چرا بعد از ناویر استوکس هنوز در مورد LLM ها نزولی هستم

[از کلود فابل 5.1، هلدن سابرهاگن، گابریل کامر، آندرس اربسن، آلیس مکین و تریستان ویلد لارو برای نظرات خود در مورد این پست سپاسگزاریم]

من با چند پایان نامه شروع می کنم تا خواننده آن را بجود:

در مجموع، به نظر می‌رسد که برای اکثر دامنه‌ها، LLM‌ها مانند یک کارآموز شکست خورده به نظر می‌رسند: سریع و موثر در دست یک بزرگسال، اما به طور کامل اجرا نمی‌شود. بیشتر شرکت ها قادر نخواهند بود هوش مصنوعی کاملا مستقلی را اتخاذ کنند، نه به دلیل مشکلات مربوط به مهارت یا عدم انتشار فناوری، بلکه به دلایل ساختاری که ظاهرا بومی معماری های فعلی هستند. طبقات شرکت‌هایی که می‌توانند استفاده از LLM‌های کاملا مستقل را بپذیرند تعداد کمی هستند، با تعداد من فقط سه:

دو کلاس اول به قیمت حساس هستند و مسلما نیازی به جهش کیفیت استدلالی که از مدل‌های ارزان به مدل‌های مرزی می‌بینید ندارند. بیشتر این شرکت‌ها با مدل‌های باز که بر روی سخت‌افزار ارزان‌قیمت اجرا می‌شوند، حتی شاید به صورت محلی در محل استفاده، به بهترین وجه مورد استفاده قرار می‌گیرند. برای کلاس‌های اول و سوم، به نظر می‌رسد که نوع جستجوی ترکیبی فازی که نتایج سرفصلی در تحقیقات ریاضی و امنیتی ایجاد کرده است، نسبت به عرض ازدحام عاملی حساس‌تر از ظرفیت استدلال است: مدل‌های باز کوچکی را ببینید که CVE‌های افسانه‌ای را که چرخه تبلیغات بهار 2026 را هدایت کردند، بازتولید می‌کنند.

اگر این واقعا درست باشد، دلیل بیشتری برای استفاده از مدل‌های باز ارزان وجود دارد که به شما امکان می‌دهند همان حجم کاری را با گروه‌های گسترده‌تر اجرا کنید.

دسته سوم شرکت‌ها ممکن است همچنان از مدل‌های مرزی استفاده کنند، اگرچه کاملا مشخص نیست که کار آنها با مدل‌های ارزان‌قیمتی مانند فلش deepseek v4.1 قابل انجام نباشد، و مزیت عرض ازدحام که در بالا فرض کردم، دلایل بیشتری به آن‌ها می‌دهد تا مدل‌های ارزان‌تر را دنبال کنند. یکی دیگر از ویژگی های جالب شرکت های این کلاس این است که آنها به طور کلی در مورد IP خود بسیار محرمانه هستند و احتمالا از ارسال همه آنها به anthropic و openai حتی با توافقات فرضی برای آموزش ندادن به داده های کاربر خوشحال نیستند.

اکنون، ممکن است پیشنهاد کنید که حتی اگر آزمایشگاه‌های مرزی پخته شده باشند، مرکز داده پر از سناریوی مغزهای مغزی به اندازه یک سناریوی ابر هوش مصنوعی محاسبات هوش مصنوعی را هدایت می‌کند. تفاوت این است که مرکز داده پر از نابغه ها خودران است و فقط به مقدار محاسباتی که می تواند مصرف کند محدود می شود در حالی که انبوه مغزها به شدت توسط سازمان دهندگان انسانی خود با تنگنا مواجه خواهند شد. شرط شخصی من این است که شعاع انفجار بسیار فراتر از آزمایشگاه های مرزی باشد.