در بازه ۱ سپتامبر تا ۳۰ سپتامبر ۲۰۲۶، سه شرکت Anthropic، OpenAI و Google DeepMind چهار مدل مرزی عرضه کردند: Claude Fable 5.1، GPT-6 Astra، GPT-6.1 Sol و Gemini 4 Argon. یک تغییر مهم در این میان رخ داد: OpenAI در ۲۸ سپتامبر نسخه GPT-6.1 Astra را پس از شکست در آزمون‌های داخلی حذف کرد و GPT-6 Astra به‌عنوان مدل برتر این شرکت باقی ماند.
قیمت و دسترسی: تفاوت‌های ساختاری#
Astra و Fable 5.1 هر دو ۱۰ دلار ورودی و ۵۰ دلار خروجی به ازای هر میلیون توکن قیمت‌گذاری شده‌اند. Sol و Argon یک‌پنجم این نرخ را دارند؛ قیمت Argon مقدماتی است و بعداً دو برابر می‌شود. اما تفاوت اصلی در نرخ کش است: Astra برای خواندن کش ۱ دلار می‌گیرد، Fable 5.1 فقط ۰٫۲۵ دلار، و Sol و Argon هر دو ۰٫۱۰ دلار. برای ایجنت‌هایی که هر مرحله همان سیستم‌پرامپت و تاریخچه را دوباره می‌فرستند، این عدد ۴ تا ۱۰ برابر تفاوت هزینه در عمل ایجاد می‌کند.
Argon تنها مدلی است که سقف خروجی ۱M توکن دارد؛ سه مدل دیگر روی ۱۲۸K متوقف می‌شوند. Argon فعلاً فقط از طریق برنامه Fairwind در دسترس است.
بنچمارک: هیچ مدل همه را نمی‌بَرَد#
در DeepSWE v1.1 (مهندسی نرم‌افزار بلندمدت)، Argon با ۷۷٫۹٪ جلو است. در FrontierSWE v2 (مهندسی نرم‌افزار مرزی)، Astra با ۶۵٫۵٪ صدرنشین است. در OSWorld-2.0 (استفاده از کامپیوتر)، Astra با ۷۲٫۶٪ بهترین نمره را دارد. در Vals Index (کار دانشی)، Argon با ۶۸٫۹٪ جلو است.
اما سیگنال‌های مستقل جهت دیگری را نشان می‌دهند. در Artificial Analysis Intelligence Index، Fable 5.1 پنج امتیاز بالاتر از Astra است. در ARC-AGI-2، Astra با ۹۵٪ جلوتر از Fable 5.1 (۹۰٪) قرار دارد.
هزینه هر تسک: قیمت یکسان، فاکتور متفاوت#
Artificial Analysis هزینه هر تسک Fable 5.1 را ۹٫۱۸ دلار و Astra را ۴٫۷۲ دلار گزارش کرده است — تقریباً ۱٫۹ برابر، با وجود نرخ‌های لیست یکسان. علت حجم توکن مصرفی است، نه نرخ. Anthropic همچنین اشاره کرده که توکنایزر جدیدش حدود ۳۰٪ توکن بیشتر برای همان متن تولید می‌کند.
Sol تصویر را تغییر می‌دهد: OpenAI در Terminal-Bench Science هزینه هر تسک را ۵٫۴۷ دلار برای Sol در مقابل ۲۳٫۸۰ دلار برای Astra گزارش کرده است.
خوانش تحریریه#
این خبر برای کسی که ایجنت یا اتوماسیون می‌سازد، یک پیام مشخص دارد: بنچمارک‌ها دیگر معیار انتخاب نیستند. تفاوت واقعی در هزینه‌ی عملیاتیِ هر دور اجراست. اگر ایجنت شما در یک حلقه‌ی طولانی کار می‌کند و همان context را بارها می‌خواند، نرخ کش ۰٫۱۰ دلار Sol و Argon نسبت به ۱٫۰۰ دلار Astra، حتی با لیست‌پرایس یکسان، فاکتور نهایی را به‌شدت جابه‌جا می‌کند. اما Argon فعلاً از طریق Fairwind محدود است و قیمتش بعداً دو برابر می‌شود؛ پس تصمیم‌گیری روی قیمت فعلی آن ریسک دارد. برای بیشتر تیم‌ها، Sol گزینه‌ی پیش‌فرض منطقی است و سه مدل دیگر فقط برای کارهای باریک‌تر (مهندسی مرزی، کامپیوتریوز، کار دانشی بلندمدت) توجیه قیمتی دارند.
منبع: MarkTechPost
دیدگاه‌ها
برای گذاشتن دیدگاه وارد شو
دیدگاه‌ها فقط از حسابهای کاربری پذیرفته می‌شوند.
ورود / ثبتنامهنوز دیدگاهی ثبت نشده — اولین نفر باش.