Διαλέξτε μοντέλο τεχνητής νοημοσύνης με βάση το κόστος ανά σωστό αποτέλεσμα στις δικές σας εργασίες, όχι με βάση την τιμή ανά token ή τη θέση του σε μια κατάταξη. Ξεκινήστε με ένα ικανό μοντέλο, φτιάξτε ένα σετ ελέγχου που πρέπει να περνά η εργασία και μετά κατεβάστε το κόστος ένα βήμα τη φορά: πρώτα μειώνοντας την προσπάθεια συλλογισμού του μοντέλου και μόνο μετά περνώντας σε φθηνότερη κατηγορία. Επαναλάβετε τον έλεγχο κάθε φορά που ένας πάροχος βγάζει νέο μοντέλο. Στη δική μου μελέτη με 736 εκτελέσεις agents, το πέρασμα από ένα μικρό τοπικό μοντέλο σε ένα φθηνό μοντέλο cloud μέτρησε περισσότερο από οτιδήποτε άλλο. Πάνω από εκείνο το σημείο, ένα κορυφαίο μοντέλο με πολλαπλάσια τιμή δεν πήρε καλύτερο σκορ.
Τι πρέπει να κρίνει την επιλογή μοντέλου τεχνητής νοημοσύνης;
Έξι πράγματα, περίπου με αυτή τη σειρά:
- Η εργασία: η κατηγοριοποίηση και η εξαγωγή στοιχείων, οι μεγάλες εργασίες agents, ο δύσκολος συλλογισμός, ο κώδικας και η συγγραφή ευνοούν διαφορετικά μοντέλα. Πώς δουλεύουν αυτά τα μοντέλα και τι δεν μπορεί να κάνει κανένα, στο τι είναι τα μεγάλα γλωσσικά μοντέλα.
- Ο πήχης ποιότητας: το σκορ στο δικό σας σετ ελέγχου που πρέπει να πιάσει η εργασία για να είναι χρήσιμη.
- Το κόστος ανά ολοκληρωμένη εργασία: tokens επί τιμή, συν επαναλήψεις και κόστος αποτυχιών, μετρημένο σε πραγματικές περιπτώσεις και όχι εκτιμημένο μόνο από τον τιμοκατάλογο. Τα κομμάτια αυτού του λογαριασμού, στο πόσο κοστίζει στην πράξη ένας AI agent.
- Ο χρόνος απόκρισης: αν περιμένει κάποιος άνθρωπος την απάντηση.
- Οι κανόνες για τα δεδομένα: πού επιτρέπεται να γίνεται η επεξεργασία και η φύλαξη, κάτι που μπορεί να αποκλείσει έναν πάροχο πριν από κάθε δοκιμή, όπως εξηγώ στο GDPR και τεχνητή νοημοσύνη.
- Η γλώσσα: για δουλειά στα ελληνικά, κόστος και ποιότητα μετριούνται σε ελληνικό κείμενο, γιατί διαφέρουν και τα δύο από τα αγγλικά.
Πόσο καλύτερο είναι ένα ακριβό μοντέλο;
Πολύ καλύτερο από ένα μικρό τοπικό μοντέλο και συχνά όχι καλύτερο από ένα μοντέλο cloud μεσαίας τιμής. Στην έρευνα How much of an agent is the model έτρεξα έξι harness πάνω σε μια σκάλα μοντέλων, με κάθε σκορ εκφρασμένο ως ποσοστό του περιθωρίου πάνω από έναν agent που δεν κάνει τίποτα:
- ένα μικρό τοπικό μοντέλο 8 δισεκατομμυρίων παραμέτρων πήρε 0,142 και ολοκλήρωσε το 17% των εργασιών κώδικα,
- ένα φθηνό μοντέλο cloud πήρε 0,719,
- ένα κορυφαίο μοντέλο πήρε 0,788, με πολλαπλάσιο κόστος,
- ένα νεότερο μοντέλο στη μέγιστη προσπάθεια συλλογισμού πήρε 0,767, τρέχοντας πιο γρήγορα και πιο φθηνά από το κορυφαίο, και ολοκλήρωσε το 94% των εργασιών κώδικα.
Η σκάλα είναι απότομη στη βάση και σχεδόν επίπεδη στην κορυφή. Για τις περισσότερες επιχειρηματικές εργασίες, το καθοριστικό βήμα είναι να αφήσετε το μικρό τοπικό μοντέλο, όχι να φτάσετε στο ακριβότερο.
Πότε αρκεί ένα μικρό ή τοπικό μοντέλο;
Αρκεί για στενές εργασίες μεγάλου όγκου με σύντομα αποτελέσματα που ελέγχονται: κατηγοριοποίηση μηνυμάτων, εξαγωγή πεδίων, δρομολόγηση αιτημάτων, εντοπισμός διπλοεγγραφών. Δεν αρκεί για μεγάλες εργασίες agents, δύσκολο συλλογισμό ή κώδικα σε κλίμακα, όπου το ποσοστό επιτυχίας ορίζει τον λογαριασμό. Τα μικρά μοντέλα μπορούν επίσης να εκπαιδευτούν για μία στενή δουλειά. Ο ταξινομητής προθέσεων 5 εκατομμυρίων παραμέτρων που έφτιαξα τρέχει σε μια καρτέλα του browser: το σωστό σχήμα για μία καλά ορισμένη απόφαση και το λάθος για οτιδήποτε ανοιχτό. Πώς σχεδιάζετε μια στενή απόφαση ώστε να την παίρνει ένα μικρό ή εξειδικευμένο μοντέλο, το εξηγώ στο Jev: όταν η τεχνητή νοημοσύνη επιλέγει αντί να γράφει.
Ανοιχτό μοντέλο ή μοντέλο μέσω API;
Χρησιμοποιήστε ανοιχτό μοντέλο (open-weight) όταν έχετε λόγο που δεν τον καλύπτει το API: δεδομένα που δεν επιτρέπεται να φύγουν από την υποδομή σας, σταθερό μεγάλο όγκο όπου ένα δεσμευμένο μηχάνημα βγαίνει φθηνότερο από τη χρέωση ανά token, ή χρόνο απόκρισης που πρέπει να ελέγχετε. Ανοιχτά μοντέλα από αρκετά εργαστήρια είναι ανταγωνιστικά το 2026 και πολλά έχουν ελαστικές άδειες, αν και κάποιες, όπως η κοινοτική άδεια του Llama, δεν είναι ανοιχτού κώδικα με την αυστηρή έννοια (Open Source Initiative), οπότε διαβάστε την άδεια πριν τη χρησιμοποιήσετε. Μη φιλοξενείτε μόνοι σας μοντέλο για να γλιτώσετε χρήματα σε ακανόνιστο ή μικρό όγκο, γιατί μια αδρανής κάρτα γραφικών κοστίζει όσο και μια απασχολημένη, ενώ ο πάροχος του API απορροφά για εσάς αυτόν τον νεκρό χρόνο.
Να χρησιμοποιείτε πολλά μοντέλα ταυτόχρονα;
Μόνο όταν το καθένα έχει σταθερή δουλειά, όπως ένα μικρό μοντέλο που κατηγοριοποιεί και ένα μεγάλο που γράφει. Η δυναμική δρομολόγηση, όπου το λογισμικό μαντεύει σε κάθε αίτημα αν αρκεί ένα φθηνό μοντέλο, μοιάζει ελκυστική και απογοητεύει στην πράξη: οι δρομολογητές της έρευνας καλύπτουν μόνο μέρος της απόστασης από την ιδανική επιλογή, και κάθε αλλαγή μοντέλου χάνει την cache των εντολών, γιατί η cache ανήκει σε ένα μοντέλο. Πριν φτιάξετε δρομολογητή, μετρήστε το ίδιο μοντέλο με χαμηλότερη προσπάθεια συλλογισμού. Κρατά μία cache, μία εντολή και ένα σύνολο συμπεριφορών, και οι ίδιοι οι πάροχοι προτείνουν να το κοστολογήσετε πρώτο (Anthropic, choosing a model).
Πώς αποφεύγετε να δεθείτε με έναν πάροχο AI;
Κρατώντας τον πάροχο ως ρύθμιση και όχι ως υπόθεση του σχεδιασμού, με την επίγνωση ότι η αλλαγή θα θέλει και πάλι δουλειά. Κρατήστε το όνομα του μοντέλου στις ρυθμίσεις, την κατάσταση της συζήτησης στο δικό σας σύστημα, ορίστε τα εργαλεία σε απλό JSON Schema και μεταφράζετε τα στοιχεία χρήσης και τους λόγους τερματισμού κάθε παρόχου σε δικά σας πεδία. Το σημαντικότερο: κάντε το σετ ελέγχου να τρέχει σε οποιονδήποτε πάροχο. Οι εντολές δεν μεταφέρονται καθαρά: και οι δύο μεγάλοι πάροχοι λένε ότι μια εντολή ρυθμισμένη για τον άλλον αποδίδει χειρότερα, οπότε μια αλλαγή σημαίνει νέο έλεγχο και νέες ρυθμίσεις, όχι αλλαγή μιας διεύθυνσης.
Ποια είναι μια πρακτική διαδικασία για να διαλέξετε μοντέλο;
Μια πρακτική διαδικασία έχει πέντε βήματα:
- Φτιάξτε ένα σετ ελέγχου με 30 έως 100 πραγματικές περιπτώσεις της εργασίας, με βαθμολογητή, όπως περιγράφω στο evals.
- Τρέξτε ένα ικανό μοντέλο σε κανονική ρύθμιση και επιβεβαιώστε ότι η εργασία περνά.
- Χαμηλώστε την προσπάθεια συλλογισμού, μετά δοκιμάστε ένα φθηνότερο μοντέλο, μία αλλαγή τη φορά, καταγράφοντας ποιότητα και κόστος ανά ολοκληρωμένη εργασία.
- Βγάλτε από τη λίστα κάθε επιλογή που δεν περνά τους κανόνες για τα δεδομένα ή τον χρόνο απόκρισης.
- Ξανατρέξτε το σετ κάθε φορά που ένας πάροχος βγάζει μοντέλο ή αλλάζει τιμές, γιατί η καλύτερη επιλογή μετακινείται κάθε λίγους μήνες.
Έτσι διαλέγω το μοντέλο για τους AI agents για επιχειρήσεις που φτιάχνω.
Συχνές ερωτήσεις
Ποιο είναι το καλύτερο μοντέλο τεχνητής νοημοσύνης το 2026;
Δεν υπάρχει ένα καλύτερο μοντέλο. Το καλύτερο για μια εργασία είναι αυτό που περνά το δικό σας σετ ελέγχου με το μικρότερο κόστος ανά ολοκληρωμένη εργασία, και η απάντηση αλλάζει σε κάθε νέα κυκλοφορία.
Είναι καλύτερο το ChatGPT ή το Claude για μια επιχείρηση;
Και οι δύο οικογένειες είναι ισχυρές, και η απάντηση εξαρτάται από την εργασία, τους κανόνες για τα δεδομένα και τα αποτελέσματα των δοκιμών σας. Χρησιμοποιώ μοντέλα της OpenAI και της Anthropic σε πραγματική λειτουργία και διαλέγω ανά εργασία αφού μετρήσω, όχι με βάση το όνομα.
Μετρά η επιλογή μοντέλου για τα ελληνικά;
Ναι. Τα μοντέλα διαφέρουν στο πόσο φυσικά γράφουν ελληνικά και στο πόσα tokens τους κοστίζει το ελληνικό κείμενο, όπως μέτρησα στο άρθρο ελληνικά στην τεχνητή νοημοσύνη. Δοκιμάστε στο δικό σας ελληνικό υλικό πριν διαλέξετε.
Αν διαλέγετε μοντέλο για πραγματικό φόρτο εργασίας, στείλτε μου την εργασία και ένα δείγμα των εισόδων. Μια σύντομη, μετρημένη σύγκριση αξίζει περισσότερο από έναν μήνα διάβασμα κατατάξεων.