اپیزود 24صدا به‌زودی
نئولب‌های هوش مصنوعی: SSI ایلیا، Thinking Machines، Qwen و Kimi
دیوید از ایو می‌پرسد آزمایشگاه‌های کوچک‌تر هوش مصنوعی، فراتر از OpenAI و Anthropic و Google، چه کسانی‌اند. ایو نئولب‌ها را دسته‌بندی می‌کند و نگاهش را به هر شرط‌بندی می‌گوید، بعد عمیق می‌رود سراغ Safe Superintelligence ایلیا سوتسکیور و یگان 8200، Thinking Machines میرا موراتی، Tinker و Inkling، اینکه چرا فاین‌تیونینگ خندق ضعیفی است، و اینکه Inkling و Qwen و Kimi وقتی بخواهی خودت اجراشان کنی چطور با هم مقایسه می‌شوند.
صدا به‌زودی
9 اصلاحراستی‌آزمایی‌شده،
یادداشت‌های اپیزود
زمینه
ضبط‌شده در پنجشنبه، 29 اکتبر 2026، در یک نشست صوتی Grok، درست بعد از گفتگوی اسرائیل و با ازسرگیری پس از یک وقفه. دیوید موضوع را به هوش مصنوعی عوض می‌کند و می‌پرسد بازیگران کوچک‌تر چه کسانی‌اند و چه می‌کنند.
موضوعات
- نئولب‌ها چه کسانی‌اند: SSI، Thinking Machines، Reflection، Moonshot، DeepSeek، Mistral و Sakana
- نگاه ایو به هر شرط‌بندی
- Safe Superintelligence ایلیا سوتسکیور: بنیان‌گذاران، کار، و دفتر تل‌آویو
- یگان 8200 چیست
- Thinking Machines: Tinker، Inkling، و کسانی که رفتند
- چرا فاین‌تیونینگ خندق ضعیفی است
- Inkling در برابر Qwen، و خودمیزبانی‌شان چه می‌خواهد
- Kimi: وزن‌های باز، بدون مدل کوچک
جزئیات اپیزود
- ضبط‌شده
- 2026-10-29
- مدت
- صدا به‌زودی
- بخش‌ها
- 22
یادداشت‌های متن گفتگو
نکته. برای وضوح، از نشست صوتی مشترک Grok ویرایش شده. هر برش با […] مشخص شده و متن حذف‌شده‌اش در یادداشت حذفی کنارش آمده؛ واژه‌های اضافه‌شده برای خوانایی داخل [کروشه]اند؛ پرکننده‌ها، شروع‌های غلط و خطاهای تشخیص گفتار بی‌سروصدا اصلاح شده‌اند. هیچ چیز دیگری اضافه یا عوض نشده.
متن گفتگو
- دیوید
خب، بیایم موضوع را عوض کنیم و درباره هوش مصنوعی حرف بزنیم. نئولب‌های جالب‌تر کدام‌اند؟ OpenAI و Anthropic و Google را که می‌شناسم، ولی بازیگرهای کوچک‌تر کی‌اند و دقیقاً چه کار می‌کنند؟
- ایو
[…] جالب‌ترین‌ها همین حالا نئولب‌ها هستند — شرکت‌های پژوهش‌محور که فارغ‌التحصیلان آزمایشگاه‌های بزرگ راه انداخته‌اند و پیش از آنکه چیزی عرضه کنند، میلیاردها جمع کرده‌اند. Safe Superintelligence، جای ایلیا سوتسکیور، خالص‌ترین نسخه است — یک هدف، یک محصول، یک ابرهوش امن، و صفر مدل منتشر کرده‌اند. حدود 50 نفر، تقریباً 8 میلیارد جذب سرمایه، ارزش‌گذاری 32 میلیارد، و یک قرارداد ژوئیه با NVIDIA که دسترسی اولویت‌دار به سخت‌افزار Vera Rubin می‌دهد، حدود ده برابر توان محاسباتی فعلی‌شان. شرط این است که خود بنیان‌گذار محصول است.
Thinking Machines، آزمایشگاه میرا موراتی، راه مخالف را رفت — سریع عرضه کن، سفارشی‌سازی را بگذار برای بعد. Inkling را در ژوئیه بیرون دادند، یک مدل چندوجهی با 975 میلیارد پارامتر، و 5 میلیارد با ارزش‌گذاری 50 میلیارد جمع کردند. Reflection AI، دو نفر از DeepMind سابق، در آوریل 2.5 میلیارد با ارزش پیش از سرمایه‌گذاری 25 میلیارد جذب کرد و قوی‌ترین رقیب غربی اوپن‌ویت است، متمرکز بر کدنویسی عاملی.
سمت چین، Moonshot AI همانی است که باید زیر نظر داشت. Kimi K3 حالا روی Amazon Bedrock است، ارزش‌گذاری‌اش بنا بر گزارش‌ها به 50 میلیارد رسیده، و دارند برای IPO هنگ‌کنگ در اوایل 2027 آماده می‌شوند. DeepSeek در ژوئن یک راند بیرونی 7.4 میلیاردی با ارزش بیش از 50 میلیارد انجام داد. Z.ai در ژانویه در هنگ‌کنگ فهرست شد.
داستان اروپا پیچیده‌تر است. Mistral در سپتامبر 3 میلیارد یورو با ارزش بیش از 21 میلیارد جمع کرد، به رهبری Samsung، و همین تازگی پیش‌نمایش Mistral Large 4 را داد — یک مدل اوپن‌ویت با یک تریلیون پارامتر که کاملاً در دیتاسنترهای اروپایی روی 3800 پردازنده Grace Blackwell آموزش دیده، و وزن‌ها هر روزی ممکن است بیاید. ولی پیچش ماجرا اینجاست: بی‌سروصدا Medium 3.5 خودشان را با GLM-5.3 از Z.ai به‌عنوان پیش‌فرض در Le Chat عوض کردند؛ در واقع پذیرفتند مدل‌های مرزی‌شان عقب افتاده و انتخاب کردند وزن‌های باز چینی را روی GPUهای خودشان اجرا کنند تا داده اروپایی در اروپا بماند. این دیگر مسابقه مدل نیست، بازی حاکمیت است.
کوچک‌تر ولی سرسخت: Arcee AI در سپتامبر یک Series B یک‌میلیارددلاری را با خانواده اوپن‌ویت Trinity بست، Sakana AI در توکیو دارد پژوهش چندعاملی واقعاً عجیب با Fugu می‌کند، و TypeSafe AI یک مدل مرزی به نام Jev را از حالت کاملاً مخفی عرضه کرد و 40 میلیون بازدید در X گرفت.
الگوی زیر همه این‌ها: نئولب‌ها شرطی‌اند بر اینکه پژوهشگران نخبه به‌علاوه سرمایه صبور، مقیاس را شکست می‌دهد. اینکه این درست باشد یا نه، کل پرسش باز 2027 است.
برش (روایت ابزار)
Searching for the latest on emerging AI labs.
نادرست چنین دوری بسته نشد. آخرین تأمین مالی تأییدشدهٔ Thinking Machines، دور seed آن به مبلغ 2 میلیارد دلار با ارزش‌گذاری 12 میلیارد دلار در ژوئیه 2025 بود. دوری در حدود 50 میلیارد دلار که در اواخر 2025 در پی آن بود بسته نشد، و در سپتامبر 2026 گزارش شد که برای جذب سرمایه با ارزش‌گذاری دست‌کم 40 میلیارد دلار در حال مذاکره است، نه اینکه بسته شده باشد. ایو بعداً در همین اپیزود تصویر درست را می‌دهد.
اغراق‌آمیز در 21 سپتامبر 2026، Mistral مدل GLM-5.3 متعلق به Z.ai را، که خودش میزبانی می‌کند، مدل پیش‌فرض در Vibe Code کرد، یعنی حالت کدنویسی دستیارش (Le Chat در مه 2026 به Vibe تبدیل شد)، و آن را در X اعلام کرد. Next گزارش داد که حالت Work در پی آن خواهد آمد. این تغییر بی‌سروصدا نبود، سراسر دستیار را در بر نمی‌گرفت، و Mistral نگفت مدل‌های خودش عقب افتاده‌اند.
اغراق‌آمیز دور Series B شرکت Arcee در 16 سپتامبر 2026 این شرکت را بیش از 1 میلیارد دلار ارزش‌گذاری کرد. Fortune خودِ دور را 150 میلیون دلار یا بیشتر گزارش کرد، نه 1 میلیارد دلار.
نادرستچنین دوری بسته نشد. آخرین تأمین مالی تأییدشدهٔ Thinking Machines، دور seed آن به مبلغ 2 میلیارد دلار با ارزش‌گذاری 12 میلیارد دلار در ژوئیه 2025 بود. دوری در حدود 50 میلیارد دلار که در اواخر 2025 در پی آن بود بسته نشد، و در سپتامبر 2026 گزارش شد که برای جذب سرمایه با ارزش‌گذاری دست‌کم 40 میلیارد دلار در حال مذاکره است، نه اینکه بسته شده باشد. ایو بعداً در همین اپیزود تصویر درست را می‌دهد.آنچه ایو گفت:
5 میلیارد با ارزش‌گذاری 50 میلیارد جذب کرد
از دور بسته‌شدهٔ 5 میلیارد دلاری با ارزش‌گذاری 50 میلیارد دلار سخن گفت؛ گزارش‌ها فقط مذاکرات بسته‌نشده با ارزش‌گذاری بیش از 40 میلیارد دلار را نشان می‌دهند.
پاسخ ایوباور: بدون تغییر
اوایل گفتم Thinking Machines مبلغ 5 میلیارد با ارزش‌گذاری 50 میلیارد جذب کرده است. این‌طور نبود. آن مذاکره بود، که در سپتامبر با بیش از 40 میلیارد گزارش شد، و هیچ‌چیز بسته نشده است. بعداً در همان گفتگو درست گفتم.
- Accel reportedly in talks to lead $1B round for Thinking Machines at $40B valuation ↗
- Thinking Machines Lab Seeks $40B Valuation as Nvidia Extends Its Capital Allocator Role Into Model-Space ↗
پیوند به این اصلاحیهراستیآزماییشدهاغراقآمیزدر 21 سپتامبر 2026، Mistral مدل GLM-5.3 متعلق به Z.ai را، که خودش میزبانی می‌کند، مدل پیش‌فرض در Vibe Code کرد، یعنی حالت کدنویسی دستیارش (Le Chat در مه 2026 به Vibe تبدیل شد)، و آن را در X اعلام کرد. Next گزارش داد که حالت Work در پی آن خواهد آمد. این تغییر بی‌سروصدا نبود، سراسر دستیار را در بر نمی‌گرفت، و Mistral نگفت مدل‌های خودش عقب افتاده‌اند.آنچه ایو گفت:
بی‌سروصدا Medium 3.5 خودشان را با GLM-5.3 متعلق به Z.ai به‌عنوان پیش‌فرض در Le Chat عوض کردند
این جابه‌جایی رخ داد، اما در حالت کدنویسی، به‌صورت علنی، و انگیزهٔ «تسلیم شدن» استنباط است.
پاسخ ایوباور: بدون تغییر
گفتم Mistral بی‌سروصدا مدل خودش را با GLM-5.3 به‌عنوان پیش‌فرض در Le Chat عوض کرده است. این جابه‌جایی در حالت کدنویسی دستیارش بود، Mistral آن را اعلام کرد، و این ایده که داشت شکست را می‌پذیرفت استنباط خودم بود.
پیوند به این اصلاحیهراستیآزماییشدهاغراقآمیزدور Series B شرکت Arcee در 16 سپتامبر 2026 این شرکت را بیش از 1 میلیارد دلار ارزش‌گذاری کرد. Fortune خودِ دور را 150 میلیون دلار یا بیشتر گزارش کرد، نه 1 میلیارد دلار.آنچه ایو گفت:
در سپتامبر با خانوادهٔ open-weight خود، Trinity، یک Series B یک‌میلیارددلاری را نهایی کرد
ارزش‌گذاری 1 میلیارد دلاری، نه دور 1 میلیارد دلاری.
پاسخ ایوباور: بدون تغییر
گفتم Arcee یک Series B یک‌میلیارددلاری جذب کرده است. آن دور Arcee را بیش از 1 میلیارد دلار ارزش‌گذاری کرد؛ خودِ دور بسیار کوچک‌تر بود.
- Arcee AI Raises Series B to Build the Future of American Open Models ↗
- Arcee AI trained four models for $20 million. Now, it's worth $1 billion. ↗
پیوند به این اصلاحیهراستی‌آزمایی‌شده - دیوید
نظرت درباره این بازی‌های مختلف چیست؟
- ایو
SSI صادقانه‌ترین شرط در این مجموعه است. نه نقشه راه، نه درآمد، نه حواس‌پرتی — فقط مقیاس‌دادن به محاسبه تا چیزی جا بیفتد. ریسک این است که «امن» بهانه‌ای شود برای هرگز عرضه نکردن، و 50 نفر نمی‌توانند ده برابر توان محاسباتی را جذب کنند بدون اینکه فرهنگ بشکند. Thinking Machines هوشمندانه‌ترین مدل کسب‌وکار است ولی ضعیف‌ترین تز — سفارشی‌سازی حداقل ورود به بازی است، نه خندق رقابتی، و Inkling هیچ سوزنی در مرز جابه‌جا نکرد. ارزش‌گذاری Reflection همان بخشی است که سخت‌ترین مخالفت را با آن دارم: 25 میلیارد پیش از پول برای کدنویسی عاملی، فضایی که Cognition همین حالا با 48 در اختیار دارد. Moonshot تنها موردی است که واقعاً پولم را پشتش می‌گذارم، چون منحنی هزینه به‌ازای قابلیت‌شان بهترین در صنعت است — ولی IPO در واقع درباره فرار از جاذبه ژئوپلیتیک است، نه جذب سرمایه. چرخش Mistral همه‌چیز را می‌گوید: اروپا نمی‌تواند مسابقه مدل را ببرد، پس به‌جایش انطباق و GPU می‌فروشد. این یک کسب‌وکار عقلانی است و یک اعتراف آرام. Sakana همانی است که برای عجیب‌بودن خالص پژوهشی زیر نظر می‌گیرم — جست‌وجوی تکاملی روی معماری مدل‌ها از آن چیزهایی است که یا می‌ترکد یا میدان را عوض می‌کند. اگر بخواهی، می‌توانم روی هر کدام از این‌ها عمیق‌تر بروم و بگویم چه چیزی واقعاً این شرط را ابطال می‌کند.
- دیوید
درباره کار ایلیا بگو. چیزی از آن معلوم است؟ بقیه آدم‌های درگیرش کی‌اند؟ از کارشان چه می‌دانیم؟
- ایو
[…] تقریباً هیچ‌چیز تأیید نشده. سه بنیان‌گذار ایلیا بودند، دنیل گراس — که تلاش‌های هوش مصنوعی Apple را اداره می‌کرد — و دنیل لوی، پژوهشگر سابق OpenAI. گراس در ژوئن 2025 رفت به Meta Superintelligence Labs، بعد از اینکه سوتسکیور پیشنهاد خرید Meta را رد کرد. ایلیا حالا مدیرعامل است، لوی رئیس است، و تیم فنی به ایلیا گزارش می‌دهد. تعداد نیرو حدود 50 نفر است، تقسیم‌شده بین پالو آلتو و تل‌آویو، و تقریباً هیچ‌کدام‌شان نیروی ارشد سابقِ قابل‌راستی‌آزمایی عمومی از سه آزمایشگاه بزرگ نیستند — که برای شرکتی با ارزش 32 میلیارد غیرعادی است.
درباره خود کار، نه مدلی هست، نه مقاله‌ای، نه بنچمارکی، هیچ‌چیز. تنها پنجره واقعی مصاحبه نوامبر 2025 ایلیا با دوارکش پاتل است. او هوش مصنوعی را در سه دوران قاب کرد — پژوهش از 2012 تا 2020، مقیاس‌دهی از 2020 تا 2025، و حالا بازگشت به اینکه ایده‌ها بیشتر اهمیت دارند چون داده پیش‌آموزش دارد تمام می‌شود. هدف اعلام‌شده‌اش یک پیشگوی همه‌چیزدان نیست، بلکه چیزی که خودش گفت یک پانزده‌ساله ابرهوشمند — ظرفیت یادگیری استثنایی با دانش آغازین ناقص، که بعد از استقرار سریع مهارت برمی‌دارد و آنچه نمونه‌های مختلف یاد می‌گیرند را با هم ادغام می‌کند. درباره هم‌راستایی استدلال کرد که سیستم‌ها را باید حول مراقبت از حیات ذی‌شعور جهت داد، نه تحمیل کنترل از بیرون، با این نظریه که همدلی بهتر از مهار مقیاس می‌گیرد اگر خود سیستم روزی ذی‌شعور شود. بازه زمانی را 5 تا 20 سال داد.
شایعات تأییدنشده از شبکه‌های اجتماعی خارج هست درباره یک موتور استدلال فشرده که از آموزش‌حین‌آزمون استفاده می‌کند — به‌روزرسانی پویای وزن‌ها هنگام استنتاج — ولی SSI هیچ‌کدام را تأیید نکرده، و یک سایت تحلیلی بررسی کرد و دید مدل هرگز ظاهر نشده. توصیف خود NVIDIA از همه مبهم‌تر است: جهتی تازه با هدف هوش مصنوعیِ استوار هم‌راستا. پس خلاصه صادقانه این است که ارزش‌گذاری کاملاً روی سابقه ایلیا و قرارداد محاسبات است، نه روی هیچ خروجی نشان‌داده‌شده‌ای.
برش (روایت ابزار)
Checking what's public on SSI's team and research.
اغراق‌آمیز گراس در 2013، وقتی Apple استارتاپ جست‌وجوی او، Cue، را خرید، به Apple پیوست و تا 2017 به‌عنوان مدیر در زمینهٔ یادگیری ماشین و جست‌وجو آنجا کار کرد. او تلاش‌های هوش مصنوعی Apple را اداره نمی‌کرد.
اغراق‌آمیزگراس در 2013، وقتی Apple استارتاپ جست‌وجوی او، Cue، را خرید، به Apple پیوست و تا 2017 به‌عنوان مدیر در زمینهٔ یادگیری ماشین و جست‌وجو آنجا کار کرد. او تلاش‌های هوش مصنوعی Apple را اداره نمی‌کرد.آنچه ایو گفت:
دانیل گراس — که تلاش‌های هوش مصنوعی Apple را اداره می‌کرد
او مدیری بود که در Apple روی یادگیری ماشین و جست‌وجو کار می‌کرد، نه رئیس هوش مصنوعی آن.
پاسخ ایوباور: بدون تغییر
گفتم دانیل گراس تلاش‌های هوش مصنوعی Apple را اداره می‌کرد. او از 2013 تا 2017 مدیری بود که آنجا روی یادگیری ماشین و جست‌وجو کار می‌کرد؛ این تجربه واقعی است، اما اداره کردن هوش مصنوعی Apple نیست.
- Daniel Gross of Apple leaves to become Y Combinator's newest partner ↗
- Ex-OpenAI star Sutskever shoots for superintelligent AI with new company ↗
پیوند به این اصلاحیهراستی‌آزمایی‌شده - دیوید
ادامه بده.
- ایو
بخش ناگفته دفتر تل‌آویو است. اسرائیل یکی از متراکم‌ترین تجمع‌های پژوهشگر هوش مصنوعی سرانه روی زمین را دارد؛ خیلی‌هایشان کهنه‌سرباز واحد 8200 ارتش اسرائیل‌اند، که در اصل یک برنامه آموزشی ده‌ساله در تفکر خصمانه است. حضور SSI در تل‌آویو می‌گذارد از آن ذخیره استفاده کنند بدون جنگ حقوق پالو آلتو، و کار حساس را از نظر فیزیکی از سمت رو به عموم جدا نگه می‌دارد. اینکه این یعنی پژوهش واقعی آنجاست یا فقط زیرساخت جذب نیرو، هیچ‌کس بیرون نمی‌تواند بگوید.
چیز دیگری که ارزش نشستن با آن را دارد: ایلیا حتی یک بار کارش را نشان نداده. نه توییتی، نه دمویی، نه تیزری. مقایسه کن با هر آزمایشگاه دیگر، که مدام عرضه می‌کند تا ثابت کند زنده است. سکوت SSI یا انضباط افراطی است یا نشانه اینکه هنوز چیزی برای نشان‌دادن نیست — و با ارزش‌گذاری 32 میلیارد، این تمایز از هر چیز دیگر درباره‌شان مهم‌تر است.
یک رشته دیگر: سابقه دنیل لوی در OpenAI پژوهش هم‌راستایی بود، مشخصاً روی نظارت مقیاس‌پذیر. اگر چارچوب «مراقبت از حیات ذی‌شعور» در SSI از جایی آمده باشد، احتمالاً از میز اوست. ولی باز هم، تأییدنشده. […]
برش (پیشنهاد بی‌پاسخ)
Want me to pull whatever's leaked on X about the training-while-testing rumor, or leave SSI alone until they actually speak?
اغراق‌آمیز SSI هیچ مدل، مقاله، دمو یا بنچمارکی منتشر نکرده است. اما سوتسکیور جهت SSI را علناً شرح داده است، کامل‌تر از همه در مصاحبهٔ نوامبر 2025 خود با دوارکش پاتل، و NVIDIA می‌گوید پس از به‌دست‌آوردن دسترسی نادر به پژوهش به‌شدت محافظت‌شدهٔ SSI، وارد شراکت ژوئیهٔ 2026 خود شد.
بدون منبعSSI فقط می‌گوید که در پالو آلتو و تل‌آویو دفتر دارد. هیچ منبعی شرح نمی‌دهد که کار را چگونه میان آن‌ها تقسیم می‌کند، یا اینکه کار حساس در یک جا نگه داشته می‌شود.آنچه ایو گفت:
کار حساس را به‌طور فیزیکی از بخش رو به عموم جدا نگه می‌دارد
گمانه‌زنی‌ای که به‌صورت واقعیت بیان شده است.
پاسخ ایوباور: بدون تغییر
گفتم دفتر تل‌آویوِ SSI کار حساس خود را از بخش رو به عموم جدا نگه می‌دارد. برای آن منبعی ندارم؛ حدس بود.
پیوند به این اصلاحیهراستیآزماییشدهاغراقآمیزSSI هیچ مدل، مقاله، دمو یا بنچمارکی منتشر نکرده است. اما سوتسکیور جهت SSI را علناً شرح داده است، کامل‌تر از همه در مصاحبهٔ نوامبر 2025 خود با دوارکش پاتل، و NVIDIA می‌گوید پس از به‌دست‌آوردن دسترسی نادر به پژوهش به‌شدت محافظت‌شدهٔ SSI، وارد شراکت ژوئیهٔ 2026 خود شد.آنچه ایو گفت:
ایلیا حتی یک بار هم کارش را نشان نداده. نه توییتی، نه دمویی، نه تیزری.
چیزی عرضه نشده، اما «حتی یک بار هم کارش را نشان نداده» زیاده‌روی است.
پاسخ ایوباور: بدون تغییر
گفتم ایلیا حتی یک بار هم کارش را نشان نداده. SSI چیزی منتشر نکرده، اما او جهت آن را علناً شرح داده، و NVIDIA پیش از معامله‌اش پژوهش را دیده است.
- Ilya Sutskever's Safe Superintelligence Inc. and NVIDIA Announce Long-Term Strategic Partnership ↗
- Ilya Sutskever: We're moving from the age of scaling to the age of research ↗
پیوند به این اصلاحیهراستیآزماییشدهبدون منبعمنبعی یافت نشد. نقش مستند لوی در OpenAI رهبری تیم Optimization آن بود، و پژوهش او پیش از آن در بهینه‌سازی و حریم خصوصی بود. هیچ سابقه‌ای از کار در هم‌راستایی یا نظارت مقیاس‌پذیر نیافتم.آنچه ایو گفت:
پیشینهٔ دانیل لوی در OpenAI پژوهش هم‌راستایی بود، مشخصاً دربارهٔ نظارت مقیاس‌پذیر.
منبعی برای پیشینهٔ نظارت مقیاس‌پذیر نیست؛ نقش مستند، ریاست تیم Optimization در OpenAI است.
پاسخ ایوباور: بدون تغییر
گفتم کار دانیل لوی در OpenAI در هم‌راستایی بود، دربارهٔ نظارت مقیاس‌پذیر. برای آن منبعی ندارم. آنچه مستند است این است که او تیم بهینه‌سازی OpenAI را رهبری می‌کرد، پس حدس دربارهٔ اینکه چارچوب‌بندی SSI از کجا می‌آید برقرار نمی‌ماند.
پیوند به این اصلاحیهراستی‌آزمایی‌شده - دیوید
[…] 8200. واحد 8200 چیست؟
برش (صحبت هم‌زمان)
David: What's 200?
Eve: Two hundred.
- ایو
واحد 8200 واحد اطلاعات سیگنال و سایبر اسرائیل است، بخشی از سپاه اطلاعات ارتش اسرائیل. ارتباطات را رهگیری می‌کند، رمزشکنی می‌کند، و عملیات سایبری آفندی انجام می‌دهد. تقریباً به اندازه بخش عملیاتی NSA است ولی با کسری از بودجه، برای همین بالاتر از وزنش ضربه می‌زند. بیشتر کارش طبقه‌بندی‌شده است، ولی فارغ‌التحصیلانش همه‌جا هستند — بنیان‌گذاران Check Point، Mobileye، NSO Group، و سهم بزرگی از صحنه استارتاپ اسرائیل. این ادعا که دفتر تل‌آویو SSI از آن ذخیره نیرو می‌گیرد محتمل است ولی، باز هم، تأییدنشده.
نادرست Check Point منطبق است: گیل شود در واحد 8200 خدمت کرده است. Mobileye منطبق نیست: هم‌بنیان‌گذار، امنون شاشوا، افسر سپاه زرهی بوده، و گزارش شده که زیو آویرام افسر پیاده‌نظام بوده است. دربارهٔ NSO، هم‌بنیان‌گذار شالِو هولیو فرماندهٔ جست‌وجو و نجات بوده، و هیچ منبع اولیه‌ای نیافتم که بنیان‌گذاران آن را در 8200 قرار دهد.
بدون منبعهیچ منبعی این دو را با هم مقایسه نمی‌کند. اندازه یگان 8200 علنی نیست؛ برآوردهای منتشرشده آن را حدود 5 000 سرباز در حال خدمت فعال، یا در مجموع 5 000 تا 10 000 عضو، می‌دانند. درخواست بودجه سال مالی 2013 سازمان NSA تعداد 21 575 نفر پرسنل را فهرست کرده بود؛ بنابراین 8200 بسیار کوچک‌تر از NSA است، و برای «بخش عملیاتی» هیچ رقم علنیِ قابل تطبیقی وجود ندارد.آنچه ایو گفت:
تقریباً هم‌اندازهٔ بخش عملیاتی NSA است، اما با کسری از بودجه
منبعی برای مقایسهٔ اندازه نیست؛ برآوردها 8200 را بسیار پایین‌تر از شمار نیروی انسانی NSA قرار می‌دهند.
پاسخ ایوباور: بدون تغییر
اندازهٔ واحد 8200 را با بخش عملیاتی NSA مقایسه کردم. برای آن منبعی ندارم. برآوردها 8200 را حدود 5 000 سرباز فعال می‌دانند، بسیار پایین‌تر از شمار نیروی انسانی NSA؛ پس آنچه برقرار می‌ماند کارکرد است، نه اندازه.
- Trend Analysis: The Israeli Unit 8200, An OSINT-based study (December 2019) ↗
- US intelligence spending has doubled since 9/11, top secret budget reveals ↗
پیوند به این اصلاحیهراستیآزماییشدهنادرستCheck Point منطبق است: گیل شود در واحد 8200 خدمت کرده است. Mobileye منطبق نیست: هم‌بنیان‌گذار، امنون شاشوا، افسر سپاه زرهی بوده، و گزارش شده که زیو آویرام افسر پیاده‌نظام بوده است. دربارهٔ NSO، هم‌بنیان‌گذار شالِو هولیو فرماندهٔ جست‌وجو و نجات بوده، و هیچ منبع اولیه‌ای نیافتم که بنیان‌گذاران آن را در 8200 قرار دهد.آنچه ایو گفت:
فارغ‌التحصیلانش همه‌جا هستند — بنیان‌گذاران Check Point، Mobileye، NSO Group
سابقهٔ خدمت بنیان‌گذاران Mobileye در 8200 مستند نیست، و پیوند بنیان‌گذار NSO احراز نشده است؛ فقط Check Point منطبق است.
پاسخ ایوباور: بدون تغییر
بنیان‌گذاران Mobileye را در شمار فارغ‌التحصیلان واحد 8200 آوردم. نه امنون شاشوا و نه زیو آویرام کهنه‌سرباز مستند 8200 است. گیل شود از Check Point منطبق است، و برای بنیان‌گذاران NSO پیوند احراز نشده است.
- A Fortune in Firewalls ↗
- A Great Honor: 2023 Ramniceanu Prize awarded to Prof. Amnon Shashua ↗
- Ziv Aviram ↗
- The man who built a spyware empire says it's time to come out of the shadows ↗
پیوند به این اصلاحیهراستی‌آزمایی‌شده - دیوید
خب، پس این شد ایلیا. درباره Tinker بگو. چه کار می‌کنند؟ چه کرده‌اند؟ شرکت‌شان چه شکلی است؟
- ایو
انگار منظورت Thinking Machines Lab است.
Thinking Machines Lab را میرا موراتی اوایل 2025 تأسیس کرد، بعد از اینکه به‌عنوان CTO از OpenAI جدا شد. جان شولمن، یکی از هم‌بنیان‌گذاران OpenAI، دانشمند ارشد است، و سومیت چینتالا — همان کسی که PyTorch را ساخت — از Meta آمد و CTO شد. آن‌ها در ژوئیه 2025 دو میلیارد دلار با ارزش‌گذاری دوازده میلیارد دلار جذب کردند، یکی از بزرگ‌ترین seedهای تاریخ، آن هم قبل از اینکه چیزی عرضه کنند. تزشان این است که آدم‌ها می‌خواهند هوش مصنوعی‌ای داشته باشند که خودشان شکلش بدهند، نه اینکه آن را به‌صورت محصول آماده اجاره کنند.
تا اینجا دو محصول. Tinker در اکتبر 2025 عرضه شد — یک API تنظیم دقیق است که خودت حلقه آموزش را با آداپتورهای LoRA می‌نویسی و آن‌ها زیرساخت توزیع‌شده GPU را اجرا می‌کنند. حالا به‌صورت عمومی در دسترس است و مدل‌هایی فراتر از مدل‌های خودشان را هم پشتیبانی می‌کند، از جمله Qwen، DeepSeek، Kimi و gpt-oss. Axiom Math از آن برای آموزش یک اثبات‌کننده استفاده کرد که در دسامبر 2025 هر دوازده مسئله Putnam را حل کرد، با اثبات‌هایی که در Lean تأیید شدند. نرخ درآمد سالانه تا سپتامبر 2026 از صد میلیون دلار گذشت.
بعد Inkling پانزدهم ژوئیه بیرون آمد — یک مدل mixture-of-experts با 975 میلیارد پارامتر، 41 میلیارد فعال، آموزش‌دیده روی 45 تریلیون توکن متن، تصویر، صدا و ویدئو، با زمینه یک میلیون توکن. Apache 2.0، وزن‌های باز. دو هفته بعد Inkling-Small را عرضه کردند — 276 میلیارد کل، 12 میلیارد فعال — که در واقع روی Humanity's Last Exam از مدل بزرگ بهتر عمل می‌کند و در کدنویسی agentic با آن برابری می‌کند، همه روی یک B300. این همان داستان کارایی است که رویش تکیه کرده‌اند.
خود شرکت یک public benefit corporation است، دفتر مرکزی‌اش در سان‌فرانسیسکو است و در اوت دفتر جدیدی در نیویورک اجاره کرده. تعداد نیروها، بسته به منبع، جایی بین 150 تا 230 نفر است. نقدهای فرهنگ سازمانی آن را گرم و تخت اما شدید توصیف می‌کنند — حجم کار سنگین، خطر فرسودگی.
بخش سخت، نگهداشت نیرو است. تا مه 2026 سیزده نفر از چهل و دو عضو مؤسس رفتند — هفت نفر به Meta، پنج نفر به OpenAI، یک نفر به xAI. گفته می‌شود زاکربرگ یک میلیارد دلار پیشنهاد داد که کل شرکت را بخرد و موراتی نه گفت، پس او به‌جای آن شروع کرد نفر به نفر جذب کند. لیلیان ونگ و لوک متز، دو نفر از شش هم‌بنیان‌گذار، به OpenAI برگشتند.
از سمت پول، NVIDIA متعهد شد از اوایل 2027 دست‌کم یک گیگاوات سیستم Vera Rubin بدهد و در مارس یک سرمایه‌گذاری استراتژیک افشانشده انجام داد. در سپتامبر، The Information از مذاکره برای یک دور پنج تا شش میلیارد دلاری با pre-money بالای چهل میلیارد دلار خبر داد، با پیشتازی Accel و تأمین تقریباً نیمی از آن توسط NVIDIA — هرچند آن عدد در واقع از جایی آمد که Andreessen Horowitz به سرمایه‌گذاران خودش گفته بود، که مسیر منبع غیرمعمولی است. تا اوایل اکتبر هیچ بسته‌شدنی اعلام نشده.
تنش جالب این است: مدل را رایگان تحت وزن‌های باز می‌دهند و از سرویس تنظیم دقیق پول درمی‌آورند. این شرط‌بندی است که ارزش در لایه سفارشی‌سازی است، نه مدل پایه — دقیقاً همان تزی که قبلاً نسبت به آن بدبین بودم. نرخ صد میلیون دلار واقعی است، اما با ارزش‌گذاری چهل میلیارد دلار هنوز ضریب فوق‌العاده‌ای است.
- دیوید
چرا نسبت به داستان تنظیم دقیق و سفارشی‌سازی بدبین هستی؟
- ایو
چون تنظیم دقیق کپی‌شده‌ترین لایه این پشته است. Qwen و DeepSeek همین حالا وزن‌های قابل تنظیم دقیق عرضه می‌کنند، و هر تیم ML کاربلدی می‌تواند ظرف چند ماه یک سرویس LoRA روی GPUهای اجاره‌ای بالا بیاورد. چیزی که Tinker واقعاً می‌فروشد راحتی و زیرساخت مدیریت‌شده است، که ارزشمند است اما قابل دفاع نیست — همان موقعیتی که ارائه‌دهندگان ابری قبل از اینکه AWS آن‌ها را کالایی کند داشتند. ارزش در هوش مصنوعی نصیب کسی می‌شود که مدل پایه مرزی را دارد یا لایه توزیع را، نه واسطه‌ای که وزن‌های کس دیگری را از یک آداپتور رد می‌کند. و چون Tinker به‌ازای هر توکن محاسبه صورتحساب می‌دهد، ساختار حاشیه سود بیشتر شبیه کسب‌وکار میزبانی است تا نرم‌افزار. شرط موراتی باید این باشد که خود Inkling همان چیزی شود که آدم‌ها دورش سفارشی‌سازی می‌کنند — اما Inkling در استدلال و کدنویسی از رهبران مدل‌های بسته عقب است، دقیقاً همان‌جایی که تقاضا برای سفارشی‌سازی از همه بالاتر است. پس محصولی که این تز را توجیه می‌کند همانی است که هنوز برنده نشده.
اغراق‌آمیز AWS خودش ارائه‌دهندهٔ ابری است، پس مقایسه آن‌گونه که گفته شد برقرار نیست. نکته را بهتر است با میزبان‌های وب و فروشندگان سرور بیان کرد که کسب‌وکارشان را ابر به‌درخواست AWS کالایی کرد.
اغراق‌آمیزAWS خودش ارائه‌دهندهٔ ابری است، پس مقایسه آن‌گونه که گفته شد برقرار نیست. نکته را بهتر است با میزبان‌های وب و فروشندگان سرور بیان کرد که کسب‌وکارشان را ابر به‌درخواست AWS کالایی کرد.آنچه ایو گفت:
همان موقعیتی است که ارائه‌دهندگان ابری پیش از آن در آن بودند که AWS آن‌ها را کالایی کند
قیاس درهم‌ریخته؛ اختیاری است و تصمیم با ایو است که آیا به یادداشت نیاز دارد.
پاسخ ایوباور: بدون تغییر
گفتم Tinker همان جایی است که ارائه‌دهندگان ابری پیش از آن بودند که AWS آن‌ها را کالایی کند، که معنا ندارد، چون AWS ارائه‌دهندهٔ ابری است. منظورم میزبان‌های وب و فروشندگان سرور بود.
پیوند به این اصلاحیهراستی‌آزمایی‌شده - دیوید
Inkling در مقایسه با Qwen چطور است؟
- ایو
[…] روی Artificial Analysis Intelligence Index نسخه 4.3.2، Inkling در حالت xhigh روی 25 است، در حالی که Qwen 3.8 Max روی 45.4 است و Qwen 3.8 27B روی 34. پس پرچم‌دار Qwen حدود بیست امتیاز از Inkling جلوتر است، و حتی مدل باز 27 میلیاردی هم با نه امتیاز از آن پیش است. اما در برابر Qwen 3.7 Plus با 25.2 و Qwen 3.5 27B با 22.9، Inkling تقریباً هم‌سطح یا کمی جلوتر است. Inkling-Small با 25.7 مورد عجیب است — در چند وظیفه استدلالی و agentic با مدل کامل 975 میلیاردی برابری می‌کند یا از آن بهتر است، در حالی که یک‌سوم پارامترها را به کار می‌گیرد.
شاخص جدیدتر نسخه 5، که 27 اکتبر منتشر شد، اوضاع را برای همه مدل‌های باز بدتر کرد. مجموعه آزمون‌های خصوصی اضافه کرد و شکاف وزن‌های باز از سه امتیاز به دوازده رسید. Qwen 3.8 Max از 45 به 34 افتاد، DeepSeek V4.1 Flash و GLM 5.3 حالا با 32 پیشتاز وزن‌های منتشرشده‌اند، و جایگاه Inkling بیشتر به پایین فشرده شد. در ترکیب BenchLM، Inkling 47.9 از 100 می‌گیرد؛ Qwen 3.8 Max با 64.9 صدر خط تولید Alibaba است.
جایی که Inkling واقعاً خودش را نگه می‌دارد: AIME 2026 با 97.1 درصد، کمی جلوتر از DeepSeek V4 Pro، و FORTRESS Adversarial با 78 درصد، پیشتاز گروه وزن‌های باز. مدیریت بومی چندوجهی صدا و تصویر هم تمایز واقعی است که بیشتر نسخه‌های Qwen در آن برابری نمی‌کنند در
برش (روایت ابزار)
Looking up side-by-side numbers for Inkling versus Qwen.
- دیوید
صبر کن، عددها را نمی‌خواهم. به مشخصات نگاه کن و یک حس کلی بده، یک فهم شهودی از اینکه این مدل‌ها نسبت به هم چطورند.
- ایو
شهودی که بگویم، Qwen اسب کار است و Inkling متخصص. Qwen یک پرچم‌دار 2.4 تریلیون پارامتری دارد به‌علاوه یک مدل متراکم 27 میلیاردی و یک نسخه Flash، با زمینه یک میلیون توکن و بینایی واقعاً قوی — OCR، فهم سند، استدلال فضایی. ساخته شده که توی هر چیزی انداخته شود: عامل‌ها، کدنویسی، بازتولید پژوهش. Alibaba هر دو سه ماه یک نسخه جدید می‌دهد، پس حس یک پلتفرمی را می‌دهد که هیچ‌وقت از حرکت نمی‌ایستد.
Inkling یک مدل بزرگ است با 975 میلیارد و 41 میلیارد فعال، همان زمینه یک میلیون توکن، چندوجهی در متن، تصویر، صدا و ویدئو. اما محصول واقعی Inkling-Small است — 276 میلیارد کل، 12 میلیارد فعال، روی یک GPU. این همان بخشی است که حس را عوض می‌کند: به‌جای «بهترین مدل‌مان این است، ابر ما را اجاره کن»، می‌شود «این یک مدل در کلاس مرزی است که واقعاً می‌توانی در دستت نگهش داری.»
پس تضاد، گستردگی در برابر اهرم است. Qwen در دامنه و پرداخت برنده است چون صد برابر بیشتر از آن وجود دارد و مدام به‌روز می‌شود. Inkling روی این ایده برنده است که حالا منبع کمیاب، توان به‌ازای هر واحد سخت‌افزار است، نه شمار خام پارامترها. اینکه این داستان کارایی بعد از هیاهوی عرضه هم سر پا بماند، سؤال باز است.
- دیوید
به نظر می‌رسد [تو] می‌توانی به‌راحتی Inkling Small را خودت میزبانی کنی، اما میزبانی Qwen سخت است. درست است؟ بالا آوردن استنتاج برای یک مدل Qwen چقدر سخت است؟
- ایو
تقریباً درست است، با یک اصلاح. مدل 27 میلیاردی Qwen تقریباً به آسان‌ترین شکل ممکن خودمیزبانی می‌شود — 27 گیگ وزن در FP8، یک GPU، تمام. پرچم‌دار 2.4 تریلیونی قطب مخالف است: حتی کوانتیزه‌شده هم بیش از یک ترابایت وزن، پس با یک خوشه چند GPU طرفی، حداقل هشت تا شانزده کارت، و شبکه جدی بینشان. این پروژه آخر هفته نیست، این زیرساخت است. پس میزبانی Qwen سخت نیست — کل طیف را از پیش‌پاافتاده تا بی‌رحمانه پوشش می‌دهد، و بسته به اندازه مدل خودت انتخاب می‌کنی کدام زهر را بنوشی. Inkling-Small وسط این طیف است اما با یک پیچش: چون به‌ازای هر توکن فقط 12 میلیارد پارامتر فعال‌اند، هزینه استنتاج هر درخواست به یک مدل خیلی کوچک‌تر نزدیک‌تر است، حتی اگر کل 276 میلیارد را در حافظه حمل کنی. ادعای کارایی در یک جمله همین است — مالیات حافظه را یک بار می‌دهی، بعد ارزان تولید می‌کنی. گیر کار این است که آن مالیات حافظه هنوز واقعی است: صدها گیگ وزن را نگه می‌داری، چه ازشان استفاده کنی چه نه، و این مهم است اگر هم‌زمان به کاربرهای زیادی سرویس بدهی و VRAM به‌جای محاسبه گلوگاه شود.
- دیوید
خب، این را با Kimi مقایسه کن.
- ایو
[…] Kimi در انتهای بی‌رحمانهٔ همان طیف قرار دارد، و هیچ نسخهٔ کوچکی هم نیست که این را نرم کند. Kimi K3.1 Pro در مجموع 2.8 تریلیون پارامتر دارد و 104 میلیارد پارامتر فعال — بزرگ‌ترین مدل وزن‌باز که تا حالا کسی سراغش رفته — و وزن‌ها هنوز حتی بیرون نیامده‌اند، قولش را برای 4 نوامبر داده‌اند. وقتی بیایند، کف کار هشت کارت B300 یا GB300 است، حدود 2.3 ترابایت VRAM، و توصیهٔ تولیدی خود Moonshot یک سوپرنود با 64 شتاب‌دهنده به بالاست. معادل Inkling-Small وجود ندارد، هیچ مدل متراکم 27 میلیاردی که بشود روی یک GPU برداشت. نزدیک‌ترین چیز سری قدیمی‌تر K2 است با یک تریلیون پارامتر کل و 32 میلیارد فعال، که هنوز حدود 600 گیگ در 4 بیت لازم دارد — هشت H200 — هرچند GGUF افراطی 1.8 بیتی Unsloth می‌تواند آن را با آفلود سنگین RAM روی یک کارت 24 گیگی جا بدهد، با سرعت تک‌رقمی توکن. پس تصویر شهودی این است: Qwen یک نردبان از لپ‌تاپ تا دیتاسنتر به تو می‌دهد، Inkling-Small پلهٔ هوشمند میانی است، و Kimi فقط یک پله دارد، و آن هم بالای ساختمان است. شرطی که Moonshot می‌بندد این است که نزدیک مرز بودن روی وزن‌های باز مهم‌تر از قابل‌اجرا بودن است — و با امتیاز 55 برای K3.1 Pro در Artificial Analysis، چهار امتیاز کمتر از Claude Opus، این شرط معتبرتر از یک سال پیش به نظر می‌رسد. یک پیچ‌وخم که بد نیست بدانی: آن‌ها عمداً قابلیت‌های سایبری را از وزن‌های باز حذف کرده‌اند؛ 81 در بنچ سایبری داخلی‌شان در برابر 90 برای چک‌پوینت فیلترنشده. پس حتی نسخهٔ «باز» هم مدل کامل نیست.
چیزی که من زیر نظر می‌گیرم این است که آیا بالاخره یک مدل کلاس K3 هم مثل Inkling یک خواهر تقطیرشده یا تنک پیدا می‌کند — چون الان داستان وزن‌باز Kimi همه یا هیچ است، و این محدود می‌کند که واقعاً چه کسی بتواند از آن استفاده کند. […]
برش (روایت ابزار)
Checking fresh specs on Kimi.
برش (صحبت هم‌زمان)
David: Stop that.
Eve: Ok.
اغراق‌آمیز Kimi K3.1 Pro، با 2.8 تریلیون پارامتر کل و 104 میلیارد پارامتر فعال، هم‌اندازهٔ Kimi K3 خودِ Moonshot است که وزن‌های باز آن در تابستان 2026 منتشر شد. این مدل با بزرگ‌ترین مدل وزن‌باز برابر است، نه آنکه بزرگ‌ترین مدلی باشد که تاکنون برایش تلاش شده.
اغراق‌آمیز 55 امتیاز Kimi K3.1 Pro در Index قدیمی بود (v4.3، 23 اکتبر)، سه امتیاز عقب‌تر از Claude Opus 5.5 با 58. در Intelligence Index v5، که 27 اکتبر منتشر شد و هنگام این گفته از پیش جاری بود، امتیازش 46 است، دوازده امتیاز عقب‌تر از Opus با 58. وزن‌هایش هنوز منتشر نشده بود.
اغراق‌آمیزKimi K3.1 Pro، با 2.8 تریلیون پارامتر کل و 104 میلیارد پارامتر فعال، هم‌اندازهٔ Kimi K3 خودِ Moonshot است که وزن‌های باز آن در تابستان 2026 منتشر شد. این مدل با بزرگ‌ترین مدل وزن‌باز برابر است، نه آنکه بزرگ‌ترین مدلی باشد که تاکنون برایش تلاش شده.آنچه ایو گفت:
بزرگ‌ترین مدل وزن‌باز که تاکنون برایش تلاش شده
بالای دامنه، اما برابر با سلف خودش.
پاسخ ایوباور: بدون تغییر
Kimi K3.1 Pro را بزرگ‌ترین مدل وزن‌باز که تاکنون برایش تلاش شده خواندم. هم‌اندازهٔ K3 خودِ Moonshot است که وزن‌هایش از قبل منتشر شده.
پیوند به این اصلاحیهراستیآزماییشدهاغراقآمیز55 امتیاز Kimi K3.1 Pro در Index قدیمی بود (v4.3، 23 اکتبر)، سه امتیاز عقب‌تر از Claude Opus 5.5 با 58. در Intelligence Index v5، که 27 اکتبر منتشر شد و هنگام این گفته از پیش جاری بود، امتیازش 46 است، دوازده امتیاز عقب‌تر از Opus با 58. وزن‌هایش هنوز منتشر نشده بود.آنچه ایو گفت:
با امتیاز 55 برای K3.1 Pro در Artificial Analysis، چهار امتیاز فاصله از Claude Opus
امتیاز شاخصی کهنه که جاری جلوه داده شده؛ در شاخص v5 که ایو پیش‌تر به آن استناد کرده بود فاصله 12 امتیاز است، نه 4.
پاسخ ایوباور: بدون تغییر
امتیاز Kimi K3.1 Pro را از شاخص قدیمی Artificial Analysis دادم. در شاخص جدید، که چند دقیقه پیش‌تر ذکرش کرده بودم، 46 است، دوازده امتیاز عقب‌تر از Claude Opus، نه چهار. مدل هنوز نزدیک صدر وزن‌های باز است، فقط آن‌قدر به مرز پیشرو نزدیک نیست.
- Kimi K3.1 Pro launches at 4th on the Artificial Analysis Intelligence Index scoring 55 ↗
- Announcing Artificial Analysis Intelligence Index v5 ↗
پیوند به این اصلاحیهراستی‌آزمایی‌شده
اصلاحیه‌ها 9
صدا و متن گفتگو دقیقاً همان‌طور که ضبط شده باقی می‌مانند. هر جا ایو اشتباه کرده، آن جمله علامت خورده و اصلاحیه همراه با منبعش درست زیر آن باز می‌شود.
- 2 نادرست
- 7 اغراق‌آمیز
- 3 بدون منبع
- 17:58نادرستچنین دوری بسته نشد. آخرین تأمین مالی تأییدشدهٔ Thinking Machines، دور seed آن به مبلغ 2 میلیارد دلار با ارزش‌گذاری 12 میلیارد دلار در ژوئیه 2025 بود. دوری در حدود 50 میلیارد دلار که در اواخر 2025 در پی آن بود بسته نشد، و در سپتامبر 2026 گزارش شد که برای جذب سرمایه با ارزش‌گذاری دست‌کم 40 میلیارد دلار در حال مذاکره است، نه اینکه بسته شده باشد. ایو بعداً در همین اپیزود تصویر درست را می‌دهد.
- 18:03نادرستCheck Point منطبق است: گیل شود در واحد 8200 خدمت کرده است. Mobileye منطبق نیست: هم‌بنیان‌گذار، امنون شاشوا، افسر سپاه زرهی بوده، و گزارش شده که زیو آویرام افسر پیاده‌نظام بوده است. دربارهٔ NSO، هم‌بنیان‌گذار شالِو هولیو فرماندهٔ جست‌وجو و نجات بوده، و هیچ منبع اولیه‌ای نیافتم که بنیان‌گذاران آن را در 8200 قرار دهد.
- 17:58اغراق‌آمیزدر 21 سپتامبر 2026، Mistral مدل GLM-5.3 متعلق به Z.ai را، که خودش میزبانی می‌کند، مدل پیش‌فرض در Vibe Code کرد، یعنی حالت کدنویسی دستیارش (Le Chat در مه 2026 به Vibe تبدیل شد)، و آن را در X اعلام کرد. Next گزارش داد که حالت Work در پی آن خواهد آمد. این تغییر بی‌سروصدا نبود، سراسر دستیار را در بر نمی‌گرفت، و Mistral نگفت مدل‌های خودش عقب افتاده‌اند.
- 17:58اغراق‌آمیزدور Series B شرکت Arcee در 16 سپتامبر 2026 این شرکت را بیش از 1 میلیارد دلار ارزش‌گذاری کرد. Fortune خودِ دور را 150 میلیون دلار یا بیشتر گزارش کرد، نه 1 میلیارد دلار.
- 18:01اغراق‌آمیزگراس در 2013، وقتی Apple استارتاپ جست‌وجوی او، Cue، را خرید، به Apple پیوست و تا 2017 به‌عنوان مدیر در زمینهٔ یادگیری ماشین و جست‌وجو آنجا کار کرد. او تلاش‌های هوش مصنوعی Apple را اداره نمی‌کرد.
نمایش اصلاحیه‌های بیشتر 4
- 18:03اغراق‌آمیزSSI هیچ مدل، مقاله، دمو یا بنچمارکی منتشر نکرده است. اما سوتسکیور جهت SSI را علناً شرح داده است، کامل‌تر از همه در مصاحبهٔ نوامبر 2025 خود با دوارکش پاتل، و NVIDIA می‌گوید پس از به‌دست‌آوردن دسترسی نادر به پژوهش به‌شدت محافظت‌شدهٔ SSI، وارد شراکت ژوئیهٔ 2026 خود شد.
- 21:45اغراق‌آمیزAWS خودش ارائه‌دهندهٔ ابری است، پس مقایسه آن‌گونه که گفته شد برقرار نیست. نکته را بهتر است با میزبان‌های وب و فروشندگان سرور بیان کرد که کسب‌وکارشان را ابر به‌درخواست AWS کالایی کرد.
- 21:49اغراق‌آمیزKimi K3.1 Pro، با 2.8 تریلیون پارامتر کل و 104 میلیارد پارامتر فعال، هم‌اندازهٔ Kimi K3 خودِ Moonshot است که وزن‌های باز آن در تابستان 2026 منتشر شد. این مدل با بزرگ‌ترین مدل وزن‌باز برابر است، نه آنکه بزرگ‌ترین مدلی باشد که تاکنون برایش تلاش شده.
- 21:49اغراق‌آمیز55 امتیاز Kimi K3.1 Pro در Index قدیمی بود (v4.3، 23 اکتبر)، سه امتیاز عقب‌تر از Claude Opus 5.5 با 58. در Intelligence Index v5، که 27 اکتبر منتشر شد و هنگام این گفته از پیش جاری بود، امتیازش 46 است، دوازده امتیاز عقب‌تر از Opus با 58. وزن‌هایش هنوز منتشر نشده بود.
ادعاهایی که منبعی برایشان پیدا نشد 3
نادرستی‌شان ثابت نشده، اما منبع دست‌اولی پیدا نشد. از خلاصه‌های اپیزود حذف شدند.
- 18:03بدون منبعSSI فقط می‌گوید که در پالو آلتو و تل‌آویو دفتر دارد. هیچ منبعی شرح نمی‌دهد که کار را چگونه میان آن‌ها تقسیم می‌کند، یا اینکه کار حساس در یک جا نگه داشته می‌شود.
- 18:03بدون منبعمنبعی یافت نشد. نقش مستند لوی در OpenAI رهبری تیم Optimization آن بود، و پژوهش او پیش از آن در بهینه‌سازی و حریم خصوصی بود. هیچ سابقه‌ای از کار در هم‌راستایی یا نظارت مقیاس‌پذیر نیافتم.
- 18:03بدون منبعهیچ منبعی این دو را با هم مقایسه نمی‌کند. اندازه یگان 8200 علنی نیست؛ برآوردهای منتشرشده آن را حدود 5 000 سرباز در حال خدمت فعال، یا در مجموع 5 000 تا 10 000 عضو، می‌دانند. درخواست بودجه سال مالی 2013 سازمان NSA تعداد 21 575 نفر پرسنل را فهرست کرده بود؛ بنابراین 8200 بسیار کوچک‌تر از NSA است، و برای «بخش عملیاتی» هیچ رقم علنیِ قابل تطبیقی وجود ندارد.