شرکت چینی دیپسیک که پیش از این با ارائه راهکارهای مقرونبهصرفه و کارآمد توجه بازارهای جهانی و والاستریت را به خود جلب کرده بود، بار دیگر با دستاوردهایی نوین بازگشته است. این شرکت اخیراً از دو مدل زبانی جدید با نامهای V3.2 و V3.2-Speciale پردهبرداری کرد.
ادعاهای مطرح شده نشان میدهد که این مدلها در بنچمارکهای تخصصی، بهویژه در زمینه ریاضیات و استدلال، عملکردی خیرهکننده داشته و توانستهاند در برابر رقبای قدرتمند آمریکایی مانند GPT-5 و Gemini 3.0 Pro قد علم کنند. این پیشرفت نشاندهنده گامی بزرگ در تکامل انواع هوش مصنوعی استدلالگر در سطح جهانی است.
عملکرد فنی و شکستن رکوردهای جهانی در ریاضیات و برنامهنویسی
بر اساس بنچمارکهای منتشر شده توسط دیپسیک، نسخه ویژه این مدل جدید توانسته است استانداردهای عملکردی را جابهجا کند. مدل V3.2-Speciale که برای محاسبات سنگین طراحی شده، موفق شده است از مدل GPT-5 High شرکت OpenAI پیشی بگیرد و عملکردی همتراز با Gemini 3.0 Pro گوگل ارائه دهد.
این موفقیت تنها به اعداد و ارقام محدود نمیشود؛ بلکه اوج قدرت این مدل در حل مسائل پیچیده دیده میشود. کسب مدال طلا در المپیاد جهانی ریاضی ۲۰۲۵ (IMO) و المپیاد جهانی انفورماتیک (IOI) گواهی بر توانایی بالای این سیستم در پردازشهای منطقی و کدنویسی است.
دستهبندی مدلها: نسخه استاندارد و نسخه ویژه برای نیازهای متفاوت
دیپسیک برای پاسخگویی به طیف وسیعی از کاربران، فناوری خود را در دو نسخه مجزا عرضه کرده است. نسخه اول که V3.2 استاندارد نام دارد، با تمرکز بر سرعت بهینه و کارایی بالا طراحی شده و هماکنون از طریق وبسایت و اپلیکیشن این شرکت در دسترس عموم قرار دارد. این نسخه رقیبی جدی برای نسخههای پایه مدلهایی نظیر GPT-5 محسوب میشود.
در مقابل، نسخه V3.2-Speciale قرار دارد که محدودیتهای معمول در طول پاسخدهی را حذف کرده است. این مدل با بهرهگیری از ۶۸۵ میلیارد پارامتر، مختص حل دشوارترین مسائل علمی و فنی است. به دلیل نیاز به زیرساختهای پردازشی قدرتمند، دسترسی به این نسخه در حال حاضر تنها از طریق API امکانپذیر است و برای کاربران حرفهای و سازمانها در نظر گرفته شده است.
نوآوریهای کلیدی در معماری هوش مصنوعی استدلالگر
مهندسان دیپسیک برای رسیدن به این سطح از هوشمندی و کارایی، سه نوآوری مهم را در معماری مدلهای خود پیادهسازی کردهاند. نخستین نوآوری، استفاده از معماری «توجه پراکنده» (DSA) است. این تکنیک پیچیدگی محاسباتی را در متنهای طولانی به طرز چشمگیری کاهش میدهد بدون اینکه دقت مدل دچار افت شود؛ نتیجه این امر پردازش سریعتر با سختافزار کمتر است.
دومین محور توسعه، استفاده از «یادگیری تقویتی مقیاسپذیر» است. محققان بودجه محاسباتی را در مرحله پسآموزش افزایش دادهاند تا مدل بتواند از طریق فرآیند آزمون و خطا، توانایی استدلال خود را بهبود بخشد. سومین فاکتور نیز تولید داده مصنوعی است که شامل ایجاد بیش از ۸۵ هزار پرامپت پیچیده و ۱۸۰۰ محیط شبیهسازی شده برای آموزش ایجنتها جهت انجام وظایف عملی در دنیای واقعی میشود. این ترکیب باعث خلق یک هوش مصنوعی استدلالگر قدرتمند شده است.
چالش هزینه و تغییر نگرش سرمایهگذاران
یکی از دلایل اصلی نگرانی سرمایهگذاران غربی نسبت به مدلهای دیپسیک، نسبت بسیار بالای کارایی به هزینه در محصولات این شرکت است. دیپسیک با عرضه مدلهای متنباز و ارزانقیمت، روایتی را که شرکتهای بزرگی مانند OpenAI و گوگل مبنی بر گران بودن ذاتی توسعه هوش مصنوعی ترویج میکردند، به چالش کشیده است. این شرکت ثابت کرده که برای دستیابی به سطوح بالای هوشمندی، لزوماً نیازی به صرف میلیاردها دلار سرمایه نیست و میتوان با معماری بهینه به نتایج مشابه یا حتی بهتر دست یافت.
اگر به هوش مصنوعی و دنیای اپلیکیشن ها علاقهمند هستید، با ما همراه شوید تا از جدیدترین اخبار مطلع بمانید.
ابزارهای هوش مصنوعی مانند موز نانویی برای جان بخشیدن به نقاشیهای کودکان، به خوبی نشان میدهد که چگونه ابزارهای هوش مصنوعی به بخشی از سرگرمیهای روزمره ما تبدیل شدهاند. بسیاری از کاربران پس از خلق چنین تصاویری، به سراغ هوش مصنوعی برای ساخت ریلز میروند تا این تحولات جادویی را به صورت ویدیوهای کوتاه و جذاب به اشتراک بگذارند.
