بهترین هوش مصنوعی فارسی با «رایگان» پیدا نمی‌شود؛ مدل پشت سرویس مهم است

دستیار فارسی مناسب برای همهٔ کارها یکسان نیست. برای نوشتن، ترجمه، پژوهش یا برنامه‌نویسی، ابتدا باید دید کدام مدل در طرح قابل‌دسترس شما کار می‌کند، چه امکانات و محدودیت‌هایی دارد و با متن واقعی شما چه نتیجه‌ای می‌دهد. برچسب «رایگان» هیچ‌کدام از این پرسش‌ها را به‌تنهایی پاسخ نمی‌دهد.

مسیر انتخاب از وظیفه می‌گذرد: در ویرایش و ترجمه، حفظ معنا و لحن مهم است؛ در پژوهش، امکان پیگیری ادعاها؛ و در برنامه‌نویسی، اجرای کد و پوشش حالت‌های خطا. پس از آن، سقف استفاده، روش پرداخت و شرایط پردازش داده تعیین می‌کنند که گزینهٔ مناسب روی کاغذ برای کار روزمرهٔ شما هم مناسب هست یا نه.

نام سرویس را از مدل درون آن جدا کنید

یک سرویس می‌تواند چند مدل را در یک رابط عرضه کند. پاسخ به پرسش «از کدام دستیار استفاده کردی؟» بنابراین برای مقایسه کافی نیست؛ نام مدل، نوع طرح و ابزارهای فعال نیز لازم‌اند. قابلیت بارگذاری فایل یا جست‌وجوی وب هم فقط زمانی به انتخاب کمک می‌کند که بدانید با مدل موردنظر شما و در همان طرح در دسترس است.

راهنمای رسمی AvalAI در بخش امکانات پایه، برای GPT-4o سقف ۱۵ پیام و برای GPT-5 Nano سقف ۳۵ پیام در هر ۳ ساعت درج می‌کند. این تفاوت نشان می‌دهد «استفادهٔ رایگان از یک سرویس» لزوماً ظرفیت یکسانی برای مدل‌های آن فراهم نمی‌کند؛ هیچ‌یک از این سقف‌ها نیز به‌خودی‌خود دربارهٔ کیفیت پاسخ داوری نمی‌کند.

صفحهٔ محصولات AvalAI پس از فهرست مدل‌های رایگان، برای هر مدل «دست‌کم ۳۵ پیام در هر ۳ ساعت» می‌آورد؛ این عبارت با سقف GPT-4o در راهنما همخوان نیست. برای برنامه‌ریزی کار پرحجم، محدودیت نمایش‌داده‌شده در حساب و طرحی را که واقعاً می‌خرید مبنا قرار دهید. اختلاف دو صفحه دلیل دیگری است که یک عددِ جداشده از نام مدل و طرح، معیار مطمئنی برای انتخاب نیست.

برای هر کار، چه چیزی را باید مقایسه کرد؟

در نوشتن فارسی، سرویس مناسب آن است که متن را برای مخاطب و قالب موردنظر شما بازنویسی کند، بی‌آنکه نام، عدد یا ادعایی به آن بیفزاید. اگر کار شما نامهٔ رسمی است، روانی یک پاسخ گفت‌وگویی معیار خوبی نیست؛ اگر متن برای انتشار است، حفظ نسبتِ ادعاها به گوینده و یکدستی لحن اهمیت بیشتری دارد. نمونهٔ آزمون را از همان نوع متنی بردارید که معمولاً ویرایش می‌کنید.

در ترجمه، متن مبدأ باید کنار خروجی بماند. یک بند دارای اصطلاح تخصصی، ارجاع مبهم یا تفاوت ظریف زمانی بهتر از چند جملهٔ ساده نشان می‌دهد مدل تا چه حد به معنا وفادار است. فارسیِ خوش‌خوان می‌تواند خطای ترجمه را پنهان کند؛ برای مخاطب افغانستان یا دیگر فارسی‌زبانان نیز واژگان و گونهٔ زبانی مطلوب را در درخواست مشخص کنید.

در پژوهش، دو قابلیت را جدا بسنجید: دسترسی سرویس به اطلاعات بیرونی و توانایی آن در نسبت‌دادن درست هر ادعا به یک نشانی قابل‌بازکردن. داشتن ابزار جست‌وجو تضمین نمی‌کند که ارجاع به همان گزاره مربوط باشد. اگر قرار است پاسخ در نوشته‌ای مستند استفاده شود، هزینهٔ بازبینی منبع بخشی از کار است؛ پاسخی که منبع ندارد همچنان می‌تواند برای طرح‌ریزی پرسش‌ها مفید باشد.

در برنامه‌نویسی، پاسخ خوب فقط کدی با ظاهر مرتب نیست. زبان و نسخه، ورودی نامعتبر، حالت مرزی و روش اجرای آزمون را در درخواست بیاورید و نتیجه را اجرا کنید. اگر مدل قرار است در محصولی از راه API استفاده شود، دسترسی به مدل مشخص، تعرفهٔ مصرف و محدودیت درخواست‌ها نیز وارد تصمیم می‌شود؛ کیفیت یک پاسخ آزمایشی جای این شرایط را نمی‌گیرد.

امتیاز فارسی چه چیزی را اندازه می‌گیرد؟

رتبه‌بندی دات‌هوش برای کیفیت فارسی به Claude امتیاز ۹٫۰، به GPT امتیاز ۸٫۶ و به Gemini امتیاز ۸٫۳ می‌دهد و خود این اعداد را ارزیابی تحریریه‌ای، نه نتیجهٔ بنچمارک رسمی، معرفی می‌کند. صفحه بر کیفیت زبان فارسی تمرکز دارد، نه قدرت کلی مدل؛ از آن نمی‌توان برندهٔ قطعی ترجمهٔ تخصصی، پژوهش یا کدنویسی را نتیجه گرفت.

نام‌هایی مانند GPT و Gemini نیز خانواده‌ای از مدل‌ها را به ذهن می‌آورند، در حالی که کاربر در نهایت با نسخه‌ای مشخص، در یک سرویس و طرح مشخص کار می‌کند. برای پرسش محدودترِ انتخاب میان محصولات این دو سازنده، مقایسهٔ آن‌ها در آزمون‌های فارسی نشان می‌دهد چرا نوع وظیفه در تفسیر نتیجه اثر دارد. امتیاز تحریریه‌ای می‌تواند گزینه‌های اولیه را مشخص کند، اما نباید جای آزمون متن و شرایط استفادهٔ خودتان بنشیند.

درخواست‌های ثابت برای سنجش با متن خودتان

برای مقایسه، یک ورودی ثابت را در گفت‌وگویی تازه به مدل‌های موردنظر بدهید و نام مدل و طرح را کنار پاسخ ثبت کنید. متن داخل کروشه را با نمونهٔ واقعیِ غیرمحرمانه جایگزین کنید. پیش از دیدن خروجی، روشن کنید چه چیزی پاسخ را برای کار شما قابل‌قبول می‌کند؛ وگرنه روانی نثر ممکن است خطای معنایی یا فنی را بپوشاند.

1. ویرایش: «این متن را برای [مخاطب] روان‌تر کن. نام‌ها، عددها و ادعاها را تغییر نده و ادعای تازه اضافه نکن. اگر عبارتی مبهم است، آن را پس از متن مشخص کن: [متن فارسی].» حفظ اطلاعات را با نسخهٔ اصلی بسنجید، نه فقط خوش‌آهنگی جمله‌ها را.
2. ترجمه: «این بند را به فارسی معیار برای [مخاطب] ترجمه کن. اصطلاحات تخصصی را یکدست نگه دار. اگر عبارتی دو برداشت معتبر دارد، پس از ترجمه هر دو را توضیح بده: [بند مبدأ].» سپس معنای جمله‌ها و ثبات واژه‌گزینی را با متن مبدأ تطبیق دهید.
3. پژوهش: «به [پرسش] پاسخ بده. برای هر ادعای اصلی، نشانی منبع مرتبط را کنار همان ادعا بیاور. اگر منبع قابل‌پیگیری نداری، آن بخش را به‌صورت نامطمئن مشخص کن.» بازشدن نشانی و پشتیبانی آن از ادعا را جداگانه بررسی کنید.
4. برنامه‌نویسی: «در [زبان و نسخه] تابعی برای [کار مشخص] بنویس. ورودی نامعتبر و یک حالت مرزی را پوشش بده؛ فرض‌ها و روش اجرای آزمون را بنویس.» کد را در محیط موردنظر اجرا کنید و رفتار آن را با ورودی‌های تعیین‌شده بسنجید.

نتیجه‌ها را برای هر وظیفه جدا نگه دارید. مدلی که نامه‌ای روان می‌نویسد ممکن است اصطلاح تخصصی را در ترجمه جابه‌جا کند؛ مدلی که توضیح کد خوبی می‌دهد ممکن است کد قابل‌اجرا تحویل ندهد. اگر سرویس نام مدل را نشان نمی‌دهد، همان ابهام را در یادداشت مقایسه نگه دارید تا تغییر بعدی پاسخ را به‌اشتباه نشانهٔ تغییر کیفیت یک مدل ثابت ندانید.

هزینه و داده در انتخاب سرویس چه نقشی دارند؟

برای کاربر داخل ایران، روش پرداخت ریالی می‌تواند استفاده را ساده‌تر کند، اما کیفیت مدل را تعیین نمی‌کند. هزینهٔ واقعی به حجم کار، سقف طرح، امکاناتی مانند جست‌وجو یا تحلیل فایل و، در صورت نیاز، تعرفهٔ API وابسته است. برای کاربر خارج از ایران نیز شرایط ثبت‌نام و پرداخت ممکن است فرق کند؛ مقایسه باید بر پایهٔ طرحی باشد که واقعاً در دسترس اوست.

متن مشتری، فایل کاری و کد خصوصی را پیش از روشن‌شدن شرایط نگهداری و پردازش داده وارد سرویس نکنید؛ برای آزمون اولیه می‌توان از نمونهٔ بی‌نام استفاده کرد. انتخاب نهایی زمانی قابل‌دفاع است که مدلِ در دسترس در وظیفهٔ اصلی شما نتیجهٔ قابل‌بررسی بدهد و هزینه، سقف استفاده و شرایط داده با همان کار سازگار باشند.

بیشتر بخوانید:

• ChatGPT یا Gemini برای فارسی؛ برنده با نوع آزمون عوض می‌شود
• Microsoft: هوش مصنوعی زمان بعضی حملات سایبری را به ثانیه رسانده است
• عامل‌های OpenAI داخل AWS اجرا می‌شوند؛ پیش‌نمایش فقط در سه منطقه است