مدل‌های OpenAI به Google Cloud می‌آیند؛ تعهد ابری هم قابل‌خرج است

OpenAI و Google Cloud در اعلامیهٔ ۲۱ اکتبر ۲۰۲۶ Google Cloud جزئیات عرضهٔ مدل‌های OpenAI را منتشر کردند: GPT-6 Astra، GPT-6.1 Sol و GPT-6 Luna اکنون در Model Garden برای گروهی منتخب از مشتریان سازمانی وارد پیش‌نمایش خصوصی می‌شوند. خرید این مدل‌ها از Google Cloud Marketplace انجام می‌شود و هزینهٔ استفاده می‌تواند از تعهد هزینهٔ موجود مشتری به Google Cloud کسر شود.

به‌موجب اعلام همکاری OpenAI، گردش‌کارهای Codex نیز به این مسیر می‌پیوندند و عرضهٔ عمومی برای هفته‌های آینده برنامه‌ریزی شده است. بنابراین شرکتی که امروز قرارداد و داده‌هایش را در Google Cloud دارد، مسیر خرید و ارزیابی مدل‌های OpenAI را در همان محیط خواهد داشت؛ اما دسترسی فعلی به مدل‌ها هنوز به مشتریان منتخب پیش‌نمایش محدود است.

کدام مدل‌ها اکنون در دسترس‌اند؟

فهرست اولیه سه مدل با کاربردهای متفاوت دارد. GPT-6 Astra برای کارهای دشوار مانند برنامه‌نویسی، کار با رایانه، وظایف حرفه‌ای و پژوهش علمی معرفی شده است. GPT-6.1 Sol برای کارهای پیچیدهٔ مشابه با هزینهٔ کمتر از Astra جای می‌گیرد و GPT-6 Luna برای کارهای روزمره‌ای طراحی شده که سرعت و هزینه در مقیاس بالا اهمیت دارد. این‌ها توصیف جایگاه مدل‌ها از سوی Google Cloud هستند، نه نتیجهٔ یک آزمون مستقل در محیط مشتری.

وضعیت دسترسی هر سه مدل در Google Cloud یکسان است: پیش‌نمایش خصوصی برای مشتریان سازمانی منتخب. مشتریان پذیرفته‌شده می‌توانند از راه API با مدل‌ها کار کنند و گردش‌کارهای محلی Codex CLI و Codex Desktop را برای پردازش مدل به پلتفرم Gemini متصل کنند. «در دسترس بودن در Model Garden» در این مرحله به معنای فعال بودن مدل‌ها برای همهٔ حساب‌های Google Cloud نیست.

تفاوت سه مدل به تیم‌ها امکان می‌دهد برای هر کار، توانایی، تأخیر و هزینه را کنار هم بسنجند. برای نمونه، نیاز به پردازش سریع حجم زیادی از کارهای معمول می‌تواند انتخاب متفاوتی از یک کار پژوهشی دشوار داشته باشد. با این حال، تا وقتی قیمت‌ها و شرایط دسترسی هر حساب روشن نشده‌اند، معرفی یک مدل به‌عنوان گزینهٔ کم‌هزینه‌تر به‌تنهایی هزینهٔ نهایی استفاده از آن را تعیین نمی‌کند.

Model Garden، Marketplace و Antigravity چه نقشی دارند؟

Model Garden محل دسترسی و به‌کارگیری مدل‌ها در محیط Google Cloud است؛ Google Cloud Marketplace مسیر معامله و ثبت هزینهٔ آن‌هاست. این تقسیم نقش برای شرکتی که از قبل فرایند خرید ابری دارد مهم است: انتخاب و استفادهٔ فنی از مدل در یک بخش انجام می‌شود و خرید آن از کانالی می‌گذرد که به صورتحساب Google Cloud متصل است. حضور یک مدل در فهرست Model Garden، به‌خودی‌خود، شرایط خرید یا مجوز دسترسی به پیش‌نمایش را تغییر نمی‌دهد.

Google Antigravity مقصد دیگری در این همکاری است، اما دسترسی به مدل‌های OpenAI در آن برای آینده اعلام شده است. نباید برنامهٔ افزودن مدل‌ها به این محیط توسعه را با پیش‌نمایش خصوصی فعلی در Model Garden یکی گرفت. Codex CLI و Desktop نیز در توضیح دسترسی فعلی نقش مشخصی دارند: گردش‌کار محلی آن‌ها می‌تواند برای پردازش مدل به پلتفرم Gemini متصل شود. پس Model Garden، Marketplace و Antigravity سه نام برای یک مرحلهٔ عرضه نیستند؛ هرکدام به بخش متفاوتی از دسترسی، خرید یا استفادهٔ برنامه‌ریزی‌شده اشاره می‌کند.

تعهد هزینه چگونه مصرف می‌شود؟

نتیجهٔ مالی همکاری برای مشتریان دارای تعهد هزینهٔ Google Cloud روشن است: استفاده از مدل‌های OpenAI که از Marketplace خریداری می‌شود، روی صورتحساب Google Cloud می‌آید و از تعهد موجود آن‌ها کسر می‌شود. این هزینه همچنین در Flexible Savings Plans یا FSP میان ارائه‌دهندگان مدل محاسبه می‌شود. برای سازمانی که پیش‌تر خرج‌کرد ابری را در قرارداد خود پذیرفته، چنین مسیری می‌تواند نیاز به رابطهٔ خرید و صورتحساب جداگانه با OpenAI را کاهش دهد.

این سازوکار به معنای قیمت ثابت یا صرفه‌جویی تضمین‌شده برای هر درخواست نیست؛ در اعلام همکاری، جدول قیمت یا مبلغ مشخصی برای کاهش هزینه ارائه نشده است. ارزش عملی آن بیشتر در استفاده از تعهد و فرایند خرید موجود است. مایک لئونه، تحلیلگر Moor Insights & Strategy، در گزارش Axios رقابت حاصل را این‌گونه توصیف کرد: «Gemini now has to win those customers with OpenAI sitting right next to it.» برای Google Cloud نیز فروش مدل رقیب همچنان استفاده از بستر ابری و خدمات دادهٔ خودش را در پی دارد.

داده‌ها کجا پردازش می‌شوند؟

Google Cloud اعلام کرده است که مدل‌های OpenAI روی زیرساخت اختصاصی این شرکت اجرا می‌شوند و درخواست‌ها از درگاه‌های جداشده عبور می‌کنند. طبق شرایطی که برای این عرضه شرح داده شده، ورودی‌ها، زمینهٔ درخواست و خروجی‌های مشتری در محدودهٔ دادهٔ تعیین‌شده برای او می‌مانند و برای آموزش مدل‌های پایه استفاده نمی‌شوند. برای تیمی که برنامه و داده‌اش همین حالا در Google Cloud است، این طراحی می‌تواند جابه‌جایی داده میان دو محیط ابری را در مسیر استفاده از مدل کاهش دهد.

«محدودهٔ دادهٔ تعیین‌شده» نام یک کشور یا منطقهٔ میزبانی مشخص نیست؛ محل استقرار هر مشتری به تنظیمات و شرایط خدمت او وابسته است. قابلیت Zero Data Retention و اجرای همراه با Confidential Compute نیز برای آینده معرفی شده‌اند. سازمانی که به یکی از این قابلیت‌ها نیاز دارد، نمی‌تواند صرف اعلام برنامهٔ آینده را معادل فعال بودن آن در پیش‌نمایش فعلی بداند. کنترل هویت، ثبت رویدادهای حسابرسی و محدودیت‌های دسترسی Google Cloud هم بخشی از محیطی است که مدل‌ها در آن عرضه می‌شوند.

عرضهٔ عمومی چه زمانی آغاز می‌شود؟

خط زمانی اعلام‌شده دو مرحله دارد: پیش‌نمایش خصوصی که برای مشتریان سازمانی منتخب آغاز شده و عرضهٔ عمومی که برای هفته‌های آینده برنامه‌ریزی شده است. روز معینی برای مرحلهٔ عمومی اعلام نشده است. فرم اعلام علاقه‌مندی در اختیار مشتریان قرار گرفته، اما ثبت درخواست به‌تنهایی فعال شدن مدل‌ها را در یک حساب تضمین نمی‌کند.

مرحلهٔ بعدی این همکاری، اعلام زمان و شرایط دسترسی عمومی است. تا آن زمان، برای شرکت‌های فارسی‌زبانی که از خدمات ابری بین‌المللی استفاده می‌کنند، تفاوت اصلی میان امکان خرید و مصرف تعهد در چارچوب همکاری اعلام‌شده و امکان استفادهٔ فوری در حساب خودشان خواهد بود.

بیشتر بخوانید:

• Docker یا Podman؛ سرعت تقریباً برابر است، مدل دسترسی تصمیم را عوض می‌کند
• تعهد ۱۰۰ میلیون‌دلاری سازندگان هنوز قرارداد نیست؛ بودجه‌ها از قبل وجود داشتند
• Notion یا Obsidian؛ همکاری ابری بهای مالکیت فایل را دارد