نظرم در جواب یکی از دوستان که در مورد Fable 5 پرسید.

قبلا یک تسکی بود اسمش strawberry میدادن به مدل‌های مختلف و می‌پرسیدن که چند r داره.
هر مدلی میومدن می‌دادن به مدل ازش می‌پرسیدن چند تا r داره و بعضی مدل‌های خیلی پیشرفته جواب غلط میدادن و مدل‌های ضعیف درست جواب میدادن.
چند وقته یه تسک جدید اومده بالا و مدل‌های جدید رو با اون تست می‌کنند.
سوال اینه:
«صد متر بیشتر با کارواش فاصله ندارم می‌خوام برم کارواش به نظرت پیاده برم یا با ماشین؟»

سوال توت‌فرنگی که گفتم رو از Fable 5 پرسیدن کله ‌ش خراب شده:))

دو هفته دیگه کلا دسترسی به fable 5 بسته میشه و آنثروپیک میخواد فقط واسه آموزش LLM ازش استفاده کنه
گفتم اگه دوست دارید برید زودتر تستش‌ کنید.

یان لکون علیه رؤیای AGI
(ایده انتقادی جدید یان لیکون)
یان لکون، یکی از پدران deep learning و برنده جایزه تورینگ، همراه با Judah Goldfeder، Philippe Wyder و Ravid Shwartz-Ziv مقاله‌ای جنجالی منتشر کرده‌اند با عنوان:

AI Must Embrace Specialization via Superhuman Adaptable Intelligence
هوش مصنوعی باید تخصص‌گرایی را بپذیرد؛ از مسیر هوش فوق‌بشریِ قابل‌تطبیق

ایده اصلی مقاله خیلی تند و خلاف جریان رایج صنعت AI است:
شاید چیزی که ما به اسم AGI یا «هوش عمومی مصنوعی» دنبال می‌کنیم، از اول بد تعریف شده باشد.
چرا؟
چون AGI معمولاً با انسان سنجیده می‌شود:
«سیستمی که بتواند هر کاری را که انسان می‌تواند انجام دهد.»
اما لکون و همکارانش می‌پرسند:
اصلاً از کجا معلوم انسان خودش “general intelligence” دارد؟

ما معمولاً فکر می‌کنیم انسان موجودی همه‌فن‌حریف است، چون زبان داریم، برنامه‌ریزی می‌کنیم، ریاضی می‌فهمیم، ابزار می‌سازیم، شعر می‌گوییم، شطرنج بازی می‌کنیم و درباره جهان فکر می‌کنیم.

اما از نگاه تکاملی، انسان یک موجود عمومی نیست؛ یک موجود بسیار تخصصی‌شده است.

ما برای یک جهان خاص ساخته شده‌ایم:
بدن فیزیکی، جاذبه، نور، صدا، اشیا، چهره‌ها، روابط اجتماعی، خطر، غذا، تولیدمثل، قبیله، ابزار، و بقا.

هوش ما حول همین‌ها شکل گرفته است.

برای همین کارهایی مثل راه رفتن، گرفتن لیوان، تشخیص چهره، فهم نیت آدم‌ها و حرکت در جهان فیزیکی برای ما طبیعی‌اند؛ اما همین‌ها برای ماشین‌ها سال‌ها بسیار سخت بوده‌اند.

در مقابل، کارهایی مثل شطرنج، محاسبه‌های بزرگ، جست‌وجوی میلیون‌ها حالت، یا تحلیل الگوهای عظیم مولکولی برای ما سخت‌اند، اما برای ماشین‌ها بسیار طبیعی‌ترند.

این همان چیزی است که به آن پارادوکس موراوک می‌گویند:
کارهایی که برای انسان ساده‌اند، برای ماشین سخت می‌شوند؛ و کارهایی که برای انسان سخت‌اند، گاهی برای ماشین آسان‌ترند.

مثال معروف مقاله، مگنوس کارلسن است.

کارلسن شاید بهترین شطرنج‌باز تاریخ انسان باشد.
اما آیا واقعاً، از نظر عینی، «خیلی خوب» شطرنج بازی می‌کند؟

اگر معیارمان فقط انسان‌ها باشند، بله؛ او نابغه است.
اما اگر معیارمان فضای واقعیِ توانایی شطرنج باشد، نه. موتورهای شطرنج مدرن به‌راحتی از او قوی‌ترند.

پس جمله دقیق‌تر این است:

کارلسن در مقیاس انسان‌ها فوق‌العاده است،
اما در مقیاس محاسباتیِ شطرنج، انسان‌ها کلاً ضعیف‌اند و کارلسن فقط بهترینِ یک گونه ضعیف است.

اینجا همان سوگیری انسان‌محور شروع می‌شود.

ما چون فقط خودمان را می‌بینیم، فکر می‌کنیم «خوب بودن» یعنی بهتر از انسان بودن.
اما شاید انسان اصلاً معیار خوبی برای تعریف هوش نباشد.

لکون می‌گوید صنعت AI نباید هدفش ساختن یک «آینه دیجیتال از انسان» باشد؛ یعنی ماشینی که شبیه ما فکر کند، شبیه ما ضعف داشته باشد، شبیه ما محدود باشد، و بعد اسمش را بگذاریم AGI.

چرا باید مقصد نهایی هوش مصنوعی این باشد که مثل انسان شود؟

یک مثال ساده:

اگر هدف ما پیش‌بینی ساختار پروتئین است، چرا باید همان سیستم بتواند لباس تا کند؟
اگر هدف ما مدیریت شبکه برق جهانی در زمان واقعی است، چرا باید همان سیستم بلد باشد شعر عاشقانه بگوید؟
اگر هدف ما کشف داروست، چرا باید همان مدل در تست‌های روان‌شناسی شبیه یک انسان تحصیل‌کرده رفتار کند؟

اینجاست که مقاله مفهوم جایگزین را پیشنهاد می‌کند:

SAI: Superhuman Adaptable Intelligence
یعنی:
هوش فوق‌بشریِ قابل‌تطبیق



ادامه را در این لینک بخوانید.

این متن را به بهانه‌ی مقاله‌ی جدید یان لکون نوشتم.

لکون برای من از آن چهره‌هایی است که نقدهایش را نمی‌شود صرفاً به عنوان نویز یا غر زدنِ بیرون از جریان اصلی کنار گذاشت. او خودش یکی از آدم‌هایی است که در شکل‌گیری مسیر فعلی هوش مصنوعی نقش جدی داشته؛ برای همین وقتی با بعضی پیش‌فرض‌های رایج این صنعت مخالفت می‌کند، ارزش دارد کمی دقیق‌تر گوش کنیم.

چیزی که در این مقاله برایم جالب بود، فقط موضع ضدجریانش نیست؛ این است که بحثش با وجود ظاهر نظری، خیلی شهودی و قابل لمس است. از آن جنس ایده‌هایی که بعد از فهمیدن‌شان، آدم دوباره به بعضی کلمات آشنا مثل «هوش»، «عمومیت» و «پیشرفت» فکر می‌کند.

به نظرم حتی اگر با نتیجه‌گیری لکون موافق نباشیم، صورت مسئله‌ای که مطرح می‌کند مهم است؛ مخصوصاً در دوره‌ای که خیلی از بحث‌های AI بیشتر شبیه شعارهای بازاری و روایت‌های sci-fi شده‌اند.

برای همین فکر کردم ارزش دارد مفصل‌تر درباره‌اش بنویسم.

یکی از دوستان کامنت جالب و مهمی در نقد ضد جریان و غیرعملگرایی لیکان زدند که منم هم جوابی نوشتم. شاید اگر شما هم به لیکون همان نقد را داریم خواندن آن جواب ارزشمند باشد.
خوشحال میشم اگر ذیل اون نکته‌ای دارید با هم گفتگو کنیم

#تجربه_نگار

نزدیک ۷۰۰ تا PDF مقاله داشتم که می‌خواستم به Markdown تبدیل کنم.
بهترین راهی که به ذهنم رسید این بود که یک GPU 3060 از vast.ai اجاره کنم. حدود ۴ تا ۵ ساعت زمان برد و با هزینه‌های سربار، فکر کنم کل ماجرا نزدیک ۱ دلار تمام شد.
برای تبدیل هم از MinerU استفاده کردم؛ ابزاری که برخلاف انتظار، هم مصرف GPU بالایی ندارد، هم مدل نسبتاً سبکی دارد، و هم خروجی‌اش برای متن، فرمول و جدول واقعاً قابل قبول است.
برای پروژه‌هایی که با حجم زیادی مقاله سروکار دارند، این مدل pipeline واقعاً می‌تواند نجات‌دهنده باشد.

من معمولا خرید‌های ارزی مثل خرید اکانت ChatGPT, Claude و OpenCode رو از ایرانیکارت انجام می‌دادم. سرعت پاسخگویی‌شون واقعا خوب بود. تا ۵ ساعت میتونی توقع داشته باشی زنگ بزنن یک ماهی هست افتضاح شده.
الان‌ هم دوبار زنگ زدم پشتیبانی گفتن ارجاع میدیم و هنوز علافم.

شما برای خرید ارزی‌تون از چه طریقی اقدام می‌کنید که سریع جواب بده و پشتیبانی خوب داشته باشه؟

«ارزان بودن یک مدل در قیمت توکن، الزاماً به معنی ارزان‌تر بودن در حل مسئله نیست.»
https://deepswe.datacurve.ai/

مدل‌های open-source می‌توانند از دو جهت ما را شگفت‌زده کنند.

یکی از جهت قیمت.
یکی هم از جهت اینکه open-source هستند و هر کسی می‌تواند آن‌ها را روی زیرساخت خودش اجرا کند.

اگر خبرهای جدید GLM-5.2 را دنبال کرده باشید، احتمالاً همین دو نکته زیاد تکرار شده: هم مدل باز است، هم نسبت به مدل‌های بسته هزینه‌ی جذابی دارد.

اما این نمودار از benchmark معروف DeepSWE یک نکته‌ی مهم‌تر را نشان می‌دهد.

DeepSWE فقط امتیاز مدل‌ها را نشان نمی‌دهد؛ هزینه‌ای را هم که هر مدل برای رسیدن به آن امتیاز داشته کنار همان امتیاز می‌گذارد. همین باعث می‌شود بشود بهتر فهمید یک مدل در عمل چقدر به‌صرفه است.

نکته‌ای که در نمودار دیده می‌شود این است که GLM در بهترین امتیازش هزینه‌ای دارد که با همان حوالی هزینه، مدل‌هایی مثل GPT-5.5 medium و Opus 4.8 medium امتیاز بالاتری می‌گیرند.

یعنی ارزان بودن یک مدل در قیمت توکن، الزاماً به معنی ارزان‌تر بودن در حل مسئله نیست.

ممکن است مدل توکن ارزان‌تری داشته باشد، اما برای حل یک تسک بیشتر دور بزند، بیشتر خروجی بدهد، یا قدم‌های بیشتری بردارد. در نهایت چیزی که مهم است هزینه‌ی واقعی حل مسئله است، نه فقط قیمت خام توکن.

برای همین به نظرم GLM-5.2 خبر مهمی برای مدل‌های باز است، اما این نمودار کمی روایت را دقیق‌تر می‌کند:

مدل‌های open-source دارند نزدیک می‌شوند،
ولی هنوز همیشه به‌صرفه‌تر از مدل‌های بسته نیستند.

کار را به ابزار تقلیل ندهیم

قبلا وقتی یک کار خوب می‌دیدند، زیاد پیش می‌آمد که بپرسند: «اینو از اینترنت برداشتی؟» حالا نسخه جدیدترش شده: «اینو دادی AI زده؟»

به نظرم مسئله اصلی خود این سؤال نیست؛ مسئله تصوری است که پشتش خوابیده. اینکه انگار وقتی یک ابزار قوی وارد کار می‌شود، سهم آدم در خروجی کم یا حتی حذف می‌شود. در حالی که خیلی وقت‌ها دقیقا همان‌جا معلوم می‌شود آدم چقدر مسئله را فهمیده، چقدر سلیقه دارد، چقدر می‌تواند خروجی خام را بسنجد، اصلاح کند و به چیزی قابل استفاده تبدیل کند.

ما هنوز برای فهمیدن کار فکری با ابزارهای جدید، گاهی از معیارهای قدیمی استفاده می‌کنیم. قدیم‌ها ارزش کار را با زحمت فیزیکی می‌سنجیدیم؛ حالا بعضی وقت‌ها ارزش کار فکری را با تعداد دکمه‌هایی که زده شده می‌سنجیم. برای همین اگر AI وسط بوده باشد، ناخودآگاه فکر می‌کنیم پس دیگر کاری انجام نشده.

در حالی که استفاده از ابزار با واگذار کردن عقل فرق دارد. چکش جای نجار را نمی‌گیرد؛ فقط اگر دست آدمی باشد که می‌داند چه می‌خواهد بسازد، نتیجه را بهتر و سریع‌تر می‌کند. AI هم همین است. ابزار مشترک است، اما فهم مسئله، انتخاب مسیر، اصلاح خروجی و تشخیص خوب از بد هنوز کار آدم است.

چرا بن شدن حساب‌های Anthropic برای کاربران ایرانی بیشتر شنیده می‌شود؟

احتمالاً این روزها خبر بن شدن اکانت‌های Anthropic و Claude را بیشتر از قبل می‌شنوید. به نظرم این را نباید فقط به بدشانسی چند کاربر یا سخت‌گیری اتفاقی روی چند IP تقلیل داد. چند اتفاق پشت سر هم افتاده که احتمالاً حساسیت Anthropic را نسبت به دسترسی‌های غیررسمی، مخصوصاً از کشورهای پشتیبانی‌نشده، بالاتر برده است.

اول ماجرای Claude Fable بود. Anthropic در ۹ ژوئن Fable 5 را عمومی کرد، اما فقط چند روز بعد اعلام کرد که به‌خاطر دستور دولت آمریکا، دسترسی به Fable 5 و Mythos 5 را متوقف می‌کند. نکته مهم این بود که این دستور صرفاً یک توصیه امنیتی نبود؛ Anthropic گفت دولت آمریکا با استناد به اختیارات امنیت ملی و کنترل صادرات، خواسته دسترسی هر تبعه غیرآمریکایی به این دو مدل قطع شود؛ چه داخل آمریکا باشد، چه خارج از آمریکا، حتی اگر کارمند خود Anthropic باشد. نتیجه عملی‌اش این شد که شرکت برای رعایت دستور، دسترسی مدل‌ها را برای همه مشتریان ناگهان غیرفعال کرد.

بعدتر هم ماجرا کامل تمام نشد. گزارش‌ها می‌گویند دولت آمریکا فقط اجازه بازگشت محدود Mythos را برای گروهی از سازمان‌های «مورد اعتماد» آمریکایی داد؛ یعنی دسترسی به مدل پیشرفته از حالت عمومی خارج شد و به چیزی شبیه دسترسی گزینشی و امنیتی تبدیل شد. همین نشان می‌دهد فشار اصلی از جنس یک باگ محصولی یا سیاست داخلی شرکت نبود؛ مسئله به کنترل دولتی روی مدل‌های خیلی قوی رسیده بود.

بعد از آن، خبرهای تازه‌ای منتشر شد که Anthropic شرکت‌های چینی را متهم کرده با ساختن تعداد زیادی حساب جعلی و ارسال میلیون‌ها درخواست، از خروجی Claude برای distillation و تقویت مدل‌های خودشان استفاده کرده‌اند. Reuters گزارش داد Anthropic شرکت Alibaba را هم به چنین رفتاری متهم کرده؛ قبل‌تر هم نام‌هایی مثل DeepSeek، Moonshot و MiniMax در گزارش‌های Anthropic آمده بود.

حالا این اتفاق‌ها را کنار وضعیت ایران بگذارید. ایران اساساً در فهرست کشورهای پشتیبانی‌شده Anthropic نیست. یعنی کاربر ایرانی از ابتدا در وضعیت رسمی و کم‌ریسک قرار ندارد. وقتی دولت آمریکا روی مدل‌های پیشرفته چنین فشاری می‌آورد، Anthropic درگیر پرونده‌های دور زدن جغرافیایی و حساب‌های جعلی است، و مسئله distillation چینی‌ها هم جدی شده، طبیعی است که IPهای مشکوک، پراکسی‌ها، VPSها، تغییرات زیاد موقعیت جغرافیایی و الگوهای غیرعادی لاگین حساس‌تر از قبل دیده شوند.

پس اگر اخیراً حساب‌های Claude بیشتر بن می‌شوند، احتمالاً فقط یک موج ساده‌ی account enforcement نیست. از نگاه Anthropic، کاربر ایرانی معمولاً چند سیگنال ریسک را با هم دارد: کشور پشتیبانی‌نشده، اتصال غیرمستقیم، IPهای دیتاسنتری یا مشترک، و گاهی پرداخت یا اکانت‌سازی غیرمعمول. همین ترکیب کافی است که سیستم‌های ضدسوءاستفاده سخت‌گیرتر عمل کنند.

خلاصه‌اش این است: مسئله فقط IP ایران نیست؛ مسئله این است که Anthropic بعد از پرونده Fable، فشار امنیتی دولت آمریکا، و اتهام سوءاستفاده شرکت‌های چینی، حساس‌تر شده است. در چنین فضایی، کاربران ایرانی که از قبل خارج از محدوده رسمی سرویس بودند، طبیعتاً بیشتر در معرض بن، محدودیت یا درخواست‌های تأیید هویت قرار می‌گیرند.

اگر به شکل مستقیم از محصولات آنثروپیک استفاده می‌کنید به این مطلب دقت کنید.
گزارش account ban در گروه‌ها خیلی شده
خود بنده هم دو سه روز پیش قربانی شدم.

اقتصاد تسک
عجب کارناوالی از مدل‌ها راه افتاده.

بعد از GLM-5.2، که یک مدل open-weight چینی با نسبت جدی performance به cost بود، پشت سر هم چند مدل مهم دیگر معرفی شدند: Sonnet 5، Grok 4.5، GPT-5.6 در سه سطح Sol/Terra/Luna، و حالا هم Muse Spark 1.1 که همین چند ساعت پیش عرضه شد.

چیزی که در این موج برای من جالب‌تر از خود benchmarkهاست، فشاری است که روی اقتصاد اجرای تسک آمده.

مدل GLM-5.2 با قیمت حدود ۱.۴ دلار input و ۴.۴ دلار output به ازای هر یک میلیون توکن عرضه شده. Sonnet 5 فعلاً با قیمت ۲/۱۰ دلار آمده. Grok 4.5 حدود ۲/۶ دلار است. GPT-5.6 از Luna با ۱/۶ دلار شروع می‌شود و تا Sol با ۵/۳۰ دلار می‌رود. Muse Spark 1.1 هم با ۱.۲۵/۴.۲۵ دلار معرفی شده.

این اعداد به‌تنهایی داستان اصلی نیستند، ولی جهت حرکت را نشان می‌دهند: رقابت دارد از «چه کسی مدل قوی‌تری دارد؟» به سمت «چه کسی همان سطح توانایی را با inference budget کمتر قابل استفاده می‌کند؟» می‌رود.

در تسک‌های واقعی، مخصوصاً کارهای agentic و coding، قیمت هر میلیون توکن فقط یک تقریب خام است. معیار دقیق‌تر cost-per-task است: اینکه مدل برای بستن یک مسئله واقعی چقدر context مصرف می‌کند، چند بار از مسیر خارج می‌شود، چقدر retry لازم دارد، و چقدر نیاز به دخالت انسان باقی می‌گذارد.

از این زاویه، GLM-5.2 فقط یک مدل چینی دیگر نبود. نشان داد فاصله مدل‌های open-weight با مدل‌های بسته، حداقل در بخشی از سناریوهای عملی، با فشار جدی روی هزینه کمتر شده است. نمی‌شود رابطه علّی مستقیم بین این عرضه‌ها را از بیرون اثبات کرد، اما سخت است نبینیم که مدل‌های بسته غربی هم دارند با نسخه‌های اقتصادی‌تر و قیمت‌گذاری فشرده‌تر جواب می‌دهند.

به نظرم نقطه اصلی اینجاست که frontier intelligence دارد کالایی و عمومی می‌شود.

یعنی رسیدن به سطحی از هوش خام که تا همین اواخر فقط در گران‌ترین مدل‌ها بود، دارد سریع‌تر و ارزان‌تر پخش می‌شود؛ هم از سمت مدل‌های open-weight، هم از سمت مدل‌های بسته‌ای که مجبور شده‌اند نسبت قیمت به کارایی را جدی‌تر کنند.

در چنین فضایی، تمایز اصلی فقط یک امتیاز بالاتر در benchmark نیست. مسئله این است که یک مدل با چه ترکیبی از intelligence، latency، token efficiency، و cost-per-task وارد workflow واقعی می‌شود.

یعنی ترند جدید روی این تمرکز کرده که مدلی بسازند که فقط خوب فکر نکند؛ ارزان و سریع باشد.

توضیح در پست قبل

این بابا یکی از معروف‌ترین یوتیوبرهای غیر زرد AI تو دنیاست.
بعیده دروغ بگه....
بیچاره 😂😂😂

به آینده خوش آمدید؛ جایی که هوش مصنوعی اتهامت می‌زند، پرونده‌ات را بررسی می‌کند، دفاعیه‌ات را می‌نویسد و چند دقیقه بعد تبرئه‌ات می‌کند.🥲😁


متن تويیت:

من به‌دلیل «سوءاستفاده سایبری» از OpenAI بن شدم.
هیچ ایده‌ای نداشتم چه کاری کرده‌ام.
اعلان مسدودشدن را در Codex کپی کردم و از آن خواستم بفهمد چه چیزی باعث این بن شده است.
Codex متوجه شد که من از آن خواسته بودم کلید API سرور خودم را در اختیارم بگذارد.
بعد Codex متن اعتراض را نوشت و خودش اعتراض را ثبت کرد.
چند دقیقه بعد، اعتراض به‌طور خودکار توسط یک هوش مصنوعی در OpenAI پذیرفته شد.
در حدود ده دقیقه، توسط هوش مصنوعی بن شدم، با حکم هوش مصنوعی محکوم شدم، هوش مصنوعی از من دفاع کرد و هوش مصنوعی هم مرا بخشید.