گزارش ورسل: کدام مدلهای هوش مصنوعی در دنیای واقعی برندهاند؟
هوش مصنوعیخلاصهٔ کاملتر
ورسل از دادههای AI Gateway خودش — که ترافیک واقعی بیش از ۲۰۰ هزار تیم رو پردازش میکنه — یه گزارش هفتماهه منتشر کرده. این گزارش تصویری خیلی متفاوتتر از بنچمارکهای معمول ارائه میده و نشون میده در دنیای واقعی، نه یه مدل، بلکه چند ده مدل موازی کار میکنن.
آنتروپیک در هزینه، گوگل در حجم پیشتازه. در آوریل ۲۰۲۶، آنتروپیک ۶۱٪ از هزینهها رو به خودش اختصاص داده، در حالی که گوگل ۳۸٪ از حجم توکنها رو داشته. دلیلش سادهست: Claude Opus برای کارهای حساس و گرانقیمت استفاده میشه، Gemini Flash برای حجم بالای کارهای ارزون. این دو تا اصلاً با هم رقیب نیستن — دارن لایههای متفاوتی از یه اپلیکیشن رو پوشش میدن.
هزینهی هر توکن مستقیماً با «قیمت اشتباه کردن» رابطه داره. دستیارهای شخصی با ۴۰٪ از حجم توکنها فقط ۲۰٪ از هزینه رو میبرن، چون اشتباهشون فقط به یه کاربر آسیب میزنه. اما ایجنتهای back-office با ۱۵٪ حجم، ۶٪ هزینه دارن چون یه خطا میتونه ریسک حقوقی یا مالی ایجاد کنه. در کل، بازارهای B2B نسبت به B2C بهطور میانگین دو برابر بیشتر per-token هزینه میکنن.
هیچ پرووایدری در همهی کاربردها برنده نیست. آنتروپیک در کدنویسی و کارهای حساس غالبه، گوگل در مصرفکننده، xAI با قیمت پایینتر بخشی از بازار رو گرفته و OpenAI در بین همهی دستهها توزیع متعادلتری داره. مدلهای اپنسورس مثل Kimi و MiniMax هم در لایههای با آستانهی هزینهی پایینتر نقش دارن.
ایجنتیک شدن اپلیکیشنها یه تحول بزرگه. در آوریل ۲۰۲۶، ۲۲٪ از درخواستها با یه tool call تموم میشن — این عدد شش ماه پیش ۱۱٪ بود. اما از نظر حجم توکن، این درخواستها ۵۹٪ از کل ترافیک رو میبرن. یعنی یه درخواست ایجنتیک بهطور میانگین ۲.۶ برابر توکن بیشتری از یه چت معمولی مصرف میکنه، چون هر tool call یه round trip جداگانه حساب میشه.
تیمهایی که بیش از ۱۰ میلیون درخواست دارن بهطور میانگین از ۳۵ مدل مختلف استفاده میکنن. این معماری به یه routing graph شبیهست: یه مدل ارزون برای تشخیص intent، یه مدل frontier برای استدلال، یه embedding model برای جستجو، و یه مدل سریع برای خلاصهسازی. نتیجه اینه که تعویض پرووایدر برای این تیمها یه config change سادهست، نه یه migration بزرگ.
خرابیهای پرووایدرها هزینهی پنهانی دارن. حدود ۳.۵٪ از درخواستها نیاز به fallback داشتن، ولی وقتی بر اساس هزینه حساب میکنیم، این عدد به ۴.۹٪ میرسه. چون درخواستهای گرونتر — مثل context window بزرگ یا reasoning سنگین — بیشتر به rate limit یا timeout میخورن.
نکات کلیدی:
- آنتروپیک پیشرو در هزینه، گوگل پیشرو در حجم توکن
- هزینهی per-token با میزان ریسک اشتباه رابطه مستقیم داره
- ۵۹٪ از توکنها در درخواستهای ایجنتیک (tool call) هستن — دو برابر شش ماه پیش
- تیمهای بزرگ بهطور میانگین ۳۵ مدل مختلف رو موازی استفاده میکنن
- وفاداری به یه لب خاص در مقیاس بالا عملاً وجود نداره
