‏مدل‌های open-weight چقدر از خط مقدم عقبن؟

نویسنده‌ی این مقاله از تجربه‌ی شخصیش شروع می‌کنه: مدل تازه‌ی Fable 5 رو نسبت به مدل‌های قبلی مثل Opus 4.7 برای سؤال‌های روزمره (آشپزی، تناسب اندام، ماشین) جهش جادویی نمی‌بینه. حرف اصلیش اینه که هوش، بازدهی نهایی کاهنده (diminishing marginal returns) داره؛ یعنی بعد از یه نقطه، هوشمندتر شدن مدل دیگه کار روزمره رو بهتر نمی‌کنه. بیشترِ استفاده‌ی روزانه‌ی آدم‌ها از هوش مصنوعی هم از یه مدل باهوش‌تر سود زیادی نمی‌بره.

بعد بحث رو می‌بره سراغ شرکت‌ها. کلی شغل یقه‌سفید هست — وکیل، پرستار، حسابدار، پشتیبان مشتری — که می‌شه از نظر سختی دسته‌بندیشون کرد. نویسنده می‌گه همون قانون اینجا هم صادقه: مدل تازه ممکنه تو بعضی کارها (مثل مهندسی نرم‌افزار جدی) یه جهش باشه ولی تو خیلی کارهای دیگه فرق محسوسی نداشته باشه. به گفته‌ی اون هرچی مدل‌ها بهتر بشن، کارهای بیشتری به اون نقطه‌ی اشباع می‌رسن.