مدل ارزان یا قوی؟ راهنمای انتخاب مدل هوش مصنوعی

مدل پرچمدار می‌تواند چند برابر مدل سبک هزینه داشته باشد. اگر ۱۰۰٬۰۰۰ درخواست ساده در ماه دارید، این اختلاف به ارقام قابل‌توجه می‌رسد.

چارچوب تصمیم: ۴ پرسش

۱. اشتباه چقدر گران تمام می‌شود؟ اگر خروجی را انسان بازبینی می‌کند یا خطا کم‌اهمیت است، مدل ارزان کافی است. اگر خطا به مشتری یا تصمیم مالی می‌رسد، مدل قوی‌تر یا بازبینی بیشتر لازم است. ۲. کار چقدر پیچیده است؟ دسته‌بندی و استخراج ساده، سبک. استدلال چندمرحله‌ای و کد پیچیده، متعادل یا بالاتر. ۳. حجم چقدر است؟ حجم بالا یعنی هر تومان صرفه‌جویی ضرب در هزار. ۴. تأخیر مهم است؟ مدل‌های سبک معمولاً سریع‌تر پاسخ می‌دهند و برای تجربه‌ی کاربر خوب‌اند.

الگوی «آبشاری» (Cascade)

یک راهکار رایج: ابتدا درخواست را به مدل ارزان بدهید؛ اگر اطمینان پایین بود یا خروجی معیارها را رعایت نکرد (مثلاً JSON نامعتبر)، همان درخواست را به مدل قوی‌تر بفرستید. اینگونه فقط درخواست‌های دشوار هزینه‌ی بیشتر می‌برند.

def ask(prompt):
    r = client.chat.completions.create(model="gemini-3.8-flash",
        messages=[{"role":"user","content":prompt}], max_tokens=500)
    out = r.choices[0].message.content
    if not looks_ok(out):          # قاعده‌ی خودتان: طول، قالب، کلمات ممنوع…
        r = client.chat.completions.create(model="claude-sonnet-5-5",
            messages=[{"role":"user","content":prompt}], max_tokens=800)
        out = r.choices[0].message.content
    return out

تابع looks_ok را متناسب با کار خودتان بنویسید. دقت کنید درخواست ناموفق در پیکو هوش هزینه ندارد، اما درخواست موفق با خروجی بد هزینه دارد.

آزمون A/B ساده

۱. ۲۰ نمونه‌ی واقعی بردارید. ۲. با مدل ارزان و مدل قوی خروجی بگیرید. ۳. نام مدل را مخفی کنید و کیفیت را نمره بدهید (۱ تا ۵). ۴. میانگین نمره و هزینه را مقایسه کنید. ۵. اگر اختلاف نمره زیر آستانه‌ی شما بود، ارزان را نگه دارید. این روش ساده شما را از حدس نجات می‌دهد. برای راهنمای مقایسه‌ی مدل‌ها تفاوت GPT و Claude و Gemini را ببینید.

نمونه‌ی محاسبه

۱۰٬۰۰۰ درخواست در ماه، هر کدام ۵۰۰ توکن ورودی و ۲۰۰ توکن خروجی (تخمینی).

با gemini-3.8-flash:

ورودی: 10000×500 = 5,000,000 توکن → 5 × 30,000 = 150,000 تومان
خروجی: 10000×200 = 2,000,000 توکن → 2 × 85,000 = 170,000 تومان
مجموع ≈ 320,000 تومان

با claude-sonnet-5-5:

ورودی: 5 × 160,000 = 800,000 تومان
خروجی: 2 × 490,000 = 980,000 تومان
مجموع ≈ 1,780,000 تومان

اختلاف حدود ۵٫۵ برابر است. اگر کیفیت مدل ارزان برای کار کافی باشد، صرفه‌جویی چشمگیر است. روش‌های بیشتر: کاهش هزینه‌ی API.

چه زمانی قوی‌تر را انتخاب کنیم؟

• کد پیچیده یا چندفایله که باید در بار اول درست باشد.
• تحلیل حقوقی/مالی که بازبینی انسانی آن گران است.
• محتوای برند حساس.
• مسائل استدلالی سخت.

حتی در این موارد، از max_tokens و پرامپت دقیق برای کنترل هزینه استفاده کنید. پرامپت‌نویسی حرفه‌ای را ببینید و در استودیو امتحان کنید.

نشانه‌هایی که باید مدل را عوض کنید

اگر پس از چند بار بازنویسی پرامپت همچنان خطای مشابه می‌بینید، احتمالاً به مدل قوی‌تر نیاز دارید. اگر کیفیت عالی است اما هزینه بالاست، یک رده پایین‌تر را بسنجید. اگر تأخیر آزاردهنده است، مدل سبک‌تر یا استریم را امتحان کنید. اگر پاسخ‌ها طولانی و پرحاشیه‌اند، قبل از تغییر مدل، پرامپت و max_tokens را اصلاح کنید. تصمیم را با داده بگیرید: درصد پاسخ‌های قابل‌قبول، میانگین هزینه و زمان پاسخ را برای هر مدل ثبت کنید.

سوالات متداول

آیا مدل ارزان کیفیت فارسی پایین‌تری دارد؟

گاهی؛ اما بسیار به نوع کار بستگی دارد. با نمونه‌ی خودتان بسنجید.

برای شروع کدام مدل را انتخاب کنم؟

یک مدل سبک (Flash یا Haiku) و یک مدل متعادل (Sol یا Sonnet) را مقایسه کنید.

آیا مدل‌های قوی‌تر هزینه‌ی بیشتر برای هر توکن دارند؟

بله؛ جدول بالا قیمت‌های کاتالوگ را نشان می‌دهد.

چطور هزینه را کنترل کنم؟

سقف max_tokens بگذارید، مدل را متناسب انتخاب کنید و مصرف را پایش کنید؛ جزئیات در قیمت‌گذاری.