چین بار دیگر در کانون رقابت هوش مصنوعی قرار گرفته است

زمانی که چین در ژانویه ۲۰۲۵ با انتشار مدل DeepSeek R1 رقابت جهانی هوش مصنوعی را دستخوش تحول کرد، حدود یک تریلیون دلار از ارزش بازار سرمایه آمریکا از بین رفت. انویدیا در مقطعی ۱۷ درصد از ارزش خود را از دست داد و شاخص نزدک نیز تنها در یک روز ۳.۱ درصد سقوط کرد.

دست بالای چین

نگرانی سرمایه‌گذاران آمریکایی تنها به دلیل کیفیت بالای هوش مصنوعی چین نبود، بلکه رایگان بودن آن نیز شوک بزرگی محسوب می‌شد. البته این جنجال خیلی زود فروکش کرد. از آن زمان تاکنون، ارزش‌گذاری شرکت‌ها بیش از هر زمان دیگری به این وعده وابسته شده است که هوش مصنوعی هم انقلابی خواهد بود و هم سودآور.

اکنون آزمایشگاه‌های هوش مصنوعی چین بار دیگر رقبای آمریکایی خود را در رقابت برای تسلط بر بازار مدل‌های زبانی به چالش کشیده‌اند. ۱۳ ژوئن، آزمایشگاهی مستقر در پکن با نام Zhipu یا Z.ai از جدیدترین مدل خود با نام GLM 5.2 رونمایی کرد و وعده داد که این مدل «گامی دیگر به‌سوی هوش مرزی برای همگان» است.

GLM 5.2 تاکنون توانمندترین مدل آموزش‌دیده در چین به شمار می‌رود و هزینه اجرای آن کمتر از یک‌دهم جدیدترین مدل شرکت آنتروپیک، یعنی Fable 5 است. افزون بر این، همانند بسیاری از مدل‌های چینی، وزن‌های مدل یا همان پارامترهایی که عملکرد GLM 5.2 را ممکن می‌کنند، به‌صورت عمومی منتشر شده‌اند. به‌این‌ترتیب، چین با این مدل جدید هم‌زمان در سه جبهه توانمندی، هزینه و متن‌باز بودن رقابت می‌کند. این محصول هم جذاب به نظر می‌رسد و هم در زمانی مناسب عرضه شده است.

مدل رایگان و چینی GLM-5.2 چگونه توانست Fable 5 را در طراحی وب شکست دهد؟!

در هفته‌های اخیر، شرکت‌های آمریکایی با افزایش چشمگیر هزینه‌های استفاده از هوش مصنوعی روبه‌رو بوده‌اند؛ هزینه‌هایی که در برخی موارد برای هر کارمند به هزاران دلار می‌رسد. برخی شرکت‌ها حتی برای مصرف توکن‌ها بودجه مشخصی تعیین کرده‌اند. در آخرین حرکت نیز در ۱۲ ژوئن، دولت ترامپ استفاده افراد غیرآمریکایی از Fable 5 را ممنوع کرد و در پی آن، آنتروپیک این مدل را از دسترس خارج کرد.

در هوشیو بخوانید:
شبی دولت امریکا پیشرفته‌ترین هوش مصنوعی جهان را خاموش کرد

برای نخستین‌بار، دسترسی به پیشرفته‌ترین مدل‌های هوش مصنوعی به تصمیم یک دولت وابسته شده است. مجموعه این تحولات می‌تواند کاربران را به جست‌وجوی جایگزین‌هایی برای مدل‌های آمریکایی ترغیب کند. بسیاری احتمالاً GLM 5.2 را مدلی توانمند و مقرون‌به‌صرفه خواهند یافت و از این موضوع استقبال خواهند کرد که این مدل خارج از حوزه نفوذ دولت ترامپ قرار دارد.

در هوشیو بخوانید:

اینستاگرام F-35 نیست؛ اما هوش مصنوعی شاید F-22 آینده باشد

توانمندی؛ نخستین معیار

شرکت پژوهشی Artificial Analysis، مدل GLM 5.2 را هوشمندترین مدل متن‌باز موجود در بازار معرفی کرده است. این مدل در رتبه‌بندی کلی این مؤسسه، پس از ChatGPT 5.5 و بالاتر از Gemini، در جایگاه چهارم قرار گرفته است.

GLM 5.2 تقریباً همه را غافلگیر کرده است. اوایل سال جاری، توسعه‌دهندگان چینی نسبت به این‌که مدل‌هایشان پیش از سال ۲۰۳۰ بتوانند از نمونه‌های آمریکایی پیشی بگیرند، چندان خوش‌بین نبودند. اما پس از معرفی مدل Zhipu، ایلان ماسک در شبکه اجتماعی X نوشت که انتظار دارد چین تا اوایل سال آینده به سطح توانایی پیشرفته‌ترین مدل‌های کنونی برسد. در پاسخ نیز «تانگ جی» هم‌بنیان‌گذار Zhipu، اظهار کرد: «حتی این‌قدر هم طول نخواهد کشید.»

محاسبات سنگین

برخلاف ماجرای DeepSeek، بازارهای مالی آمریکا تاکنون واکنش چندانی به GLM 5.2 نشان نداده‌اند. بخشی از دلیل این موضوع آن است که ارزیابی دقیق مدل‌های چینی روزبه‌روز دشوارتر شده است. Artificial Analysis برای دستیابی به برآوردهای خود، GLM 5.2 را در ده‌ها آزمون معیار (Benchmark) ارزیابی کرده است؛ آزمون‌هایی که با استفاده از پرسش‌هایی مشابه امتحانات، میزان هوشمندی مدل را می‌سنجند. در این ارزیابی‌ها، آمریکا همچنان از طریق آنتروپیک برتری خود را حفظ کرده است. به طور میانگین، Fable 5 در مجموعه وظایف معیار حدود ۱۷ درصد هوشمندتر از GLM 5.2 عمل می‌کند.

اما شاخص مهم دیگر این است که GLM 5.2 چه مدت‌زمانی نیاز داشته تا به این سطح از توانایی برسد. نزدیک‌ترین مدل غربی از نظر عملکرد به GLM 5.2 در ماه فوریه، یعنی حدود ۴ ماه پیش، منتشر شده بود. بااین‌حال، در عمل احتمالاً فاصله واقعی آمریکا بیش از ۴ ماه است.

به گفته «هاوارد تویت ایله» از مؤسسه پژوهش دفاعی نروژ، مدل‌های متن‌باز که بسیاری از آن‌ها چینی هستند، معمولاً در آزمون‌های معیار عمومی عملکرد بهتری نسبت به آزمون‌های خصوصی دارند. پرسش‌های آزمون‌های عمومی منتشر می‌شوند، اما برگزارکنندگان آزمون‌های خصوصی، سؤالات و نتایج ارزیابی خود را محرمانه نگه می‌دارند. پژوهشی از تویت ایله که پیش از انتشار GLM 5.2 انجام شده بود، نشان داد مدل‌های چینی در آزمون‌های عمومی حدود ۴ تا ۶ ماه از مدل‌های آمریکایی عقب‌تر هستند. اما در آزمون‌های خصوصی، این فاصله تقریباً دو برابر شده و به ۸ تا ۱۰ ماه می‌رسد (نمودار). مطالعه‌ای که دولت آمریکا در ماه مه منتشر کرد نیز به شکافی مشابه اشاره داشت.

به گفته او، به نظر می‌رسد آزمایشگاه‌های چینی، احتمالاً ناخواسته مدل‌های خود را به‌گونه‌ای آموزش می‌دهند که در آزمون‌های عمومی عملکرد بهتری داشته باشند؛ رویکردی که در ادبیات آموزشی از آن با عنوان «آموزش برای آزمون» (Teach to the Test) یاد می‌شود.

شاگردان ممتاز

در دو آزمون خصوصی که تاکنون GLM 5.2 در آن‌ها ارزیابی شده است، همین الگو مشاهده می‌شود. این مدل در آزمون WeirdML که توانایی حل مسائل غیرمتعارف یادگیری ماشین و نیازمند استدلال دقیق را می‌سنجد، حدود هفت ماه از مدل‌های آمریکایی عقب‌تر است. همچنین در آزمون SimpleBench که با طرح پرسش‌های فریبنده، درک عرفی و عقل سلیم مدل‌ها را ارزیابی می‌کند، فاصله آن به حدود یک سال می‌رسد.

بااین‌حال، این الگو همیشه ثابت نیست. آزمون جدیدی که Artificial Analysis در ۱۹ ژوئن منتشر کرد، مدل‌ها را در انجام وظایف متداول کارکنان اداری، مانند جست‌وجو در میان فایل‌های نامرتب و ارزیابی اطلاعات متناقض، می‌آزماید. ازآنجایی‌که GLM 5.2 پیش از انتشار این آزمون عرضه شده بود، امکان آموزش اختصاصی برای آن را نداشته است؛ اما بااین‌وجود، این مدل عملکردی بهتر از ChatGPT 5.5 که تنها دو ماه از انتشارش می‌گذرد از خود نشان داد.

به گفته تویت ایله، این نتایج نشان می‌دهد برتری آمریکا همچنان حفظ شده است، اما درعین‌حال نشان می‌دهد فاصله دو کشور آن‌گونه که برخی انتظار داشتند، در حال افزایش نیست.

آنچه بیش از همه درباره GLM 5.2 شگفت‌انگیز است، موفقیت آن در وظایفی است که معمولاً سایر مدل‌های چینی در آن‌ها دچار مشکل می‌شوند. مدل‌های چینی غالباً در حوزه‌هایی مانند ریاضیات و برنامه‌نویسی که پاسخ درست یا غلط مشخصی دارند، عملکرد بسیار خوبی ارائه می‌کنند؛ اما در مسائل باز یا وظایفی که به قضاوت مستقل و استدلال مستمر نیاز دارند، معمولاً ضعیف‌تر ظاهر می‌شوند.

این الگو بازتاب‌دهنده یکی از بزرگ‌ترین چالش‌های پژوهشگران چینی است. محدودیت‌های صادراتی بر تراشه‌های پیشرفته باعث شده آزمایشگاه‌های چینی از توان محاسباتی لازم برای آموزش قدرتمندترین مدل‌ها برخوردار نباشند. به همین دلیل، آن‌ها بیشتر تلاش خود را بر مرحله پساآموزش (Post-training) متمرکز کرده‌اند؛ یعنی تنظیم دقیق مدل‌ها برای رفتارهای خاص یا حل انواع مشخصی از مسائل، از جمله با استفاده از داده‌هایی که گفته می‌شود از طریق فرایند تقطیر (Distillation) از سامانه‌های آمریکایی استخراج شده‌اند.

آیا چینی‌ها واقعاً ارزان‌تر هستند؟

باتوجه‌به ابهام‌هایی که درباره توانایی واقعی مدل‌های چینی وجود دارد، پرسش بعدی این است که آیا این مدل‌ها واقعاً از رقبای آمریکایی خود ارزان‌تر هستند یا خیر. DeepSeek برای مدل v4 خود تنها ۰.۸۷ دلار به‌ازای هر یک میلیون توکن خروجی دریافت می‌کند، درحالی‌که آنتروپیک برای همین میزان خروجی در Fable 5 مبلغ ۵۰ دلار مطالبه می‌کند. چنین قیمت‌هایی ممکن است برای شرکت‌های آمریکایی که هزینه مصرف توکن در آن‌ها از کنترل خارج شده است، روزبه‌روز جذاب‌تر شوند.

بر اساس داده‌های شرکت صدور صورت‌حساب Ramp، در ماه ژوئن تعداد شرکت‌های آمریکایی که بابت استفاده از خدمات DeepSeek هزینه پرداخت کرده‌اند، به طور محسوسی افزایش یافته است. همچنین گزارش شده است که مایکروسافت در حال بررسی استفاده از مدل این آزمایشگاه چینی در دستیار هوش مصنوعی Copilot است.

بااین‌حال، مهم‌ترین فرض موجود؛ یعنی ارزان‌تر بودن هوش مصنوعی چینی در بسیاری از موارد نادرست از آب درمی‌آید. اگرچه مدل‌های چینی توانمندتر شده‌اند، اما معمولاً از نظر بهره‌وری کارآمدتر نشده‌اند. این مدل‌ها برای رسیدن به پاسخ، از تعداد بسیار بیشتری توکن استفاده می‌کنند.

مطالعه‌ای که اخیراً توسط «دو ژنگ» از دانشگاه جورجیا تک و همکارانش به‌روزرسانی شد، نشان می‌دهد که یک مدل DeepSeek برای انجام وظایف یکسان، ۲۳ برابر بیشتر از رقیب OpenAI خود توکن مصرف کرده است تا تقریباً به همان نتیجه برسد. به دلیل این تفاوت چشمگیر در بهره‌وری، معیار صحیح مقایسه مدل‌ها، قیمت هر توکن نیست، بلکه هزینه کل توکن‌های مصرف‌شده است. با این معیار، GLM 5.2 در یک آزمون معیار مرتبط با مهندسی نرم‌افزار، در نهایت هزینه‌ای بیشتر از مدل‌های Anthropic و OpenAI ایجاد کرد.

قابلیت اتکا؛ برگ برنده جدید

علاوه بر توانمندی و هزینه، اکنون سومین ویژگی مهم برای کاربران هوش مصنوعی، قابلیت اتکا (Reliability) است. Zhipu در ساعت ۵:۲۱ عصر به‌وقت پکن در ۱۳ ژوئن، یعنی تنها یک روز پس از آنکه دولت ترامپ به آنتروپیک دستور داد استفاده غیرآمریکایی‌ها از Fable 5 را متوقف کند، مدل خود را منتشر کرد و تانگ اعلام کرد: «رویکرد ما، گشودگی رادیکال است.» او همچنین از «محدودیت‌های خارجی»، از جمله محدودیت اعمال‌شده توسط آنتروپیک و دولت آمریکا، انتقاد کرد و گفت چنین اقداماتی باعث می‌شود سامانه‌های هوش مصنوعی «در هر لحظه در معرض لغو دسترسی قرار گیرند.»

توقف دسترسی به Fable 5 ممکن است به نفع آزمایشگاه‌های چینی تمام شود؛ زیرا شرکت‌های سراسر جهان اکنون در حال بازنگری در میزان وابستگی خود به هوش مصنوعی آمریکایی هستند. بیشتر مدل‌های چینی به‌صورت متن‌باز منتشر می‌شوند؛ به این معنا که کاربران می‌توانند آن‌ها را دانلود کرده و روی سخت‌افزار محلی اجرا کنند؛ جایی که نه دولت‌ها و نه حتی خود آزمایشگاه‌های سازنده به آن دسترسی ندارند. البته ممکن است دولت آمریکا در آینده استفاده داخلی از مدل‌های چینی را نیز محدود کند. هم‌اکنون دو کمیته کنگره آمریکا در حال بررسی استفاده شرکت‌های فناوری آمریکایی از مدل‌های چینی هستند. ازسوی‌دیگر، آزمایشگاه‌های چینی نیز با محدودیت‌های خاص خود روبه‌رو هستند. کمبود توان محاسباتی باعث می‌شود آن‌ها در دوره‌های اوج تقاضا با اختلال در ارائه خدمات یا کاهش سرعت مواجه شوند.

با شتاب گرفتن رقابت جهانی هوش مصنوعی، نهادهای تنظیم‌گر در سراسر جهان با چالش‌های تازه‌ای در حوزه ایمنی و امنیت روبه‌رو خواهند شد و احتمال مداخله ناگهانی دولت‌ها نیز ممکن است افزایش یابد. مدل Fable 5 آن‌قدر قدرتمند بود که چنین واکنشی را از سوی دولت آمریکا برانگیخت. این‌که مدل‌های چینی، دست‌کم در حال حاضر با ریسک مشابهی از منظر مقررات‌گذاری روبه‌رو نیستند، احتمالاً نشان می‌دهد دولت چین هنوز آن‌ها را به‌اندازه‌ای نگران‌کننده نمی‌داند که نیازمند مداخله فوری باشند. شاید همین موضوع، یکی از روشن‌ترین شواهدی باشد که نشان می‌دهد مدل‌های چینی با وجود پیشرفت چشمگیر، هنوز از رقبای آمریکایی خود عقب‌تر هستند.

گزارش حاضر در نسخه June 27th 2026 نشریه The Economist منتشر شده است.