"من انحصارطلبی نمی‌خواهم": مدل‌های جدید هوش مصنوعی وزن باز در برابر چین بازمی‌گردند

مجموعه جدیدی از سیستم‌های هوش مصنوعی قدرتمند و با وزن باز غربی در حال بازگشت هستند و مدل‌های تازه‌ای از Reflection و Mistral برتری اخیر چین را کاهش داده‌اند.

چرا مهم است: این مدل‌ها و سایر مدل‌ها به کسب‌وکارها و دولت‌ها جایگزین‌هایی برای اکوسیستم‌های بسته OpenAI و Anthropic و همچنین گزینه‌های چینی می‌دهند که ممکن است به دلایل امنیتی از آنها اجتناب کرده باشند. اما قرار دادن وزنه‌های مدل قدرتمند در دنیا حذف پادمان‌های آن‌ها را نیز آسان‌تر می‌کند، نگرانی‌ای که با افزایش توانایی مدل‌ها در زمینه‌هایی مانند امنیت سایبری در حال افزایش است. آنچه آنها می گویند: هر دو شرکت استدلال می کنند که هوش خام تنها راه برای اندازه گیری نژاد هوش مصنوعی نیست، و آنها مفهوم کنترل کاربر را به عنوان یک فرصت اصلی و نقطه فروش ارائه می کنند.

میشا لاسکین، مدیر عامل Reflection به Axios گفت: «وقتی این مبلغ را برای اطلاعات خرج می‌کنید، می‌خواهید از اجاره آن به مالکیت آن بروید. "این جایی است که منبع باز بسیار قدرتمند است زیرا در هر سطح قابل تنظیم است."

Pierre Stock معاون علمی Mistral گفت موضوعاتی که او بارها از مشتریان می شنود شامل کنترل داده ها و مالکیت معنوی، تداوم کسب و کار، توانایی سفارشی کردن مدل ها و هزینه است.

استوک در مصاحبه ای گفت: "من نمی خواهم در آینده ای زندگی کنم که در آن هیچ انحصاری دسترسی بسته به این نوع اطلاعات را کنترل کند." Zoom in: Reflection روز دوشنبه Beam را معرفی کرد، یک مدل ترکیبی از متخصصان با 501 میلیارد پارامتر، با 23 میلیارد پارامتر در یک زمان. Reflection می گوید که Beam با GLM-5.2 چین قابل رقابت است و در برخی از وظایف کدنویسی و عاملی به Qwen 3.8-Max علی بابا نزدیک می شود. معیارهای منتشر شده خود تصویر متفاوتی را نشان می‌دهد: Beam در برخی از آزمایش‌ها با مدل‌های چینی شکست می‌خورد یا تقریبا مطابقت دارد در حالی که آنها را در برخی دیگر دنبال می‌کند.

Reflection می‌گوید که Beam می‌تواند به عملکرد استدلالی قابل مقایسه با GLM-5.2 با سه تا چهار برابر قدرت شلیک محاسباتی کمتر دست یابد - نکته مهمی است زیرا هزینه اجرای مدل‌های هوش مصنوعی اکنون برای بسیاری از مشتریان به اندازه عملکرد خام مهم است.

Reflection قصد دارد وزنه های Beam را در اواخر این ماه به همراه ابزارهایی برای اجرا، ارزیابی و تنظیم دقیق آن منتشر کند. در همین حال، میسترال روز سه‌شنبه اعلام کرد که در حال تکمیل کار روی یک مدل پرچمدار جدید، Mistral Large 4، با نام مستعار Le Chonk است. این یک مدل چندوجهی 1 تریلیون پارامتری با 49 میلیارد پارامتر فعال است که بر روی 4000 پردازنده گرافیکی Nvidia Grace Blackwell طی دو ماه در مراکز داده اروپایی خود Mistral آموزش دیده است. Stock به Axios گفت که این شرکت معتقد است Le Chonk بهترین مدل وزن باز جهان است و می‌گوید که می‌تواند در برخی از وظایف از مدل‌های بسته بهتر عمل کند.

اما Stock اذعان کرد که Mistral هنوز مدل های بسته پیشرو را دستگیر نکرده است. او گفت: «ما هنوز در مرز نیستیم.

Mistral در ابتدا این مدل را از طریق یک API تعدیل شده در دسترس قرار می‌دهد و نسخه‌ای با محدودیت‌های کمتر و قابلیت‌های امنیت سایبری گسترده‌تر برای آزمایش با شرکای منتخب به اشتراک گذاشته می‌شود. این شرکت قصد دارد وزنه ها را در 27 اکتبر پس از یادگیری تقویتی بیشتر و تست ایمنی آزاد کند. تصویر بزرگ: شرکت‌های چینی از جمله Alibaba، Z.ai، Moonshot و DeepSeek بخش عمده‌ای از شتاب اخیر در هوش مصنوعی وزن باز را هدایت کرده‌اند. ورود مدل‌های رقابتی از Reflection و Mistral نشان می‌دهد که آزمایشگاه‌های غربی ممکن است در حال کاهش شکافی باشند که ساختاری به نظر می‌رسید. بله، اما:

همان ویژگی که به مشتریان کنترل یک مدل وزن باز را می دهد، کنترل توسعه دهنده را بر نحوه استفاده از آن نیز محدود می کند. هنگامی که وزن ها به صورت عمومی در دسترس هستند، کاربران می توانند مدل را تغییر دهند، از جمله تلاش برای حذف پادمان های اضافه شده توسط سازنده آن.

این امر به ویژه مهم است زیرا مدل ها در امنیت سایبری و سایر کارهای بالقوه خطرناک توانمندتر می شوند. طرف دیگر: Mistral و Reflection استدلال می کنند که باز بودن می تواند ایمنی را نیز بهبود بخشد. لاسکین گفت که داشتن یک اکوسیستم بزرگتر که بتواند مدل ها را بازرسی کند و آسیب پذیری ها را جستجو کند، ایمن تر از تمرکز آن کار در میان چند صد محقق در آزمایشگاه های بسته است. او گفت با این وجود باید آستانه‌های ایمنی مبتنی بر قابلیت وجود داشته باشد که تعیین کند آیا هر مدلی - باز یا بسته - باید عرضه شود.

استوک یک مبادله در آزادسازی وزن‌ها را تایید کرد، اما استدلال کرد که ساخت مدل‌های توانمند در دسترس می‌تواند دفاع سایبری را تسریع کند و به محققان خارجی اجازه دهد این فناوری را بررسی کنند. میسترال از انتشار مرحله‌ای استفاده می‌کند تا زمان بیشتری برای آزمایش به خود بدهد.

مدل‌های وزن باز همچنین تضمین می‌کنند که کسانی که در برابر حملات سایبری دفاع می‌کنند، ابزار کافی دارند. استوک گفت: «اگر ما تا حد امکان مدل‌های بیشتری را باز کنیم، از جمله ML4 - که در زمره بهترین مدل‌های سایبری در جهان است - در این صورت بخش دفاعی را خیلی بیشتر تسریع می‌کنید.»