جنگ مدل‌ها؛ آخرش کدوم هوش مصنوعی رو انتخاب کنیم؟

۱۴ مرداد ۱۴۰۵

هر روز یه مدل جدید میاد، بنچمارک‌ها رو به‌هم می‌ریزه و دوباره این سؤال رو می‌ندازه وسط: بالاخره پولمون رو خرج کدوم هوش مصنوعی کنیم؟

درود آقا!

این روزا هر بار که چشم باز می‌کنیم، یه مدل جدید از چین میاد بیرون و کل تایم‌لاین هوش مصنوعی رو می‌ریزه به هم.

یه روز Kimi میاد، فرداش DeepSeek گردوخاک می‌کنه و پس‌فرداش Qwen3.8-Max از راه می‌رسه و خودش رو تا نزدیکی مدل‌های پرچمدار آمریکایی بالا می‌کشه.

مثلاً Qwen3.8-Max توی بعضی از ارزیابی‌ها و تجربه‌های واقعی، قشنگ کنار مدل‌هایی مثل Claude Fable 5 قرار گرفته. حالا اینکه واقعاً «فابل رو قورت داده» یا نه، کاملاً به نوع پروژه، پرامپت، ابزارها و بنچمارکی که نگاه می‌کنید بستگی داره؛ ولی یه چیز مشخصه:

مدل‌های چینی دیگه اون گزینه‌های درجه‌دوی ارزون‌قیمت نیستن.

اینجاست که احتمالاً یه سؤال خیلی مهم توی ذهنتون شکل می‌گیره:

آخرش ما باید چیکار کنیم؟

بریم اشتراک OpenAI بخریم؟ Claude بگیریم؟ پولمون رو بدیم به Kimi و Qwen؟ از API استفاده کنیم؟ یا کلاً با مدل‌های رایگان کارمون رو راه بندازیم؟

جواب خیلی ساده‌ست:

بستگی داره دقیقاً برای چی هوش مصنوعی می‌خواید.

ما اینجا دو تا قصه‌ی کاملاً متفاوت داریم.

مدل‌های چینی واقعاً دارن جلو می‌زنن؟

قبل از اینکه برسیم به انتخاب ابزار، بذارید یه چیزی رو روشن کنیم.

اینکه یه مدل توی دو تا بنچمارک رتبه‌ی بالاتری گرفته، لزوماً به این معنی نیست که توی پروژه‌ی شما هم بهتره. یه مدل ممکنه توی حل مسئله‌های الگوریتمی هیولا باشه، ولی وقتی می‌ذاریدش وسط یه کدبیس واقعی، نصف فایل‌ها رو فراموش کنه و با اعتمادبه‌نفس پروژه رو منفجر کنه!

از اون طرف، مدلی که توی جدول‌ها یکم پایین‌تره شاید توی استفاده‌ی واقعی پایدارتر باشه، Tool Calling بهتری داشته باشه و بعد از صد مرحله هنوز یادش باشه اصلاً برای چی وارد پروژه شده.

پس موقع انتخاب مدل فقط اینا رو نگاه نکنید:

امتیاز بنچمارک
تعداد پارامترها
اندازه‌ی Context Window
جمله‌ی «قوی‌ترین مدل جهان» توی صفحه‌ی تبلیغات

چیزایی مثل پایداری، قیمت، سرعت، کیفیت ابزارها، محدودیت مصرف و هماهنگی با ادیتور شما خیلی وقت‌ها مهم‌ترن.

حالا بریم سراغ دو قصه‌ی اصلی.

قصه‌ی اول: پروژه‌تون تفریحیه و نمی‌خواید خرج کنید

فرض کنید آخر هفته‌ها یه ربات تلگرام می‌زنید، یه سایت کوچیک بالا میارید، با یه کتابخونه ور می‌رید یا کلاً دوست دارید چیزای جدید رو امتحان کنید.

پروژه مشتری نداره، ددلاین خاصی ندارید و طبیعتاً دلتون هم نمی‌خواد ماهی ۲۰۰ دلار پول هوش مصنوعی بدید.

اینجا واقعاً لازم نیست برید سراغ گرون‌ترین اشتراک بازار.

می‌تونید از Free Tierها و API Keyهای رایگانی که سرویس‌های مختلف به‌صورت رسمی در اختیارتون می‌ذارن استفاده کنید و بعد با ابزارهایی مثل 9Router یا OmniRoute همه‌شون رو پشت یه آدرس واحد قرار بدید.

این ابزارها نقش یه چهارراه هوشمند رو بازی می‌کنن. مثلاً شما می‌گید:

اول درخواست رو بفرست برای مدل رایگان اول.
اگر سهمیه‌اش تموم شده بود، برو سراغ مدل دوم.
اگر اونم قطع بود، از یه مدل ارزون استفاده کن.
فقط برای کارهای واقعاً سخت، درخواست رو بده به مدل گرون‌تر.

به این کار می‌گن Routing و وقتی سرویس جایگزین هم تعریف می‌کنید، در واقع دارید یه Fallback درست می‌کنید.

این روش برای پروژه‌های تفریحی خیلی خوبه؛ چون به‌جای اینکه کل کارتون به یه سرویس وابسته باشه، چند راه مختلف دارید.

توی این ترکیب، DeepSeek V4 Flash هم گزینه‌ی خیلی جذابیه؛ چون برای کارهای کدنویسی، Agentic Workflow، Tool Calling و پروژه‌هایی که درخواست زیاد دارن، نسبت قیمت به عملکرد خوبی ارائه می‌ده.

پس نسخه‌ی پیشنهادی من برای پروژه‌های تفریحی اینه:

اول مدل‌های رایگان و ارزون رو مصرف کن، یه Fallback درست بچین و فقط وقتی واقعاً گیر کردی برو سراغ مدل گرون‌تر.

لازم نیست برای ساختن یه ربات هواشناسی، پادشاه کل هوش مصنوعی رو از خواب بیدار کنید!

قصه‌ی دوم: پروژه جدیه یا پولش رو دارید

حالا فرض کنید پروژه مشتری داره.

ددلاین دارید، کیفیت خروجی مهمه و هر یک ساعتی که مدل کد اشتباه تولید کنه، داره از جیب شما پول می‌ره.

اینجا دیگه قصه فرق می‌کنه.

خیلی‌ها فقط قیمت اشتراک رو می‌بینن، ولی هزینه‌ی واقعی پروژه صرفاً پول مدل نیست. زمان شما، باگ‌هایی که وارد پروژه می‌شن، کدی که باید دوباره نوشته بشه و اعصابی که وسط کار خرد می‌شه همگی هزینه‌ان.

من خودم برای پروژه‌های جدی، فعلاً بیشتر سمت Codex می‌رم.

دلیلش هم فقط قدرت خود مدل نیست؛ کل تجربه‌ی کار با ریپو، اجرای تسک، Review کردن کد و ادامه‌دادن کارهای چندمرحله‌ای مهمه. Codex توی پلن‌های مختلف ChatGPT وجود داره، ولی مقدار مصرف و محدودیت‌ها بسته به پلنی که دارید فرق می‌کنه.

پس لازم نیست از همون اول گرون‌ترین پلن ممکن رو بخرید. با پلنی که به بودجه و مصرفتون می‌خوره شروع کنید و بعد ببینید واقعاً چقدر ازش کار می‌کشید.

Claude هم همچنان گزینه‌ی خیلی قدرتمندیه؛ مخصوصاً برای خوندن کدبیس‌های بزرگ، تحلیل معماری، نوشتن و کارهایی که به متن و Context طولانی نیاز دارن.

ولی این روزها توی X، همون توییتر خودمون، زیاد می‌بینم که بعضی از کاربرها از زود تموم‌شدن محدودیت مصرف Claude یا نامشخص‌بودن مقدار کریدیت گلایه می‌کنن. تجربه‌ی همه یکسان نیست، ولی قبل از خرید پلن گرون حتماً مصرف واقعی خودتون رو حساب کنید.

طبق صفحه‌ی رسمی قیمت‌گذاری Anthropic، پلن Pro در پرداخت ماهانه ۲۰ دلاره و پلن Max از ۱۰۰ دلار شروع می‌شه و سطح مصرف بالاتر هم داره.

خلاصه بخوام خیلی شیک و بین‌المللی بگم:

Look at your budget!

یا به زبان خودمون:

بودجه‌ت رو نگاه کن، نه هیجان تایم‌لاین رو!

اگر ماهی ۲۰ دلار بودجه دارید، لازم نیست با قرض و قوله برید پلن ۲۰۰ دلاری بگیرید. اگر هم پروژه ماهی چند هزار دلار درآمد داره، منطقی نیست فقط برای صرفه‌جویی در چند دلار، ساعت‌ها با مدل ضعیف‌تر کشتی بگیرید.

پس اشتراک Kimi و Qwen رو نخریم؟

خب رفقا، قصه اینجا جالب می‌شه.

از نظر من، برای اکثر آدم‌هایی که پروژه‌ی جدی و تجاری دارن، نه؛ حداقل نه به‌عنوان تنها ابزار اصلی پروژه.

این حرف اصلاً به این معنی نیست که مدل‌های چینی ضعیفن. اتفاقاً Kimi K3، Qwen3.8-Max و DeepSeek V4 Flash از نظر قیمت به عملکرد واقعاً جذابن.

ولی توی پروژه‌ی واقعی فقط قدرت خام مدل مهم نیست.

این چیزا هم مهمن:

پایداری سرویس
محدودیت مصرف
سرعت پاسخ
کیفیت Tool Calling
هماهنگی با ادیتور و Agent شما
حفظ Context در کارهای طولانی
روش پرداخت و دسترسی
امکان خروجی گرفتن و جابه‌جایی بین سرویس‌ها

از اون طرف هم نباید فکر کنیم چون OpenAI یا Anthropic آمریکایی و معروفن، تا ابد روی تخت پادشاهی می‌مونن. هیچ شرکتی بیمه‌ی مادام‌العمر نداره؛ همون‌طور که هیچ مدل جدیدی هم صرفاً با دو تا بنچمارک، پادشاه قطعی دنیا نمی‌شه.

پس به‌جای طرفداری فوتبالی از یه شرکت، یه سیستم درست بسازید.

مثلاً:

مدل اصلی‌تون یه مدل مطمئن و قدرتمند باشه.
کارهای سبک و تکراری رو بدید به مدل ارزون‌تر.
برای کدهای حساس، یه مدل دوم خروجی مدل اول رو Review کنه.
تست‌ها رو خودکار اجرا کنید.
وقتی مدل اصلی محدود یا قطع شد، یه Fallback داشته باشید.
برای هر پروژه سقف هزینه تعیین کنید.

این همون چیزیه که من بهش می‌گم Loop درست.

مدل اول برنامه‌ریزی می‌کنه، مدل دوم کد می‌زنه، تست‌ها اجرا می‌شن، یه مدل دیگه خروجی رو بررسی می‌کنه و چرخه تا وقتی نتیجه قابل‌قبول بشه ادامه پیدا می‌کنه.

خیلی وقت‌ها یه Loop درست با چند مدل متوسط، از یه مدل فوق‌گرون که تنها و بدون نظارت کار می‌کنه نتیجه‌ی بهتری می‌ده.

OpenRouter؛ برای آدم‌هایی که نمی‌خوان با یه مدل ازدواج کنن!

یه گزینه‌ی دیگه هم اینه که اصلاً خودتون رو به یه شرکت خاص قفل نکنید.

اگر امکان پرداخت بین‌المللی دارید، می‌تونید حساب OpenRouter رو شارژ کنید و با یه API Key به مدل‌های شرکت‌های مختلف دسترسی داشته باشید.

مزیتش اینه که امروز می‌تونید با Qwen کار کنید، فردا برید سراغ Kimi و وسط پروژه هم مدل اصلی رو با Claude یا یکی از مدل‌های OpenAI عوض کنید؛ بدون اینکه کل کدبیس رو زیرورو کنید.

OpenRouter قابلیت‌هایی مثل انتخاب Provider، تعیین مدل جایگزین، گزارش مصرف و محدودکردن بودجه رو هم در اختیارتون می‌ذاره. برای کسی که دوست داره مدل‌های مختلف رو تست کنه یا نمی‌خواد به یه ارائه‌دهنده وابسته باشه، واقعاً ابزار خوبیه.

البته حواستون باشه استفاده‌ی سنگین از API ممکنه خیلی سریع گرون بشه. حتماً اینا رو تنظیم کنید:

سقف هزینه‌ی روزانه و ماهانه
لاگ مصرف توکن
هشدار بودجه
محدودیت تعداد درخواست
مدل جایگزین ارزون‌تر

وگرنه ممکنه صبح بیدار شید و ببینید Agent عزیزتون نصف شب تصمیم گرفته کل پروژه رو از صفر بازنویسی کنه و پول یه پلی‌استیشن رو توکن مصرف کرده!

یه نکته‌ی امنیتی هم هست: وقتی از Routerهای شخص ثالث استفاده می‌کنید، درخواست و پاسخ شما از زیرساخت اون سرویس عبور می‌کنه. پس برای کدهای محرمانه، کلیدهای خصوصی، اطلاعات مشتری و پروژه‌های حساس، حتماً سیاست حریم خصوصی و نگهداری داده‌ی سرویس رو بخونید.

کلید API، رمز عبور، فایل .env و اطلاعات حساس رو هم هیچ‌وقت همین‌طوری نریزید وسط Prompt؛ حتی اگر مدل خیلی باادبانه قول داد که به کسی نمی‌گه!

گزینه‌ی اقتصادی جالب: OpenCode Go

یه گزینه‌ی باحال دیگه هم OpenCode Goئه.

OpenCode Go یه اشتراک اقتصادی برای دسترسی به مجموعه‌ای از مدل‌های مناسب کدنویسیه. قیمتش برای ماه اول ۵ دلار و بعد از اون ماهی ۱۰ دلار می‌شه؛ پس حواستون باشه که اشتراک دائماً ۵ دلاری نیست.

طبق مستندات رسمی OpenCode Go، لیست مدل‌ها ممکنه با گذشت زمان تغییر کنه، ولی هدف اصلی سرویس اینه که مدل‌های Open و اقتصادی رو با دسترسی پایدارتر در اختیار برنامه‌نویس‌ها بذاره.

نکته‌ی جذابش اینه که فقط محدود به خود OpenCode نیست و می‌تونید API Key اون رو با Agentها و ابزارهای سازگار دیگه هم استفاده کنید.

البته Go نامحدود نیست و سقف مصرف داره؛ ولی برای کسی که می‌خواد با هزینه‌ی کم چند مدل مختلف رو امتحان کنه یا یه ابزار کدنویسی روزمره داشته باشه، پیشنهاد جالبیه.

من OpenCode Go رو بیشتر برای این افراد مناسب می‌بینم:

دانشجوها و برنامه‌نویس‌هایی که بودجه‌ی محدودی دارن
کسایی که پروژه‌های شخصی زیاد می‌زنن
آدم‌هایی که می‌خوان مدل‌های Open رو تست کنن
کسایی که مصرفشون از Free Tier بیشتره، ولی هنوز پلن‌های گرون براشون منطقی نیست

ولی اگر پروژه‌ی تجاری حساس دارید، قبل از اینکه کل Workflow رو روی یه سرویس ارزون بنا کنید، چند روز واقعاً باهاش کار کنید و محدودیت‌هاش رو بسنجید.

بالاخره آخر سر چه کنیم؟

بذارید کل این گپ و گفت رو خیلی ساده جمع کنم.

اگر فقط برای تفریح و یادگیری پروژه می‌زنید

از Free Tierهای رسمی استفاده کنید، چند Provider داشته باشید و با ابزارهایی مثل 9Router یا OmniRoute براشون Fallback بچینید.

اگر بودجه‌تون محدوده ولی زیاد کد می‌زنید

OpenCode Go، مدل‌های ارزون OpenRouter یا API مستقیم مدل‌هایی مثل DeepSeek می‌تونن کارتون رو راه بندازن.

اگر پروژه جدی و پول‌سازه

یه ابزار اصلی قابل‌اعتماد مثل Codex یا Claude داشته باشید و مدل‌های ارزون‌تر رو برای کارهای فرعی، خلاصه‌سازی، جست‌وجو، تست اولیه و Reviewهای ساده استفاده کنید.

اگر تیم دارید

اصلاً به یه مدل وابسته نشید. Routing، Logging، Budget Limit، تست خودکار و Fallback رو از همون اول جدی بگیرید.

و مهم‌تر از همه:

هر هفته به‌خاطر یه بنچمارک جدید، کل ابزار و روش کارتون رو عوض نکنید!

مدل جدید همیشه میاد.

امروز Qwen جلو می‌زنه، فردا OpenAI آپدیت می‌ده، پس‌فردا Anthropic یه مدل جدید رو می‌کنه و هفته‌ی بعد DeepSeek دوباره کل بازار رو به‌هم می‌ریزه.

برنده‌ی واقعی کسی نیست که همیشه جدیدترین مدل رو داره.

برنده کسیه که یه Workflow درست ساخته، مدل‌ها رو درست انتخاب می‌کنه و می‌دونه هر تسک رو باید به کدوم مدل بده.

امیدوارم این گپ و گفت به کارتون اومده باشه و حالا برای انتخاب مدل بعدی، به‌جای نگاه‌کردن به پرچم کشور سازنده یا هیجان تایم‌لاین، اول به پروژه و جیب خودتون نگاه کنید!

تا وبلاگ بعدی، بدرود!