‏🔷 ۷/۸

Z.ai GLM‑4, CodeGeeX4, GLM‑Edge, GLM‑4.6
– تمرکز بر عملکرد عمومی: در بنچمارک‌های استدلال، برنامه‌نویسی، عامله‌ای و تصویری، نمرات خوداظهاری بالایی گزارش شده است.
– قابلیت‌های عامله‌ای قابل اعتماد: با داده‌های مصنوعی برای استفاده از ابزار و زمینه طولانی آموزش دیده‌اند تا فراخوانی توابع و برنامه‌ریزی چندمرحله‌ای قابل اطمینان‌تری داشته باشند.
– آموزش چندمرحله‌ای متخصص: مدل‌های متخصص برای استدلال، برنامه‌نویسی و وظایف عامله‌ای آموزش داده شده و سپس از طریق تقطیر خودی به‌هم پیوستند تا مدل عمومی متعادل ساخته شود.
– Z.ai که از دانشگاه چینگ‌هوا (Tsinghua) جدا شده است، در ۱۶ ژانویهٔ ۲۰۲۵ به فهرست موجودیت‌های وزارت تجارت ایالات متحده افزوده شد.

• USCC.gov – کمیسیون بررسی اقتصادی و امنیتی ایالات‑متحده‑چین — ۸ مقاله گروه کاری پژوهشی

قیمت ترکیبی در Artificial Analysis ترکیبی از قیمت توکن‌های خروجی و ورودی با نسبت ۳:۱ می‌باشد. مدل‌های چینی هزینه‌ای کسری از قیمت‌های ایالات‑متحده دارند. آزمایشگاه‌های هوش مصنوعی چین مدل‌های خود را با قیمت‌های رقابتی‌تر عرضه می‌کنند و در عین حال فاصله عملکردی با همتایان ایالات‑متحده را کاهش می‌دهند. به‌عنوان مثال، Kimi K2.5 تا ژانویهٔ ۲۰۲۶ چهار برابر ارزان‌تر از GPT‑5.2 شرکت OpenAI است. ۳۳ هر دو دارای شاخص هوش ۴۷ در تجمیع‌کننده معیارهای Artificial Analysis هستند (نگاه کنید به شکل ۲). این قیمت‌گذاری تهاجمی تا حدی پاسخی به واقعیتی در بازار چین است: مصرف‌کنندگان کمتر مایل به پرداخت برای محصولات نرم‌افزاری هستند. ۳۴ برای غلبه بر این مانع، پکن دسترسی کاربران به مدل‌های موجود را از طریق APIها یارانه می‌دهد و مجوزهای پیش‌آموزش‌دیده را به‌صورت مستقیم خریداری می‌کند. ۳۵

توجه: مدل‌های مورد تجزیه و تحلیل پیش از ۱ فوریهٔ ۲۰۲۶ منتشر شده‌اند. نمودار OpenAI‑o1 که هزینهٔ ۲۶٫۲۵ دلار برای هر یک میلیون توکن دارد اما شاخص هوش نسبتاً پایینی (۳۱) کسب می‌کند، در آن گنجانده نشده است. منبع: Artificial Analysis. ۳۶

شاخص GPT‑5.2: ۴۷ قیمت: ۴٫۸۱ دلار/میلیون توکن
Kimi K2.5 شاخص: ۴۷ قیمت: ۱٫۲ دلار/میلیون توکن

• USCC.gov – کمیسیون بررسی اقتصادی و امنیتی ایالات متحده‑چین — 9 مقاله کارگروه پژوهشی

همانند سایر بخش‌هایی که تحت سیاست‌های صنعتی هدف قرار گرفته‌اند، دولت مرکزی و دولت‌های محلی چین با ترکیبی از سازوکارهای عرضه‌محور و تقاضامحور، توسعه هوش مصنوعی را پیش می‌برند. در سمت عرضه، اقدامات بالادستی شامل حمایت گسترده از زیرساخت‌های انرژی می‌شود؛ به عنوان مثال، هزینه برق مراکز داده که اغلب با تراشه‌های داخلی تأمین می‌شوند، با یارانه کاهش می‌یابد. برای آموزش و استنتاج هوش مصنوعی، استان‌های گانسو، گویژو و منطقۀ خودمختار مغولستان داخلی اعلام کرده‌اند که صورتحساب برق ارائه‌دهندگان ابر را تا پنجاه درصد کاهش دهند.* 37 شرکت‌های چینی نیز مکان‌یابی مراکز داده هوش مصنوعی را نسبت به شبکه‌های برق بهینه می‌سازند تا انرژی موجود را به این تأسیسات اختصاص دهند و از برق ارزان بهره‌برداری کنند. 38 در سمت تقاضا، دولت چین با یارانه هزینه‌های استفاده از مدل‌های کم‌قیمت پیش‌از‌این، موانع پذیرش هوش مصنوعی را کاهش می‌دهد. 39 سیاست‌های دیگر برای تقویت مسیرهای نیروی انسانی، تأمین مالی استارت‑اپ‌ها و گسترش دسترسی آزمایشگاه‌های چینی به داده‌ها نیز به پیشرفت هوش مصنوعی در چین کمک می‌کنند.

از چشم‌انداز به واقعیت: ساختن اکوسیستم باز