بررسی مدل هوش مصنوعی کوئن، اقتصاد پردازش و پیشرفت‌های هوش مصنوعی

مروری بر مهم‌ترین مطالب تامز هاروارد پرمیوم شامل بنچمارک مدل Qwen 3.8، چالش‌های بازار رایانش و دستاوردهای جدید هوش مصنوعی.

تتیم تحریریه۵ دقیقه مطالعه۰ بازدید۶ روز پیش
بررسی مدل هوش مصنوعی کوئن، اقتصاد پردازش و پیشرفت‌های هوش مصنوعی

اگر هنوز اشتراک تامز هاروارد پرمیوم (Tom's Hardware Premium) را تهیه نکرده‌اید، ما با این بسته هفتگی از تمام مطالبی که در طول هفته منتشر کرده‌ایم، شما را همراهی می‌کنیم.

برای شروع هفته، متخصص ارشد جی‌پی‌یو و کارشناس استنتاج ما، جف کمپمن (Jeff Kampman)، وظیفه طاقت‌فرسای اجرای مدل Qwen 3.8 27B را بر روی چندین دستگاه که احتمالاً توانایی خرید آن‌ها را دارید، بر عهده گرفت. این مدل سطحی از عملکرد نزدیک به مدل‌های مرزی (Frontier) را بدون نکات منفی ناشی از پرداخت برای اشتراک مبتنی بر ای‌پی‌آی یا صورت‌حساب توکنی نوید می‌دهد.

آنچه جف پس از تعداد سرگیجه‌آوری از بنچمارک‌ها روی دستگاه‌هایی مانند RTX 5090، مکنیش مینی (Mac Mini)، DGX Spark و سیستم‌های Strix Halo متوجه می‌شود، این است که پیکربندی به اندازه خروجی‌های خام نهایی توکن بر ثانیه که بسیاری در شبکه‌های اجتماعی برای آن سر و صدا می‌کنند، اهمیت دارد. بنچمارک کردن مدل‌های هوش مصنوعی هنوز موضوعی کاملاً نوپا است و سطح جزئیات ارائه شده در اینجا چیزی نیست که در جای دیگری منتشر شده باشد.

  • Benchmarking Qwen 3.8 27B on RTX 5090 and beyond — VRAM capacity alone can't overcome severe software and inference engine bottlenecks

اندرو فریدمن (Andrew Freedman) هفته گذشته به نمایشگاه IFA رفت؛ جایی که شاهد مجموعه‌ای از معرفی‌ها و دستگاه‌های جدید از شرکت‌ها بودیم. اما یک مشکل وجود دارد. آن‌ها همگی یا رقیب‌های فوق‌العاده سبک مک‌بوک نئو (MacBook Neo) هستند یا رایانه‌های شخصی هوش مصنوعی عاملی (Agentic AI PCs) که ممکن است قیمتی بیشتر از یک خودرو داشته باشند. در نتیجه، قیمت «طلایی» اصلی برای بسیاری از علاقه‌مندان، یعنی حدود ۱۰۰۰ دلار، کمی تنها به نظر می‌رسد.

عوامل تأثیرگذار بر میان‌رده رایانزهای رومیزی و لپ‌تاپ‌های معمولی، تحت تأثیر مقیاس خالص تقاضا ناشی از گسترش مداوم مرکز داده هوش مصنوعی قرار گرفته‌اند. این بدان معناست که اگر به دنبال سیستمی با رم و ذخیره‌سازی کافی برای گذران امور هستید، قیمت‌ها می‌توانند به سرعت سر به فلک بکشند. اندرو تمام چیزهایی را که در نمایشگاه دیده بررسی می‌کند و درباره وضعیت فعلی بازار سیستم‌ها که در حال حاضر تکه‌تکه شده به نظر می‌رسد، تأمل می‌کند.

  • At IFA 2026, computing chased the high and low ends — AI and budget-focused machines left little for the rest of us

در جای دیگری از صنعت، شرکت آجینوموتو (Ajinomoto) که معمولاً با محصولات غذایی مستقر در ژاپن شناخته می‌شود، در ساخت برخی از مهم‌ترین مواد در شتاب‌دهنده‌های مدرن هوش مصنوعی نقش دارد. ما بررسی کرده‌ایم که چگونه بسترهای ABF این شرکت در زنجیره تامین بزرگترین تراشه‌سازان مانند انویدیا (Nvidia)، اینتل (Intel) و ای‌ام‌دی (AMD) قرار می‌گیرند. اما مانند بسیاری از قطعات در رونق هوش مصنوعی، این زنجیره تحت فشار تقاضایی بیش از حد انتظار است که منجر به افزایش حدود ۳۰ درصدی قیمت‌ها شده است. ما به بررسی عمیق وضعیت فعلی استفاده از بسترهای ABF در صنعت نیمه‌هادی می‌پردازیم و زنجیره‌های تامین زیربنایی آن را بررسی می‌کنیم.

  • The state of ABF substrates in data center silicon in 2026 — solving the supply crunch and material wall beneath every AI accelerator

همچنین در اخبار، شرکت‌های تی‌اس‌ام‌سی (TSMC)، اینتل و سامسونگ (Samsung) همگی حمایت خود را از ASML اعلام کرده‌اند. این صنعت به طور جمعی قصد دارد به سمت تغییر به فناوری High-NA EUV، به ویژه در استفاده از فتوماسک‌های ۶×۱۲ اینچی حرکت کند. با استانداردهای فعلی که روی فتوماسک‌های ۶×۶ اینچی تنظیم شده‌اند، یک ماسک بزرگتر نیاز به دوخت (Stitching) را که چندین نوردهی High-NA را به هم می‌بافد، به قیمت کاهش کارایی از بین می‌برد.

ما تجزیه و تحلیل می‌کنیم که انتقال به فتوماسک‌های بزرگ‌تر چگونه ممکن است رقم بخورد و آزمایش‌ها و مصیبت‌هایی که ممکن است تراشه‌سازان در طول این تغییر با آن مواجه شوند، که از نظر تئوری سال‌ها طول خواهد کشید، چیست.

  • TSMC, Samsung, and Intel shore up support with ASML to deploy larger High-NA EUV photomasks — 6×12-inch photomask transition may take years despite unified effort

در نهایت، اخبار این هفته تحت تأثیر انتشار آخرین مدل سطح مرزی OpenAI قرار داشته است. این مدل هوش مصنوعی که GPT-6 Astra نام دارد، به سرعت برای هوش و توانایی خود در انجام وظایف به صورت تک به تک با هزینه کمتر نسبت به سایر مدل‌های پیشرو هوش مصنوعی، در صدر جدول‌ها قرار گرفت. این رویداد بلافاصله پس از فعالیت ناوگانی از عوامل سرکش OpenAI در فروم‌های اینترنتی رخ داد که همگی به خاطر هماهنگی بودند.

انتشار آسترا باعث شد OpenAI پست وبلاگی را منتشر کند و توضیح دهد که چگونه معتقد است آسترا به صورت داخلی هم‌راستا شده است. اما دیگران بر این باورند که تهدید یک «تکینگی» فناوری قریب‌الوقوع و تهدیدکننده بشریت که توسط مدل‌های قدرتمندی مانند آسترا تقویت می‌شود، در راه است.

OpenAI همچنین ادعا کرده است که یکی از مسائل هزاره (Millennium Problems) را حل کرده است. مسئله ناویه-استوکس (Navier-Stokes) برای مدت‌ها حل نشده باقی مانده بود، در حالی که ریاضیدان تریستان باک‌مستر (Tristan Buckmaster) روی گامی به سوی راه‌حل این مسئله در کنار یکی از اعضای کارمندان آنتروپیک (Anthropic) کار می‌کرد. این دو نفر از مدل‌های Anthropic و OpenAI در تحقیقات خود استفاده می‌کردند، بنابراین وقتی این ادعا مطرح شد که یک مدل OpenAI این مسئله دیرینه را حل کرده است، ابروهای زیادی را به بالا هدایت کرد. ما کل این حماسه و پیامدهای آن را برای محققان در تحلیل جامع خود روایت می‌کنیم.

  • OpenAI's breakthrough solution for the elusive Navier-Stokes problem overshadowed by plagiarism controversy — researcher says OpenAI scraped Codex session and issued career threats
  • OpenAI claims GPT-6 Astra is an ethereal 'Alien Mind' with AGI-like qualities — company warns of alignment challenges as new frontier leader emerges

اشتراک پرمیوم: ۲۹ دلار
این اشتراک تامز هاروارد پرمیوم را از دست ندهید. دسترسی کامل یک ساله را فقط با ۲۹ دلار یا از ۷ دلار در ماه دریافت کنید. تحلیل‌های روزانه اخبار، بررسی‌های عمیق در موضوعات تخصصی صنعت نیمه‌هادی و همچنین دسترسی به Bench، بزرگترین پایگاه داده بنچمارک در اطراف را دریافت کنید.

اگر مایل به خواندن هر یک از مقالات بالا و دسترسی به Bench هستید، باید اشتراک خریداری کنید. حمایت شما راهگشای ما در انتشار داستان‌های عمیق‌تر و بینش‌محورانه‌تری است که ممکن است خارج از حوزه‌های پوشش معمولی ما قرار گیرند.


منبع: tomshardware.com

نظرات۰

برای نوشتن نظر، وارد حساب خود شوید.

ورود / ثبت‌نام

هنوز نظری ثبت نشده — اولین نفری باش که نظر می‌دهد.