جنگ قیمت هوش مصنوعی: متنباز کجای این بازی سود میبره؟
هوش مصنوعیClaude Sonnet 5خلاصهٔ کاملتر
قیمت هر میلیون توکن بهتنهایی گولزننهست، چون نشون نمیده یه مدل برای انجام یه کار چقدر توکن مصرف میکنه؛ این مفهوم رو «چگالی هوش» مینامن. شرکت بنچمارکگیری Artificial Analysis بهجای قیمت خام توکن، هزینهی «تکمیل یه کار» رو اندازه میگیره: تو این معیار، Kimi K3 با حدود ۹۵ سنت به GPT-5.1 (حدود یک دلار) خیلی نزدیکه، با اینکه قیمت هر توکنش رویِ کاغذ تقریبا نصفه. Claude Opus هم تو همین مقایسه با حدود ۲.۷۵ دلار برای هر کار، بالاتر بوده.
دلیل اینکه رقابت متنباز میتونه قیمتها رو پایین بیاره اینه که لبهای بسته مثل OpenAI و Anthropic هم مدل رو دارن هم حق انحصاری اجراش رو، پس میتونن حاشیهی سود بالا نگه دارن. اما وقتی وزنهای یه مدل عمومی میشه، هر شرکت ابری یا دیتاسنتری میتونه میزبانش باشه؛ این یعنی اجرای مدل تبدیل به یه بازار کالایی میشه که رو قیمت و سرعت رقابت میکنن، نه رو دسترسی انحصاری.
اگه مدلهای متنباز به سطح کیفیت مدلهای بسته برسن، سود از لایهی مدل جابهجا میشه: تراشهسازهایی مثل Nvidia از افزایش کل مصرف توکن سود میبرن، ارائهدهندههای ابری هم با حجم بیشتر، حتی با حاشیهی سود فشردهتر، درآمد بیشتری میگیرن. تیمهایی هم که رو AI اپلیکیشن میسازن، با هزینهی کمتر برای همون توانایی، سودشون بیشتر میشه.
این یه روند در حال وقوعه، نه یه فرض تئوری؛ رقابت OpenAI و Anthropic سر قیمت و محدودیت مصرف ابزارهای کدنویسیشون از قبل شروع شده و مدلهایی مثل Kimi K3 هم دارن این فشار رو از سمت متنباز اضافه میکنن. چیزی که هنوز معلوم نیست اینه که آیا مدلهای متنباز میتونن فاصلهی «چگالی هوش» رو هم ببندن یا نه؛ اگه ببندن، فشار روی لبهای بسته بیشتر میشه.
نکات کلیدی:
- قیمت هر توکن بهتنهایی معیار خوبی برای هزینهی واقعی نیست
- Kimi K3 ارزونتره ولی توکن بیشتری مصرف میکنه، پس تفاوت هزینهی واقعی کمتره
- مدلهای متنباز اجرا رو تبدیل به بازار کالایی میکنن و قیمت رو پایین میآرن
- اگه متنباز فاصلهی کیفیت رو ببنده، سود به سمت تراشهسازها و لایهی اپلیکیشن میره
- این رقابت الان در جریانه، نه یه پیشبینی آینده
