دیپ‌سیک از مدل هوش مصنوعی کم‌حجم جدیدی رونمایی کرد؛ هزینه هر وظیفه کمتر از یک‌دهم رقبای آمریکایی

شرکت چینی هوش مصنوعی دیپ‌سیک در ۱۷ اکتبر از نسل جدید مدل خود با نام DeepSeek-V4.1-Flash-1017 رونمایی کرد. این شرکت مدعی است که مدل جدید با فعال‌سازی تنها ۱۶ میلیارد پارامتر، در چندین آزمون سنجش عملکرد عامل‌های هوش مصنوعی از مدل پرچم‌دار Claude Opus 5 شرکت آنتروپیک پیشی می‌گیرد؛ آن هم با هزینه اجرای هر وظیفه‌ای که کمتر از یک‌دهم هزینه محصولات مشابه آمریکایی است. این رونمایی در مقطعی حساس برای صنعت جهانی مدل‌های بزرگ انجام شده است؛ صنعتی که تمرکز آن به‌تدریج از رقابت بر سر توانایی مدل‌ها به رقابت برای سودآوری تغییر می‌کند. رویکرد فنی دیپ‌سیک، یعنی ترکیب هزینه پایین با بهره‌وری بالا، بار دیگر توجه بازار را به خود جلب کرده است.

مدل جدید نسخه‌ای ارتقایافته و تنظیم‌دقیق‌شده از DeepSeek-V4.1-Flash است که در سپتامبر عرضه شد. وزن‌های مدل با مجوز MIT در پلتفرم‌هایی از جمله Hugging Face به‌صورت عمومی در دسترس قرار گرفته‌اند. همچنین، دیپ‌سیک مدل «deepseek-flash» را در وب‌سایت رسمی، اپلیکیشن موبایل و نقاط پایانی API خود به نسخه جدید ارتقا داده است.

پیشرفت چشمگیر یک مدل کوچک

از نظر معماری فنی، V4.1-Flash از ساختار ترکیب متخصصان (MoE) بهره می‌برد و در مجموع ۵۵۲ میلیارد پارامتر دارد. این مدل همچنین به یک ماژول حافظه موسوم به «Engram» با ۱۹۶ میلیارد پارامتر مجهز است. با این حال، هنگام پردازش هر توکن، در مرحله ورودی تنها ۸ میلیارد پارامتر و در مرحله خروجی ۱۶ میلیارد پارامتر فعال می‌شوند. این طراحی که بر ذخیره‌سازی گسترده دانش و فعال‌سازی محدود پارامترها تکیه دارد، به مدل امکان می‌دهد از حجم بزرگی از اطلاعات استفاده کند و در عین حال مصرف منابع محاسباتی را نسبتاً پایین نگه دارد.

بر اساس داده‌های بنچمارکی که دیپ‌سیک منتشر کرده است، این مدل در آزمون DeepSWE v1.1 که توانایی رفع نقص‌های نرم‌افزاری را می‌سنجد، امتیاز ۷۷٫۰ را کسب کرده است. این امتیاز از نتیجه ۷۴٫۰ برای Claude Opus 5 و ۷۳٫۰ برای GPT-5.6 Sol شرکت OpenAI بیشتر است. در آزمون Automation-Bench که مهارت مدل‌ها در خودکارسازی فرایندهای کسب‌وکار را ارزیابی می‌کند نیز V4.1-Flash با امتیاز ۶۰٫۵ برتری قابل‌توجهی نسبت به امتیاز ۵۰٫۳ مدل Opus 5 دارد. دیپ‌سیک ادعا می‌کند که در هر چهار آزمون عامل‌محور مورد بررسی از Opus 5 پیشی گرفته است.

با این حال، تمام این نتایج حاصل ارزیابی‌های خود دیپ‌سیک هستند و تاکنون هیچ تأیید مستقلی از سوی نهادهای شخص ثالث برای آن‌ها منتشر نشده است.

برتری چشمگیر از نظر هزینه

آنچه توجه بیشتری را در صنعت به خود جلب کرده، اختلاف هزینه‌هاست. بر اساس داده‌هایی که رسانه فناوری آلمانی The Decoder گزارش کرده است، اجرای هر وظیفه در آزمون DeepSWE با V4.1-Flash در تنظیمات حداکثری حدود ۰٫۲۰ دلار و در تنظیمات پایین‌تر حدود ۰٫۱۰ دلار هزینه دارد. با وجود کاهش هزینه در حالت دوم، دقت مدل همچنان بیش از ۷۲ درصد گزارش شده است. در مقابل، هزینه اجرای هر وظیفه با رقبایی مانند GPT-6 Astra و Claude Opus 5 بین ۲ تا ۱۰ دلار یا حتی بیشتر است.

دیپ‌سیک قیمت‌گذاری API خود را بدون تغییر حفظ کرده است: هزینه هر یک میلیون توکن ورودی در صورت نبود داده در حافظه نهان بین ۰٫۱۵ تا ۰٫۳۰ دلار و هزینه هر یک میلیون توکن خروجی بین ۰٫۶۰ تا ۱٫۲۰ دلار است. ساعات اوج مصرف در روزهای کاری از ساعت ۱۰ تا ۱۳ و ۱۵ تا ۱۹ به وقت ژاپن تعیین شده است و در سایر ساعات، قیمت‌ها به نصف کاهش می‌یابند.

دیپ‌سیک همچنین APIهای جست‌وجو و واکشی اطلاعات خود را که بر موتور جست‌وجوی اختصاصی این شرکت متکی هستند، در اختیار توسعه‌دهندگان قرار داده است. هزینه استفاده از این خدمات برای هر هزار درخواست موفق ۰٫۷۵ دلار است.

صنعت هوش مصنوعی با آزمون سودآوری روبه‌روست

راهبرد دیپ‌سیک برای ورود به بازار با محصولاتی که نسبت عملکرد به هزینه بسیار بالایی دارند، یکی از حساس‌ترین مسائل صنعت را برجسته کرده است. تنها یک روز پیش از رونمایی مدل جدید، آنتروپیک در سان‌فرانسیسکو تازه‌ترین اطلاعات مالی خود را در اختیار سرمایه‌گذاران بالقوه در عرضه اولیه سهام قرار داد. درآمد این شرکت در سه‌ماهه سوم سال ۲۰۲۶ به ۱۶٫۸ میلیارد دلار رسید که نسبت به سه‌ماهه قبل ۴۵ درصد افزایش داشت. آنتروپیک همچنین برای نخستین بار از دستیابی به «سودآوری تعدیل‌شده» و جریان نقدی مثبت خبر داد.

با وجود این ارقام چشمگیر، تردیدهای بازار به‌طور کامل برطرف نشده است. به گفته چهار فرد آگاه از موضوع، در نشست سرمایه‌گذاران در ۱۶ اکتبر، برخی سهام‌داران فعلی و سرمایه‌گذاران بالقوه در حال بازنگری ارزش‌گذاری آنتروپیک هستند. در این مذاکرات، رقم‌هایی در حدود ۱٫۵ تریلیون دلار مطرح شده که به‌طور محسوسی کمتر از ارزش‌گذاری ۲ تریلیون دلاری مورد انتظار پیش از این برای عرضه اولیه سهام شرکت است.

توضیح: داده‌ها بر اساس اطلاعات مالی ارائه‌شده به سرمایه‌گذاران آنتروپیک و اطلاعاتی است که پیش‌تر به‌صورت عمومی منتشر شده بود.

کاهش سرعت رشد درآمد، فوری‌ترین عامل نگرانی سرمایه‌گذاران است. درآمد شرکت در سه‌ماهه دوم بیش از دو برابر سه‌ماهه قبل شده بود، اما رشد آن در سه‌ماهه سوم به حدود ۴۵ درصد کاهش یافت. برخی تحلیلگران پیش‌تر پیش‌بینی کرده بودند که درآمد سالانه‌شده آنتروپیک تا پایان سال به ۱۱۰ میلیارد دلار برسد؛ هدفی که اکنون دستیابی به آن دشوار به نظر می‌رسد.

آسوات داموداران، استاد دانشکده کسب‌وکار استرن دانشگاه نیویورک، ارزش‌گذاری معکوسی برای آنتروپیک انجام داده است. بر اساس محاسبات او، اگر این شرکت در نهایت به حاشیه سود عملیاتی پس از مالیات ۳۰ درصدی دست یابد و هزینه سرمایه آن حدود ۱۰ درصد باشد، ارزش‌گذاری ۲ تریلیون دلاری در عرضه اولیه مستلزم آن است که درآمد سالانه شرکت ظرف ۱۰ سال پس از رسیدن به بلوغ به حدود ۱٫۲ تریلیون دلار برسد. اگر این فرایند ۱۵ سال طول بکشد، درآمد سالانه باید به حدود ۲ تریلیون دلار نزدیک شود.

واقعیت‌های مالی شرکت‌های چینی

وضعیت شرکت‌های چینی فعال در حوزه مدل‌های بزرگ، تناقض‌های عمیق‌تر این صنعت را آشکار می‌کند. شرکت Zhipu گزارش داده است که درآمد آن در نیمه نخست سال ۲۰۲۶ به ۹۵۴ میلیون یوان، معادل حدود ۱۴۲٫۷ میلیون دلار، رسیده که تقریباً ۴۰۰ درصد بیشتر از مدت مشابه سال قبل است. درآمد API این شرکت ۸۲۵ میلیون یوان، معادل حدود ۱۲۳٫۴ میلیون دلار، بوده که بیش از ۲۷ برابر افزایش یافته است. با این حال، زیان خالص شرکت در همین دوره همچنان از ۲ میلیارد یوان، معادل حدود ۲۹۹٫۱ میلیون دلار، فراتر رفت و حاشیه سود ناخالص آن از ۵۰ درصد در سال قبل به ۲۶٫۴ درصد کاهش یافت. تا ۱۴ اکتبر، ارزش کل بازار Zhipu در بورس هنگ‌کنگ حدود ۲۷۹ میلیارد دلار هنگ‌کنگ، معادل تقریباً ۳۵٫۶ میلیارد دلار آمریکا، بود؛ رقمی که نسبت به سطح یک تریلیون دلار هنگ‌کنگی که شرکت در ماه ژوئن برای مدتی از آن عبور کرده بود، بیش از ۷۰ درصد کاهش نشان می‌دهد.

شرکت MiniMax نیز در نیمه نخست سال درآمدی معادل ۱۱۷ میلیون دلار ثبت کرد که نسبت به سال قبل ۲۸۳ درصد افزایش داشت. حاشیه سود ناخالص آن نیز از ۱۲٫۱ درصد به ۱۷٫۹ درصد رسید؛ با این حال، زیان خالص تعدیل‌شده شرکت به ۲۹۳ میلیون دلار افزایش یافت. ارزش بازار MiniMax در ۱۴ اکتبر تنها حدود ۷۱٫۳ میلیارد دلار هنگ‌کنگ، معادل تقریباً ۹٫۱ میلیارد دلار آمریکا، بود.

اختلاف قیمت‌گذاری در بازارهای خصوصی و بازارهای عمومی نیز روزبه‌روز آشکارتر می‌شود. بر اساس گزارش‌ها، درآمد تکرارشونده سالانه‌شده (ARR) شرکت Moonshot AI در ماه اوت از یک میلیارد دلار فراتر رفت و در دور تأمین مالی جاری پیش از عرضه اولیه، ارزش این شرکت حدود ۵۰ میلیارد دلار برآورد شده است؛ یعنی تقریباً ۵۰ برابر ARR آن. درآمد سالانه‌شده دیپ‌سیک نیز در همین حدود، نزدیک به یک میلیارد دلار، تخمین زده می‌شود. دور جدید تأمین مالی این شرکت بر مبنای ارزش‌گذاری ۵۰۰ میلیارد یوان، معادل حدود ۷۴٫۸ میلیارد دلار، برنامه‌ریزی شده است که تقریباً معادل ۷۵ برابر ARR آن می‌شود. در همین حال، ارزش‌گذاری Zhipu و MiniMax در بازارهای عمومی به‌شدت اصلاح شده است.

ژو شیائوه، شریک مدیریتی شرکت سرمایه‌گذاری GSR Ventures، این تغییر را صریح بیان کرده است: پیش‌تر ارزش‌گذاری شرکت‌های هوش مصنوعی بر پایه روایت‌ها و چشم‌اندازهای مطرح‌شده درباره آن‌ها انجام می‌شد، اما از این پس باید بر مبانی و شاخص‌های واقعی کسب‌وکار تکیه کند.

بازیگران صنعت سخت‌افزار از حاشیه هشدار می‌دهند

حتی یکی از بزرگ‌ترین بهره‌مندان از رونق هوش مصنوعی نیز درباره وضعیت این صنعت هشدار می‌دهد. هاک تان، مدیرعامل برودکام، در کنفرانس DBS Asian Insights در سنگاپور در ۱۳ اکتبر، بسیاری از سرمایه‌گذارانی را که به حوزه هوش مصنوعی هجوم آورده‌اند، به قماربازان تشبیه کرد.

او گفت: «بسیاری از سرمایه‌گذاران واقعاً نمی‌دانند روی چه چیزی سرمایه‌گذاری می‌کنند. انتظارات بسیار افراطی دارند و بعد متوجه می‌شوند که شرایط تقریباً شبیه حضور در یک کازینو است.»

برودکام از اواخر سال ۲۰۲۳ تاکنون حدود ۶۸ میلیارد دلار درآمد از کسب‌وکار نیمه‌رساناهای هوش مصنوعی خود به دست آورده و یکی از طراحان اصلی تراشه‌های سفارشی هوش مصنوعی برای مراکز داده عظیم به شمار می‌رود. با این حال، تان خاطرنشان کرد که تأمین‌کنندگان تراشه می‌توانند از فروش سخت‌افزار سود ببرند، اما آزمایشگاه‌های هوش مصنوعی که توان محاسباتی می‌خرند، همچنان باید مشتریان پول‌پرداز کافی پیدا کنند تا هزینه توسعه و اجرای مدل‌های خود را پوشش دهند. برای نمونه، انتظار می‌رود OpenAI به‌تنهایی امسال بیش از ۲۵ میلیارد دلار صرف آموزش مدل‌ها کند.

تان گفت: «آن‌ها در حال حاضر همچنان زیان می‌دهند، زیرا سرمایه‌گذاری موردنیاز برای آموزش مدل‌ها بسیار عظیم است. صادقانه بگویم، در این مرحله، این وضعیت چیزی را ثابت نمی‌کند جز اینکه مدل‌های مولد هوش مصنوعی پیشرفته ظرفیت بسیار زیادی برای رشد درآمد دارند.»

او همچنین از شرکت‌هایی انتقاد کرد که بدون بررسی کافی روی کاربردهای هوش مصنوعی سرمایه‌گذاری می‌کنند و این رفتار را به «کودکی تشبیه کرد که در سالن بازی با توکن‌های بازی، ۱۰ دلار را در ۱۰ دقیقه خرج می‌کند، بی‌آنکه چیزی یاد بگیرد».

این هشدارها با یافته‌های نظرسنجی اخیر مک‌کنزی هم‌خوانی دارد. در این نظرسنجی، ۸۰ درصد پاسخ‌دهندگان گفتند هوش مصنوعی بهره‌وری شخصی آن‌ها را افزایش داده است، اما تنها ۳۷ درصد معتقد بودند که هوش مصنوعی تأثیر مثبتی بر سود عملیاتی سازمانشان پیش از کسر هزینه بهره، مالیات، استهلاک و کاهش ارزش (EBITDA) داشته است.

آیا شوک دیپ‌سیک تکرار خواهد شد؟

دیپ‌سیک در ژانویه ۲۰۲۵ مدلی با عملکرد بالا عرضه کرد که هزینه آموزش آن بسیار کمتر از نمونه‌های آمریکایی بود. این اتفاق نوسان شدیدی در سهام شرکت‌های هوش مصنوعی در سراسر جهان ایجاد کرد و به «شوک دیپ‌سیک» معروف شد. اکنون V4.1-Flash با فعال‌سازی ۱۶ میلیارد پارامتر و هزینه‌ای معادل یک‌دهم رقبا، محصولات پرچم‌دار آنتروپیک و OpenAI را به چالش می‌کشد و بار دیگر بحث درباره برتری بهره‌وری در برابر مقیاس را به کانون توجه بازگردانده است.

با این حال، ارزیابی محتاطانه همچنان ضروری است. مقایسه‌های منتشرشده از سوی دیپ‌سیک به چهار آزمون عامل‌محور محدود می‌شود و Claude Opus 5 در آزمون‌های گسترده‌تر همچنان برتری آشکاری دارد. افزون بر این، تمام داده‌های عملکردی از ارزیابی‌های خود دیپ‌سیک به دست آمده‌اند و هنوز هیچ آزمایش مستقل شخص ثالثی برای تکرار و تأیید نتایج در دسترس نیست.

در سطحی گسترده‌تر، تحقیقات کمیسیون تجارت فدرال آمریکا درباره شرکت‌های فعال در حوزه هوش مصنوعی پیشرفته همچنان ادامه دارد و بر زمان‌بندی عرضه اولیه سهام و انتظارات مربوط به ارزش‌گذاری بازیگران بزرگی مانند OpenAI و آنتروپیک تأثیر می‌گذارد. در شرایطی که سرمایه‌گذاران محتاط‌تر شده‌اند و سودآوری در اولویت قرار گرفته است، اینکه رویکرد کم‌هزینه دیپ‌سیک واقعاً بتواند جایگاه شرکت‌های بزرگ آمریکایی را در بازار متزلزل کند، به قابلیت اطمینان مدل‌های آن در کاربردهای واقعی و تأیید عملکرد ادعاشده از سوی ارزیابی‌های مستقل بستگی دارد.

در سه سال گذشته، مهم‌ترین پرسش در صنعت مدل‌های بزرگ این بود که «مدل چه شرکتی قوی‌تر است؟» اما اکنون پرسش اصلی به‌تدریج تغییر می‌کند: چه شرکتی می‌تواند هوش را با قیمت بالاتری بفروشد و هم‌زمان هزینه محاسبات را کاهش دهد؟ دیپ‌سیک به‌وضوح مسیر دوم را با جدیت بیشتری دنبال کرده است.