدهندهٔ واحد هوش مصنوعی تبدیل شده به یه نقطهٔ شکست واحد، و استراتژی چندمدلی — چند مدل پشت یه لایهٔ ارکستریشن، ترکیبی از APIهای فرانتیر و مدلهای اوپن که خودت اجرا میکنی — دیگه فقط یه تاکتیک کاهش هزینه نیست بلکه کار تابآوریه. سه اتفاق نیمهٔ اول ۲۰۲۶ همین رو از سه جهت نشون داد: خاموش شدن یه مدل فرانتیر با دستور دولتی، موجی از قطعی ارائهدهندهها، و رفتن یه شرکت نرمافزاری آمریکایی سراغ یه مدل چینی برای مهار هزینهٔ ایجنت پرچمدارش.
محرک اول دسترسپذیریه. به گفتهٔ نویسنده، هوش مصنوعی زیرساخت پروداکشن شده ولی باهاش با نظم تابآوری یه دیتابیس یا ریجن ابری رفتار نمیکنن. تحلیل Ookla روی ۴۷۱ روز گزارش اختلال نشون داد روزهای پرسیگنال از ۶ روز تو سهماههٔ اول ۲۰۲۵ به ۵۱ روز تو سهماههٔ اول ۲۰۲۶ رسیده. نکتهٔ ظریفش اینه که این نوسان سراغ سریعترین رشدکننده میره، پس جواب عوض کردن فروشنده نیست، معماری کردن برای این اتفاقه.
بازنشستگی مدلها نیمهٔ آرام همین ریسکه: ارائهدهندهها تو چند هفته یه نسخه رو کنار میذارن، در حالی که یه سازمان رگولهشده ماهها وقت اعتبارسنجی مجدد میخواد. تجربهٔ Slack مثال عملیه؛ بعد از سه سال روی AWS، تیمش Google Vertex AI رو بهعنوان ارائهدهندهٔ دوم با فیلاور خودکار اضافه کرد، بدون اینکه هیچ فشار انطباقی مجبورش کنه. نویسنده میگه برای بحرانیترین فرایندها حتی باید مسیر جایگزین بدون هوش مصنوعی داشته باشی: قاعدهمحور یا با آدم تو حلقه.
محرک دوم اقتصاد ایجنتهاست. مطالعهٔ مشترک Microsoft Research و Stanford نشون داد کارهای کدنویسی ایجنتیک روی SWE-bench Verified حدود هزار برابر چت کد توکن مصرف میکنن و اجرای یه کار یکسان تا ۳۰ برابر نوسان داره — همین نوسان بیشتر از عدد مطلق بودجهبندی رو خراب میکنه. CTO اوبر گفته شرکت کل بودجهٔ ۲۰۲۶ هوش مصنوعیشو تو چهار ماه سوزوند و حالا سقف ۱۵۰۰ دلار به ازای هر مهندس در ماه برای هر ابزار گذاشته. صنعت هم داره به صورتحساب مصرفی کوچ میکنه.
محرک سوم و چهارم قانون و حاکمیت قضاییه، و به گفتهٔ نویسنده همین بیشترین تغییر رو داشته. تو ژوئن دولت آمریکا با کنترل صادرات ارائهٔ دو مدل قویتر Anthropic به اتباع خارجی رو منع کرد و شرکت مجبور شد کاملاً خاموششون کنه؛ دسترسی ۱۹ روز بعد و با محدودیت تازه برگشت. کمیسیون اروپا هم در جواب همین ماجرا یه برنامهٔ امنیت هوش مصنوعی منتشر کرد. نویسنده میگه مدلهای چینی هم عین همین ریسک رو از سمت دیگه دارن، پس بهتره وزنها رو نگه داری تا اندپوینت اجاره کنی.
محرک پنجم انتخاب مدل مناسب هر کاره و حالا عدد هم داره: تو پژوهش Cursor چهار ترکیب مدل، SQLite رو فقط از یه راهنمای ۸۳۵ صفحهای در Rust بازسازی کردن و همه تستها رو پاس کردن، ولی هزینه از ۱۳۳۹ دلار تا ۱۰۵۶۵ دلار فرق داشت — فقط بر اساس اینکه کدوم مدل کجا گذاشته شده. نویسنده هم تعارف نمیکنه که این مسیر مجانی نیست و خود لایهٔ ارکستریشن یه وابستگی تازه با لاکاین خودشه؛ جمعبندیاش اینه: مدل رو اجاره کن، کانتکست و دادهٔ زیرش رو مالک باش.
نکات کلیدی:
- تکارائهدهنده بودن دیگه صرفهجویی نیست، ریسک تمرکزه؛ چندمدلی کار تابآوری حساب میشه
- روزهای پرسیگنال اختلال آمریکا از ۶ روز تو Q1 ۲۰۲۵ به ۵۱ روز تو Q1 ۲۰۲۶ رسید
- APIهای فرانتیر عملاً SLA منتشر نمیکنن و بازنشستگی مدل تو چند هفته اتفاق میافته
- ایجنتهای کدنویسی حدود هزار برابر چت توکن میخورن؛ اوبر بودجهٔ سالش رو تو ۴ ماه تموم کرد
- ریسک حاکمیتی دوطرفهست: هم آمریکا هم چین میتونن دسترسی خارجی رو ببندن
- مسیر عملی: یه پیشفرض قوی، لایهٔ ارکستریشن جلوش، گزینهٔ اوپن یا حاکمیتی آماده، و فالبک بدون هوش مصنوعی
