تفاوت LLM و dLLM چیست؟ معرفی Mercury 2.5
تفاوت LLM و dLLM را اگر فقط با یک تصویر در ذهن نگه دارید، این است: مدل زبانی معمولی مثل ماشینتحریر کلمه را یکییکی مینویسد؛ مدل انتشاری متن را مثل یک پیشنویس کامل روی میز میگذارد و چند بار همزمان اصلاحش میکند. پیشنمایش Mercury 2.5 شرکت اینسپشن دقیقاً روی همین ایده ساخته شده است.
LLM معمولی چطور جواب میسازد؟
وقتی میگوییم LLM، معمولاً منظورمان مدل زبانی بزرگی است که متن را بهصورت خودهمبسته میسازد. مدل اول یک قطعه کوچک (توکن) را انتخاب میکند، آن را به ورودی اضافه میکند، و بعد قطعه بعدی را حدس میزند. این کار تا پایان پاسخ تکرار میشود.
این روش سالها خوب کار کرده و مدلهایی مثل GPT یا Claude با همین منطق جلو میروند. اشکالش برای برنامهنویس تازهکار این نیست که «غلط» باشد؛ اشکالش این است که سرعت ساخت متن به تعداد کلمهها وابسته است. در چت ساده شاید مهم نباشد، اما در تکمیل کد، عامل جستوجو یا دستیار صوتی، همین تأخیر جمع میشود.
تفاوت LLM و dLLM از کجا میآید؟
حرف d در dLLM از diffusion میآید؛ همان خانوادهای که در ساخت تصویر با مدلهای انتشاری دیدهاید. بهجای نوشتن از چپ به راست، مدل از یک حالت پرنویز یا ماسکشده شروع میکند و در چند گذر موازی، کل توالی را تمیزتر میکند. اینجا تفاوت LLM و dLLM برای کاربر قابل لمس میشود: بهجای انتظار برای توکن بعدی، چند قطعه همزمان ساخته و اصلاح میشوند.
- ترتیب کار: LLM معمولی مقید به قطعه قبلی است؛ dLLM روی کل پیشنویس با هم کار میکند.
- سختافزار: پردازنده گرافیکی برای کار موازی ساخته شده و روش انتشاری بهتر از این توان استفاده میکند.
- کنترل خروجی: اینسپشن میگوید چارچوب انتشار کمک میکند خروجی به طرح JSON یا محدودیت معنایی وفادارتر بماند.
- حس کاربر: در dLLM بیشتر شبیه ویرایش یک پیشنویس کامل است تا تماشای تایپ حرفبهحرف.
اگر LLM را آشپزی قاشقبهقاشق تصور کنید، dLLM بیشتر شبیه چیدن همه مواد روی سینی و چند بار چشیدن و اصلاح کل غذاست.
این مقایسه یعنی dLLM همیشه باهوشتر نیست. تفاوت LLM و dLLM اول از همه در معماری ساخت متن است. کیفیت را باید روی مسئله واقعی خودتان بسنجید.
Mercury 2.5 Preview چیست؟
اینسپشن لبز مدلهای زبانی را با انتشار میسازد، نه تولید خودهمبسته. Mercury نخستین dLLM این خانواده بود؛ Mercury 2 نسخهای با استدلال سریعتر آمد؛ و Mercury 2.5 در وضعیت پیشنمایش، بهگفته خود شرکت، هوشمندترین و ارزانترین مدل استدلالی آنهاست.
طبق اعلام اینسپشن، این مدل چند توکن را موازی تولید و اصلاح میکند و روی GPU معمولی به حدود ۱۱۰۰ توکن در ثانیه میرسد. شرکت میگوید نسبت به Mercury 2 جهش کیفیتی دارد و با مدلهای سریع و بهصرفه قابل مقایسه است. اینها ادعای سازندهاند؛ در سرویس واسط، شبکه و تنظیم استدلال ممکن است سرعت واقعی را کمتر نشان دهند.
روی سایت رسمی، قیمت فهرستشده حدود ۰٫۲۰ دلار برای هر یک میلیون توکن ورودی و ۰٫۷۵ دلار برای خروجی است. در صفحه پیشنمایش OpenRouter زمینه طولانی و سازگاری با API شبیه OpenAI آمده است. چون نسخه Preview است، قیمت و محدودیتها ممکن است عوض شوند.
اینسپشن برای این نسل سطح استدلال قابل تنظیم، فراخوانی موازی ابزار، و خروجی JSON همراستا با طرح را برجسته میکند. کاربرد هدف هم روشن است: عامل جستوجو، مسیر صوتی، و زیرعامل کدنویسی؛ جاهایی که تأخیر هر گام روی گام بعد سوار میشود.
برای برنامهنویس تازهکار چه معنایی دارد؟
لازم نیست همه پروژهها را همین امروز به dLLM منتقل کنید. فهم تفاوت LLM و dLLM کمک میکند بپرسید: این کار به پاسخ عمیق نیاز دارد یا به پاسخ سریع و تکرارشونده؟
- تکمیل کد، خلاصهسازی نتایج جستوجو، و حلقههای کوتاه عامل معمولاً از سرعت سود میبرند.
- طراحی معماری، بازبینی امنیتی، یا مسئلهای که یک اشتباه گران تمام میشود، هنوز ممکن است مدل خودهمبسته قویتر را بخواهد.
- چون API شبیه OpenAI است، آزمایش Mercury 2.5 اغلب با عوض کردن نام مدل و آدرس پایه انجام میشود.
- خروجی را مثل هر مدل دیگری خودتان بخوانید: تست کنید و راز را در پرامپت نگذارید.
تمرین کوتاه امروز: یک کار تکراری انتخاب کنید؛ مثلاً توضیح یک تابع یا ساخت JSON با طرح ثابت. همان پرامپت را یکبار با LLM معمولی و یکبار با Mercury 2.5 بفرستید. زمان پاسخ، خوانایی و میزان اصلاح دستی را بنویسید. با همین سه ستون، تفاوت LLM و dLLM از شعار به تجربه شخصی تبدیل میشود.
اگر میخواهید ببینید چرا سرعت در حلقه عامل مهم است، مقاله ایجنت هوش مصنوعی چیست و چه فرقی با چتبات دارد؟ را بخوانید. برای انتخاب ابزار کدنویسی هم از بهترین هوش مصنوعی برای برنامهنویسی کدام است؟ شروع کنید و Mercury را بهعنوان یک گزینه سریع بسنجید.
جزئیات محصول را از سایت Inception Labs ببینید. نسخه پیشنمایش را آزمایش کنید؛ نه بهعنوان حقیقت تمامشده، بلکه بهعنوان معماری تازهای که تفاوت LLM و dLLM را از مقاله به عمل میآورد.