هدهد ویژن

مدل‌های جدید آنتروپیک در بازار ایران مصرف روزانه توکن را افزایش دادند

منتشرشده: · فناوری

مدل‌های جدید آنتروپیک در بازار ایران مصرف روزانه توکن را افزایش دادند

داده‌های ایران‌روتر نشان می‌دهد مصرف روزانه توکن در پلتفرم به‌صورت افزایشی از ۴۰۰ تا ۸۰۰ میلیون توکن در خرداد تا اواسط شهریور، به ۳ میلیارد توکن در اواخر مهر رسید. این افزایش هم‌زمان با عرضه مدل‌های جدید آنتروپیک رخ داده است.

برخی مدل‌های جدید پس از معرفی، تنها برای مدت کوتاهی مورد توجه قرار می‌گیرند؛ در مقابل، برخی دیگر می‌توانند الگوی استفاده کاربران را تغییر دهند و آن‌ها را به جایگزین‌کردن ابزارهای پیشین ترغیب کنند.

داده‌های ایران‌روتر نشان می‌دهد مدل‌های هوش مصنوعی جدید آنتروپیک ظاهراً در دسته دوم قرار می‌گیرند.

از خرداد تا اواسط شهریور، میزان مصرف روزانه توکن در ایران‌روتر عموماً بین ۴۰۰ تا ۸۰۰ میلیون توکن قرار داشت. از اواخر شهریور، این میزان روندی افزایشی به خود گرفت و تا اواخر مهر به حدود ۳ میلیارد توکن در روز رسید؛ رقمی که تقریباً سه تا چهار برابر بیشتر از سطح مصرف در تابستان است.

این افزایش هم‌زمان با عرضه مدل‌های جدید آنتروپیک رخ داده است. اما چه عواملی باعث افزایش استقبال کاربران از Claude شده‌اند؟

عرضه سه مدل جدید و شکل‌گیری موجی از رشد

نمودار ایران‌روتر روندی قابل‌توجه را نشان می‌دهد: ابتدا با عرضه Opus 5.5 میزان مصرف افزایش می‌یابد. چند روز بعد، عرضه Sonnet 5.5 نیز به این روند افزایشی کمک می‌کند. سپس، پس از معرفی Haiku 5.5، میزان مصرف به اوج نزدیک می‌شود و مصرف روزانه از مرز ۳ میلیارد توکن عبور می‌کند.

بنابراین، افزایش مشاهده‌شده صرفاً جهشی مقطعی و تصادفی به نظر نمی‌رسد؛ بلکه عرضه پی‌درپی چند مدل جدید، هر یک به سهم خود در رشد مصرف نقش داشته است.

چرا کاربران از مدل‌های deepseek و GPT به سمت Claude گرایش پیدا کرده‌اند؟

یکی از دلایل احتمالی این استقبال، ترکیب کیفیت بالاتر، سرعت بیشتر و هزینه کمتر است.

بر اساس اطلاعات منتشرشده از سوی آنتروپیک، Opus 5.5 در کارهای رایج حدود ۴۰ درصد ارزان‌تر از Opus 5 است و خروجی را بیش از ۳۰ درصد سریع‌تر تولید می‌کند.

این موضوع برای برنامه‌نویسان و ابزارهای مبتنی بر عامل‌های هوش مصنوعی اهمیت ویژه‌ای دارد. چنین ابزارهایی معمولاً بارها به اطلاعات پیشین مکالمه یا پروژه مراجعه می‌کنند. آنتروپیک همچنین هزینه خواندن اطلاعات ذخیره‌شده را کاهش داده است تا اجرای این نوع فرایندها مقرون‌به‌صرفه‌تر شود.

هنگامی که یک مدل کیفیت مناسبی ارائه می‌دهد، سریع‌تر پاسخ می‌دهد و هزینه کمتری دارد، کاربران انگیزه بیشتری برای استفاده از آن پیدا می‌کنند.

بااین‌حال، تغییرات به مدل‌های Opus و Sonnet محدود نیست.

Haiku؛ مدلی کوچک با ظرفیت‌های گسترده‌تر

آنتروپیک، Haiku 5.5 را برای فعالیت‌هایی معرفی کرده است که باید با سرعت بالا و هزینه پایین انجام شوند. این مدل لزوماً جایگزین مدل‌های قدرتمندتر نیست؛ بلکه برای کارهایی طراحی شده است که اجرای آن‌ها با مدل‌های گران‌تر از نظر اقتصادی توجیه‌پذیر نیست.

از جمله کاربردهای احتمالی آن می‌توان به خلاصه‌سازی متن، دسته‌بندی اطلاعات، اجرای درخواست‌های ساده پایگاه داده و پاسخ‌گویی به تعداد زیادی از کاربران اشاره کرد.

بر اساس آزمون‌های معیار منتشرشده از سوی آنتروپیک، امتیاز این مدل در آزمون OSWorld از حدود ۱۶ درصد به ۷۲ درصد رسیده است. همچنین امتیاز آن در Terminal-Bench از صفر به حدود ۳۹ درصد افزایش یافته است.

این آزمون‌ها توانایی مدل را در انجام فعالیت‌هایی مانند تعامل با محیط‌های رایانه‌ای و اجرای دستورها در ترمینال ارزیابی می‌کنند.

این نتایج نشان می‌دهند که Haiku جدید نسبت به نسل قبلی خود قادر به انجام طیف گسترده‌تری از وظایف است.

کاهش هزینه و شکل‌گیری کاربردهای تازه

برای درخواست‌هایی با ورودی حداکثر ۱۰۰ هزار توکن، قیمت اعلام‌شده به ازای هر یک میلیون توکن ورودی ۰٫۱۰ دلار و برای هر یک میلیون توکن خروجی ۰٫۵۰ دلار است. طبق اعلام آنتروپیک، این قیمت‌ها در مقایسه با Haiku 4.5 می‌توانند تا حدود ۱۰ برابر کمتر باشند و هزینه اجرای فعالیت‌ها نیز به‌طور میانگین حدود ۷۵ درصد کاهش یابد.

کاهش هزینه می‌تواند امکان اجرای برخی فعالیت‌هایی را فراهم کند که پیش‌تر به دلیل هزینه بالای استفاده از هوش مصنوعی از نظر اقتصادی مقرون‌به‌صرفه نبودند.

برخی شرکت‌ها نیز از نتایج مثبت استفاده از این مدل‌ها خبر داده‌اند. برای نمونه، Asana از کاهش بیش از ۳۰ درصدی زمان پاسخ‌گویی و افزایش سرعت پردازش تا ۲٫۵ برابر سخن گفته است. شرکت Box نیز از بهبود کیفیت و کاهش زمان پاسخ‌گویی در مقایسه با نسل پیشین خبر داده است.

مجموع این عوامل می‌تواند بخشی از رشد سریع مصرف مدل‌های آنتروپیک در پلتفرم‌هایی مانند ایران‌روتر را توضیح دهد.

کاهش وابستگی کاربران به یک مدل مشخص

خبرهای مرتبط