دیباچین در کنارِ خانوادهٔ زبانیِ دیبا، خانوادهٔ تازه‌ای هم ساخته است: DibaOne (دیباوان) — مجموعه‌ای از مدلهای تصمیم‌گیریِ فارسی‌محور که به‌جای تولیدِ متن، از میان چند گزینه یکی را با اطمینانِ کالیبره انتخاب میکنند. تا امروز دو مدل از این خانواده منتشر شده است: DibaOne X1 و DibaOne M3.
چرا مدلِ تصمیمگیری، نه یک LLM؟
بخشِ بزرگی از کارِ عامل‌های هوش مصنوعی «انتخاب» است، نه «نوشتن»: کدام ابزار صدا زده شود؟ این درخواست به کدام الگو نگاشت می‌شود؟ این پیام به کدام تیم برود؟ برای این تصمیم‌ها، صدا زدنِ یک مدلِ زبانیِ بزرگ هم گران است و هم می‌تواند دچارِ توهم شود یا خروجیِ نامرتب بدهد. مدلِ تصمیمگیری خروجی‌اش یک گزینهٔ مشخص به‌همراهِ یک احتمالِ واقع‌بینانه است — سبک، سریع، ارزان و قابلِ اتکا. همین رویکرد، DibaOne را به مکملِ ایده‌آلِ مدلهای زبانی در معماریِ عامل‌ها تبدیل می‌کند.
DibaOne X1 — برای عامل‌ها و کاربردِ تجاری
DibaOne X1 یک مدلِ تصمیم‌گیریِ متن‌باز با مجوزِ Apache-2.0 (مجاز برای استفادهٔ تجاری) است. یک زمینه، یک پرسش و فهرستی از گزینه‌ها می‌گیرد و یکی را با اطمینانِ کالیبره انتخاب می‌کند. سه کارِ اصلی‌اش:
- ابزارخوانیِ عامل: کدام ابزار با کدام آرگومان صدا زده شود، یا اصلاً ابزاری لازم نیست (دقتِ تشخیصِ «ابزار لازم نیست»: ۰٫۹۱۳).
- تصمیم‌های مسیرِ توسعهٔ نرم‌افزار: از دلِ یک درخواستِ آزاد، الگو و قابلیت و لحنِ درست را تشخیص می‌دهد.
- ناوبریِ وب: انتخابِ پیوندی که به هدف نزدیک‌تر می‌کند.
در ابزارخوانی به دقتِ ۰٫۷۵۱ و در تصمیم‌های توسعه به ۰٫۷۶۷ می‌رسد — چند برابرِ رقیبِ متن‌بازِ laya. با ONNX روی CPU، GPU و حتی داخلِ مرورگر اجرا می‌شود.
DibaOne M3 — انتخاب، صحتسنجی و امتیازدهی
DibaOne M3 نسلِ پیشینِ خانواده و یک bi-encoder با ۲۷۸ میلیون پارامتر است که سه نوع پرسش را پاسخ می‌دهد: انتخابِ چندگزینه‌ای (مسیریابیِ پشتیبانی، تشخیصِ نیت)، درستی‌سنجی (آیا این گزاره با متن می‌خواند؟ برای RAG و گاردریل) و امتیازدهی (احساس، فوریت، رضایت). روی ۱۰٬۷۶۶ پرسشِ فارسیِ بومی به دقتِ ۰٫۷۳۸ با خطای کالیبراسیونِ فوق‌العادهٔ ۰٫۰۱۰ می‌رسد. مجوزِ M3 پژوهشی/غیرتجاری (CC BY-NC-SA 4.0) است؛ برای محصولِ تجاری از X1 استفاده کنید.
مقایسهٔ سریع
| DibaOne X1 | DibaOne M3 | |
|---|---|---|
| معماری | کراس‌انکودر (۲۷۸M) + بازیاب | bi-encoder (۲۷۸M) |
| تمرکز | ابزارخوانی، مسیرِ توسعه، ناوبری | انتخاب، درست/نادرست، امتیازدهی |
| مجوز | Apache-2.0 (تجاری) | CC BY-NC-SA (پژوهشی) |
| اجرا | ONNX: CPU/GPU/مرورگر | ONNX: CPU (int8 ۳۴۸MB) |
پرسش‌های متداول
DibaOne چه فرقی با دیبا (Diba) دارد؟
دیبا خانوادهٔ مدلهای زبانی و چندوجهی است (تولید متن، امبدینگ، بینایی، گفتار). DibaOne خانوادهٔ مدلهای تصمیمگیری است که متن تولید نمیکنند و فقط گزینهٔ درست را با اطمینان انتخاب میکنند.
کدام‌یک را انتخاب کنم: X1 یا M3؟
برای ابزارخوانیِ عامل و تصمیم‌های توسعه و کاربردِ تجاری، X1 (Apache-2.0). برای انتخاب/صحتسنجی/امتیازدهی و طبقه‌بندیِ فارسی در پژوهش، M3.
آیا این مدلها روی سختافزار خودم اجرا میشوند؟
بله؛ هر دو با ONNX Runtime روی CPU (و X1 حتی داخل مرورگر) اجرا میشوند و دموی زندهٔ هرکدام کاملاً در مرورگر کار می‌کند.
منابع معتبر و مطالعهٔ بیشتر
- صفحهٔ کامل DibaOne X1 (با جدول‌های بنچمارک)
- صفحهٔ کامل DibaOne M3
- کارت رسمی DibaOne X1 روی Hugging Face
- laya چیست و DibaOne چطور از آن جلو می‌زند؟
نقش دیباچین
مدلهای DibaOne و دیبا ساختهٔ دیباچین است. اگر می‌خواهید یک مدلِ تصمیمگیری را در عامل یا محصولتان به‌کار بگیرید، روی دادهٔ خودتان تنظیم کنید یا معماریِ ترکیبیِ LLM + تصمیم‌گیر بسازید، با ما تماس بگیرید و همهٔ مدلهای دیباچین را ببینید.
