بررسی ۱۵ پلتفرم هوش مصنوعی ایران؛ بین کاربر و مدل چه چیزی قرار گرفته است؟

نام GPT، Claude، Gemini و DeepSeek در ویترین بسیاری از پلتفرمهای ایرانی تکرار میشود، اما محصولی که روی این مدلها ساخته شده یکسان نیست. بررسیهای پیوست از ۱۵ پلتفرم هوشمصنوعی داخلی چهار الگو را بیشتر نشان میدهد: ابزارهای مصرفی که چند مدل را پشت یک رابط قرار میدهند، محیطهایی برای انتخاب و مقایسه مدلها، درگاههای API برای توسعهدهنده و چتباتهای سازمانی که به داده و دانش کسبوکار متصل میشوند.
به گزارش پیوست، در دستکم ۱۲ مورد از ۱۵ پلتفرم بررسی شده هوشمصنوعی، نام مدلهای خارجی مستقیما در محصول یا اسناد عمومی دیده میشود. در میان سرویسهای سازمانی، مودوچت GPT-4، Claude و LLaMA را نام میبرد، ایلاچت میگوید ممکن است از مدلهای داخلی یا خارجی استفاده کند و در گپینو و رایاچت ارائهدهنده مدل پایه در صفحات عمومی بررسیشده روشن نیست.
اعداد عمومی هم فقط بخشی از مقیاس بازار را نشان میدهند: هوشا از بیش از یک میلیون «کاربر فعال» میگوید و GapGPT در گوگلپلی بیش از یک میلیون نصب دارد؛ دو شاخصی که همتعریف نیستند و قابل جمعزدن هم نیستند.

اپلیکیشن مولد؛ محصول روی مدل آماده ساخته میشود
برای کاربر ایرانی، استفاده مستقیم از یک سرویس جهانی همیشه به باز کردن سایت و وارد کردن شماره کارت خلاصه نمیشود. محدودیت منطقهای، پرداخت ارزی و داشتن چند حساب جدا بخشی از مسئلهاند. در صفحات عمومی هوشا، دسترسی بدون تحریمشکن و پرداخت دلاری مطرح شده و شرایط استفاده توضیح میدهد خدمات از طریق API به پلتفرمهای خارجی متصل است. فارسیجیپیتی نیز در شرایط استفاده خود را «بستر واسط» برای ابزارهایی مثل ChatGPT، Gemini و Claude معرفی میکند. بنابراین در این گروه، آنچه در منابع عمومی میتوان به لایه ایرانی نسبت داد بیشتر دسترسی، پرداخت و رابط کاربری است تا خود مدل پایه.
مرز کنترل پلتفرم در همین لایه روشن میشود. فارسیجیپیتی در شرایط استفاده میگوید مدلها ممکن است به دلایل فنی یا محدودیت شرکتهای ارائهدهنده حذف یا جایگزین شوند. در فراچت نیز صفحه اصلی «پرداخت به میزان مصرف» و بدون اشتراک اجباری را معرفی میکند، در حالی که صفحه قیمتگذاری پلنهای ماهانه ۱.۴۹۹ تا ۴.۴۹۹ میلیون تومان را نشان میدهد. بنابراین هم وابستگی به ارائهدهنده بالادستی و هم شفافیت مدل فروش، بخشی از چیزی است که در ارزیابی این لایه باید دید.
از کاتالوگ مدل تا درگاه هوش مصنوعی
در ادبیات محصول، «کاتالوگ مدل» (Model catalog) برای کشف و مقایسه مدلها و «فضای چندمدلی» (multi-model workspace) برای کار با چند مدل در یک محیط به کار میروند. نهال در فهرست زنده خود ۳۵۴ مدل نشان میدهد و اورکا ۷۴ مدل و سرویس را در یک حساب فهرست کرده است. در این لایه، انتخاب و جابهجایی میان مدلها بخشی از خود محصول میشود.
در لایه توسعهدهنده، پلتفرم API دسترسی برنامهنویسی به چند مدل را یکپارچه میکند. در تعریف رایج، درگاه هوش مصنوعی (AI Gateway) علاوه بر API مشترک میتواند مسیریابی، مسیر جایگزین، سقف مصرف و ثبت یا پایش درخواستها را هم مدیریت کند. ChatQT با API واحد و مسیر جایگزین به این تعریف نزدیکتر است؛ AvalAI نیز در صفحه اصلی خود از بیش از ۴۵۰ مدل متعلق به ۲۶ ارائهدهنده خبر میدهد و در اسنادش رهگیری هزینه و مصرف به تفکیک مدل و ارائهدهنده را توضیح میدهد.
Conversational AI و RAG؛ وقتی مدل به دانش شرکت وصل میشود
در محصولات سازمانی، Conversational AI به تجربه مکالمه و پشتیبانی اشاره دارد و RAG روشی است که پیش از تولید پاسخ، اطلاعات مرتبط را از پایگاه دانش بازیابی و به زمینه مدل اضافه میکند. ایلاچت در توضیحات وبسایت خود مشخصا RAG را توضیح میدهد. پلنهای فعلی این سرویس از ۱.۱ میلیون تا ۳۰ میلیون تومان در ماه، پیش از مالیات ارزش افزوده، قیمت دارند؛ اما سهمیهها با نام GPT یا Claude تعریف نمیشوند و بر تعداد «پیام هوش مصنوعی»، حجم داده آموزشی، خزش لینک، داده محصول و مدت نگهداری سابقه تکیه دارند.
گپینو، رایاچت و مودوچت هم محصول را حول چتبات، داده کسبوکار، اتصال چندکاناله یا ارجاع به انسان تعریف میکنند. اما شفافیت درباره مدل پایه یکسان نیست: مودوچت در صفحه «درباره ما» GPT-4، Claude و LLaMA را نام میبرد؛ ایلاچت میگوید ممکن است از مدلهای داخلی یا خارجی استفاده کند؛ و در صفحات عمومی گپینو و رایاچت ارائهدهنده مدل پایه مشخص نشده است. در این لایه، نحوه اتصال به دانش و فرایند کسبوکار از نام مدل مهمتر میشود، اما وابستگی بالادستی از بین نمیرود.
این ۱۵ پلتفرم زیر یک برچسب واحد قرار میگیرند، اما محصول یکسانی نمیفروشند. در یک سر بازار، اپلیکیشنهای مولد تجربه دسترسی، پرداخت و رابط کاربری را روی مدلهای آماده میسازند؛ در میانه، فضای چندمدلی و پلتفرم API انتخاب و کنترل را اضافه میکنند؛ و در سمت سازمانی، Conversational AI و پایگاه دانش مدل را به فرایند واقعی کسبوکار نزدیک میکنند.
برای شفافتر دیدن این بازار میشود نام GPT و Claude را موقتا از صفحه محصول کنار گذاشت. آنچه باقی میماند نشان میدهد هر پلتفرم دقیقا در کجای زنجیره ایستاده است؛ و همزمان چه چیزهایی، از مدل پایه تا بخشی از سیاست دسترسی، هنوز بیرون از کنترل آن قرار دارد.
منبع





