LLM چیست؟

سه کلمه، به ترتیبی که اهمیت دارد

نام را از آخر باز کنیم.

مدل. مدل تابعی است که ورودی را به خروجی تبدیل می‌کند، با قواعدی که از داده آموخته شده‌اند نه اینکه برنامه‌نویسی شده باشند. مدل هواشناسی داده‌های امروز را می‌گیرد و پیش‌بینی فردا را خروجی می‌دهد. یک مدل زبانی متن را می‌گیرد و برای کلمه بعدی یک احتمال خروجی می‌دهد.

زبان. ورودی و خروجی متن هستند، خرد شده به توکن‌ها که تکه‌هایی از کلمات‌اند. توکن در هوش مصنوعی چیست این واحد را بررسی می‌کند؛ خلاصه‌اش این است که مدل در قطعاتی حدوداً سه‌چهارم یک کلمه می‌خواند و می‌نویسد.

بزرگ. این مدل تعداد بسیار زیادی پارامتر دارد، اعداد داخلی‌ای که آموزش تنظیم می‌کند. GPT-2 در 2019 حدود 1.5 میلیارد پارامتر داشت. GPT-3 در 2020 حدود 175 میلیارد داشت. فهرست مدل‌هایی که این سایت در 2026 قیمت‌گذاری می‌کند شامل یک مدل Qwen با 2.4 تریلیون پارامتر است که تقریباً 95 میلیارد از آن‌ها روی هر توکن فعال می‌شوند. کلمه «بزرگ» در این نام بار زیادی می‌کشد و این عدد در هفت سال بیش از هزار برابر رشد کرده است.

پس LLM یک پیش‌بینی‌کننده بسیار بزرگ برای توکن بعدی است. هر ویژگی دیگری که به آن نسبت داده می‌شود، استدلال، لحن، اشتباهات مطمئن، از همین یک وظیفه ناشی می‌شود.

LLM یک چت‌بات نیست، و این تفاوت کل محصول است

ChatGPT یک اپلیکیشن است. GPT مدلی است که درون آن قرار دارد. Claude هم یک خانواده از مدل‌ها و هم اپلیکیشنی است که Anthropic دور آن‌ها ساخته. Gemini هم داستان مشابهی در Google دارد. چت‌بات هوش مصنوعی چیست لایه اپلیکیشن را پوشش می‌دهد؛ این صفحه درباره موتور است.

این تفاوت از همان لحظه‌ای که بفهمید موتور قابل تعویض است، دیگر نظری نیست. همان پنجره گفت‌وگو می‌تواند پیام شما را به GPT، Claude، Gemini، DeepSeek یا Llama بفرستد، و پاسخ‌ها از نظر لحن، هزینه، سرعت و دقت متفاوت‌اند. یک فضای کاری چندمدلی مثل Whizi دقیقاً همین است: یک پنجره، 280+ مدل پشت آن، و یک انتخاب‌گر برای تعیین اینکه کدام مدل پاسخ بدهد. اپلیکیشن فرمان است. LLM موتور است، و ده‌ها موتور وجود دارد.

LLM چگونه در دو مرحله آموزش می‌بیند

مرحله اول، پیش‌آموزش. مدل یک پیکره متنی عظیم را می‌خواند و برای هر جایگاه، تلاش می‌کند توکن بعدی را حدس بزند. هر حدس اشتباه، پارامترها را کمی جابه‌جا می‌کند. Meta گزارش داد که Llama 3 روی بیش از 15 تریلیون توکن پیش‌آموزش دیده، که با حساب حدود 100,000 توکن برای یک رمان 75,000 کلمه‌ای (سه‌چهارم کلمه به ازای هر توکن)، معادل متن حدود 150 میلیون کتاب است. پس از این مرحله، مدل یک تکمیل‌کننده خودکار عالی و یک دستیار ضعیف است: از آن سوالی بپرسید و ممکن است با سه سوال دیگر ادامه دهد، چون این کاری است که متن اینترنت اغلب انجام می‌دهد.

مرحله دوم، پس‌آموزش. سپس به مدل نمونه‌هایی از پاسخ‌های خوب نشان داده می‌شود و افراد رتبه‌بندی می‌کنند که کدام یک از دو پاسخ بهتر است، فرایندی به نام یادگیری تقویتی از بازخورد انسانی، یا RLHF. رفتار دستیارگونه از همین جا می‌آید: پاسخ دادن به سوال در قالبی که شما خواسته‌اید، و رد کردن برخی درخواست‌ها. این آموزش است، نه دانش جدید. واقعیت‌ها همچنان از مرحله اول می‌آیند.

دو نتیجه از این دو مرحله می‌آید. دانش مدل در تاریخی که داده‌های پیش‌آموزشش تمام شده متوقف می‌شود، به همین دلیل هر مدلی یک نقطه قطع دانش دارد. و هیچ‌کدام از دو مرحله یک راستی‌آزما نصب نمی‌کند: مدل یاد گرفته متن محتمل تولید کند و سپس متن دلپذیر تولید کند. راستی یک اثر جانبی رایج هر دو است، نه یک تضمین. چرا هوش مصنوعی اشتباه می‌کند این موضوع را عمیق‌تر بررسی می‌کند.

چرا LLM به‌جای جست‌وجو کردن، پیش‌بینی می‌کند

یک موتور جست‌وجو بازیابی می‌کند. آن یک نمایه از صفحات دارد و مواردی را که مطابقت دارند برمی‌گرداند. LLM هیچ نمایه‌ای ندارد. هرچه در پیش‌آموزش خوانده، در پارامترهایش فشرده شده، و در زمان پاسخ‌دهی، متن را از آن فشردگی بازتولید می‌کند، توکن به توکن، و هر توکن را از یک توزیع احتمال انتخاب می‌کند.

به همین دلیل LLM می‌تواند یک دستور پخت کاربردی برای غذایی که هرگز نامش را ندیده بنویسد، و به همین دلیل هم می‌تواند یک استناد قضایی جعلی تولید کند که اصلاً وجود ندارد. هر دو ادامه‌های محتمل هستند. مدل هیچ سازوکار جداگانه‌ای برای بررسی اینکه آیا یک ادامه محتمل، واقعی هم هست یا نه، ندارد.

راه‌حلی که محصولات استفاده می‌کنند این است که بازیابی را به آن اضافه کنند: اول وب یا فایل‌های شما را جست‌وجو کن، سپس بخش‌های مرتبط را به مدل بده و از آن بخواه بر اساس همان‌ها پاسخ دهد. این تکنیک RAG نام دارد، و RAG چیست آن را توضیح می‌دهد. جست‌وجوی وب درون یک اپلیکیشن چت، همان RAG است با اینترنت به‌عنوان منبع. مدل همچنان در حال پیش‌بینی است؛ فقط از مواد بهتری پیش‌بینی می‌کند.

قیمت داخل یک خانواده چه چیزی می‌خرد، با عدد

هر خانواده یک نردبان عرضه می‌کند: یک مدل کوچک، یک مدل میانی، یک پرچمدار. شاخص هوش Artificial Analysis، امتیازی ترکیبی از معیارهای عمومی استدلال، برنامه‌نویسی و دانش، روی هر پله عددی می‌گذارد، و جدول رتبه‌بندی قیمت ترکیبی هر یک میلیون توکن را کنار آن فهرست می‌کند. چهار نردبان زیر در 2026-09-17 خوانده شده‌اند.

OpenAI برای 18 برابر نرخ، 15 امتیاز می‌خرد؛ Anthropic برای 36 برابر، 35 امتیاز؛ Qwen برای 16 برابر، 19 امتیاز. DeepSeek این الگو را می‌شکند: V4 Flash با کمتر از نصف قیمت، از V4 Pro امتیاز بالاتری می‌گیرد. دو نتیجه از این می‌آید. داخل یک خانواده، چند امتیاز آخر گران‌ترین‌ها هستند، پس برای یک سوال واقعیت‌محور کوتاه، مدل کوچک همان پاسخ پرچمدار را می‌دهد. و در میان خانواده‌ها، قیمت راهنمای ضعیفی برای کیفیت است: DeepSeek V4 Flash با $0.27 به ازای هر میلیون توکن، دو امتیاز بالاتر از Claude Sonnet 5 با $5.09 امتیاز می‌گیرد. این مفیدترین چیزی است که یک خریدار باید درباره LLMها بداند: مدل یک دکمه تنظیم است، نه یک هزینه ثابت. Whizi هم دقیقاً با همین منطق قیمت‌گذاری می‌کند، یک اعتبار برای پیامی روی مدل خانه، 20 برای Claude Opus 5، و تا 100 برای گران‌ترین ردیف‌ها، که نحوه کار اعتبارهای Whizi به تفکیک هر مدل توضیح می‌دهد.

نکته صادقانه این است که یک شاخص ترکیبی میانگینی روی وظایف مختلف است. برای یک زنجیره استدلال طولانی، پرچمدار قیمتش را می‌ارزد؛ برای یک بازنویسی، نه. برای مقایسه اینکه هر خانواده واقعاً در چه چیزی خوب است، کدام مدل هوش مصنوعی را انتخاب کنم صفحه تصمیم‌گیری است.

LLM چه کاری نمی‌تواند انجام دهد، در یک فهرست

هرچه در ادامه می‌آید نتیجه معماری است، نه یک باگ که نسخه بعدی رفعش کند.

• نمی‌تواند چیزی بعد از نقطه قطع آموزشش بداند، مگر اینکه بازیابی متن را در اختیارش بگذارد.
• در ورودی‌های طولانی نمی‌تواند به‌طور قابل‌اعتماد بشمارد، چون در توکن‌ها و احتمالات کار می‌کند، نه در یک حلقه روی آیتم‌ها.
• نمی‌تواند خروجی خودش را راستی‌آزمایی کند؛ یک بار دیگر همان مدل، همان پیش‌بینی‌کننده است که دوباره حدس می‌زند.
• نمی‌تواند شما را بین گفت‌وگوها به خاطر بسپارد مگر اینکه محصول یادداشت‌ها را ذخیره کند و دوباره وارد کند؛ آن حافظه یک ویژگی محصول است، نه ویژگی مدل.
• نمی‌تواند کل گفت‌وگو را برای همیشه ببیند. هر مدل یک پنجره زمینه دارد، حداکثر متنی که می‌تواند در آن واحد در نظر بگیرد، و پنجره زمینه چیست توضیح می‌دهد وقتی به آن برسید چه اتفاقی می‌افتد.

نتیجه عملی این است: با LLM مثل یک همکار روان اما گاهی اشتباه رفتار کنید و راستی‌آزمایی را سمت خودتان نگه دارید. حلقه‌ای که یک مدل را به چیزی تبدیل می‌کند که خودش عمل می‌کند، چیز دیگری است، و ایجنت هوش مصنوعی چیست این خط را مشخص می‌کند. برای هر چیزی که هزینه‌ای به همراه دارد، از یک مدل دوم بپرسید. توافق دو پیش‌بینی‌کننده متفاوت شاهد ضعیفی است؛ اختلاف آن‌ها سیگنال قوی‌ای برای بررسی است.