ابتدا جدول
قیمت هر پاسخ از شاخص هزینهٔ مدل Whizi گرفته شده است (1,000 توکن ورودی به‌علاوهٔ 500 توکن خروجی، با نرخ‌های فهرستی که در تاریخ 2026-08-20 دریافت شده‌اند). قوی‌ترین انتخاب برای کیفیت بهینه شده است؛ انتخاب مقرون‌به‌صرفه همان چیزی است که بیشتر افراد باید کار خود را واقعاً به آن بسپارند.
| کار | قوی‌ترین انتخاب | انتخاب مقرون‌به‌صرفه | انتخاب مقرون‌به‌صرفه، هر پاسخ |
|---|---|---|---|
| نوشتاری که یک نفر آن را از ابتدا تا انتها می‌خواند | Claude (رده Opus) | Claude Sonnet 5 | $0.007 |
| کدی که واقعاً منتشر می‌کنید | رده‌های استدلالی GPT | DeepSeek V4 Pro | $0.003 |
| ریاضی و منطق چندمرحله‌ای | GPT-5.6 Sol (استدلالی) | DeepSeek R1 | $0.002 |
| اسناد بسیار طولانی | Gemini 3.1 Pro، بافت 1M | Llama 4 Maverick، بافت 1M | $0.0006 |
| تحلیل داده روی فایل‌ها | ChatGPT (اجرای کد) | همان مدل، سپس بررسی دستی | $0.008 |
| پرسش‌های روزمره | هر رده روزمرهٔ پیشرو | GPT-5.6 Luna | $0.0008 |
| کارهای دسته‌ای با حجم بالا | کار مناسب مدل‌های پیشرو نیست | Llama 3.3 70B | $0.00026 |
| تولید تصویر | Nano Banana Pro (Gemini 3 Pro Image) | Nano Banana 2 | $0.002 |
| پژوهش رویدادهای جاری | یک دستیار متصل به جستجو | Gemini یا Perplexity | بسته به جستجو متفاوت است |
هر ردیف بحثی طولانی‌تر را خلاصه می‌کند. بررسی‌های عمیق‌تر تنها یک کلیک فاصله دارند: تحلیل داده، ریاضی، حوزهٔ متن‌باز و مقایسهٔ سه‌جانبهٔ مدل‌های پیشرو.
چرا برندگان بر اساس کار متفاوت‌اند
این تفاوت‌ها ریشه در معماری دارند، نه در بازاریابی، و به همین دلیل با هر ارتقای نسخه از بین نمی‌روند.
نوشتن به ذوق پاداش می‌دهد. برتری Claude در نثری که یک نفر از ابتدا تا انتها می‌خواند در نسل‌های مختلف حفظ شده است، و به همین دلیل ردیف نوشتن را به خود اختصاص داده، با وجود اینکه از رده‌های روزمرهٔ GPT گران‌تر است.
کد و ریاضی به حالت‌های استدلالی پاداش می‌دهند. مدل‌هایی که یک زنجیرهٔ داخلی طولانی از پردازش تولید می‌کنند و پیش از پاسخ آن را بررسی می‌کنند، بر هر دو ردیف تسلط دارند؛ گزینه‌های متن‌باز، یعنی DeepSeek V4 برای کد و R1 برای استدلال ریاضی‌گونه، بیشتر همین کیفیت را با یک‌دهم قیمت ارائه می‌دهند.
اسناد طولانی به طول بافت پاداش می‌دهند. یک پنجرهٔ 1M توکنی، تقریباً 1,500 صفحه، تفاوت میان تحلیل کامل یک قرارداد و تحلیل تنها یک‌سوم آن را رقم می‌زند. چندین مدل اکنون این ظرفیت را دارند؛ آنچه آن‌ها را از هم جدا می‌کند، قیمت هر پاسخ است.
کارهای حجیم به قیمت پاداش می‌دهند. با $0.00026 برای هر پاسخ استاندارد، Llama 3.3 70B هزار خلاصه را در ازای 26 سنت انجام می‌دهد. اشتباه کردن گاه‌به‌گاه در این قیمت مقرون‌به‌صرفه است، به شکلی که در نرخ‌های پیشرو، 20 تا 100 برابر بالاتر، نیست.
چگونه ادعاهای بنچمارک را بخوانیم، از جمله ادعاهای خودمان
هر عرضهٔ مدل با نموداری همراه است که در آن برنده است. سه عادت شما را صادق نگه می‌دارد.
بنچمارک‌های متناسب با کار را بر میانگین‌ها ترجیح دهید. امتیازی مانند SWE-bench در کدنویسی فقط دربارهٔ کد چیزی می‌گوید؛ یک جدول امتیاز ترکیبی فقط دربارهٔ ترکیب‌ها چیزی می‌گوید. جدول بالا دقیقاً به همین دلیل بر اساس نوع کار مسیریابی می‌شود.
تاریخ را بررسی کنید. انتخاب‌های این صفحه بر اساس شاخص هزینه و گزارش‌های عمومی در آگوست 2026 تأیید شده‌اند و این صفحه با ورود هر عرضهٔ جدید به‌روزرسانی می‌شود. ادعای «بهترین مدل» بدون تاریخ، صرفاً یک افسانه است؛ خط زمانی مدل‌ها نشان می‌دهد زمین بازی چقدر سریع تغییر می‌کند.
سه پرامپت خودتان را اجرا کنید. یک کار واقعی از هفتهٔ خود را بردارید و آن را هم با قوی‌ترین انتخاب و هم با انتخاب مقرون‌به‌صرفه اجرا کنید. ده دقیقه شواهد شخصی شما از هر جدولی، از جمله همین جدول، بهتر است، و چگونه یک مدل هوش مصنوعی را انتخاب کنیم این کار را به یک روش تکرارپذیر تبدیل می‌کند.
جایی که این جدول واقعاً نامطمئن است
بالای هر ردیف دائماً تغییر می‌کند. قوی‌ترین انتخاب‌ها با هر چرخهٔ عرضهٔ بزرگ تغییر می‌کنند؛ انتخاب‌های مقرون‌به‌صرفه پایدارترند، چون کف قیمت‌ها کندتر از سقف قابلیت‌ها حرکت می‌کند.
«بهترین» تنوع را نادیده می‌گیرد. Claude به‌طور میانگین در نوشتن برنده است؛ اما یک پیش‌نویس مشخص از GPT به‌قدر کافی اغلب از یک پیش‌نویس مشخص Claude بهتر است که عادت بررسی متقابل مهم‌تر از گزینهٔ پیش‌فرض می‌شود.
پژوهش متصل به جستجو به کیفیت جستجو بستگی دارد. برای رویدادهای جاری، لایهٔ بازیابی اطلاعات بیش از خود مدل نقش تعیین‌کننده دارد، به همین دلیل ردیف پژوهش یک دسته را نام می‌برد، نه یک برنده.
پرامپت شما متغیری بزرگ‌تر از مدل شماست. فاصلهٔ میان یک پرامپت مبهم و یک پرامپت دقیق، در تقریباً هر کاری، از فاصلهٔ میان دو مدل نزدیک به هم بیشتر است. این جدول متغیر کوچک‌تر را بهینه می‌کند؛ اصول پرامپت‌نویسی متغیر بزرگ‌تر را بهینه می‌کند.
ریاضیات اشتراک که این جدول ضمنی می‌گوید
اگر این جدول را عیناً با اشتراک‌های تک‌سرویس‌دهنده دنبال کنید، باید برای ChatGPT Plus، Claude Pro و یک طرح Gemini هرکدام حدود $20، یعنی در مجموع حدود $60 در ماه، بپردازید تا بهترین انتخاب هر ردیف را داشته باشید.
راه دیگر، یک فضای کاری واحد است که همهٔ ردیف‌ها را پوشش می‌دهد. Whizi Pro با قیمت $19.99 در ماه (با صورتحساب سالانه) شامل ChatGPT Sol، Claude Sonnet و Opus، Kimi K3 و Gemini Pro است، به‌همراه انتخاب‌های مقرون‌به‌صرفه مانند DeepSeek و Llama برای ردیف‌های حجیم، و رده برتر استدلالی و Claude Fable روی طرح Powerhouse با $34.99. این خلاصهٔ کامل ایدهٔ یک فضای کاری چندمدلی است: جدول از یک فهرست خرید بودن دست می‌کشد و به یک قاعدهٔ مسیریابی درون یک اشتراک واحد تبدیل می‌شود. تفکیک هزینهٔ اشتراک این مقایسه را با جزئیات کامل بررسی می‌کند.
- بر اساس کار مسیریابی کنید، نه وفاداری به برند: نوشتن، کد، بافت طولانی و حجم بالا برندگان متفاوتی دارند
- به‌طور پیش‌فرض از انتخاب مقرون‌به‌صرفه استفاده کنید و هنگامی که کیفیت واقعاً اهمیت دارد، به قوی‌ترین انتخاب ارتقا دهید
- کارهای دسته‌ای را به مدل‌های متن‌باز بسپارید؛ قیمت‌های پیشرو برای مسائل پیشرو است
- هر ادعای بنچمارک را در برابر یک بنچمارک متناسب با کار و دارای تاریخ بررسی کنید
- پس از هر چرخهٔ عرضهٔ بزرگ، آزمون سه‌پرامپتی خودتان را دوباره اجرا کنید
پرسش‌های متداول
بهترین مدل هوش مصنوعی به‌طور کلی در 2026 کدام است؟
برندهٔ کلی معناداری وجود ندارد: مدل‌های پیشرو در بنچمارک‌های ترکیبی تنها چند امتیاز با هم فاصله دارند، در حالی که بر اساس نوع کار به‌شدت از هم جدا می‌شوند. Claude در نثر پیشتاز است، رده‌های استدلالی در کد و ریاضی پیشتازند، Gemini در اسناد بسیار طولانی پیشتاز است و مدل‌های متن‌باز در هزینه پیشتازند. پرسش مفید، پرسش بر اساس هر کار است، که همان چیزی است که جدول مسیریابی به آن پاسخ می‌دهد.
کدام مدل هوش مصنوعی برای کدنویسی بهترین است؟
برای کدی که واقعاً منتشر می‌کنید، رده‌های استدلالی GPT قوی‌ترین انتخاب‌اند و DeepSeek V4 Pro انتخاب مقرون‌به‌صرفه است: عدد 80.6% که خود DeepSeek در بنچمارک SWE-bench Verified گزارش کرده در محدودهٔ مدل‌های پیشرو قرار دارد، آن هم با حدود $0.003 برای هر پاسخ استاندارد و تحت مجوز MIT. برای اسکریپت‌های سریع و کدهای تکراری، رده‌های روزمره کاملاً کافی و بسیار ارزان‌تر هستند.
آیا گران‌ترین مدل هوش مصنوعی همان بهترین مدل است؟
فقط برای سخت‌ترین کارها. قیمت با میزان محاسبات همراه می‌شود، و رده‌های استدلالی واقعاً حق بیمهٔ خود را در مسائل چندمرحله‌ای به دست می‌آورند. اما دامنهٔ شاخص از ارزان‌ترین تا گران‌ترین مدل تقریباً 2,000x است، در حالی که تفاوت کیفیت در پرسش‌های روزمره تقریباً قابل‌توجه نیست، بنابراین پرداخت نرخ‌های پیشرو برای کارهای معمولی رایج‌ترین راه هزینهٔ اضافی روی هوش مصنوعی است.
بهترین مدل هر چند وقت یک‌بار تغییر می‌کند؟
قوی‌ترین انتخاب در هر دسته تقریباً با هر چرخهٔ عرضهٔ بزرگ، یعنی چند بار در سال، تغییر می‌کند. اما ساختار دسته‌ها بسیار کندتر تغییر می‌کند: نوشتن در نسل‌های متعدد به Claude پاداش داده، اسناد طولانی به طول بافت پاداش داده، و کارهای حجیم به مدل‌های متن‌باز پاداش داده است. تاریخ هر توصیه‌ای، از جمله همین صفحه، را بررسی کنید.
آیا برای دنبال کردن این جدول به چند اشتراک هوش مصنوعی نیاز دارم؟
دیگر نه. دنبال کردن این جدول با طرح‌های تک‌سرویس‌دهنده حدود $60 در ماه در سه اشتراک جداگانه هزینه دارد. یک فضای کاری چندمدلی همهٔ ردیف‌ها را در یک طرح پوشش می‌دهد: Whizi Pro با $19.99 در ماه (صورتحساب سالانه) مدل‌های پیشرو و انتخاب‌های مقرون‌به‌صرفه را پوشش می‌دهد، و رده برتر استدلالی و Claude Fable روی طرح Powerhouse قرار دارند. تعویض مدل در میانهٔ گفتگو همان مکانیزمی است که مسیریابی بر اساس کار را عملی می‌کند.
