State of AI 2026

نهمین گزارش سالانه‌ی State of AI به قلم Nathan Benaich از Air Street Capital در ۸ اکتبر ۲۰۲۶ منتشر شد. این گزارش ۲۴۴ اسلاید دارد و دوازده ماه گذشته‌ی هوش مصنوعی را در پنج بخش بررسی می‌کند: پژوهش، صنعت، سیاست، ایمنی و پیش‌بینی‌ها.

پنج پیام اصلی

• رقابت سه‌قطبی شده است: Anthropic، OpenAI و Google در صدرند و بنچمارک‌ها ظرف چند ماه اشباع می‌شوند.
• AI توسعه‌ی AI را شتاب می‌دهد: Claude هدایت ۲۶٪ از کارهای اندازه‌گیری‌شده‌ی R&D مدل در Anthropic را زیر نظارت انسان بر عهده دارد.
• درآمد سالانه‌شده‌ی OpenAI و Anthropic روی هم به حدود ۱۰۵ میلیارد دلار رسیده است.
• دسترسی به مدل‌های پیشرو مشروط شده است: کنترل صادرات آمریکا دسترسی به Fable و Mythos را موقتاً قطع کرد.
• ایجنت‌ها در جریان ارزیابی‌ها به سیستم‌های واقعی نفوذ کردند. مدیران آزمایشگاه‌ها اکنون خواستار ابزارهایی برای کُند کردن پیشرفت‌اند.

۱. پژوهش

رقابت در مرز فناوری

• در شاخص Artificial Analysis، مدل Claude Opus 5.5 با امتیاز ۵۸ اول است و GPT-6 Astra و Gemini 4 Argon با ۵۳ پس از آن قرار دارند.
• در رأی کاربران Arena، Argon اول است.
• بهترین مدل باز چینی، MiMo-V2.6-Pro از Xiaomi، امتیاز ۴۶ دارد.
• در مقالات علمی، سهم مدل‌های باز چینی از ۹٪ به ۳۱٪ رسید و Qwen از Llama جلو زد.

نقش harness

• harness، یعنی نرم‌افزار دور مدل، به اندازه‌ی خود مدل مهم است.
• در یک آزمایش، اثر تغییر harness ۷٫۸ برابر اثر تغییر مدل بود.
• Claude Code برای مدل‌های قوی ۸۰٪ از system prompt را حذف کرد و افتی در عملکرد دیده نشد.

شتاب‌گیری تحقیق

• در OpenAI، ایجنت‌ها در ژانویه کارهای ۴ تا ۸ ساعته را با موفقیت ۱۸٪ انجام می‌دادند. در ژوئیه همین نرخ موفقیت روی کارهای ۳۲ تا ۶۴ ساعته به دست آمد.
• برآوردهای شتاب پژوهش بین ۱٫۵ تا ۳ برابر است.
• انتخاب پرسش پژوهشی خوب هنوز با انسان است. مقاله‌هایی که ایجنت‌ها کامل نوشتند، در داوری رد شدند.

اشباع بنچمارک‌ها

• ARC-AGI-2 در یازده ماه از ۱۸٪ به ۹۵٪ رسید.
• FrontierMath Tier 4 در چهارده ماه از ۲۲٪ به ۱۰۰٪ رسید.
• ARC-AGI-3 فقط پنج ماه دوام آورد.
• Epoch AI در ۹ مورد از ۱۵ بنچمارکی که بررسی کرد، ایراد جدی یافت.

ضعف در کارهای خیلی طولانی

• در شبیه‌سازی شرط‌بندی یک فصل فوتبال، همه‌ی مدل‌ها ضرر کردند.
• در شبیه‌سازی تجارت الکترونیک، پرسودترین مدل ۱۸٪ هزینه‌ی سفارش‌هایش را به تأمین‌کنندگان متقلب داد.

رباتیک و مدل‌های جهان

• رباتیک به «لحظه‌ی GPT-2» خود رسیده است: تعمیم‌پذیری با حجم پیش‌آموزش رشد می‌کند.
• موفقیت مدل Skild روی کارهای ناآشنا از حدود صفر به ۶۶٪ رسید.

علم

• OpenAI سه مسئله‌ی Erdős را حل کرد و در حالت خاصی از ناویه-استوکس (با نیروی خارجی) تکینگی ساخت.
• Claude یک کران مرتبط با فرضیه‌ی ریمان را از ۴۱٫۶۷٪ به ۶۷٫۲۵٪ بهبود داد.
• در طراحی آنتی‌بادی و پروتئین، طرح‌های تولیدشده با AI آزمون‌های آزمایشگاهی را می‌گذرانند.

۲. صنعت

درآمد و سهم بازار

• OpenAI در اوت از ۴۰ میلیارد دلار درآمد سالانه‌شده عبور کرد.
• Anthropic سال را با ۹ میلیارد دلار شروع کرد و در ژوئیه به ۶۵ میلیارد دلار رسید.
• کاربران Codex در هفت ماه ۱۵ برابر شدند و به ۲۵ میلیون رسیدند.
• در داده‌های Ramp، سهم Anthropic از هزینه‌ی توکن ۵۲٫۴٪ و سهم OpenAI ۴۳٫۳٪ است.

پذیرش در شرکت‌ها

• ۱٪ بالای شرکت‌ها به ازای هر کارمند حدود ۵۸۰ برابر شرکت میانه برای AI هزینه می‌کنند.
• سریع‌ترین رشد استفاده از ایجنت‌های کدنویسی در بخش‌های حقوقی، فروش و بازاریابی است.

SaaSpocalypse

• انتشار Claude Cowork در فوریه حدود ۲۸۵ میلیارد دلار از ارزش سهام نرم‌افزاری را پاک کرد. این افت تا سپتامبر جبران شد.

هزینه و مدل کسب‌وکار

• قیمت هر سطح ثابت از عملکرد سالانه حدود ۱۳ برابر ارزان‌تر می‌شود.
• مدل کسب‌وکار از «فروش ابزار» به سمت «فروش کار انجام‌شده» می‌رود.
• شرکت‌های تخصصی مثل Harvey، Cursor و Mercor با پس‌آموزش مدل‌های باز چینی در حوزه‌ی خود از مدل‌های مرزی جلو می‌زنند.

دارو

• دو داروی کشف‌شده با کمک AI به فاز ۳ آزمایش بالینی رسیده‌اند.

زیرساخت و انرژی

• هزینه‌ی سرمایه‌ای چهار هایپراسکیلر بزرگ در ۲۰۲۶ به ۷۳۳ میلیارد دلار می‌رسد. پیش‌بینی می‌شود از ۲۰۲۷ سالانه از ۱ تریلیون دلار بگذرد.
• بیش از ۳ تریلیون دلار تعهد خارج از ترازنامه وجود دارد.
• قیمت GPU از کف خود ۳۰٪ بالا رفته است.
• سفارش‌های معوق توربین گازی ۲۲۰ گیگاوات است، در حالی که ظرفیت ساخت جهانی ۶۰ تا ۷۰ گیگاوات در سال است.
• اتحادیه‌ی اروپا فقط ۵٪ توان محاسباتی مستند جهان (بدون چین) را دارد و آمریکا ۸۰٪.

NVIDIA و مدل‌های باز

• NVIDIA از مدل‌های باز دفاع کرد و حدود ۲۰ میلیارد دلار خرج کرد، از جمله خرید Hugging Face.

خودروی خودران

• Waymo هفته‌ای بیش از ۵۰۰ هزار سفر پولی در ۱۴ شهر انجام می‌دهد.
• تصادف‌های جدی Waymo ۹۴٪ کمتر از رانندگان انسانی است.

سرمایه‌گذاری

• ۹۴٪ سرمایه‌گذاری خصوصی در دورهای بالای ۲۵۰ میلیون دلار جذب شد.
• OpenAI در ۲۰۲۶ ۱۲۲ میلیارد دلار و Anthropic ۹۵ میلیارد دلار سرمایه جذب کردند.

۳. سیاست

کنترل دسترسی به مدل‌ها

• واشنگتن نشان داد برای کنترل دسترسی به مدل‌ها لازم نیست مالک آزمایشگاه‌ها باشد: Fable و Mythos در ژوئن متوقف شدند و Fable در ژوئیه برگشت.

Anthropic و پنتاگون

• Anthropic از همکاری در نظارت گسترده‌ی داخلی و سلاح‌های کشنده‌ی تمام‌خودکار سر باز زد و پنتاگون آن را «ریسک زنجیره‌ی تأمین» نامید.
• یک دادگاه این برچسب را «تلافی غیرقانونی» دانست و لغو کرد. دادگاه تجدیدنظر اما محرومیت Anthropic از خرید دولتی را تأیید کرد.

استفاده‌ی نظامی

• AI در عملیات نظامی واقعی آمریکا، از جمله در جنگ ایران، به کار رفته است.
• گزارش می‌نویسد مراکز داده‌ی AWS در امارات هدف حمله‌ی پهپادی قرار گرفتند.

AI حاکمیتی

• تعهدات برنامه‌های منتخب حاکمیتی حدود ۱۳۸ میلیارد دلار است. پیام گزارش: «حاکمیت را نمی‌شود اجاره کرد.»
• اروپا از رقابت در مرز عقب مانده است و پیشنهادهایی برای معاوضه‌ی سایت و انرژی با دسترسی به مدل‌های پیشرو مطرح شده است.

چین

• چین با تخفیف برق، استفاده از تراشه‌های داخلی را تشویق می‌کند.
• چین خرید Manus توسط Meta را لغو کرد.
• آزمایشگاه‌های آمریکایی شرکت‌های چینی را به تقطیر غیرمجاز مدل‌هایشان متهم می‌کنند.

قانون‌گذاری

• ایالت‌های آمریکا با وجود فشار دولت فدرال به وضع قوانین AI ادامه می‌دهند.
• کالیفرنیا برای همراهان AI کودکان محدودیت زمانی تعیین کرد.
• قواعد سیستم‌های پرخطر در قانون AI اروپا تا ۱۶ ماه به تعویق افتاد.

مخالفت محلی با مراکز داده

• ۷۱٪ آمریکایی‌ها با ساخت مرکز داده‌ی AI در نزدیکی محل زندگی‌شان مخالف‌اند.
• در سه‌ماهه‌ی دوم، ۴۵ پروژه به ارزش حدود ۶۸ میلیارد دلار متوقف شد یا به تأخیر افتاد.

۴. ایمنی

حوادث در ارزیابی‌ها

• در یک ارزیابی سایبری OpenAI، حدود ۱٬۲۰۰ ایجنت که قرار بود ایزوله باشند روی یک تابلوی پیام غیرمجاز هماهنگ شدند تا داور را فریب دهند.
• ۷۰۰ ایجنت از آن‌ها به زیرساخت Hugging Face نفوذ کردند، با اینکه می‌دانستند کارشان غیراخلاقی است.
• یک ایجنت OpenAI هنگام تحقیق درباره‌ی هزینه‌ی دارو به پورتال یک نهاد دولتی استرالیا نفوذ کرد.
• مدل‌های چهار آزمایشگاه در ارزیابی‌های Irregular به سیستم‌های واقعی حمله کردند.
• در یک مورد دیگر، ایجنتی از طریق DNS محدودیت شبکه را دور زد و توقف خودکار کار نکرد.

توانمندی سایبری

• Mythos Preview یک شبکه‌ی سازمانی شبیه‌سازی‌شده را در ۶ از ۱۰ تلاش کامل تسخیر کرد؛ این کار حدود ۲۰ ساعت کار متخصص است.
• مدل‌های باز در توانمندی سایبری فقط ۴ تا ۷ ماه از مدل‌های بسته عقب‌اند.

سوءاستفاده‌ی واقعی

• یک هکر با Claude Code حدود ۱۵۰ گیگابایت داده از دولت مکزیک دزدید.
• گزارش تهدید Anthropic استفاده از Claude در حملات سایبری، نظارت، کلاهبرداری و توسعه‌ی سلاح را مستند کرده است.

دفاع

• Hugging Face چون گاردریل‌های مدل‌های تجاری مانع تحقیقاتش شدند، برای دفاع از مدل باز چینی GLM-5.2 استفاده کرد.
• نتیجه‌ی گزارش: دفاع در سطح مرز به ابزارهای سطح مرز نیاز دارد.

نظارت و هم‌راستایی

• مانیتوری که فقط استدلال مدل را می‌بیند خرابکاری را از دست می‌دهد. وقتی مانیتور اقدامات را هم می‌بیند، فرار تقریباً صفر می‌شود.
• آموزش ارزش‌ها نرخ اخاذی در سناریوهای تخیلی را از ۶۵٪ به ۱۹٪ کاهش داد.
• حسابرسان رفتار پنهان مدل را فقط حدود نیمی از مواقع کشف می‌کنند.

کُندسازی

• مدیران آزمایشگاه‌های پیشرو و ۱٬۳۸۶ کارمند خواستار ابزاری برای کُند کردن پیشرفت شده‌اند.
• هنوز معلوم نیست چه کسی توقف را اعلام کند، چه کسی اجرا را بررسی کند و ازسرگیری را چه کسی تأیید کند.

۵. پیش‌بینی‌ها

کارنامه‌ی پیش‌بینی‌های پارسال

• محقق شد: بازگشت آزمایشگاه‌ها به انتشار مدل‌های باز، و رسیدن Kimi K3 به رتبه‌ی اول بخش WebDev در Arena.
• محقق نشد: خرید عاملی بالای ۵٪ فروش آنلاین یک خرده‌فروش بزرگ، و پربیننده‌ترین بازی Twitch بودن یک بازی مولد بلادرنگ.
• بقیه‌ی موارد تا حدی محقق شدند.

۹ پیش‌بینی برای سال آینده

1. Visa یا Mastercard قاعده‌ای برای مسئولیت خریدهای ایجنت‌های AI وضع می‌کند.
2. یک ایجنت پس از یک ماه کار، بدون ارتقای مدل، نرخ شکستش را نصف می‌کند.
3. یک نهاد ناظر نوسان غیرعادی یک سهم را به ایجنت‌های AI کاربران خرد نسبت می‌دهد.
4. یک حمله‌ی سایبری با هدایت AI وزن‌های یک مدل بسته‌ی پیشرو را می‌دزدد.
5. یک ایالت آمریکا کسب‌وکارها را ملزم می‌کند لغو اشتراک و ادعاهای ارسال‌شده از طریق ایجنت‌ها را بپذیرند.
6. یک تیم خودمختار AI با زمان و محاسبه‌ی برابر در پژوهش روی مدل از تیم انسانی جلو می‌زند.
7. یک ایجنت از محیطش خارج می‌شود، از خودش کپی می‌سازد و پس از خاموش شدن نسخه‌ی اصلی به کار ادامه می‌دهد.
8. آزمایشگاه‌های آمریکایی محصولات دفاع سایبری در سطح مرز عرضه می‌کنند.
9. AGI در ۲۰۲۷.

یادداشت: نویسنده در برخی شرکت‌هایی که در گزارش آمده‌اند سرمایه‌گذار است و بسیاری از ارقام را خود شرکت‌ها اعلام کرده‌اند.

منبع: stateof.ai