مدل هوش مصنوعی Jev رکورد سریع‌ترین نرخ پذیرش تاریخ ورسل را شکست

مدل هوش مصنوعی Jev دست‌کم بر اساس برخی معیارها، به سریع‌ترین مدل از نظر نرخ پذیرش و استفاده در تاریخ هوش مصنوعی تبدیل شده است.

داده‌های پلتفرم ورسل (Vercel) که در گزارش روز پنج‌شنبه منتشر شد، نشان می‌دهد که این مدل تصمیم‌گیری پر سر و صدا تنها ظرف دو هفته پس از عرضه، توسط ۳۵ درصد از تیم‌های دارای اشتراک پرداختی مورد استفاده قرار گرفته است؛ رقمی که تقریباً دو برابر ضریب نفوذ دومین مدل محبوب یعنی Sonnet 5.5 به شمار می‌رود. بر اساس آمارهای ورسل، این سریع‌ترین رشد و پذیرش یک مدل در دو هفته آغازین محسوب می‌شود و موفقیتی چشمگیر برای توسعه‌دهندگان آن در استارتاپ Typesafe AI است.

مدل Jev که در ۱۵ سپتامبر (۲۵ شهریور) در قالب یک نسخه آزمایشی محدود عرضه شد، ابزاری سبک برای تصمیم‌گیری و انتخاب از میان چند گزینه از پیش تعیین‌شده است. محدود کردن گزینه‌های خروجی به این مدل اجازه می‌دهد تا بسیار ارزان‌تر و سریع‌تر از رقبایی همچون Sonnet اجرا شود؛ مزیتی که آن را به گزینه‌ای ایدئال برای دسته‌بندی سریع مقادیر عظیمی از داده‌ها تبدیل می‌کند. این رویکرد تازه طی هفته‌های پس از عرضه Jev توجه زیادی را به خود جلب کرد و حتی غول‌هایی مانند اوپن‌ای‌آی (OpenAI) و آمازون (Amazon) را به ارائه راهکارهای مشابه واداشت؛ هرچند تا پیش از این، داده‌های ملموس چندانی برای تأیید این موج استقبال وجود نداشت.

این آمارها از درگاه هوش مصنوعی (AI Gateway) ورسل به دست آمده است؛ سرویسی یکپارچه برای ارائه API که عملکردی مشابه OpenRouter دارد. اگرچه این داده‌ها تصویری محدود ارائه می‌دهند — به‌ویژه از این جهت که ممکن است استفاده از آزمایشگاه‌های بزرگی چون اوپن‌ای‌آی و آنتروپیک (Anthropic) را که API اختصاصی خود را دارند کمتر از واقعیت نشان دهند — اما ثابت می‌کنند که هیاهوی پیرامون Jev به استفاده واقعی در دنیای عمل ترجمه شده است. جالب اینکه خود ورسل یکی از نخستین پذیرندگان این مدل بود و از Jev برای جایگزینی مدل GPT-6 Luna در دسته‌بندی دستورات مخرب استفاده کرد.

این گزارش همچنین از تداوم استقبال پرشور از مدل‌های متن‌باز حکایت دارد؛ مدل‌هایی که اکنون بیش از ۷۰ درصد از کل توکن‌های پردازش‌شده در درگاه ورسل و نزدیک به ۲۵ درصد از مجموع هزینه‌ها را به خود اختصاص داده‌اند.

در حالی که مدل‌های متن‌باز سهم بزرگ‌تری از بازار را به دست می‌آورند، کل این بازار نیز با سرعتی بالا در حال گسترش است. میزان هزینه‌کرد روی آزمایشگاه‌های پیشرو مرزی (Frontier Labs) حتی با وجود کاهش سهمشان از مجموع مخارج، رشدی ۱۰ برابری را تجربه کرده است؛ موضوعی که بر این ایده صحه می‌گذارد که مدل‌های مرزی و گزینه‌های متن‌باز ممکن است به‌جای رقابت رودررو، مکمل یکدیگر در اکوسیستم هوش مصنوعی باشند.