مروری بر پیشرفته‌ترین مدل‌های هوش مصنوعی منتشر شده در سال‌های 2024 و 2025

با سرعتی سرسام‌آور، مدل‌های هوش مصنوعی توسط شرکت‌های بزرگ فناوری مانند گوگل و استارت‌آپ‌هایی مانند OpenAI و Anthropic در حال تولید هستند. پیگیری آخرین مدل‌ها می‌تواند بسیار دشوار باشد.

علاوه بر این، مدل‌های هوش مصنوعی اغلب بر اساس معیارهای صنعتی تبلیغ می‌شوند. اما این معیارهای فنی اغلب اطلاعات کمی در مورد نحوه استفاده واقعی افراد و شرکت‌ها از آنها ارائه می‌دهند.

برای کاهش این سردرگمی، TechCrunch یک نمای کلی از پیشرفته‌ترین مدل‌های هوش مصنوعی منتشر شده از سال 2024 را گردآوری کرده است، به همراه جزئیاتی در مورد نحوه استفاده از آنها و بهترین کاربردشان. این لیست با آخرین مدل‌های منتشر شده به‌روزرسانی خواهد شد.

در حال حاضر بیش از یک میلیون مدل هوش مصنوعی وجود دارد: به عنوان مثال، Hugging Face بیش از 1.4 میلیون مدل را میزبانی می‌کند. بنابراین، ممکن است این لیست برخی از مدل‌هایی که عملکرد بهتری دارند را از دست بدهد.

پیشرفته‌ترین مدل‌های هوش مصنوعی منتشر شده در سال 2025:

• گوگل Gemini 2.5:

  • Gemini 2.5 Pro Experimental، یک مدل استدلال، طبق گفته گوگل در ساخت برنامه‌های وب و عوامل کد برتری دارد.
  • با این حال، در مقایسه با Claude Sonnet 3.7، در یک معیار کدنویسی محبوب عملکرد ضعیف‌تری دارد.
  • دسترسی به این مدل نیازمند اشتراک ماهانه 20 دلاری Gemini Advanced است.

• ژنراتور تصویر ChatGPT-4o:

  • OpenAI مدل موجود GPT-4o خود را ارتقا داده است تا علاوه بر متن، تصاویر را نیز تولید کند.
  • این مدل ارتقا یافته به سرعت برای تبدیل تصاویر به انیمه به سبک استودیو گیبلی، علی‌رغم نگرانی‌های آشکار در مورد حق چاپ، محبوب شد.
  • دسترسی به GPT-4o حداقل به اشتراک ماهانه 20 دلاری ChatGPT Plus نیاز دارد.

• دوربین مجازی پایدار Stability AI:

  • استارت‌آپ تولید تصویر Stability AI مدلی را راه‌اندازی کرده است که به گفته شرکت، می‌تواند صحنه‌های سه بعدی و زوایای دوربین را از یک تصویر دو بعدی تولید کند.
  • با این حال، هنوز در صحنه‌هایی با عناصر پیچیده‌تر مانند انسان و آب متحرک مشکل دارد.
  • این مدل برای استفاده تحقیقاتی غیرتجاری در HuggingFace در دسترس است.

• Aya Vision از Cohere:

  • Cohere یک مدل چندوجهی به نام Aya Vision را منتشر کرده است که ادعا می‌کند در انجام کارهایی مانند شرح تصاویر و پاسخ به سوالات مربوط به عکس‌ها بهترین در کلاس خود است.
  • به ادعای کوهر، بر خلاف مدل های دیگر، در زبان هایی غیر از انگلیسی نیز برتری دارد.
  • به صورت رایگان در واتساپ در دسترس است.

• GPT 4.5 “Orion” از OpenAI:

  • OpenAI اوریون را بزرگترین مدل خود تا به امروز می نامد و دانش قوی جهانی و هوش عاطفی آن را تبلیغ می کند.
  • با این حال، در مقایسه با مدل‌های استدلال جدیدتر، در برخی از معیارها عملکرد ضعیف‌تری دارد.
  • اوریون برای مشترکین طرح 200 دلاری در ماه OpenAI در دسترس است.

• Claude Sonnet 3.7:

  • Anthropic می‌گوید این اولین مدل استدلال “هیبریدی” در صنعت است، زیرا می‌تواند هم پاسخ‌های سریع ارائه دهد و هم در صورت نیاز عمیقاً فکر کند.
  • همچنین به کاربران امکان کنترل مدت زمان فکر کردن مدل را می‌دهد.
  • Sonnet 3.7 برای همه کاربران Claude در دسترس است، اما کاربران سنگین‌تر به طرح Pro ماهانه 20 دلاری نیاز دارند.

• Grok 3 از xAI:

  • Grok 3 جدیدترین مدل پرچمدار استارت‌آپ xAI است که توسط ایلان ماسک تأسیس شده است.
  • ادعا می‌شود که در ریاضیات، علوم و کدنویسی از سایر مدل‌های پیشرو بهتر عمل می‌کند.
  • برای استفاده از این مدل به X Premium (ماهانه 50 دلار) نیاز است.
  • پس از اینکه یک مطالعه نشان داد Grok 2 به سمت چپ متمایل است، ماسک قول داد که Grok را از نظر سیاسی بی‌طرف‌تر کند، اما هنوز مشخص نیست که این امر محقق شده است یا خیر.

• o3-mini از OpenAI:

  • این جدیدترین مدل استدلال OpenAI است و برای وظایف مرتبط با STEM مانند کدنویسی، ریاضیات و علوم بهینه شده است.
  • این قدرتمندترین مدل OpenAI نیست، اما به دلیل کوچکتر بودن، به گفته شرکت، هزینه آن به طور قابل توجهی کمتر است.
  • به صورت رایگان در دسترس است اما برای کاربران سنگین به اشتراک نیاز دارد.

• Deep Research از OpenAI:

  • Deep Research OpenAI برای انجام تحقیقات عمیق در مورد یک موضوع با ارجاعات واضح طراحی شده است.
  • این سرویس فقط با اشتراک Pro ماهانه 200 دلاری ChatGPT در دسترس است.
  • OpenAI آن را برای همه چیز از علم گرفته تا تحقیقات خرید توصیه می‌کند، اما مراقب توهمات باشید که همچنان یک مشکل برای هوش مصنوعی است.

• Le Chat از Mistral:

  • Mistral نسخه‌های برنامه Le Chat، یک دستیار شخصی هوش مصنوعی چندوجهی را راه‌اندازی کرده است.
  • Mistral ادعا می‌کند Le Chat سریع‌تر از هر ربات چت دیگری پاسخ می‌دهد.
  • همچنین یک نسخه پولی با روزنامه‌نگاری به‌روز از AFP دارد.
  • آزمایش‌های Le Monde عملکرد Le Chat را چشمگیر نشان داد، اگرچه نسبت به ChatGPT خطاهای بیشتری داشت.

• Operator از OpenAI:

  • Operator OpenAI به عنوان یک کارآموز شخصی طراحی شده است که می‌تواند کارهایی را به طور مستقل انجام دهد، مانند کمک به شما در خرید مواد غذایی.
  • به اشتراک Pro ماهانه 200 دلاری ChatGPT نیاز دارد.
  • عوامل هوش مصنوعی نوید زیادی دارند، اما هنوز آزمایشی هستند: یک بازبین واشنگتن پست می‌گوید Operator به تنهایی تصمیم گرفت یک دوجین تخم مرغ به قیمت 31 دلار سفارش دهد که با کارت اعتباری بازبین پرداخت شد.

• Gemini 2.0 Pro Experimental از گوگل:

  • مدل پرچمدار مورد انتظار گوگل، Gemini، ادعا می‌کند در کدنویسی و درک دانش عمومی برتری دارد.
  • همچنین یک پنجره متن بسیار طولانی 2 میلیون توکنی دارد که به کاربرانی که نیاز به پردازش سریع حجم زیادی از متن دارند کمک می‌کند.
  • این سرویس حداقل به اشتراک Google One AI Premium با قیمت 19.99 دلار در ماه نیاز دارد.

• DeepSeek R1:

  • این مدل هوش مصنوعی چینی سیلیکون ولی را تحت تأثیر قرار داد.
  • DeepSeek R1 در کدنویسی و ریاضیات عملکرد خوبی دارد، در حالی که ماهیت متن‌باز آن به این معنی است که هر کسی می‌تواند آن را به صورت محلی اجرا کند.
  • علاوه بر این، رایگان است.
  • با این حال، R1 سانسور دولت چین را ادغام می‌کند و با ممنوعیت‌های فزاینده‌ای برای ارسال احتمالی داده‌های کاربر به چین مواجه است.

• Gemini Deep Research:

  • Deep Research نتایج جستجوی گوگل را در یک سند ساده و با ارجاعات مناسب خلاصه می‌کند.
  • این سرویس برای دانشجویان و هر کس دیگری که به یک خلاصه تحقیق سریع نیاز دارد مفید است.
  • با این حال، کیفیت آن به اندازه یک مقاله بررسی شده توسط همتایان واقعی نیست.
  • Deep Research به اشتراک Google One AI Premium با قیمت 19.99 دلار نیاز دارد.

• Meta Llama 3.3 70B:

  • این جدیدترین و پیشرفته‌ترین نسخه از مدل‌های هوش مصنوعی متن‌باز Llama متا است.
  • متا این نسخه را به عنوان ارزان‌ترین و کارآمدترین نسخه خود، به ویژه برای ریاضیات، دانش عمومی و پیروی از دستورالعمل‌ها، تبلیغ کرده است.
  • رایگان و متن‌باز است.

• Sora از OpenAI:

  • Sora مدلی است که بر اساس متن، ویدیوهای واقع‌گرایانه ایجاد می‌کند.
  • در حالی که می‌تواند صحنه‌های کامل را به جای فقط کلیپ‌ها تولید کند، OpenAI اعتراف می‌کند که اغلب “فیزیک غیرواقعی” تولید می‌کند.
  • در حال حاضر فقط در نسخه‌های پولی ChatGPT، از جمله Plus، که 20 دلار در ماه است، در دسترس است.

• Alibaba Qwen QwQ-32B-Preview:

  • این مدل یکی از معدود مدل‌هایی است که در برخی از معیارهای صنعتی با o1 OpenAI رقابت می‌کند و در ریاضیات و کدنویسی برتری دارد.
  • به طور متناقض برای یک “مدل استدلال”، “جای پیشرفت در استدلال عقل سلیم” دارد، به گفته علی بابا.
  • همچنین سانسور دولت چین را ادغام می‌کند، همانطور که آزمایش‌های TechCrunch نشان می‌دهد.
  • رایگان و متن‌باز است.

• Computer Use از Anthropic:

  • Computer Use کلود برای کنترل کامپیوتر شما برای انجام وظایفی مانند کدنویسی یا رزرو بلیط هواپیما طراحی شده است و آن را به پیشگام Operator OpenAI تبدیل می‌کند.
  • با این حال، Computer Use هنوز در مرحله بتا است.
  • قیمت‌گذاری از طریق API است: 0.80 دلار برای هر میلیون توکن ورودی و 4 دلار برای هر میلیون توکن خروجی.

• Grok 2 از xAI:

  • شرکت هوش مصنوعی ایلان ماسک، xAI، نسخه پیشرفته‌ای از ربات چت پرچمدار خود، Grok 2 را راه‌اندازی کرده است که ادعا می‌کند “سه برابر سریع‌تر” است.
  • کاربران رایگان به 10 سوال در هر دو ساعت در Grok محدود می‌شوند، در حالی که مشترکین طرح‌های Premium و Premium+ X از محدودیت‌های استفاده بالاتری برخوردار هستند.
  • xAI همچنین یک ژنراتور تصویر به نام Aurora را راه‌اندازی کرد که تصاویر بسیار واقع‌گرایانه، از جمله برخی محتوای گرافیکی یا خشونت‌آمیز، تولید می‌کند.

• o1 از OpenAI:

  • خانواده o1 OpenAI برای تولید پاسخ‌های بهتر با “فکر کردن” از طریق پاسخ‌ها از طریق یک ویژگی استدلال پنهان طراحی شده است.
  • OpenAI ادعا می‌کند که این مدل در کدنویسی، ریاضیات و ایمنی برتری دارد، اما در تلاش برای فریب انسان‌ها نیز مشکلاتی دارد.
  • استفاده از o1 به اشتراک ChatGPT Plus، که 20 دلار در ماه است، نیاز دارد.

• Claude Sonnet 3.5 از Anthropic:

  • Claude Sonnet 3.5 مدلی است که Anthropic ادعا می‌کند بهترین در کلاس خود است.
  • به دلیل قابلیت‌های کدنویسی خود شناخته شده است و به عنوان ربات چت منتخب متخصصان فناوری در نظر گرفته می‌شود.
  • این مدل به صورت رایگان در Claude قابل دسترسی است، اگرچه کاربران سنگین‌تر به اشتراک Pro ماهانه 20 دلاری نیاز دارند.
  • در حالی که می‌تواند تصاویر را درک کند، نمی‌تواند آنها را تولید کند.

• GPT 4o-mini از OpenAI:

  • OpenAI GPT 4o-mini را به دلیل اندازه کوچک آن، مقرون به صرفه‌ترین و سریع‌ترین مدل خود تا به امروز تبلیغ کرده است.
  • برای فعال کردن طیف گسترده‌ای از وظایف مانند تقویت ربات‌های چت خدمات مشتری طراحی شده است.
  • این مدل در سطح رایگان ChatGPT در دسترس است.
  • در مقایسه با وظایف پیچیده‌تر، برای وظایف ساده با حجم بالا مناسب‌تر است.