زمان مطالعه : 22 minutes

وقتی که یک LLM را برای توسعه نرم‌افزار روزانه استفاده می‌کنید، همیشه به یک دیوار می‌خورید: مدل کد پایتان شما را نمی‌شناسد. نمی‌داند که شما از چنین الگویی ازhttps://fr.wikipedia.org/wiki/Graphe_orient%C3%A9_acyclique[DAG]، چنین کنوانسیون Gradle، چنین طبقه‌بندی شناختی در شماhttps://fr.wikipedia.org/wiki/AsciiDoc[.adoc]. ما به او زمینه‌ای تزریق می‌کنیم، تکرار می‌کنیم، اصلاح می‌کنیم، تکرار می‌کنیم. و زمان — و پول — می‌گذرد.

من بنابراین به صورت blunt سؤال پرسیدم: هزینه یک تیم از مدل‌های fine‑tuned روی workspace من چقدر خواهد بود که بتوانند کد به سبک من را بدون نیاز به توضیح دادن هر بار، بپاشند؟ و به خصوص: این رویکرد چگونه نسبت به راه‌حل‌های مالکانه کلاسیک — Claude، GPT، Gemini، Grok — مقایسه می‌شود؟

پاسخ من را شگفت‌زده کرد. بسیار کمتر از آنچه به ذهنم رسیده بود. و نسبت هزینه/کارایی در مقابل عظماهای این بخش نامناسب است. اینجا جزئیات کامل است.

مشکل: چرا fine-tune و نه RAG؟

RAG خوب است. گراف دانش من و بخش‌بندی επιστημη من کار می‌کنند. اما رाग یک نقص اساسی دارد: در هر پرسش، باید زمینه مرتبط را دوباره تزریق کنی. prompt تو طولانی می‌شود، تأخیر تو انفجار می‌یابد و مدل هرگز intériorise نمی‌کند pattern‌های تو را — هر بار آن‌ها را مثل یک سند خارجی می‌خواند.

fine-tune، به این معنی است که حافظه عضلانی است. مدل می‌داند که تو می‌نویسی.build.gradle.kts`با وظائف ثبت-dose از`tasks.register, که تو`AGENTS.adoc`آن‌ها یک سینتکس استاندارد را دنبال می‌کنند، که فضای کاری شما به boroughs ساختار داده شده است. او نیازی به یادآوری ندارد.

Fine-tune جایگزین RAG نیست. یک لایه تکمیلی است. RAG برای داده‌هایی که اغلب تغییر می‌کنند (لاگ‌ها، تیکت‌ها، کامیت‌های اخیر) مرتبط می‌ماند. Fine-tune برای دانش ساختاری و استایلی بلندمدت است.

ایده : یک اسطول از کارشناسان، نه یک مدل واحد

یک مدل fine-tuned بر روی کل فضای کاری من کافی است. اما این بهینه نیست. فضای کاری من حوزات بسیار متفاوتی را پوشش می‌دهد:

  • افزونه‌های Gradle (Kotlin, افزونه‌های کنوانسیون، ساخت‌های ترکیبی)

  • موتور DAG (کاتلین، برنامه‌ریزی، اجرا)

  • عامل‌های LLM (Python, LangChain4j, RAG)

  • مستندات معماری (AsciiDoc, حکومت)

  • Infra/DevOps (Docker, GitHub Actions, CI/CD)

یک مدل یکتا باید در هر جای خوب باشد، در هیچ جای عالی نیست. راه‌حل؟ یکاسطول مدل‌های تخصصی, با یک اورکستراتور که هر درخواست را به متخصص مناسب می‌رساند.

@startuml
skinparam backgroundColor #FAFAFA
skinparam defaultFontSize 13

package "Ollama Cloud" {
  rectangle "DeepSeek V4-Pro\n1.6T / 49B فعال" as V4Pro #FF6B6B
  rectangle "6× V4-Flash-FT\n292B / 13B فعال" as Flash #4ECDC4
  rectangle "6× Gemma4 26B-FT\n26B / 3.8B فعال" as Gemma #FFE66D
  rectangle "5× Qwen3.6 35B-FT\n35B / 3B فعال" as Qwen36 #A8E6CF
  rectangle "5× Qwen3.5 35B-FT\n35B / 3B فعال" as Qwen35 #FF8B94
}

note bottom of Qwen35
از ۱۷ یورو در ماه
(۱× Ollama Pro سالانه)
قابل گسترش از طریق تجمیع
حساب‌های Pro بر اساس
روش Docker.
end note

actor Utilisateur as User

User --> V4Pro : Requête
V4Pro --> Flash : "تسک پیچیده Gradle"
V4Pro --> Gemma : "فرمت‌بندی AsciiDoc"
V4Pro --> Qwen36 : "بازنویسی (refactoring) کاتلین"
V4Pro --> Qwen35 : "اسکریپت Bash"

note right of V4Pro
ارکستراتور درخواست را به
مرتبط‌ترین متخصص
هدایت می‌کند.
بدون نیاز به
مهندسی پرامپت تکراری.
end note

@enduml

اسطول کامل:1 آركسترایتر + 22 کارشناس = 23 مدل‑ها. و هزینه استنتاج ماهانه؟17€/ماهاشتراک سالانه Ollama Pro — قابل گسترش به وسیله تجمیع حساب‌ها در صورت تجاوز از محدودیت‌ها، همان‌طور که در روش Docker چند حسابیم نشان داده شده است. از 17€ شروع می‌شود و بر اساس نیاز واقعی، به ازای هر سطح 20€ افزوده می‌شود. بدون هدر.

کدبیس تحت میکروسکوپ : ۷٬۹۰۰ فایل، ۱۴۴٬۰۰۰ خط

قبل از تخمین هزینه آموزش، باید بدانیم چه چیزی باید آموزش دهیم. من فضای کاری خود را با حذف دقیق هر چیزی که توسط Git نادیده گرفته می‌شود، تدقیق کردم :

----
----
----
----
build/    out/    node_modules/    runtimes/    .gradle/    dist/
target/   venv/   __pycache__/     .cache/      .tox/
----

نتیجه برای فایل‌های رهگیری شده فقط:

[cols="2,2"]
|===
|متریک |ارزش

|فایل‌های منبع ردیابی شده |**7 896** |خطوط کد (LOC) |**143 805** |مخازن گیت |**26** |زبان‌های اصلی |Kotlin (1 903), AsciiDoc (2 765), Python (5 029)
|===

[IMPORTANT]
====
این ۵ ۰۰۰+ فایل پایتون شامل`runtimes/`دفترچه‌ها و اسکریپت‌های کاربردی. قلب التطبيقی (افزونه‌های Gradle، موتور DAG، العاملان) عمدتاً به زبان Kotlin و AsciiDoc است.
====

از این جرم، من تخمین می‌زنم که بتوانم یک مجموعه داده مصنوعی از**حدود 170 میلیون توکن**از طریق یک LLM آموزگار (تقطیر کدباز به جفت‌های دستور/پاسخ).

=== جزئیات دیتاست بر اساس نوع متخصص

[source,text]
----
Dataset maître (généraliste V4-Flash) :    50M tokens
Expert Gradle/Build        :    15M tokens
Expert Kotlin/DAG          :    15M tokens
Expert AsciiDoc/Gouvernance:    15M tokens
Expert Agent/LLM/Python    :    15M tokens
Expert Infra/CI-CD         :    15M tokens
Micro-experts Qwen/Gemma   :   ~5M tokens chacun
----

== انتخاب مدل‌ها: 100% MoE، صفر denses

اینجاست که معماری واقعاً کارآمد می‌شود.

یک مدل *dense* تمام وزن‌هایش را در هر توکن فعال می‌کند. یک مدل *MoE* (Mixture of Experts) فقط یک kısm از پارامترهای خود را فعال می‌کند. هزینه استنتاج — و fine-tuning — متناسب با پارامترها است.**فعال**, به پارامترها**ذخیره‌شده**.

بیایید ببینیم بازار امروز چه چیزی در زمینه MoE را در Ollama Cloud ارائه می‌دهد :

[cols="3,2,2,1,3"]
|===
|مدل |کل پارامترها |فعال |فعالسازی |Ollama ابر

|DeepSeek V4-Pro |1.6T |49B |3.1% |✅ بومی |DeepSeek V4-Flash |292B |13B |4.5% |✅ فطری |Gemma 4 26B-A4B |26B |3.8B |14.6% |✅ بومی |Qwen3.6-35B-A3B |35B |3B |8.6% |❌ (هنوز ادغام نشده) |Qwen3.5-35B-A3B |35B |3B |8.6% |✅ بومی
|❌ Qwen3.5-27B |27B |۲۷B |100% چگال |حذف شده |❌ Qwen3.5-4B/9B |4B/9B |4B/9B |100% چگال |حذف شده |❌ Gemma 4 31B |31B |31B |100% چگال |حذف شده
|🧪 Gemma 4 E2B/E4B |5B/8B |5B/8B |100% چگال |پایپ لاین اعتبارسنجی
|===

[CAUTION]
====
نسبت فعالیت معیار تمایز‑کننده است. یک Gemma 4 26B-A4B تنها 3.8B از 26B پارامترهای خود را فعال می‌سازد — یعنی 7 برابر کمتر از یک مدل 27B dense، برای عملکردهای شبیه‌سازی کدنویسی آژانتیComparable (77.1% مقابل 80% در LiveCodeBench v6).
====

=== چرا من مدل‌های چگال را رها می‌کنم

استثنا: مدل‌های Gemma 4 E2B و E4B. این دو مدل، تحت Apache 2.0، برای تست و اعتبارسنجی یک لایهٔ آموزش با هزینه کم مناسب‌اند. یک اجرا به مدت ۲‑۳ ساعت بر روی یک E2B کمتر از ۵ دلار هزینه دارد — اگر مجموعه داده یاهایپرامترها نادرست باشند، برای چند دلار می‌توانیم این را بدانیم. پس از اینکه لایهٔ آموزش آماده شد، حتی می‌توانند برای وظایف ultrasmall (فرمت‌دهی trivial، دسته‌بندی دودویی) نیز به کار روند. اما برای متخصصان armada اصلی، من با MoE می‌مانم. دلیل این کار:

.اما نه فقط : Gemma 4 E2B/E4B، المتخصصین در انونوماتیزین دقیق

[NOTE]
====
گوگل این مدل‌های کوچک را به عنوان رقبا در tool calling بومی طراحی کرده است؛ آن‌ها می‌توانند توابع را فراخوانی کنند، regex را تغییر دهند، motif‌ها را جستجو کنند. پس از fine-tuning روی مثال‌های ناشناس‌سازی (ایمیل‌ها، توکن‌ها، UUIDs، مسیرهای فایل‌ها)، آن‌ها می‌شوند**ناشناس‌سازهای دیتاست**سریع‌ال'ultra'. ما یک بلوک متن خام به ایشان می‌دهیم، آنها فراخوانی می‌کنند`sed`/`regex` via un tool call et retournent le bloc nettoyé. Le coût d'inférence est dérisoire : 5B activés, ça tient sur une seule GPU d'entrée de gamme. Ces modèles ne sont pas des experts métier — ce sont des **کارگران تخصصی**در زنجیره تولید دیتاست
====

* VRAM آموزش آن (حتی در QLoRA) متناسب با**27B مجموع**
* زمان آموزشی او متناسب با**27B فعال**

مقایسه کنیم با یک Qwen3.6-35B-A3B (MoE):

[cols="3,2,2,2"]
|===
| |Qwen3.5-27B (چگال) |Qwen3.6-35B-A3B (MoE) |نسبت

|VRAM QLoRA |~55 GB |~35 GB |1.6× |ساعت GPU (8M توکن) |~12h |تقریباً ۴ ساعت |**3×** |هزینه دقیق‌سازی |~$24 |~$8 |**3×** |SWE-bench تأیید شده |75.0% |73.4% |قابل مقایسه
|===

MoE هزینه آموزش آن 3× کمتر است تا عملکرد agent-coding به مقدار 5% نزدیک باشد. در بین 22 متخصص، این تفاوت به هزاران یورو می‌رسد.

== تخمین آموزش: 811 ساعت H100

من هزینه آموزش مدل به مدل را، در قالب QLoRA 4-bit، با مجموعه‌های داده‌های توصیف‌شده بالا، تفکیک کردم.

=== میکرو-متخصصان MoE سبک (3-3.8B فعال)

این مدل‌ها به یک H100 (80 GB) در هر اجرا نیاز دارند. VRAM مدل در Q4 حدود 13-18 GB است، که فضای کافی برای وضعیت‌های بهینه‌ساز LoRA و فعال‌سازی‌ها باقی می‌ماند.

[cols="4,2,3,2"]
|===
|مدل |تعداد اجراها |ساعت GPU/اجرا |مجموع ساعت‌های GPU

|Gemma 4 26B-A4B-FT |6 |3.5 h |**۲۱ ساعت** |Qwen3.6-35B-A3B-FT |5 |4.0 h |**20 ساعت** |Qwen3.5-35B-A3B-FT |5 |4.0 h |**۲۰ ساعت** |*مجموع جزئی میکرو* | | |*61 h*
|===

=== اجراگران V4-Flash (13B فعال / 292B ذخیره‌شده)

DeepSeek V4-Flash یک مورد خاص است. هرچند تنها 13B به ازای توکن فعال می‌شود، مدل کامل در Q4 حدود ۱۴۲ گیگابایت است — تمام متخصصان باید در VRAM در طول آموزش باشند. بنابراین باید**3× H100**par run برای راحتی.

[cols="4,2,3,3,2"]
|===
|مدل |دیتاست |واحدهای پردازش گرافیکی |ساعات |مجموع GPU-h

|V4-Flash-Base عمومی |50M توکن |3 ضرب H100 |50 h |**150 ساعت** |V4-Flash متخصص ×5 |15M توک |3× H100 |40 h |**600 ساعت** |*مجموعه جزئی اجرایی* | | | |*750 h*
|===

[cols="3,2,1"]
|===
|**مجموع** | |**811 H100-h**
|===

[NOTE]
====
به عنوان مقایسهٔ، یک تنظیم دقیق کامل (full fine-tune) V4-Flash (بدون QLoRA، تمام وزن‌ها) حدود ۴٬۰۰۰ ساعت H100-h صرفاً برای ۶ مدل هزینه خواهد داشت. QLoRA هزینه را به ۵ برابری می‌شکند. این تنها راه است که پروژه را در این مقیاس اقتصادی به‌وجود آورد.
====

=== قیمت‌های GPU: چه کسی چه چیزی را در ماه می 2026 اجاره می‌کند؟

من اصلی‌ترین اجاره‌دهندگان H100 را benchmark کردم. قیمت برحسب متر، برای 811 ساعت.

[cols="3,2,2,2"]
|===
|مؤجر |$/H100·h |کل 811h |قابلیت اعتماد

|**Vast.ai spot** |$1.60 |**$1 298** |★★☆ قابل قطع |**ابر کرزو** |$2.00 |**$1 622** |★★★★ دیتاسنتر قابل اعتماد |FluidStack |$1.98 |$1 606 |★★★ |TensorDock |$1.80 |$1 460 |★★☆ |RunPod |$2.29 |$1 857 |★★★ یک توافق خوب |کور ویو |$2.25 |$1 825 |★★★★ شرکت |Lambda Labs |$2.49 |$2 019 |★★★★ پریمیوم
|===

[TIP]
====
Vast.ai spot ارزان‌ترین است اما 실행‌های شما می‌توانند در هر زمان متوقف شوند. برای آموزش، این پر ریسک است. Crusoe با هزینه $2.00/h بهترین نسبت قابلیت الاعتماد به قیمت را دارد. افزایش هزینه $324 نسبت به Vast، برای آرامش ذهن ارزش دارد.
====

=== Wall-clock : برای آموزش تمام موارد چقدر زمان لازم است؟

با یک گره 3× H100، 31 run (1 عمومی + 30 متخصص) تقریباً طول می‌کشند**12 روز**به صورت سریالی. اگر دو گره را به صورت موازی اجاره کنید، به**6 روز**.

در عمل، میکرو-متخصصان می‌توانند در گره‌های جداگانه (هر یک ۱ H100) اجرا شوند در حالی که V4-Flash گره 3× H100 را اشغال می‌کند. با برنامه‌ریزی هوشمند :

----

Nœud A (3× H100) : V4-Flash généraliste → V4-Flash experts ×5       (11 jours) Nœud B (1× H100) : Gemma 4 26B ×6 → Qwen 36 ×5 → Qwen 35 ×5        (6 jours)

۷ روز اجاره، همهٔ چیز collapse

== استنتاج: 23 مدل در Ollama Cloud از 17 یورو در ماه

این زیباترین بخش معماری است.

Ollama Cloud اجازه آپلود مدل‌های خصوصی را می‌دهد (ویژگی برنامه Pro). ۲۲ مدل fine‑tuned من در حالpush شدن در`.gguf`در فضای Ollama من، به‌عنوان خصوصی نشانه‌گذاری شده‌اند و از طریق API استاندارد قابل دسترسی هستند.

[plantuml, inference-flow, svg]
----
@startuml
skinparam backgroundColor #FAFAFA
skinparam defaultFontSize 12

|Utilisateur|
start
:Tâche de développement;

|Orkestrateur (V4-Pro)|
:Classifier la tâche\n(domaine + complexité);
if (Tâche simple,\nspécialisée ?) then (oui)
  :Router vers micro-expert\n(Gemma 4 26B-A4B-FT\n ou Qwen3.6-35B-A3B-FT);
elseif (Tâche complexe,\nconventions fortes ?) then (oui)
  :Router vers exécutif\n(V4-Flash-FT);
else (non)
  :Résoudre avec V4-Pro\n(architecture, décision);
endif

|Modèle ciblé|
:Génère le code/output\n**dans mon style**,\n90%+ first-shot correct;
:Retourne la réponse;

stop
@enduml
----

=== شروع می‌کنیم از ۱۷ یورو/ماه، در صورت نیاز مقیاس می‌دهیم.

پلن Pro Ollama (17€/ماه به صورت سالانه) اجازه استفاده از 3 مدل ابر رقبا را می‌دهد. در این معماری، هرگز به بیش از 2-3 متخصص همزمان نیازی ندارم:

* مرحله طبقه‌بندی (V4-Pro) یک slot را اشغال می‌کند، چند ثانیه
* متخصص هدف یک جا اشغال می‌کند، زمان تولید پاسخش
* سومین slot به‌عنوان رزرو برای وظایف موازی باقی می‌ماند

اگر استفاده افزایش یابد، حساب‌های Pro اضافی را از طریق روش Docker توصیف‌شده در xref:0120_cumuler_deux_abonnements_ollama_pro_docker_post.adoc[مقاله من در مورد تجمیع اشتراکات] اضافه می‌کنم. هیچ پلن Max به قیمت ۱۰۰ یورو/ماه وجود ندارد — فقط همان چیزی که واقعاً نیاز دارم را اضافه می‌کنم.

تنها عامل محدودکننده آن است**محدودیت زمان GPU**به‌ماهانه Ollama (50 برابر پلن رایگان برای Pro). برای استفاده من از چند صد درخواست در روز، به‌طور کافی ample.

[IMPORTANT]
====
هزینه الحدی یک تماس به V4-Pro (49B فعال) در مقابل Gemma 4 26B-A4B (3.8B فعال) است**همان‌طور برای من: صفر**. این بسته Ollama تفاوت محاسبه را جذب می‌کند. تنها شاخص من تأخیر است.
====

=== مسیردهی در عمل

----

Volume de requêtes estimé : ~500/jour

├─ 50% → Gemma 4 26B-A4B-FT    (micro, 3.8B actifs) │        Formatage AsciiDoc, scripts simples, conventions nommage │ ├─ 25% → V4-Flash-FT            (exécutif, 13B actifs) │        Plugins Gradle, refactoring Kotlin, génération DAG │ ├─ 15% → Qwen 35B MoE-FT       (micro, 3B actifs) │        Tâches intermédiaires, review de code, documentation │ └─ 10% → V4-Pro                 (orkestrateur, 49B actifs) Décisions architecturales, refactoring transverse, problèmes vraiment nouveaux

بیشتر ترافیک از طریق کوچک‌ها رد می‌شود. مدل بزرگ فقط به عنوان آخرین گزینه عمل می‌کند.

== مقایسهٔ دردآور: Claude, GPT, Gemini, Grok vs أسطول من

اینجاست که فاصله به طور قابل‌توجهی افزایش می‌یابد. بیایید نگاهی به هزینه‌ی همان حجم کار (500 درخواست/روز، ~300 توکن input + 2 000 توکن output به‌طور متوسط) با حلول مالکیت‌دار بازار در می ۲۰۲۶ داشته باشیم.

=== Anthropic — Claude (تعرفه‌های مه ۲۰۲۶)

Anthropic اخیراً *کاهش یافته* قیمتش را. فشار از راه‌حل‌های open-weight مانند DeepSeek و Qwen احساس می‌شود.

[cols="3,2,2,2,2"]
|===
|مدل |$/MTok |خروجی $/MTok |هزینهٔ روزانه |**هزینه/ماه**

|Opus 4.7 (هوشمندتر) |$5 |$25 |$25.75 |**$772** |سونت ۴.۶ (متوازن) |$3 |$15 |$15.45 |**$463** |Haiku 4.5 (سریع‌ترین) |$1 |$5 |$5.15 |**$154**
|===

[CAUTION]
====
این تعرفات *بعد* آخرین کاهش قیمت آنتروپیک (مه 2026) هستند. قبل از آن، Opus به $15/$75 برای هر MTok بود. ترس از open-weight واقعی است.
====

حتى أرخص نموذج لكلود — Haiku 4.5 به**154 یورو/ماه**— هزینه 9 برابر هزینه اشتراک من از Ollama Pro به قیمت 17 یورو است. و Haiku کدベイス من را نمی‌شناسد، در سبک من تولید نمی‌کند و نیاز به مهندسیprompt سیستماتیک دارد.

هوشمند‌ترین — Opus 4.7 — بودجه را به**۷۷۲€/ماه**برای یک حجم محدود از 500 درخواست در روز. یعنی**45× گران‌تر**که راه‌حل من.

=== OpenAI — GPT (تعرفه‌های می ۲۰۲۶)

[cols="3,2,2,2,2"]
|===
|مدل |$/MTok |$/MTok |هزینهٔ روزانه |**هزینهٔ ماهانه**

|GPT 5.5 (بهترین هوشمند) |$5 |$30 |$30.90 |**$927** |GPT 5.4 (معمول) |$2.50 |$15 |$15.45 |**$۴۶۳** |GPT 5.4 مینی |$0.75 |$4.50 |$4.64 |**$139**
|===

حتی مدل «اقتصادی» OpenAI — GPT 5.4 Mini به 139 یورو در ماه — 8 برابر هزینه اشتراک من است، برای مدلی که *هیچ* چیزی از عرف‌ام نمی‌داند و نیاز به مهندسی پرامنت سنگین دارد.

GPT 5.5، پرچمدارشان :**927€/ماه**. برای *zero-shot* در کدپایهٔ من. با 2-3 تکرار برای هر وظیفه به دلیل سبک غیر مهار، هزینهٔ ماهانه واقعی به راحتی دو برابر می‌شود.

=== گوگل — Gemini (قیمت‌های ماه مه ۲۰۲۶)

[cols="3,2,2,2,2"]
|===
|مدل |$/MTok |$/MTok |هزینه/روز |**هزینه/ماه**

|Gemini 3.1 Pro (High) |$3.50 |$17.50 |$18.00 |**$540** |Gemini 3.1 Pro |$2 |$10 |$10.30 |**$309** |جمینی 3 فلاش |$0.30 |$1.50 |$1.54 |**$۴۶**
|===

Gemini 3 Flash به قیمت ۴۶ یورو در ماه رقابتی از نظر قیمت خالص است — اما بدون fine-tune، کد « عمومی » تولید می‌کند. نه کد *Cheroliv*.

=== Grok — xAI (تعرفات مه 2026)

[cols="3,2,2,2,2"]
|===
|مدل |$/MTok |Output $/MTok |هزینه/روز |**هزینه/ماه**

|Grok 4 |$4 |$16 |$16.48 |**$۴۹۴** |Grok 4 Mini |$0.80 |$3.20 |$3.30 |**$99**
|===

=== Microsoft — Azure OpenAI (قیمت‌های مه ۲۰۲۶)

Azure همان قیمت‌ها را مانند API OpenAI مستقیم اعمال می‌کند، اما علاوه بر این، هزینه زیرساخت و شبکه را نیز محاسبه می‌کند. برای سرویس مدیریت‌شده باید هزینه اضافی 10-20٪ را در نظر گرفت.

[cols="3,2,2,2,2"]
|===
|مدل |$/MTok |$/MTok |هزینهٔ روزانه |**هزینه/ماه**

|GPT 5.4 (Azure, جهانی) |$2.50 |$15 |$15.45 |**$۴۶۳** |GPT 5.4 + بنياد‌ساز |هزینه اضافه ۱۵% |هزینه اضافی ۱۵٪ |$17.77 |**$533**
|===

[NOTE]
====
تعرفات بالا مربوط به API است، نه اشتراک‌های « chat » (Claude Pro به $20/ماه، ChatGPT Plus به $20/ماه). اینجا استفاده *développeur* را مقایسه می‌کنیم، جایی که تو صدها درخواست در روز از طریق API برای تولید، بازسازی، اسنادسازی連続 می‌زی. اشتراک‌های عمومی سهمیه‌هایی دارند که به‌سرعت قبل از 500 درخواست در روز از حد می‌گذرن.
====

=== جدول مقایسه‌ای نهایی

[cols="3,2,2,2,2,2"]
|===
|حل |دانش پایگاه کد |سبک یکپارچه |هزینهٔ/ماه |کرارها |**هزینه واقعی**

|**اسطول من (Ollama Pro)** |✅ دقیق تنظیم‌شده |✅ در وزن‌ها |**17 یورو** |0-1 |**۱۷€** |Claude Opus 4.7 |❌ صفر شات |❌ پرمپت لازم |$772 |2-3 |$1 500-2 300 |Claude Haiku 4.5 |❌ صفرشوت |❌ پرمپت لازم |$154 |3-4 |$460-615 |GPT 5.5 |❌ Zero-shot |❌ دستور ضروری |$927 |2-3 |$1 854-2 781 |GPT 5.4 |❌ Zero-shot |❌ پروپمت لازم |$463 |2-3 |$925-1 390 |GPT 5.4 Mini |❌ صفر شوت |❌ پرامپت لازم |$139 |3-5 |$417-695 |Gemini 3.1 Pro High |زیرو-شات |❌ پرامپت لازم |$540 |2-3 |$1 080-1 620 |گروک 4 |(Empty output) |❌ Prompt مورد نیاز |$494 |2-3 |$988-1 482 |**Azure GPT 5.4** |❌ Zero-shot |❌ Prompt مورد نیاز |$533 |2-3 |$1 066-1 600
|===

[plantuml, cost-comparison, svg]
----
@startuml
skinparam backgroundColor #FAFAFA

title گزارش هزینه/کارایی — اسطول من مقابل بازار (مه 2026)
rectangle "17 یورو/ماه" as OURS #4ECDC4
rectangle "Opus 4.7\n772€" as OPUS #FF6B6B
rectangle "سوننت 4.6\n463 یورو" as SONNET #FF8B94
rectangle "GPT 5.5\n927€" as GPT #FFD93D
rectangle "Gemini 3.1 Pro\n540€" as GEMINI #6C5CE7
rectangle "Grok 4\n494€" as GROK #A8E6CF
rectangle "هایکو ۴.۵\n154€" as HAIKU #DFE6E9
rectangle "GPT 5.4 مینی\n139€" as MINI #B2BEC3

note bottom of OURS
  Avec fine-tune intégré.
  Zéro prompt engineering.
  90%+ first-shot correct.
end note

@enduml
----

17€/ماه برای 23 متخصص هوش مصنوعی تنظیم‌شده. پرچم‌دار Claude Opus 4.7 هزینه دارد**45× گران‌تر**pour یک کیفیت پایین‌تر در *mon* codebase. GPT 5.5 هزینه دارد**54× گران‌تر**. حتی ارزان‌ترین مدل موجود در بازار (Gemini Flash به قیمت ۴۶€) هزینه دارد**۲.۷× بیشتر**بدون دانش از فضای کاری من.

حکم بدون تجدیدنظر است: تنظیم دقیق روی معماری‌های MoE، در سال ۲۰۲۶، صرفاً « ارزان‌تر » نیست. این یک عامل کارآیی است**27× تا 54×**در مورد نسبت هزینه/کیفیت در برابر راه‌حل‌های مالکانه. آنتروپیک، اُپن‌ای، گوگل — همه این را می‌دانند و به همین دلیل به حال ترس قیمت‌هایشان را کاهش می‌دهند.

== ضریب کارایی: 5-8 برابر به جای استفاده از V4-Pro تنها

حدود دو را مقایسه کنیم.

=== سناریو A : V4-Pro فقط برای همه

[cols="3,2"]
|===
|متریک |مقدار

|آشنایی با کدپایه |0 (صفر نمونه) |قاعدهٔ نامگذاری |40-60% در اولین شوت درست |مهندسی پرامپت ضروری |بله، منهاجی |تکرارها به ازای وظیفه |2-3 |هزین استنتاج |$100/ماه (Ollama Max) |میانگین تأخیر |~20 tok/s + شبکه
|===

=== سناریو B : اسطول MoE منسجم

[cols="3,2"]
|===
|متریک |ارزش

|آشنایی با کدبِس |یکپارچه (تنظیم دقیق) |اسمگذاری کنوانسیون |۹۰-۹۵٪ در اولین سعی صحیح |مهندسی پرامپت |نه (سبک در وزن‌ها است) |تکرارها برای وظیفه |0-1 |هزین-esteنتاج |$60/ماه (3× Ollama Pro) |تاخیر متوسط |~50 tok/s (مدل‌های سبک)
|===

[cols="4,2,2,2"]
|===
|بعد |V4-Pro فقط |فلوت MoE |عامل

|هزینهٔ ماهانه ابر |$100 |**$60** |1.7× |متن برای تزریق |بالا (prompt) |**صفر** |∞ |تکرارهای متوسط |2-3 |**0-1** |2-3× |لاتانس احساس شده |20 توکن/ثانیه |50 توکن/ثانیه |**2.5×** |Could you please provide the French text you would like translated? |50% |90%+ |**1.8×**
|===

**عامل کارآیی کلی : 5-8×**— احساس‌شده در کارایی توسعه‑دهنده.

[NOTE]
====
عامل به توکن یا دلار اندازه‌گیری نمی‌شود. این عامل به «چقدر زمان صرف می‌کنم تا به مدل بگویم چه چیزی باید از قبل بداند» اندازه‌گیری می‌شود. با مدل‌های fine‑tuned، این زمان به صفر می‌رسد.
====

== بودجه کامل : یک سرمایه‌گذاری یکباره، یک بسته مسخره

[cols="3,2"]
|===
|پست |مقدار

|آموزش GPU (811 H100-h, Crusoe $2/h) |**$1 622** |تولید دیتاست مصنوعی (API LLM) |**۴۰۰ دلار** |استنتاج (Ollama Pro سالانه، $17/ماه) |**$۲۰۴** |**کل سال اول** |**$۲،۲۲۶** |**ماهانه معادل** |**$186** |**هزینه تخمینی هر پرس و جو** |< $0.01
|===

[plantuml, budget-breakdown, svg]
----
@startuml
skinparam backgroundColor #FAFAFA

rectangle "بودجه سال ۱: $۲،۲۲۶" as Total #E8E8E8 {
  rectangle "آموزش GPU\n$1 622 (73%)" as Train #FF6B6B
  rectangle "Dataset\nتقطیر دیتاست\n$400 (18%)" as Data #FFE66D
  rectangle "Ollama Pro\n$204 (9٪)" as Cloud #4ECDC4
}

note bottom of Total
   $186/mois équivalent année 1.
   Dès l'an 2 : $17/mois.
   Amorti par ~$235 de CA
   mensuel avec marge 95%.
end note

@enduml
----

$186/ماه در سال اول,**$17/ماه**از سال ۲. قیمت اشتراک Netflix premium، برای یک تیم از ۲۳ متخصص هوش مصنوعی موجود ۲۴/۷ که کد *در سبک من* می‌نویسد، بدون اینکه نیاز داشته باشم تا کنوانسیون‌های خود را به آن‌ها توضیح دهم.

[plantuml, inference-flow, svg]
----
@startuml
skinparam backgroundColor #FAFAFA
skinparam defaultFontSize 12

|Utilisateur|
start
:Tâche de développement;

|Orkestrateur (V4-Pro)|
:Classifier la tâche\n(domaine + complexité);
if (Tâche simple,\nspécialisée ?) then (oui)
  :Router vers micro-expert\n(Gemma 4 26B-A4B-FT\n ou Qwen3.6-35B-A3B-FT);
elseif (Tâche complexe,\nconventions fortes ?) then (oui)
  :Router vers exécutif\n(V4-Flash-FT);
else (non)
  :Résoudre avec V4-Pro\n(architecture, décision);
endif

|Modèle ciblé|
:Génère le code/output\n**dans mon style**,\n90%+ first-shot correct;
:Retourne la réponse;

stop
@enduml
----

با edster.cloud و حاشیه حدود ۹۵٪ آن، نقطه سر و سر در**حدود ۲٬۳۴۰ دلار درآمد اضافی**در طول سال. در عمل:

* یک ماموریت pilotage نرم‌افزار → $3 000-5 000 → استثمار covered + سود
* 1 آموزش شرکت → $5 000-10 000 → راحت
* آپ‌سال ضمنی: "تیم هوش مصنوعی من forge نرم‌افزاری من را掌握 می‌کند" → تمایز تجاری

از سال دوم، آموزش دیگر نیاز به پرداخت ندارد (به جز به‌روزرسانی دیتاست). هزینه سالانه به**$204**($17/ماه). نسبت هزینه به ارزش همانند یک unicorn : تقریباً صفر.

== محدودیت‌های تمرین

این همچنان یک *برآوردی بصی* است. چندین متغیر می‌توانند بودجه را تحت تاثیر قرار دهند:

[cols="2,3"]
|===
|متغیر |تأثیر

|تولید دیتاست سنتتیک |اگر API تقطیب خراب شود (هلوسینیشن‌ها، جفت‌های نادرست)، لازم است زمان انسانی برای تنظیم صرف شود. هزینه پنهان. |محدودیت‌های زمان GPU Ollama |اگر استفاده از سهمیه‌های پلن Pro تجاوز کند، باید به ارتقا یا به GPU اختصاصی منتقل شویم. |کیفیت مؤثر از تنظیم‌های دقیق |یک fine-tune ناموفق → باید دوباره انجام شود. خطر اصلی پارامترهای فراتر است، نه موقعیت GPU. |تغییر سریع مدل‌ها |Qwen3.6/Gemma 4 کمتر از یک ماه پیش منتشر شدند. در ۶ ماه، نسل بعدی بهتر و ارزان‌تر برای fine-tuning خواهد بود.
|===

[WARNING]
====
811 ساعت آموزش را بدون اینکه ابتدا خط لوله را روی *یک* micro-model تست کنید، راه نندازید. یک اجرا 3-4 ساعت روی یک Qwen 35B-A3B هزینه $8 دارد. اگر دیتاست خراب باشد، شما این را برای $8 متوجه می‌شوید، نه برای $1,622.
====

== نتیجه: fine-tune به یک لوکس قابل دسترس تبدیل شده

یک سال پیش، fine-tuning یک مدل با 292B پارامتر (حتی با QLoRA) به‌عنوان تحقیق محسوب می‌شد. امروز، در مه 2026، این یک پروژه قابل انجام برای یک توسعه‌دهنده مستقل است :

* **811 H100 ساعت**آموزش — $1 622 در Crusoe
* **23 مدل تخصصی**بارگذاری شده بر روی Ollama Cloud —**$17/ماه**
* **0 سرور، 0 GPU محلی، 0 نگهداری زیرساخت**

دیموکراسی‌سازی از سه عامل همگرا ناشی شده است :

1. **معماری‌های MoE**— که امکان fine-tuner کارآمد مدل‌ها را فراهم می‌آورند که تنها بخشی از وزن‌های آن فعال است.
2. **طرح‌های ثابت Ollama Cloud**— هزینه متغیر (per-token) را به هزینه ثابت (اشتراک) تبدیل می‌کنند
3. **مدل‌های open-weight با کیفیت**— DeepSeek V4, Qwen3.6, Gemma 4 تحت مجوزهای MIT/Apache 2.0 هستند

تمدن با افزایش تعداد операции‌های مهمی که می‌توانیم آن‌ها را بدون فکر کردن انجام دهیم، پیش می‌رود.

fine-tune، دقیقاً همین است: یک عملیات است که به ماشین واگذار می‌کنی تا دیگر نیازی به فکر کردن نداشته باشی. و در سال ۲۰۲۶، ارزان‌تر از یک توسعه‌دهنده جوان ماهانه است.

---

_مقاله منتشر شده در {jbake-date}_

== مدل‌های تنظیم دقیق اسطول

[cols="2,2,2,2,3"]
|===
|اندازه فعال |عدد |مدل پایه |دامنه |داده‌ست

|13B |1 |DeepSeek-V4-Flash-Base |فضای کار عمومی |50 میلیون توکن |13B |5 |DeepSeek-V4-Flash |Gradle, Kotlin, DAG, Doc, Infra |15M توکن |3.8B |6 |Gemma 4 26B-A4B |میکرو-کارها، قالب‌بندی، اسکریپت‌ها |5M توکن |3B |5 |Qwen3.6-35B-A3B |بازسازی, بررسی, سند میانی |5 میلیون توکن |3B |5 |Qwen3.5-35B-A3B |وظائف قدیمی، سازگاری |5M توکن
|===

== منابع

=== مدل‌های open-weight در HuggingFace

* https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Base[DeepSeek V4-Flash-Base — 292B پارامتر، مجوز MIT]
* https://huggingface.co/Qwen/Qwen3.6-35B-A3B[Qwen3.6-35B-A3B — 35B/3B فعال، مجوز Apache 2.0]
* https://huggingface.co/Qwen/Qwen3.5-35B-A3B[Qwen3.5-35B-A3B — 35B/3B فعال، مجوز Apache 2.0]
* https://huggingface.co/google/gemma-4-26B-A4B-it[Gemma 4 26B-A4B — 26B/3.8B فعال، مجوز Apache 2.0]

=== منابع تعرفه‌ها (می ۲۰۲۶)

* https://ollama.com/pricing[Ollama Cloud — تعرفه‌ها: طرح Pro $17/ماه سالانه]
* https://www.anthropic.com/pricing[تعرفه‌های Anthropic — Claude API (Opus 4.7 $5/$25, Sonnet 4.6 $3/$15, Haiku 4.5 $1/$5)]
* https://openai.com/api/pricing/[هزینه‌های OpenAI — GPT API (GPT 5.5 $5/$30, GPT 5.4 $2.50/$15)]
* https://deepinfra.com/pricing[قیمت‌های DeepInfra — نمونه‌های GPU H100 $1.79/ساعت، B200 $2.79/ساعت]
* Vast.ai, Crusoe Cloud, FluidStack, TensorDock, RunPod, CoreWeave, Lambda Labs — گزارش‌های قیمت دستی، تاریخی از مه 2026

=== اعلامیه‌های رسمی

* https://qwen.ai/blog?id=qwen3.6-35b-a3b[اعلان رسمی Qwen3.6-35B-A3B — وبلاگ Qwen]— کدینگ ایجنتی، Apache 2.0، زمینه 262K

[cols="3,2,2,2,2"]
|===
|مدل |$/MTok |خروجی $/MTok |هزینه/روز |**هزینه/ماه**

|Grok 4 |$4 |$16 |$16.48 |**۴۹۴ دلار** |Grok 4 Mini |$0.80 |$3.20 |$3.30 |**۹۹ دلار**
|===

=== مایکروسافت — Azure OpenAI (تعرفه‌های می ۲۰۲۶)

Azure همان قیمت‌های API مستقیم OpenAI را اعمال می‌کند، اما هزینه‌های زیرساخت و شبکه را نیز به‌صورت جداگانه صورت‌حساب می‌کند. باید هزینه‌ای اضافی بین ۱۰ تا ۲۰ درصد برای سرویس مدیریت‌شده در نظر گرفت.

[cols="3,2,2,2,2"]
|===
|مدل |$/MTok |خروجی $/MTok |هزینه/روز |**هزینه/ماه**

|GPT 5.4 (Azure, Global) |$2.50 |$15 |$15.45 |**۴۶۳$** |GPT 5.4 + زیرساخت |۱۵٪ هزینه اضافی |۱۵٪ هزینه اضافی |$17.77 |**۵۳۳ دلار**
|===

[NOTE]
====
نرخ‌های فوق مربوط به API است، نه اشتراک‌های «چت» (Claude Pro با ۲۰ دلار در ماه، ChatGPT Plus با ۲۰ دلار در ماه). در اینجا ما در حال مقایسه استفاده *توسعه‌دهنده* هستیم؛ یعنی حالتی که شما صدها درخواست در روز را از طریق API برای تولید، بازنویسی (refactor) یا مستندسازی زنجیره می‌کنید. اشتراک‌های عمومی سهمیه‌هایی دارند که بسیار زودتر از ۵۰۰ درخواست در روز به پایان می‌رسند.
====

=== جدول مقایسه‌ای نهایی

[cols="3,2,2,2,2,2"]
|===
|راه حل |شناخت codebase |استایل داخلی |هزینه/ماه |تکرارها |**هزینه واقعی**

|**ناوگان من (Ollama Pro)** |✅ Fine-tunée شده |✅ در وزن‌ها |**۱۷€** |0-1 |**۱۷€** |Claude Opus 4.7 |❌ صفر-شات |❌ پرامپت مورد نیاز |$772 |2-3 |$1 500-2 300 |کلود هایکو ۴.۵ |❌ Zero-shot |❌ پرامپت مورد نیاز |$154 |3-4 |$460-615 |GPT 5.5 |❌ صفر-شات |❌ پرامپت مورد نیاز |$927 |2-3 |$1 854-2 781 |GPT 5.4 |❌ صفر-شات |❌ پرامپت مورد نیاز |$463 |2-3 |$925-1 390 |GPT 5.4 Mini |❌ Zero-shot |❌ پرامپت مورد نیاز |$139 |3-5 |$417-695 |Gemini 3.1 Pro High |❌ Zero-shot |❌ پرامپت مورد نیاز |$540 |2-3 |$1 080-1 620 |Grok 4 |❌ صفر-شات |❌ پرامپت مورد نیاز |$494 |2-3 |$988-1 482 |**Azure GPT 5.4** |❌ صفر-شات |❌ پرامپت مورد نیاز |$533 |2-3 |$1 066-1 600
|===

[plantuml, cost-comparison, svg]
----
@startuml
skinparam backgroundColor #FAFAFA

title نسبت هزینه به کارایی — ناوگان من در مقابل بازار (می ۲۰۲۶)
rectangle "۱۷€/ماه" as OURS #4ECDC4
rectangle "Opus 4.7\n۷۷۲€" as OPUS #FF6B6B
rectangle "Sonnet 4.6\n۴۶۳€" as SONNET #FF8B94
rectangle "GPT 5.5\n۹۲۷€" as GPT #FFD93D
rectangle "Gemini 3.1 Pro\n۵۴۰€" as GEMINI #6C5CE7
rectangle "Grok 4\n۴۹۴€" as GROK #A8E6CF
rectangle "Haiku 4.5\n۱۵۴€" as HAIKU #DFE6E9
rectangle "GPT 5.4 Mini\n۱۳۹€" as MINI #B2BEC3

note bottom of OURS
با قابلیت fine-tune داخلی.
بدون نیاز به prompt engineering.
بیش از ۹۰٪ در همان تلاش اول (first-shot) درست.
end note

@enduml
----

۱۷€ در ماه برای ۲۳ متخصص هوش مصنوعی fine-tuné شده. مدل پرچم‌دار Claude Opus 4.7 قیمت دارد**۴۵ برابر گران‌تر**برای کیفیتی پایین‌تر در `codebase` من. GPT 5.5 هزینه می‌کند**۵۴ برابر گران‌تر**. حتی ارزان‌ترین مدل بازار (Gemini Flash با قیمت ۴۶ یورو) هزینه دارد**۲.۷ برابر بیشتر**بدون اطلاع از workspace من.

حکم قطعی است: فاین-تیون روی معماری‌های MoE در سال ۲۰۲۶، فقط «ارزان‌تر» نیست. بلکه یک عامل کارایی از**۲۷× تا ۵۴×**در مورد نسبت هزینه/کیفیت در برابر راهکارهای انحصاری. Anthropic، OpenAI، Google — همه آن‌ها این را می‌دانند و به همین دلیل است که با دستپاچگی قیمت‌هایشان را کاهش می‌دهند.

== ضریب کارایی: ۵-۸ برابر در مقایسه با استفاده از `V4-Pro` به تنهایی

بیایید دو نقطه مقابل را با هم مقایسه کنیم.

=== سناریوی A: فقط `V4-Pro` برای همه چیز

[cols="3,2"]
|===
|متریک |مقدار

|آشنایی با codebase |۰ (zero-shot) |قرارداد نام‌گذاری |۴۰-۶۰٪ در اولین تلاش درست |مهندسی پرامپت لازم است |بله، سیستماتیک |تکرارهای هر وظیفه |2-3 |هزینه استنتاج |۱۰۰ دلار/ماه (Ollama Max) |تاخیر میانگین |~۲۰ توکن در ثانیه + شبکه
|===

=== سناریوی B: ناوگان MoE ارکستره شده

[cols="3,2"]
|===
|متریک |مقدار

|آشنایی با codebase |یکپارچه شده (`fine-tune`) |نام‌گذاری کنوانسیون |۹۰-۹۵٪ در اولین تلاش صحیح |مهندسی پرامپت |نه (استایل در وزن‌هاست) |تکرارها به ازای هر تکلیف |0-1 |هزینه استنتاج |۶۰ دلار در ماه (۳× Ollama Pro) |تأخير متوسط |~۵۰ توکن در ثانیه (مدل‌های سبک)
|===

[cols="4,2,2,2"]
|===
|بعد |فقط `V4-Pro |ناوگان MoE |عامل

|هزینه ماهانه کلاد |$100 |**۶۰ دلار** |1.7× |متن برای تزریق |بالا (`prompt`) |**صفر** |∞ |تکرارهای متوسط |2-3 |**۰-۱** |2-3× |تاخیر احساس شده |۲۰ توکن در ثانیه |۵۰ توکن در ثانیه (`tok/s`) |**۲.۵×** |لطفاً متن مورد نظر خود را برای ترجمه ارسال کنید. |50% |90%+ |**۱.۸×**
|===

**ضریب کارایی کلی: 5-8×**— در بهره‌وری احساس‌شده‌ی توسعه‌دهنده.

[NOTE]
====
این عامل با توکن یا دلار اندازه‌گیری نمی‌شود، بلکه با این معیار سنجیده می‌شود که «چه مقدار زمان صرف می‌کنم تا به مدل توضیح دهم چه چیزی را باید از قبل می‌دانست». در مدل‌های fine-tuné، این زمان به سمت صفر میل می‌کند.
====

== بودجه کامل: یک سرمایه‌گذاری یک‌باره، مبلغی ناچیز

[cols="3,2"]
|===
|پست |مبلغ

|GPU آموزش (811 H100-h، Crusoe $2/h) |**۶۲۲$۱** |تولید مجموعه داده مصنوعی (API LLM) |**۴۰۰ دلار** |استنتاج (Ollama Pro سالانه، ۱۷ دلار در ماه) |**۲۰۴ دلار** |**مجموع سال اول** |**۲ ۲۲۶$** |**معادل ماهانه** |**۱۸۶ دلار** |**هزینه تخمینی هر درخواست** |< $0.01
|===

[plantuml, budget-breakdown, svg]
----
@startuml
skinparam backgroundColor #FAFAFA

rectangle "بودجه سال ۱: $2 226" as Total #E8E8E8 {
  rectangle "Training GPU\n$1 622 (73%)" as Train #FF6B6B
  rectangle "Dataset\ndistillation\n$400 (18%)" as Data #FFE66D
  rectangle "Ollama Pro\n$204 (9%)" as Cloud #4ECDC4
}

note bottom of Total
۱۸۶ دلار در ماه معادل سال اول.
از سال دوم: ۱۷ دلار در ماه.
سر‌به‌سر با حدود ۲۳۵ دلار درآمد ماهیانه با حاشیه سود ۹۵٪.
end note

@enduml
----

۱۸۶ دلار در ماه برای سال اول،**۱۷ دلار در ماه**از سال ۲. قیمت یک اشتراک پرمیوم نتفلیکس، برای تیمی متشکل از ۲۳ متخصص هوش مصنوعی در دسترس ۲۴/۷، که کدها را *به سبک من* می‌نویسند بدون اینکه نیازی باشد قراردادهایم را برایشان توضیح دهم.

=== محاسبه سودآوری

با edster.cloud و حاشیه سود ~95% آن، نقطه سربه سر در**~$۲ ۳۴۰ گردش مالی بیشتر**در طول سال. در عمل:

* ۱ ماموریت هدایت نرم‌افزار → $3 000-5 000 → سرمایه‌گذاری پوشش داده شده + سود
* ۱ دوره آموزشی شرکتی ← $5 000-10 000 ← مناسب
* آپ‌سل ضمنی: "تیم هوش مصنوعی من بر آهنگری نرم‌افزاری من مسلط است" ← مزیت تجاری متمایزکننده

از سال دوم، هزینه training دیگر پرداخت نمی‌شود (به جز برای به‌روزرسانی dataset). هزینه سالانه به میزان**۲۰۴ دلار**(۱۷ دلار در ماه). نسبت هزینه به ارزش شبیه به یک تک‌شاخ است: تقریباً صفر.

== محدودیت‌های تمرین

این همچنان یک *تخمین حدسی* است. چندین متغیر می‌توانند بودجه را تغییر دهند:

[cols="2,3"]
|===
|متغیر |تاثیر

|تولید مجموعه داده مصنوعی |اگر API تقطیر (distillation) گند بزند (توهمات، جفت‌های بدشکل)، به زمان انسانی برای پاکسازی نیاز است. هزینه پنهان. |سهمیه‌های زمان GPU در Ollama |اگر میزان استفاده از سهمیه‌های طرح Pro فراتر رود، باید سطح طرح را ارتقا داد یا به GPU اختصاصی تغییر وضعیت داد. |کیفیت مؤثر fine-tuneها |یک fine-tune ناموفق ← باید دوباره انجام شود. ریسک واقعی هایپرپارامترها هستند، نه اجاره GPU. |تکامل سریع مدل‌ها |مدل‌های Qwen3.6/Gemma 4 کمتر از ۱ ماه پیش منتشر شده‌اند. تا ۶ ماه دیگر، نسل بعدی هم بهتر خواهد بود و هم هزینه fine-tuner آن کمتر خواهد شد.
|===

[WARNING]
====
۸۱۱ ساعت آموزش را بدون اینکه ابتدا پایپ‌لاین را روی *تنها یک* میکرومدل تست کرده باشید، اجرا نکنید. یک ران ۳-۴ ساعته روی Qwen 35B-A3B هزینه ۸ دلار دارد. اگر دیتاست خراب باشد، این را با ۸ دلار می‌فهمید، نه ۱۶۲۲ دلار.
====

== نتیجه‌گیری: `fine-tune` به یک کالای لوکسِ در دسترس تبدیل شده است

یک سال پیش، فاین-تیون کردن مدلی با ۲۹۲ میلیارد پارامتر (حتی با QLoRA) در حد پژوهش بود. امروز، در می ۲۰۲۶، این یک پروژه قابل اجرا برای یک توسعه‌دهنده مستقل است:

* **۸۱۱ ساعت H100**آموزش — ۱٬۶۲۲ دلار در Crusoe
* **۲۳ مدل تخصصی**بارگذاری شده در Ollama Cloud —**۱۷ دلار/ماه**
* **۰ سرور، ۰ GPU محلی، ۰ نگهداری زیرساخت**

دمکراتیزاسیون حاصل سه عامل هم‌گرا بود:

1. **معماری‌های MoE**— که امکان fine-tune کردن مؤثر مدل‌هایی را فراهم می‌کنند که در آن‌ها تنها بخشی از وزن‌ها فعال هستند
2. **طرح‌های ثابت Ollama Cloud**— که یک هزینه متغیر (به ازای هر توکن) را به هزینه ثابت (اشتراک) تبدیل می‌کنند
3. **مدل‌های open-weight با کیفیت**— `DeepSeek V4` ، `Qwen3.6` ، `Gemma 4` تحت مجوزهای MIT/Apache 2.0 هستند

تمدن با گسترش تعداد عملیات مهمی پیش می‌رود که می‌توانیم بدون فکر کردن به آن‌ها انجام دهیم.

فاین‌تیون دقیقاً همین است: عملیاتی که آن را به ماشین می‌سپاری تا دیگر مجبور نباشی به آن فکر کنی. و در سال ۲۰۲۶، هزینه‌اش کمتر از یک توسعه‌دهنده جونیور با حقوق ماهیانه است.

---

_مقاله منتشر شده در {jbake-date}_

== مدل‌های fine-tuné شده ناوگان

[cols="2,2,2,2,3"]
|===
|اندازه فعال شده |تعداد |مدل پایه |دامنه |مجموعه داده

|13B |1 |DeepSeek-V4-Flash-Base |فضای کاری عمومی |۵۰ میلیون توکن |13B |5 |DeepSeek-V4-Flash |Gradle, Kotlin, DAG, Doc, Infra |۱۵ میلیون توکن |۳.۸ میلیارد |6 |Gemma 4 26B-A4B |ریز-وظایف، قالب‌بندی، اسکریپت‌ها |۵ میلیون توکن |3B |5 |Qwen3.6-35B-A3B |بازسازی کد، بازبینی، سند واسط |۵ میلیون توکن |3B |5 |Qwen3.5-35B-A3B |وظایف legacy، سازگاری |۵ میلیون توکن
|===

== منابع

=== مدل‌های open-weight در HuggingFace

* https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Base[DeepSeek V4-Flash-Base — ۲۹۲ میلیارد پارامتر، مجوز MIT]
* https://huggingface.co/Qwen/Qwen3.6-35B-A3B[Qwen3.6-35B-A3B — ۳۵ میلیارد/۳ میلیارد فعال، لایسنس Apache 2.0]
* https://huggingface.co/Qwen/Qwen3.5-35B-A3B[Qwen3.5-35B-A3B — ۳۵ میلیارد/۳ میلیارد فعال، مجوز Apache 2.0]
* https://huggingface.co/google/gemma-4-26B-A4B-it[Gemma 4 26B-A4B — فعال‌شده‌ی 26B/3.8B، مجوز Apache 2.0]

=== منابع نرخ‌ها (می ۲۰۲۶)

* https://ollama.com/pricing[تعرفات Ollama Cloud — طرح Pro مبلغ ۱۷ دلار در ماه (سالانه)]
* https://www.anthropic.com/pricing[تعرفه‌های Anthropic — Claude API (Opus 4.7 $5/$25, Sonnet 4.6 $3/$15, Haiku 4.5 $1/$5)]
* https://openai.com/api/pricing/[تعرفه‌های OpenAI — GPT API (GPT 5.5 $5/$30, GPT 5.4 $2.50/$15)]
* https://deepinfra.com/pricing[تعرفه‌های DeepInfra — نمونه‌های GPU مدل H100 با قیمت $1.79/h و B200 با قیمت $2.79/h]
* Vast.ai, Crusoe Cloud, FluidStack, TensorDock, RunPod, CoreWeave, Lambda Labs — لیست قیمت‌های دستی، مورخ مه ۲۰۲۶

=== اعلان‌های رسمی

* https://qwen.ai/blog?id=qwen3.6-35b-a3b[اعلان رسمی Qwen3.6-35B-A3B — وبلاگ Qwen]— کدنویسی عامل‌محور (agentic coding)، Apache 2.0، ۲۶۲ هزار پنجره بافت (context)
----

مقالات مرتبط