ایران ناتیفیکیشن
مدل‌های هوش مصنوعی

راهنمای مدل‌های هوش مصنوعی

۳۲ مدل از ۱۵ شرکت، در ۹ دسته. برای هر مدل توضیح کامل، نقاط قوت و محدودیت‌ها، کاربردها و پرسش‌های متداول نوشته‌ایم تا بدانید برای کارتان کدام مناسب است.

دسته‌بندی‌ها

مدل‌های زبانی و چت

مدل‌هایی که متن را می‌فهمند و می‌نویسند: گفتگو، خلاصه‌سازی، ترجمه، تحلیل و تولید محتوا.

۱۳ مدل

مدل‌های استدلالی

مدل‌هایی که پیش از پاسخ «فکر می‌کنند»؛ برای ریاضی، منطق، برنامه‌ریزی چندمرحله‌ای و مسائل دشوار.

۲ مدل

تولید تصویر

ساخت و ویرایش تصویر از روی توصیف متنی: پوستر، محصول، کانسپت، تصویرسازی و بنر.

۶ مدل

تولید ویدئو

ساخت کلیپ از متن یا تصویر؛ از تبلیغ کوتاه و ریلز تا پیش‌نمایش سکانس.

۴ مدل

تبدیل متن به گفتار

ساخت صدای طبیعی از روی متن: گویندگی، دوبلاژ، پیام صوتی، IVR و کتاب صوتی.

۳ مدل

تبدیل گفتار به متن

تبدیل صدا و تماس‌های ضبط‌شده به متن، زیرنویس و صورت‌جلسه.

۱ مدل

تولید موسیقی

ساخت آهنگ، جینگل و موسیقی متن از روی توصیف یا متن ترانه.

۱ مدل

امبدینگ و جستجوی معنایی

تبدیل متن به بردار برای جستجوی هوشمند، پیشنهاد محتوا، دسته‌بندی و پاسخگویی روی اسناد (RAG).

۱ مدل

مدل‌های کدنویسی

تکمیل، بازنویسی و اشکال‌یابی کد و ساخت برنامه با کمک هوش مصنوعی.

۱ مدل

شرکت‌های سازنده

OpenAIاوپن‌ای‌آی

سازندهٔ ChatGPT و خانوادهٔ GPT؛ از پیشگامان مدل‌های زبانی، تولید تصویر و ویدئو.

ایالات متحده · ۱۰ مدل

Anthropicآنتروپیک

سازندهٔ خانوادهٔ Claude؛ با تمرکز بر ایمنی، نوشتن دقیق، تحلیل اسناد بلند و کدنویسی.

ایالات متحده · ۳ مدل

Google DeepMindگوگل دیپ‌مایند

سازندهٔ Gemini، Veo و Imagen؛ مدل‌های چندوجهی با پنجرهٔ متن بزرگ و یکپارچه با اکوسیستم گوگل.

ایالات متحده / بریتانیا · ۵ مدل

Meta AIمتا

سازندهٔ خانوادهٔ Llama؛ مدل‌های با وزن باز که می‌توان روی زیرساخت خودتان اجرا و شخصی‌سازی کرد.

ایالات متحده · ۱ مدل

DeepSeekدیپ‌سیک

آزمایشگاه چینی با مدل‌های بسیار کارآمد و وزن‌باز در زبان و استدلال؛ شناخته‌شده برای نسبت کیفیت به قیمت.

چین · ۲ مدل

Alibaba Cloud (Qwen)علی‌بابا (کوئن)

سازندهٔ خانوادهٔ Qwen؛ مجموعهٔ گسترده‌ای از مدل‌های چندزبانه از کوچک تا بزرگ، بسیاری با وزن باز.

چین · ۱ مدل

Mistral AIمیسترال

شرکت اروپایی با مدل‌های سریع و کارآمد؛ ترکیبی از مدل‌های وزن‌باز و مدل‌های تجاری.

فرانسه · ۲ مدل

xAIایکس‌ای‌آی

سازندهٔ Grok؛ مدل‌های زبانی و استدلالی با دسترسی به اطلاعات روز.

ایالات متحده · ۱ مدل

Black Forest Labsبلک فارست لبز

سازندهٔ FLUX؛ مدل‌های تولید و ویرایش تصویر با کیفیت بالا و پیروی دقیق از پرامپت.

آلمان · ۱ مدل

Stability AIاستیبیلیتی ای‌آی

سازندهٔ Stable Diffusion؛ مدل‌های تصویر باز که زیربنای اکوسیستم بزرگ ابزارهای تصویرسازی شدند.

بریتانیا · ۱ مدل

Midjourneyمیدجرنی

سرویس تولید تصویر با سبک هنری و زیبایی‌شناسی متمایز؛ محبوب طراحان و هنرمندان.

ایالات متحده · ۱ مدل

Kuaishou (Kling)کوآیشو (کلینگ)

سازندهٔ Kling؛ مدل تولید ویدئو با حرکت طبیعی و کیفیت سینمایی.

چین · ۱ مدل

ElevenLabsالون‌لبز

پیشرو در سنتز گفتار طبیعی، شبیه‌سازی صدا و دوبلاژ خودکار به زبان‌های متعدد.

بریتانیا / ایالات متحده · ۱ مدل

Runwayرانوی

پلتفرم هوش مصنوعی برای ساخت و تدوین ویدئو؛ مورد استفادهٔ سازندگان فیلم و تبلیغات.

ایالات متحده · ۱ مدل

Sunoسونو

سرویس ساخت آهنگ کامل با صدای خواننده و ساز از روی توصیف یا متن ترانه.

ایالات متحده · ۱ مدل

سایر مدل‌ها

مدل‌هایی که اطلاعاتشان را برای آشنایی و مقایسه آورده‌ایم. اگر در بخش بالا نیستند، فعلاً از طریق IRNoti قابل استفاده نیستند.

GPT-5

OpenAI · مدل‌های زبانی و چت

مدل پرچم‌دار خانوادهٔ GPT برای گفتگو، نوشتن، تحلیل و کدنویسی، با توانایی استدلال داخلی.

GPT-4o

OpenAI · مدل‌های زبانی و چت

مدل چندوجهی و سریع OpenAI؛ تعادل خوب بین کیفیت، سرعت و قیمت برای گفتگو و کاربردهای تجاری.

128k ctx

GPT-4o mini

OpenAI · مدل‌های زبانی و چت

نسخهٔ سبک و ارزان GPT-4o برای کارهای حجیم: دسته‌بندی، استخراج، پاسخ‌های کوتاه و چت‌بات.

128k ctx

OpenAI o3

OpenAI · مدل‌های استدلالی

مدل استدلالی OpenAI برای ریاضی، منطق، علوم و کدنویسی دشوار؛ پیش از پاسخ زمان بیشتری فکر می‌کند.

Claude Opus

Anthropic · مدل‌های زبانی و چت

بزرگ‌ترین و توانمندترین مدل Claude برای تحلیل عمیق، نوشتن دقیق و کارهای عاملی طولانی.

Claude Sonnet

Anthropic · مدل‌های زبانی و چت

رده متعادل Claude: کیفیت بالا با سرعت و هزینهٔ مناسب؛ انتخاب پیش‌فرض بسیاری از محصولات.

Claude Haiku

Anthropic · مدل‌های زبانی و چت

سریع‌ترین و ارزان‌ترین رده Claude برای کارهای حجیم، پاسخ زنده و عامل‌های سبک.

Gemini 2.5 Pro

Google DeepMind · مدل‌های زبانی و چت

مدل پرچم‌دار چندوجهی گوگل با پنجرهٔ متن یک‌میلیون‌توکنی و استدلال داخلی.

1M ctx

Gemini 2.5 Flash

Google DeepMind · مدل‌های زبانی و چت

نسخهٔ سریع و کم‌هزینهٔ Gemini با پنجرهٔ بزرگ؛ مناسب پردازش حجیم و برنامه‌های زنده.

1M ctx

Llama 4

Meta AI · مدل‌های زبانی و چت

نسل چهارم مدل‌های وزن‌باز Meta؛ چندوجهی، با معماری ترکیب خبرگان، قابل اجرا روی زیرساخت خودتان.

وزن باز

DeepSeek-V3

DeepSeek · مدل‌های زبانی و چت

مدل عمومی وزن‌باز و بسیار کارآمد DeepSeek با معماری ترکیب خبرگان و نسبت کیفیت به قیمت عالی.

وزن باز

DeepSeek-R1

DeepSeek · مدل‌های استدلالی

مدل استدلالی وزن‌باز DeepSeek؛ زنجیرهٔ استدلال را نشان می‌دهد و برای ریاضی و کد بسیار کارآمد است.

وزن باز

Qwen3

Alibaba Cloud (Qwen) · مدل‌های زبانی و چت

نسل سوم مدل‌های Qwen: خانوادهٔ وسیع از مدل‌های کوچک تا بزرگ، چندزبانه و غالباً وزن‌باز.

وزن باز

Mistral Large

Mistral AI · مدل‌های زبانی و چت

مدل پرچم‌دار Mistral برای استدلال، کدنویسی و کاربردهای چندزبانه با تمرکز بر حاکمیت داده اروپایی.

128k ctx

Grok

xAI · مدل‌های زبانی و چت

مدل‌های xAI با دسترسی به اطلاعات روز و نسخه‌های استدلالی؛ مناسب پرسش‌های به‌روز و گفتگوی آزاد.

gpt-image-1

OpenAI · تولید تصویر

مدل تولید و ویرایش تصویر OpenAI با پیروی دقیق از پرامپت و توانایی نوشتن متن داخل تصویر.

DALL·E 3

OpenAI · تولید تصویر

مدل تصویر OpenAI که توصیف‌های طبیعی را به‌خوبی می‌فهمد؛ ساده برای شروع و یکپارچه با ChatGPT.

Imagen

Google DeepMind · تولید تصویر

مدل تولید تصویر گوگل با جزئیات و واقع‌گرایی بالا و رندر متن بهتر از نسل‌های قبل.

FLUX.1

Black Forest Labs · تولید تصویر

خانوادهٔ مدل‌های تصویر Black Forest Labs با کیفیت بالا، نسخه‌های سریع و حرفه‌ای و نسخه‌های وزن‌باز.

وزن باز

Stable Diffusion 3.5

Stability AI · تولید تصویر

نسل جدید Stable Diffusion با اندازه‌های مختلف؛ پایهٔ اکوسیستم بزرگ ابزارها و مدل‌های جامعه.

وزن باز

Midjourney

Midjourney · تولید تصویر

سرویس تولید تصویر با زیبایی‌شناسی هنری قوی؛ انتخاب محبوب طراحان برای کانسپت و تصویرسازی.

Sora

OpenAI · تولید ویدئو

مدل تولید ویدئوی OpenAI با درک فیزیک صحنه، پیوستگی تصویر و در نسخه‌های جدید صدای همگام.

Veo

Google DeepMind · تولید ویدئو

مدل ویدئوی گوگل با کیفیت سینمایی و تولید صدا و گفت‌وگوی همگام در نسخه‌های جدید.

Kling

Kuaishou (Kling) · تولید ویدئو

مدل ویدئوی Kuaishou با حرکت طبیعی و فیزیک خوب؛ ورودی متن و تصویر و نسخه‌هایی با کیفیت بالا.

Runway Gen

Runway · تولید ویدئو

مدل‌های ویدئوی Runway با کنترل حرکت دوربین و ابزارهای تدوین برای جریان کار حرفه‌ای.

ElevenLabs Multilingual

ElevenLabs · تبدیل متن به گفتار

مدل چندزبانهٔ ElevenLabs با صدای بسیار طبیعی، کنترل احساس و شبیه‌سازی صدا.

Gemini TTS

Google DeepMind · تبدیل متن به گفتار

مدل تبدیل متن به گفتار Gemini؛ صداهای متعدد، کنترل لحن با دستور متنی و پشتیبانی چندزبانه.

OpenAI TTS

OpenAI · تبدیل متن به گفتار

مدل‌های تبدیل متن به گفتار OpenAI با چند صدای آماده، سریع و ساده برای یکپارچه‌سازی.

Whisper

OpenAI · تبدیل گفتار به متن

مدل تشخیص گفتار چندزبانهٔ OpenAI با وزن باز؛ زیرنویس، پیاده‌سازی جلسه و ترجمهٔ گفتار.

وزن باز

Suno

Suno · تولید موسیقی

ساخت آهنگ کامل با ساز و خواننده از روی توصیف سبک یا متن ترانه.

text-embedding-3

OpenAI · امبدینگ و جستجوی معنایی

مدل‌های امبدینگ OpenAI برای جستجوی معنایی، RAG و دسته‌بندی؛ در اندازه‌های small و large و با بُعد قابل‌کاهش.

Codestral

Mistral AI · مدل‌های کدنویسی

مدل کدنویسی Mistral برای تکمیل سریع و تولید کد در بیش از ۸۰ زبان برنامه‌نویسی.