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.
GPT-4o mini
OpenAI · مدلهای زبانی و چت
نسخهٔ سبک و ارزان GPT-4o برای کارهای حجیم: دستهبندی، استخراج، پاسخهای کوتاه و چتبات.
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.
Gemini 2.5 Flash
Google DeepMind · مدلهای زبانی و چت
نسخهٔ سریع و کمهزینهٔ Gemini با پنجرهٔ بزرگ؛ مناسب پردازش حجیم و برنامههای زنده.
Llama 4
Meta AI · مدلهای زبانی و چت
نسل چهارم مدلهای وزنباز Meta؛ چندوجهی، با معماری ترکیب خبرگان، قابل اجرا روی زیرساخت خودتان.
DeepSeek-V3
DeepSeek · مدلهای زبانی و چت
مدل عمومی وزنباز و بسیار کارآمد DeepSeek با معماری ترکیب خبرگان و نسبت کیفیت به قیمت عالی.
DeepSeek-R1
DeepSeek · مدلهای استدلالی
مدل استدلالی وزنباز DeepSeek؛ زنجیرهٔ استدلال را نشان میدهد و برای ریاضی و کد بسیار کارآمد است.
Qwen3
Alibaba Cloud (Qwen) · مدلهای زبانی و چت
نسل سوم مدلهای Qwen: خانوادهٔ وسیع از مدلهای کوچک تا بزرگ، چندزبانه و غالباً وزنباز.
Mistral Large
Mistral AI · مدلهای زبانی و چت
مدل پرچمدار Mistral برای استدلال، کدنویسی و کاربردهای چندزبانه با تمرکز بر حاکمیت داده اروپایی.
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.
Stable Diffusion 3.5
Stability AI · تولید تصویر
نسل جدید Stable Diffusion با اندازههای مختلف؛ پایهٔ اکوسیستم بزرگ ابزارها و مدلهای جامعه.
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.
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.