اگزوان دیپ الجی در حل مسائل ریاضی و کدنویسی عملکردی برتر از رقبا نشان داده است
شرکت الجی ایآی ریسرچ در مارس ۲۰۲۵ با معرفی اگزوان دیپ (EXAONE Deep)، انقلابی در حوزه هوش مصنوعی استدلالمحور ایجاد کرد. این مدل که به صورت متنباز در پلتفرم Hugging Face منتشر شده، توانسته با وجود حجم پارامترهای کمتر نسبت به رقبا، رکوردهای جدیدی در حل مسائل پیچیده ریاضی، علمی و برنامهنویسی ثبت کند. اگزوان دیپ در سه نسخه ۳۲ میلیارد پارامتری، ۷.۸ میلیارد پارامتری و ۲.۴ میلیارد پارامتری عرضه شده و عملکرد آن در آزمونهای معتبر جهانی، جایگاه کره جنوبی را به عنوان یکی از پیشگامان فناوریهای پیشرفته هوش مصنوعی تثبیت کرده است.
اگزوان دیپ بر پایه معماری زنجیره استدلال چندمرحلهای توسعه یافته که امکان شکستن مسائل پیچیده به زیرمسائل کوچکتر و حل گامبهگام آنها را فراهم میکند. این مدل از ترکیب شبکههای عصبی عمیق و الگوریتمهای بهینهسازی مبتنی بر منطق ریاضی استفاده میکند که مصرف حافظه را تا ۴۰ درصد نسبت به مدلهای مشابه کاهش داده است. نسخه ۳۲ میلیارد پارامتری آن تنها ۵ درصد حجم مدل ۶۷۱ میلیارد پارامتری دیپسیک R1 چین را دارد، اما در برخی آزمونها تا ۱۵ درصد عملکرد بهتری نشان میدهد.
قابلیت کلیدی دیگر، پشتیبانی پیشرفته از زبان کرهای است که باعث شده این مدل در آزمون CSAT 2025 کره جنوبی (معادل کنکور ایران) با کسب ۹۴.۵ درصد در بخش ریاضیات، رکورد بیسابقهای ثبت کند. این موفقیت حاصل آموزش مدل بر روی مجموعه دادههای چندزبانه با تمرکز ویژه بر متون علمی کرهای است.
بر اساس گزارشهای منتشرشده در Hugging Face، اگزوان دیپ ۳۲B در آزمون AIME 2024 (المپیاد ریاضی آمریکا) با نمره ۷۲.۱ درصد و در نسخه ۲۰۲۵ این آزمون با ۶۵.۸ درصد، از دیپسیک R1 پیشی گرفته است. در بخش کدنویسی زنده (LiveCodeBench) نیز با کسب ۵۹.۵ درصد، رقیب سرسخت مدلهایی مانند گوگل جمینی و اوپنایآی GPT-4 محسوب میشود.
جدول مقایسه عملکرد در آزمونهای کلیدی:
1em w-full table-auto border”>
شاخص
اگزوان دیپ 32B
دیپسیک R1
48px break-normal border”>۹۵.۷٪
48px break-normal border”>AIME 2024
48px break-normal border”>۷۹.۸٪
48px break-normal border”>۹۴.۵٪
48px break-normal border”>GPQA الماس (علوم پایه)
48px break-normal border”>۷۱.۵٪
این نتایج نشان میدهد اگزوان دیپ در حوزههای محاسباتی و استدلال منطقی برتری چشمگیری دارد، هرچند در سوالات مفهومی علوم پایه هنوز با مدلهای بسیار بزرگتر فاصله دارد.
الجی با ارائه نسخههای ۷.۸B و ۲.۴B، تحولی در دسترسیپذیری مدلهای استدلالمحور ایجاد کرده است. نسخه ۷.۸ میلیارد پارامتری با حفظ ۹۵ درصد عملکرد نسخه اصلی، تنها ۲۴ درصد از منابع سختافزاری را مصرف میکند. این ویژگی، امکان استفاده از اگزوان دیپ را در دستگاههای همراه و سیستمهای نهفته (Embedded) فراهم کرده است.
نسخه ۲.۴ میلیارد پارامتری نیز که برای اجرا روی گوشیهای هوشمند و رایانههای شخصی بهینهسازی شده، ۸۶ درصد توانایی نسخه اصلی را با تنها ۷.۵ درصد حجم آن ارائه میدهد. این پیشرفت، راه را برای یکپارچهسازی هوش مصنوعی پیشرفته در اپلیکیشنهای مصرفی باز میکند.
اگزوان دیپ با وجود برتری در ریاضیات و کدنویسی، در بخش علوم پایه از مدلهایی مانند گوگل دیپمایند و دیپسیک عقب است. با این حال، معماری منعطف آن امکان آموزش تخصصی بر روی حوزههایی مانند زیستشناسی محاسباتی و فیزیک کوانتومی را فراهم میآورد. تحلیلگران پیشبینی میکنند تا پایان ۲۰۲۶، این مدل به استاندارد طلایی حل مسائل مهندسی در صنایع خودروسازی و نیمههادی تبدیل شود.
منتقدان دو چالش اصلی را مطرح میکنند:
۱. تمرکز بیشازحد بر زبان کرهای که محدودیتهایی برای استفاده جهانی ایجاد میکند.
۲. وابستگی به سختافزارهای انویدیا که هزینه استقرار را افزایش میدهد.
با این حال، پشتیبانی از فرمتهای کمحجم مانند GGUF و AWQ، تا حدی این مشکلات را کاهش داده است.
اگزوان دیپ الجی با بازنویسی قواعد حاکم بر مدلهای استدلالمحور، ثابت کرده که کیفیت معماری میتواند بر تعداد پارامترها غلبه کند. این دستاورد نهتنها موقعیت کره جنوبی در رقابتهای هوش مصنوعی را تقویت میکند، بلکه الگویی جدید برای توسعه مدلهای کارآمد و پایدار ارائه میدهد.
برای کسب اطلاعات و اخبار روز با ما در بیسلند همراه باشید.