--- title: "موجودیت‌ها · ذهن‌ها و ذهن‌های ممکن، مرتب‌شده بر اساس شواهد · فرضیهٔ شبیه‌سازی" url: https://simulation-hypothesis.com/fa/entities description: "یک راهنمای منبع‌دار از ذهن‌ها: جانوران با شمار نورون اندازه‌گیری‌شده، سامانه‌های جمعی و مصنوعی، و آزمون‌های منتشرشدهٔ احساس‌مندی و آگاهی." license: https://creativecommons.org/licenses/by/4.0/ credit: "Ross Allan Dahl، فرضیهٔ شبیه‌سازی (simulation-hypothesis.com)" --- # موجودیت‌ها · ذهن‌ها و ذهن‌های ممکن، مرتب‌شده بر اساس شواهد اگر جهان یک شبیه‌سازی باشد، ذهن‌ها شاید از سخت‌ترین چیزها برای محاسبه در آن باشند. این راهنما موارد شناخته‌شده را فهرست می‌کند، از تک‌سلول‌ها تا انسان‌ها. سامانه‌های مصنوعی ساخته‌شده تاکنون، و ذهن‌هایی را هم که دانشمندان و فیلسوفان پیشنهاد کرده‌اند اما هیچ‌کس مشاهده نکرده، دربر می‌گیرد. هر رقم منبع و برچسب اطمینان دارد. اندازه‌گیری‌شده شمارش مستقیم است، برآورد از دادهٔ دیگر درمی‌آید، و شمرده نشده یعنی هیچ‌کس شمارشی منتشر نکرده. اینکه هیچ‌یک از این سامانه‌ها تجربه دارند یا نه پرسشی جداست. شواهدش زیر [معیارهای احساس‌مندی](https://simulation-hypothesis.com/fa/entities/sentience) و [شاخص‌های آگاهی](https://simulation-hypothesis.com/fa/entities/indicators) است. ## ذهن‌های منفرد ## جانوران: نورون‌ها در قشر مغز و کل مغز قشر مغز یا پالیوم کل مغز همه پستانداران پرندگان نورون‌های قشر مخ (پستانداران) یا پالیوم (پرندگان)، راهنمای کالبدشناختی پرکاربرد برای ظرفیت شناختی. مقیاس لگاریتمی؛ میله‌های توپر شمارش‌اند، میله‌های هاشورخورده برآورد یا شمارش‌های مورد اختلاف (†). خزندگان و بی‌مهرگان نشان داده نشده‌اند، چون شمارش قابل‌مقایسه‌ای در دسترس نیست. 1. اورکا † 43.1 میلیارد 2. نهنگ خلبان باله‌بلند † 37.2 میلیارد 3. [انسان](https://simulation-hypothesis.com/fa/entities/human)▲1 16.3 میلیارد 4. گراز دریایی بندری † 14.9 میلیارد 5. [دلفین بطری‌پوزه †](https://simulation-hypothesis.com/fa/entities/dolphin) 12.7 میلیارد 6. نهنگ نوک‌دار کوویه 9.1 میلیارد 7. گوریل 8.5 میلیارد 8. اورانگوتان 8.5 میلیارد 9. [شامپانزه](https://simulation-hypothesis.com/fa/entities/chimp) 7.4 میلیارد 10. دلفین معمولی 6.7 میلیارد 11. فوک چنگی 6.1 میلیارد 12. [فیل آفریقایی](https://simulation-hypothesis.com/fa/entities/elephant)▼1 5.6 میلیارد 13. نهنگ بالن 5.2 میلیارد 14. نهنگ آبی 5.1 میلیارد 15. نهنگ مینک 3.2 میلیارد نمایش همهٔ 88 10^6 10^7 10^8 10^9 10^10 10^11 neurons نمایش عددها | # | جانور | قشر مغز یا پالیوم | کل مغز | | -- | ----------------------- | ----------------- | ------------- | | 1 | اورکا † | 43.1 میلیارد | | | 2 | نهنگ خلبان باله‌بلند † | 37.2 میلیارد | | | 3 | انسان | 16.3 میلیارد | 86.1 میلیارد | | 4 | گراز دریایی بندری † | 14.9 میلیارد | | | 5 | دلفین بطری‌پوزه † | 12.7 میلیارد | | | 6 | نهنگ نوک‌دار کوویه | 9.1 میلیارد | | | 7 | گوریل | 8.5 میلیارد | | | 8 | اورانگوتان | 8.5 میلیارد | | | 9 | شامپانزه | 7.4 میلیارد | | | 10 | دلفین معمولی | 6.7 میلیارد | | | 11 | فوک چنگی | 6.1 میلیارد | | | 12 | فیل آفریقایی | 5.6 میلیارد | 257 میلیارد | | 13 | نهنگ بالن | 5.2 میلیارد | | | 14 | نهنگ آبی | 5.1 میلیارد | | | 15 | نهنگ مینک | 3.2 میلیارد | 57.4 میلیارد | | 16 | بابون زیتونی | 2.88 میلیارد | 10.95 میلیارد | | 17 | نهنگ بلوگا | 2.7 میلیارد | | | 18 | نهنگ عنبر کوتوله | 2.02 میلیارد | | | 19 | ماکائوی آبی و زرد | 1.92 میلیارد | 3.14 میلیارد | | 20 | ماکاک رزوس | 1.71 میلیارد | 6.39 میلیارد | | 21 | زرافه | 1.67 میلیارد | 11.21 میلیارد | | 22 | میمون سنجابی | 1.34 میلیارد | 3.25 میلیارد | | 23 | جغد شاخدار اوراسیایی | 1.33 میلیارد | 1.9 میلیارد | | 24 | کئا | 1.28 میلیارد | 2.15 میلیارد | | 25 | جغد برفی | 1.27 میلیارد | 1.81 میلیارد | | 26 | کلاغ سیاه | 1.2 میلیارد | 2.17 میلیارد | | 27 | جغد قهوه‌ای | 1.15 میلیارد | 1.58 میلیارد | | 28 | میمون کاپوچین | 1.14 میلیارد | 3.69 میلیارد | | 29 | کاکادوی کاکل‌زرد | 1.14 میلیارد | 2.12 میلیارد | | 30 | طوطی خاکستری آفریقایی | 850 میلیون | 1.57 میلیارد | | 31 | زاغ نره | 820 میلیون | 1.51 میلیارد | | 32 | کودوی بزرگ | 793.07 میلیون | 6.09 میلیارد | | 33 | جغد گوش‌دراز | 673 میلیون | 991.31 میلیون | | 34 | کاکادوی گافین | 599 میلیون | 1.16 میلیارد | | 35 | شیر | 545.24 میلیون | 4.67 میلیارد | | 36 | عقاب دم‌سفید | 542.93 میلیون | 1.65 میلیارد | | 37 | زاغ بلوطی اوراسیایی | 529 میلیون | 1.09 میلیارد | | 38 | سگ خانگی | 526 میلیون | | | 39 | کفتار راه‌راه | 495.28 میلیون | 3.88 میلیارد | | 40 | زاغچهٔ غربی | 492 میلیون | 967.99 میلیون | | 41 | شترمرغ معمولی | 479.41 میلیون | 1.63 میلیارد | | 42 | زاغی اوراسیایی | 443 میلیون | 897.27 میلیون | | 43 | شاهین ساکر | 442.95 میلیون | 1.2 میلیارد | | 44 | شترمرغ استرالیایی | 439 میلیون | 1.34 میلیارد | | 45 | راکون | 437.94 میلیون | 2.15 میلیارد | | 46 | جغد انباری | 437 میلیون | 689.54 میلیون | | 47 | جغد کوچک | 400.82 میلیون | 585.92 میلیون | | 48 | کرکس سیاه | 398.9 میلیون | 1.01 میلیارد | | 49 | جغد کوچک اوراسیایی | 364 میلیون | 533.26 میلیون | | 50 | سارگپهٔ معمولی | 351.7 میلیون | 1 میلیارد | | 51 | رئای بزرگ | 330.34 میلیون | 1.03 میلیارد | | 52 | قوی گنگ | 323.66 میلیون | 1 میلیارد | | 53 | خوک اهلی | 293 میلیون | 2.22 میلیارد | | 54 | غاز خاکستری | 258.65 میلیون | 738.23 میلیون | | 55 | خرس قهوه‌ای | 250.97 میلیون | 9.59 میلیارد | | 56 | گربهٔ خانگی | 250 میلیون | 1.22 میلیارد | | 57 | مارموست معمولی | 245 میلیون | 638 میلیون | | 58 | دلیجهٔ معمولی | 237.9 میلیون | 624.58 میلیون | | 59 | خوتکای اوراسیایی | 167.29 میلیون | 375.41 میلیون | | 60 | طوطی مرغ‌عشق | 149 میلیون | 321.82 میلیون | | 61 | غاز سینه‌سرخ | 148.62 میلیون | 482.71 میلیون | | 62 | مرغابی جنگلی | 138.21 میلیون | 305.82 میلیون | | 63 | شاهین کوتوله | 131.9 میلیون | 350.37 میلیون | | 64 | مرغابی مرمری | 130.14 میلیون | 386.92 میلیون | | 65 | طاووس هندی | 129.62 میلیون | 570.93 میلیون | | 66 | کوراسوی برجستگی‌زرد | 124.62 میلیون | 652.99 میلیون | | 67 | کبوتر تاج‌دار ویکتوریا | 118.45 میلیون | 578.7 میلیون | | 68 | مرغابی سرسبز | 112.26 میلیون | 367.47 میلیون | | 69 | بوقلمون وحشی | 105.65 میلیون | 492.87 میلیون | | 70 | قرقی اوراسیایی | 87.83 میلیون | 401.75 میلیون | | 71 | قرقاول ریوز | 80.69 میلیون | 387.17 میلیون | | 72 | کبوتر چاهی | 72 میلیون | 310 میلیون | | 73 | خرگوش اروپایی | 71.5 میلیون | 513 میلیون | | 74 | مرغ جنگلی سرخ | 60.7 میلیون | 220.84 میلیون | | 75 | تیناموی شیلیایی | 59.13 میلیون | 241.37 میلیون | | 76 | سهره زبرا | 55.2 میلیون | 135.98 میلیون | | 77 | تیناموی زیبای کاکل‌دار | 51.38 میلیون | 217.77 میلیون | | 78 | کبوتر جنگلی معمولی | 51.33 میلیون | 258.68 میلیون | | 79 | تیناموی کاکل‌دار کبراچو | 48.29 میلیون | 235.67 میلیون | | 80 | قمری گردن‌طوقی آفریقایی | 40 میلیون | 139.27 میلیون | | 81 | بلدرچین شمالی | 39.11 میلیون | 148.4 میلیون | | 82 | کبک خاکستری | 36.88 میلیون | 170.29 میلیون | | 83 | موش صحرایی | 31 میلیون | 200 میلیون | | 84 | بلدرچین معمولی | 22.57 میلیون | 117.76 میلیون | | 85 | بلدرچین شاه | 20.52 میلیون | 80.48 میلیون | | 86 | قمری الماسی | 18.21 میلیون | 87.88 میلیون | | 87 | موش | 13.7 میلیون | 70.9 میلیون | | 88 | موش‌کور برهنه | 5.31 میلیون | 33.62 میلیون | ## سامانه‌های هوش مصنوعی: پارامترها در برابر سیناپس‌ها همهٔ پارامترها استفاده‌شده به ازای هر توکن All زبان چندوجهی بینایی دیگر (گفتار، زیست‌شناسی، بازی‌ها، رباتیک…) پارامترهای قابل‌آموزش (وزن‌های اتصال)، در مقیاس لگاریتمی: هر مدل برجسته در پایگاه دادهٔ Epoch AI که شمار پارامتر دارد (بازیابی‌شده ۱۱ مهر ۱۴۰۵). میله‌های توپر شمارهایی‌اند که Epoch مطمئن ارزیابی می‌کند؛ میله‌های هاشورخورده شمارهایی که محتمل یا حدسی ارزیابی می‌کند. میله‌های دارای \* برآورد برای مدل‌های بسته‌اند که توسعه‌دهندگانشان اندازه‌شان را منتشر نمی‌کنند، گردآوری‌شده ۱۰ مهر ۱۴۰۵ از تحلیل‌های اشخاص ثالث؛ خط‌های کناری دامنهٔ برآورد را نشان می‌دهد. Gemini 3 و پس از آن: برآورد منتشرشده‌ای نیست. ردیف‌های توخالی شمار سیناپس‌اند: یک پارامتر به سیناپس نزدیک‌تر است تا نورون. 1. نئوکورتکس انسان 1.6 × 10¹⁴ 2. GPT-5.5 (OpenAI, 2026) \* \~4.7 × 10¹² 3. Claude Fable 5 (Anthropic, 2026) \* \~3.5 × 10¹² 4. Grok 3 (xAI, 2025) \~3 × 10¹² 5. Grok 4 (xAI, 2025) \~3 × 10¹² 6. Gemini 2.5 Pro (Google, 2025) \* \~3 × 10¹² 7. Kimi K3 (Moonshot, 2026) \~2.8 × 10¹² 8. Qwen 3.8 Max (Alibaba, 2026) 2.4 × 10¹² 9. Qwen3.8-2.4T-A95B (Alibaba, 2026) 2.4 × 10¹² 10. Grok 4.7 (xAI, 2026) \* \~2.1 × 10¹² 11. Llama 4 Behemoth (Meta AI, 2025) \~2 × 10¹² 12. GPT-4 (OpenAI, 2023) \~1.8 × 10¹² 13. DeepSeek-V4-Pro (DeepSeek, 2026) \~1.6 × 10¹² 14. LongCat-2.0 (Meituan Inc, 2026) \~1.6 × 10¹² 15. Switch (Google, 2021) 1.6 × 10¹² 16. GLaM (Google, 2021) 1.2 × 10¹² 17. PanGu-Σ (Huawei Noah's Ark Lab, 2023) 1.1 × 10¹² 18. Kimi K2.5 (Moonshot, 2026) \~1 × 10¹² 19. Composer 2 (Cursor, 2026) 1 × 10¹² 20. Kimi K2.6 (Moonshot, 2026) 1 × 10¹² 21. Composer 2.5 (Cursor, 2026) \~1 × 10¹² 22. MiMo-V2-Pro (Xiaomi Corp, 2026) 1 × 10¹² 23. MiMo-V2.5-Pro (Xiaomi Corp, 2026) \~1 × 10¹² 24. M6-T (Alibaba, 2021) \~1 × 10¹² 25. Kimi K2 (Moonshot, 2025) 1 × 10¹² 26. Qwen3-Max (Alibaba, 2025) \~1 × 10¹² 27. Ling-1T (Ant Group, 2025) 1 × 10¹² 28. Kimi K2 Thinking (Moonshot, 2025) \~1 × 10¹² 29. Inkling (Thinking Machines, 2026) \~9.8 × 10¹¹ 30. Tencent Hy4 preview (Tencent, 2026) \~7.7 × 10¹¹ 31. GLM-5.1 (Z.ai (Zhipu AI), 2026) 7.5 × 10¹¹ 32. K-EXAONE 2.0 (LG AI Research, 2026) 7.5 × 10¹¹ 33. DeepSeek V4.1 Flash (DeepSeek, 2026) \~7.5 × 10¹¹ 34. GLM-5 (Z.ai (Zhipu AI), 2026) \~7.4 × 10¹¹ 35. GLM-5.3 (Z.ai (Zhipu AI), 2026) 7.4 × 10¹¹ 36. A.X K2 (SK Telecom, 2026) 6.9 × 10¹¹ 37. DeepSeekMath-V2 (DeepSeek, 2025) 6.8 × 10¹¹ 38. Mistral Large 3 (Mistral AI, 2025) 6.8 × 10¹¹ 39. DeepSeek-V3 (DeepSeek, 2024) 6.7 × 10¹¹ 40. DeepSeek-R1 (DeepSeek, 2025) 6.7 × 10¹¹ نمایش همهٔ 725 10^4 10^6 10^8 10^10 10^12 10^14 پارامترها یا سیناپس‌ها نمایش عددها | # | سامانه | همهٔ پارامترها | استفاده‌شده به ازای هر توکن | سال | نوع | | --- | ------------------------------------------------------------------------------------------- | -------------- | --------------------------- | ---- | ------------------------------------ | | 1 | نئوکورتکس انسان | 1.6 × 10¹⁴ | 1.6 × 10¹⁴ | | سیناپس‌ها | | 2 | GPT-5.5 (OpenAI, 2026) \* | \~4.7 × 10¹² | | 2026 | برآورد | | 3 | Claude Fable 5 (Anthropic, 2026) \* | \~3.5 × 10¹² | | 2026 | برآورد | | 4 | Grok 3 (xAI, 2025) | \~3 × 10¹² | | 2025 | برآورد | | 5 | Grok 4 (xAI, 2025) | \~3 × 10¹² | | 2025 | برآورد | | 6 | Gemini 2.5 Pro (Google, 2025) \* | \~3 × 10¹² | | 2025 | برآورد | | 7 | Kimi K3 (Moonshot, 2026) | \~2.8 × 10¹² | | 2026 | برآورد | | 8 | Qwen 3.8 Max (Alibaba, 2026) | 2.4 × 10¹² | 2.4 × 10¹² | 2026 | معماری ذکر نشده | | 9 | Qwen3.8-2.4T-A95B (Alibaba, 2026) | 2.4 × 10¹² | 9.5 × 10¹⁰ | 2026 | ترکیب متخصصان | | 10 | Grok 4.7 (xAI, 2026) \* | \~2.1 × 10¹² | | 2026 | برآورد | | 11 | Llama 4 Behemoth (Meta AI, 2025) | \~2 × 10¹² | | 2025 | برآورد | | 12 | GPT-4 (OpenAI, 2023) | \~1.8 × 10¹² | | 2023 | برآورد | | 13 | DeepSeek-V4-Pro (DeepSeek, 2026) | \~1.6 × 10¹² | | 2026 | برآورد | | 14 | LongCat-2.0 (Meituan Inc, 2026) | \~1.6 × 10¹² | | 2026 | برآورد | | 15 | Switch (Google, 2021) | 1.6 × 10¹² | 1.6 × 10¹² | 2021 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 16 | GLaM (Google, 2021) | 1.2 × 10¹² | 1.2 × 10¹² | 2021 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 17 | PanGu-Σ (Huawei Noah's Ark Lab, 2023) | 1.1 × 10¹² | 1.1 × 10¹² | 2023 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 18 | Kimi K2.5 (Moonshot, 2026) | \~1 × 10¹² | | 2026 | برآورد | | 19 | Composer 2 (Cursor, 2026) | 1 × 10¹² | 1 × 10¹² | 2026 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 20 | Kimi K2.6 (Moonshot, 2026) | 1 × 10¹² | 1 × 10¹² | 2026 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 21 | Composer 2.5 (Cursor, 2026) | \~1 × 10¹² | | 2026 | برآورد | | 22 | MiMo-V2-Pro (Xiaomi Corp, 2026) | 1 × 10¹² | 1 × 10¹² | 2026 | معماری ذکر نشده | | 23 | MiMo-V2.5-Pro (Xiaomi Corp, 2026) | \~1 × 10¹² | | 2026 | برآورد | | 24 | M6-T (Alibaba, 2021) | \~1 × 10¹² | | 2021 | برآورد | | 25 | Kimi K2 (Moonshot, 2025) | 1 × 10¹² | 1 × 10¹² | 2025 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 26 | Qwen3-Max (Alibaba, 2025) | \~1 × 10¹² | | 2025 | برآورد | | 27 | Ling-1T (Ant Group, 2025) | 1 × 10¹² | 5 × 10¹⁰ | 2025 | ترکیب متخصصان | | 28 | Kimi K2 Thinking (Moonshot, 2025) | \~1 × 10¹² | | 2025 | برآورد | | 29 | Inkling (Thinking Machines, 2026) | \~9.8 × 10¹¹ | | 2026 | برآورد | | 30 | Tencent Hy4 preview (Tencent, 2026) | \~7.7 × 10¹¹ | | 2026 | برآورد | | 31 | GLM-5.1 (Z.ai (Zhipu AI), 2026) | 7.5 × 10¹¹ | 7.5 × 10¹¹ | 2026 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 32 | K-EXAONE 2.0 (LG AI Research, 2026) | 7.5 × 10¹¹ | 7.5 × 10¹¹ | 2026 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 33 | DeepSeek V4.1 Flash (DeepSeek, 2026) | \~7.5 × 10¹¹ | | 2026 | برآورد | | 34 | GLM-5 (Z.ai (Zhipu AI), 2026) | \~7.4 × 10¹¹ | | 2026 | برآورد | | 35 | GLM-5.3 (Z.ai (Zhipu AI), 2026) | 7.4 × 10¹¹ | 4 × 10¹⁰ | 2026 | ترکیب متخصصان | | 36 | A.X K2 (SK Telecom, 2026) | 6.9 × 10¹¹ | 6.9 × 10¹¹ | 2026 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 37 | DeepSeekMath-V2 (DeepSeek, 2025) | 6.8 × 10¹¹ | 6.8 × 10¹¹ | 2025 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 38 | Mistral Large 3 (Mistral AI, 2025) | 6.8 × 10¹¹ | 4.1 × 10¹⁰ | 2025 | ترکیب متخصصان | | 39 | DeepSeek-V3 (DeepSeek, 2024) | 6.7 × 10¹¹ | 3.7 × 10¹⁰ | 2024 | ترکیب متخصصان | | 40 | DeepSeek-R1 (DeepSeek, 2025) | 6.7 × 10¹¹ | 3.7 × 10¹⁰ | 2025 | ترکیب متخصصان | | 41 | SenseChat 5.5 (SenseTime, 2024) | 6 × 10¹¹ | 6 × 10¹¹ | 2024 | معماری ذکر نشده | | 42 | Step 5 Preview (StepFun, 2026) | \~6 × 10¹¹ | | 2026 | برآورد | | 43 | PaLM-E (Google, 2023) | \~5.6 × 10¹¹ | | 2023 | برآورد | | 44 | Hunyuan-TurboS (Tencent, 2025) | 5.6 × 10¹¹ | 5.6 × 10¹¹ | 2025 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 45 | LongCat-Flash (Meituan Inc, 2025) | \~5.6 × 10¹¹ | | 2025 | برآورد | | 46 | Nemotron 3 Ultra (Nvidia, 2026) | \~5.5 × 10¹¹ | | 2026 | برآورد | | 47 | PaLM (Google Research, 2022) | 5.4 × 10¹¹ | 5.4 × 10¹¹ | 2022 | چگال | | 48 | Minerva (Google, 2022) | 5.4 × 10¹¹ | 5.4 × 10¹¹ | 2022 | چگال | | 49 | U-PaLM (Google, 2022) | 5.4 × 10¹¹ | 5.4 × 10¹¹ | 2022 | چگال | | 50 | LMSI-Palm (Google, 2022) | 5.4 × 10¹¹ | 5.4 × 10¹¹ | 2022 | چگال | | 51 | Flan-PaLM 540B (Google, 2022) | 5.4 × 10¹¹ | 5.4 × 10¹¹ | 2022 | چگال | | 52 | Megatron-Turing NLG 530B (Microsoft, 2021) | 5.3 × 10¹¹ | 5.3 × 10¹¹ | 2021 | چگال | | 53 | MegaScale (ByteDance, 2024) | \~5.3 × 10¹¹ | | 2024 | برآورد | | 54 | A.X K1 (SK Telecom, 2025) | 5.2 × 10¹¹ | 5.2 × 10¹¹ | 2025 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 55 | Doubao-pro (ByteDance, 2024) | \~5 × 10¹¹ | | 2024 | برآورد | | 56 | Grok 4.20 (xAI, 2026) | \~5 × 10¹¹ | | 2026 | برآورد | | 57 | Qwen3-Coder-480B-A35B (Alibaba, 2025) | 4.8 × 10¹¹ | 3.5 × 10¹⁰ | 2025 | ترکیب متخصصان | | 58 | MiniMax-M3 (MiniMax, 2026) | 4.3 × 10¹¹ | 2.2 × 10¹⁰ | 2026 | ترکیب متخصصان | | 59 | ERNIE-4.5-VL-424B-A47B (Baidu, 2025) | 4.2 × 10¹¹ | 4.7 × 10¹⁰ | 2025 | ترکیب متخصصان | | 60 | Llama 3.1-405B (Meta AI, 2024) | 4 × 10¹¹ | 4 × 10¹¹ | 2024 | چگال | | 61 | Llama 4 Maverick (Meta AI, 2025) | \~4 × 10¹¹ | | 2025 | برآورد | | 62 | Jamba 1.5-Large (AI21 Labs, 2024) | 4 × 10¹¹ | 4 × 10¹¹ | 2024 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 63 | Qwen3.5 397B-A17B (Alibaba, 2026) | \~4 × 10¹¹ | | 2026 | برآورد | | 64 | Hunyuan-Large (Tencent, 2024) | 3.9 × 10¹¹ | 3.9 × 10¹¹ | 2024 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 65 | GLM-4.7 (Z.ai (Zhipu AI), 2025) | \~3.6 × 10¹¹ | | 2025 | برآورد | | 66 | GLM-4.6 (Z.ai (Zhipu AI), 2025) | \~3.6 × 10¹¹ | | 2025 | برآورد | | 67 | GLM-4.5 (Z.ai (Zhipu AI), 2025) | 3.5 × 10¹¹ | 3.2 × 10¹⁰ | 2025 | ترکیب متخصصان | | 68 | PaLM 2 (Google, 2023) | \~3.4 × 10¹¹ | | 2023 | برآورد | | 69 | Med-PaLM 2 (Google Research, 2023) | \~3.4 × 10¹¹ | | 2023 | برآورد | | 70 | Nemotron-4 340B (Nvidia, 2024) | 3.4 × 10¹¹ | 3.4 × 10¹¹ | 2024 | چگال | | 71 | GLM-5.3-Flash (Z.ai (Zhipu AI), 2026) | \~3.2 × 10¹¹ | | 2026 | برآورد | | 72 | Grok-1 (xAI, 2023) | \~3.1 × 10¹¹ | | 2023 | برآورد | | 73 | Motif-3 (Motif Technologies, 2026) | 3.1 × 10¹¹ | 3.1 × 10¹¹ | 2026 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 74 | SB-LM (Google, 2007) | \~3 × 10¹¹ | | 2007 | برآورد | | 75 | Tencent Hy3 preview (Tencent, 2026) | 3 × 10¹¹ | 3 × 10¹¹ | 2026 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 76 | Tencent Hy3 (Tencent, 2026) | 3 × 10¹¹ | 3 × 10¹¹ | 2026 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 77 | DeepSeek-V4-Flash (DeepSeek, 2026) | \~2.8 × 10¹¹ | | 2026 | برآورد | | 78 | Gopher (DeepMind, 2021) | 2.8 × 10¹¹ | 2.8 × 10¹¹ | 2021 | چگال | | 79 | TML-Interaction-Small (Thinking Machines, 2026) | 2.8 × 10¹¹ | 2.8 × 10¹¹ | 2026 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 80 | ST-MoE (Google, 2022) | \~2.7 × 10¹¹ | | 2022 | برآورد | | 81 | ERNIE 3.0 Titan (Baidu, 2021) | 2.6 × 10¹¹ | 2.6 × 10¹¹ | 2021 | چگال | | 82 | Solar Open2 250B (Upstage, 2026) | \~2.5 × 10¹¹ | | 2026 | برآورد | | 83 | Aramco Metabrain AI (Saudi Aramco, 2024) | \~2.5 × 10¹¹ | | 2024 | برآورد | | 84 | Yuan 1.0 (Inspur, 2021) | 2.5 × 10¹¹ | 2.5 × 10¹¹ | 2021 | معماری ذکر نشده | | 85 | DeepSeek-Coder-V2 236B (DeepSeek, 2024) | 2.4 × 10¹¹ | 2.4 × 10¹¹ | 2024 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 86 | DeepSeek-V2.5 (DeepSeek, 2024) | 2.4 × 10¹¹ | 2.4 × 10¹¹ | 2024 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 87 | K-EXAONE (LG AI Research, 2025) | 2.4 × 10¹¹ | 2.4 × 10¹¹ | 2025 | معماری ذکر نشده | | 88 | Qwen3-235B-A22B (Alibaba, 2025) | \~2.4 × 10¹¹ | | 2025 | برآورد | | 89 | Qwen3-235B-A22B-Thinking (Alibaba, 2025) | \~2.4 × 10¹¹ | | 2025 | برآورد | | 90 | P1-235B-A22B (Shanghai AI Lab, 2025) | \~2.4 × 10¹¹ | | 2025 | برآورد | | 91 | Seed-1.6-Thinking (ByteDance, 2025) | 2.3 × 10¹¹ | 2.3 × 10¹¹ | 2025 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 92 | MiniMax-M2 (MiniMax, 2025) | 2.3 × 10¹¹ | 1 × 10¹⁰ | 2025 | ترکیب متخصصان | | 93 | MiniMax-M2.1 (MiniMax, 2025) | 2.3 × 10¹¹ | 2.3 × 10¹¹ | 2025 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 94 | HyperCLOVA 204B (NAVER, 2021) | \~2 × 10¹¹ | | 2021 | برآورد | | 95 | Amazon Titan (Amazon, 2023) | \~2 × 10¹¹ | | 2023 | برآورد | | 96 | Falcon-180B (Technology Innovation Institute, 2023) | 1.8 × 10¹¹ | 1.8 × 10¹¹ | 2023 | چگال | | 97 | Jurassic-1-Jumbo (AI21 Labs, 2021) | 1.8 × 10¹¹ | 1.8 × 10¹¹ | 2021 | معماری ذکر نشده | | 98 | BLOOM-176B (Hugging Face, 2022) | 1.8 × 10¹¹ | 1.8 × 10¹¹ | 2022 | چگال | | 99 | BLUUMI (University of Turku, 2023) | \~1.8 × 10¹¹ | | 2023 | برآورد | | 100 | InstructGPT 175B (OpenAI, 2022) | 1.8 × 10¹¹ | 1.8 × 10¹¹ | 2022 | چگال | | 101 | OPT-175B (Meta AI, 2022) | 1.8 × 10¹¹ | 1.8 × 10¹¹ | 2022 | چگال | | 102 | BlenderBot 3 (McGill University, 2022) | \~1.8 × 10¹¹ | | 2022 | برآورد | | 103 | GPT-3 175B (OpenAI, 2020) | 1.7 × 10¹¹ | 1.7 × 10¹¹ | 2020 | چگال | | 104 | Palmyra X 004 (Writer, 2024) | \~1.5 × 10¹¹ | | 2024 | برآورد | | 105 | FLAN 137B (Google Research, 2021) | 1.4 × 10¹¹ | 1.4 × 10¹¹ | 2021 | معماری ذکر نشده | | 106 | LaMDA (Google, 2022) | 1.4 × 10¹¹ | 1.4 × 10¹¹ | 2022 | معماری ذکر نشده | | 107 | MEB (Microsoft, 2021) | 1.4 × 10¹¹ | 1.4 × 10¹¹ | 2021 | معماری ذکر نشده | | 108 | Pangu Ultra (Huawei, 2025) | 1.4 × 10¹¹ | 1.4 × 10¹¹ | 2025 | معماری ذکر نشده | | 109 | DBRX (Databricks, 2024) | 1.3 × 10¹¹ | 1.3 × 10¹¹ | 2024 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 110 | GLM-130B (Tsinghua University, 2022) | 1.3 × 10¹¹ | 1.3 × 10¹¹ | 2022 | چگال | | 111 | Pixtral Large (Mistral AI, 2024) | 1.2 × 10¹¹ | 1.2 × 10¹¹ | 2024 | معماری ذکر نشده | | 112 | Mistral Large 2 (Mistral AI, 2024) | \~1.2 × 10¹¹ | | 2024 | برآورد | | 113 | Qwen3.5-122B-A10B (Alibaba, 2026) | \~1.2 × 10¹¹ | | 2026 | برآورد | | 114 | Galactica (Meta AI, 2022) | \~1.2 × 10¹¹ | | 2022 | برآورد | | 115 | Nemotron 3 Super (Nvidia, 2026) | \~1.2 × 10¹¹ | | 2026 | برآورد | | 116 | gpt-oss-120b (OpenAI, 2025) | 1.2 × 10¹¹ | 5.1 × 10⁹ | 2025 | ترکیب متخصصان | | 117 | Telechat2-115B (China Telecom, 2024) | 1.1 × 10¹¹ | 1.1 × 10¹¹ | 2024 | معماری ذکر نشده | | 118 | Kaiju Large (Character.ai, 2025) | \~1.1 × 10¹¹ | | 2025 | برآورد | | 119 | Llama 4 Scout (Meta AI, 2025) | \~1.1 × 10¹¹ | | 2025 | برآورد | | 120 | InternLM (Shanghai AI Lab, 2023) | 1 × 10¹¹ | 1 × 10¹¹ | 2023 | چگال | | 121 | Solar Open 100B (Upstage, 2025) | 1 × 10¹¹ | 1 × 10¹¹ | 2025 | معماری ذکر نشده | | 122 | DLRM-2020 (Facebook AI, 2019) | 1 × 10¹¹ | 1 × 10¹¹ | 2019 | چگال | | 123 | xTrimoPGLM -100B (Tsinghua University, 2023) | 1 × 10¹¹ | 1 × 10¹¹ | 2023 | معماری ذکر نشده | | 124 | Yi-Large (01.AI, 2024) | \~1 × 10¹¹ | | 2024 | برآورد | | 125 | VAETKI (NC AI, 2025) | 1 × 10¹¹ | 1 × 10¹¹ | 2025 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 126 | ESM3 (EvolutionaryScale, 2024) | 9.8 × 10¹⁰ | 9.8 × 10¹⁰ | 2024 | معماری ذکر نشده | | 127 | نئوکورتکس موش | 8.1 × 10¹⁰ | 8.1 × 10¹⁰ | | سیناپس‌ها | | 128 | Flamingo (DeepMind, 2022) | 8 × 10¹⁰ | 8 × 10¹⁰ | 2022 | چگال | | 129 | Qwen3-Coder-Next (Alibaba, 2026) | \~8 × 10¹⁰ | | 2026 | برآورد | | 130 | Qwen2-72B (Alibaba, 2024) | 7.3 × 10¹⁰ | 7.3 × 10¹⁰ | 2024 | چگال | | 131 | Qwen2.5-72B (Alibaba, 2024) | 7.3 × 10¹⁰ | 7.3 × 10¹⁰ | 2024 | چگال | | 132 | Qwen2.5 Instruct (Alibaba, 2024) | 7.3 × 10¹⁰ | 7.3 × 10¹⁰ | 2024 | چگال | | 133 | Qwen-72B (Alibaba, 2023) | 7.2 × 10¹⁰ | 7.2 × 10¹⁰ | 2023 | چگال | | 134 | Palmyra X 003 (Writer, 2024) | \~7.2 × 10¹⁰ | | 2024 | برآورد | | 135 | Qwen1.5-72B (Alibaba, 2024) | 7.2 × 10¹⁰ | 7.2 × 10¹⁰ | 2024 | چگال | | 136 | LLaVA-OV-72B (ByteDance, 2024) | 7.2 × 10¹⁰ | 7.2 × 10¹⁰ | 2024 | چگال | | 137 | NVLM-X 72B (Nvidia, 2024) | \~7.2 × 10¹⁰ | | 2024 | برآورد | | 138 | NVLM-H 72B (Nvidia, 2024) | \~7.2 × 10¹⁰ | | 2024 | برآورد | | 139 | NVLM-D 72B (Nvidia, 2024) | 7.2 × 10¹⁰ | 7.2 × 10¹⁰ | 2024 | معماری ذکر نشده | | 140 | MindLink-72B (Kunlun Inc., 2025) | 7.2 × 10¹⁰ | 7.2 × 10¹⁰ | 2025 | معماری ذکر نشده | | 141 | Chinchilla (DeepMind, 2022) | 7 × 10¹⁰ | 7 × 10¹⁰ | 2022 | چگال | | 142 | Llama 2-70B (Meta AI, 2023) | 7 × 10¹⁰ | 7 × 10¹⁰ | 2023 | چگال | | 143 | PPLX-70B-Online (Perplexity, 2023) | \~7 × 10¹⁰ | | 2023 | برآورد | | 144 | Llama 3-70B (Meta AI, 2024) | 7 × 10¹⁰ | 7 × 10¹⁰ | 2024 | چگال | | 145 | ALLaM adapted 70B (Saudi Data and Artificial Intelligence Authority, 2024) | 7 × 10¹⁰ | 7 × 10¹⁰ | 2024 | معماری ذکر نشده | | 146 | Llama 3.3 70B (Meta AI, 2024) | 7 × 10¹⁰ | 7 × 10¹⁰ | 2024 | چگال | | 147 | Reka Core (Reka AI, 2024) | \~6.7 × 10¹⁰ | | 2024 | برآورد | | 148 | LLaMA-65B (Meta AI, 2023) | 6.5 × 10¹⁰ | 6.5 × 10¹⁰ | 2023 | چگال | | 149 | SNM-skip (Google, 2014) | \~6.2 × 10¹⁰ | | 2014 | برآورد | | 150 | PaLI-X (Google Research, 2023) | \~5.5 × 10¹⁰ | | 2023 | برآورد | | 151 | RT-2 (Google DeepMind, 2023) | 5.5 × 10¹⁰ | 5.5 × 10¹⁰ | 2023 | معماری ذکر نشده | | 152 | RT-2-X (Google DeepMind, 2023) | 5.5 × 10¹⁰ | 5.5 × 10¹⁰ | 2023 | معماری ذکر نشده | | 153 | NLLB (Meta AI, 2022) | 5.5 × 10¹⁰ | 5.5 × 10¹⁰ | 2022 | چگال | | 154 | BloombergGPT (Bloomberg, 2023) | 5.1 × 10¹⁰ | 5.1 × 10¹⁰ | 2023 | چگال | | 155 | M4-50B (Google, 2019) | 5 × 10¹⁰ | 5 × 10¹⁰ | 2019 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 156 | Mixtral 8x7B (Mistral AI, 2023) | \~4.7 × 10¹⁰ | | 2023 | برآورد | | 157 | AlphaCode (DeepMind, 2022) | 4.1 × 10¹⁰ | 4.1 × 10¹⁰ | 2022 | معماری ذکر نشده | | 158 | Falcon-40B (Technology Innovation Institute, 2023) | 4 × 10¹⁰ | 4 × 10¹⁰ | 2023 | چگال | | 159 | Qwen3-Omni-30B-A3B (Alibaba, 2025) | 3.5 × 10¹⁰ | 3 × 10⁹ | 2025 | ترکیب متخصصان | | 160 | Yi-34B (01.AI, 2023) | 3.4 × 10¹⁰ | 3.4 × 10¹⁰ | 2023 | چگال | | 161 | Cambrian-1-34B (New York University (NYU), 2024) | 3.4 × 10¹⁰ | 3.4 × 10¹⁰ | 2024 | معماری ذکر نشده | | 162 | Oryx 34B (Tsinghua University, 2024) | 3.4 × 10¹⁰ | 3.4 × 10¹⁰ | 2024 | معماری ذکر نشده | | 163 | Kaiju Medium (Character.ai, 2025) | \~3.4 × 10¹⁰ | | 2025 | برآورد | | 164 | EXAONE 4.5 (LG AI Research, 2026) | 3.3 × 10¹⁰ | 3.3 × 10¹⁰ | 2026 | معماری ذکر نشده | | 165 | Qwen2.5-32B (Alibaba, 2024) | 3.3 × 10¹⁰ | 3.3 × 10¹⁰ | 2024 | چگال | | 166 | QwQ-32B (Alibaba, 2025) | \~3.3 × 10¹⁰ | | 2025 | برآورد | | 167 | EXAONE 3.5 32B (LG AI Research, 2024) | 3.2 × 10¹⁰ | 3.2 × 10¹⁰ | 2024 | معماری ذکر نشده | | 168 | EXAONE Deep 32B (LG AI Research, 2025) | 3.2 × 10¹⁰ | 3.2 × 10¹⁰ | 2025 | معماری ذکر نشده | | 169 | EXAONE 4.0 (LG AI Research, 2025) | 3.2 × 10¹⁰ | 3.2 × 10¹⁰ | 2025 | معماری ذکر نشده | | 170 | Olmo 3 (Allen Institute for AI, 2025) | 3.2 × 10¹⁰ | 3.2 × 10¹⁰ | 2025 | معماری ذکر نشده | | 171 | HyperCLOVA X SEED 32B Think (NAVER, 2025) | 3.2 × 10¹⁰ | 3.2 × 10¹⁰ | 2025 | معماری ذکر نشده | | 172 | Nemotron 3-Nano-30B-A3B (Nvidia, 2025) | \~3.2 × 10¹⁰ | | 2025 | برآورد | | 173 | Tongyi DeepResearch (Alibaba, 2025) | 3 × 10¹⁰ | 3 × 10¹⁰ | 2025 | معماری ذکر نشده | | 174 | MM1-30B (Apple, 2024) | \~3 × 10¹⁰ | | 2024 | برآورد | | 175 | Movie Gen Video (Meta AI, 2024) | 3 × 10¹⁰ | 3 × 10¹⁰ | 2024 | معماری ذکر نشده | | 176 | AgentFounder-30B (Alibaba, 2025) | 3 × 10¹⁰ | 3 × 10¹⁰ | 2025 | معماری ذکر نشده | | 177 | PLUG (Alibaba, 2021) | 2.7 × 10¹⁰ | 2.7 × 10¹⁰ | 2021 | معماری ذکر نشده | | 178 | Qwen Image (Alibaba, 2025) | 2.7 × 10¹⁰ | 2.7 × 10¹⁰ | 2025 | معماری ذکر نشده | | 179 | GenSLM (University of Chicago, 2022) | 2.5 × 10¹⁰ | 2.5 × 10¹⁰ | 2022 | معماری ذکر نشده | | 180 | ViT-22B (Google, 2023) | 2.2 × 10¹⁰ | 2.2 × 10¹⁰ | 2023 | معماری ذکر نشده | | 181 | KN-LM (Google, 2007) | \~2.1 × 10¹⁰ | | 2007 | برآورد | | 182 | gpt-oss-20b (OpenAI, 2025) | 2.1 × 10¹⁰ | 2.1 × 10¹⁰ | 2025 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 183 | RNN for 1B words (Google, 2013) | \~2 × 10¹⁰ | | 2013 | برآورد | | 184 | GPT-NeoX-20B (EleutherAI, 2022) | 2 × 10¹⁰ | 2 × 10¹⁰ | 2022 | چگال | | 185 | UL2 (Google Research, 2022) | 2 × 10¹⁰ | 2 × 10¹⁰ | 2022 | معماری ذکر نشده | | 186 | Parti (Google Research, 2022) | 2 × 10¹⁰ | 2 × 10¹⁰ | 2022 | معماری ذکر نشده | | 187 | GPT-3.5 Turbo (OpenAI, 2023) | \~2 × 10¹⁰ | | 2023 | برآورد | | 188 | GPT-3.5 Turbo Instruct (OpenAI, 2023) | \~2 × 10¹⁰ | | 2023 | برآورد | | 189 | SPHINX (Shanghai AI Lab, 2023) | \~2 × 10¹⁰ | | 2023 | برآورد | | 190 | AlexaTM 20B (Amazon, 2022) | 2 × 10¹⁰ | 2 × 10¹⁰ | 2022 | معماری ذکر نشده | | 191 | CogAgent (Tsinghua University, 2023) | \~1.8 × 10¹⁰ | | 2023 | برآورد | | 192 | Turing-NLG (Microsoft, 2020) | \~1.7 × 10¹⁰ | | 2020 | برآورد | | 193 | CogVLM-17B (Tsinghua University, 2023) | 1.7 × 10¹⁰ | 1.7 × 10¹⁰ | 2023 | معماری ذکر نشده | | 194 | PaLI (Google, 2022) | \~1.7 × 10¹⁰ | | 2022 | برآورد | | 195 | CodeT5+ (Salesforce, 2023) | 1.6 × 10¹⁰ | 1.6 × 10¹⁰ | 2023 | معماری ذکر نشده | | 196 | StarCoder (Hugging Face, 2023) | 1.6 × 10¹⁰ | 1.6 × 10¹⁰ | 2023 | چگال | | 197 | ESM2-15B (Meta AI, 2022) | 1.5 × 10¹⁰ | 1.5 × 10¹⁰ | 2022 | معماری ذکر نشده | | 198 | FunSearch (Google DeepMind, 2023) | \~1.5 × 10¹⁰ | | 2023 | برآورد | | 199 | NVILA 15B (Nvidia, 2024) | 1.5 × 10¹⁰ | 1.5 × 10¹⁰ | 2024 | معماری ذکر نشده | | 200 | nekomata-14b (rinna, 2023) | 1.4 × 10¹⁰ | 1.4 × 10¹⁰ | 2023 | معماری ذکر نشده | | 201 | VILA1.5-13B (Nvidia, 2024) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2024 | معماری ذکر نشده | | 202 | VILA-13B (Nvidia, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | معماری ذکر نشده | | 203 | mT5-XXL (Google, 2020) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2020 | چگال | | 204 | mT0-13B (Hugging Face, 2022) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2022 | معماری ذکر نشده | | 205 | LLaVA (University of Wisconsin Madison, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | چگال | | 206 | InstructBLIP (Salesforce Research, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | معماری ذکر نشده | | 207 | Jais (Cerebras Systems, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | معماری ذکر نشده | | 208 | FinGPT-13B (University of California Los Angeles (UCLA), 2023) | \~1.3 × 10¹⁰ | | 2023 | برآورد | | 209 | Ferret (Columbia University, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | معماری ذکر نشده | | 210 | Skywork-13B (Kunlun Inc., 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | معماری ذکر نشده | | 211 | LLaVA 1.5 (University of Wisconsin Madison, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | چگال | | 212 | Volcano 13B (Korea University, 2023) | \~1.3 × 10¹⁰ | | 2023 | برآورد | | 213 | Aya (Cohere Labs (formerly Cohere for AI), 2024) | \~1.3 × 10¹⁰ | | 2024 | برآورد | | 214 | Kaiju Small (Character.ai, 2025) | \~1.3 × 10¹⁰ | | 2025 | برآورد | | 215 | ByT5-XXL (Google, 2021) | \~1.3 × 10¹⁰ | | 2021 | برآورد | | 216 | CoRe (Tsinghua University, 2023) | \~1.2 × 10¹⁰ | | 2023 | برآورد | | 217 | DALL-E (OpenAI, 2021) | \~1.2 × 10¹⁰ | | 2021 | برآورد | | 218 | Codex (OpenAI, 2021) | \~1.2 × 10¹⁰ | | 2021 | برآورد | | 219 | T5-11B (Google, 2019) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2019 | چگال | | 220 | UnifiedQA (Allen Institute for AI, 2020) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2020 | چگال | | 221 | Unicorn (Allen Institute for AI, 2021) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2021 | معماری ذکر نشده | | 222 | PLATO-XL (Baidu, 2021) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2021 | معماری ذکر نشده | | 223 | CoEdiT-xxl (University of Minnesota, 2023) | \~1.1 × 10¹⁰ | | 2023 | برآورد | | 224 | GQA-8-XXL (Google Research, 2023) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2023 | معماری ذکر نشده | | 225 | XLMR-XXL (Facebook AI Research, 2021) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2021 | معماری ذکر نشده | | 226 | Llama 3.2 11B (Meta AI, 2024) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2024 | چگال | | 227 | ERNIE 3.0 (Baidu, 2021) | 1 × 10¹⁰ | 1 × 10¹⁰ | 2021 | چگال | | 228 | ERNIE-ViLG (Baidu, 2021) | \~1 × 10¹⁰ | | 2021 | برآورد | | 229 | Qwen-VL (Alibaba, 2023) | \~9.6 × 10⁹ | | 2023 | برآورد | | 230 | Generative BST (Facebook AI Research, 2021) | 9.4 × 10⁹ | 9.4 × 10⁹ | 2021 | معماری ذکر نشده | | 231 | Sparse all-MLP (Meta AI, 2022) | 9.4 × 10⁹ | 9.4 × 10⁹ | 2022 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 232 | CogVideo (Tsinghua University, 2022) | \~9.4 × 10⁹ | | 2022 | برآورد | | 233 | eDiff-I (Nvidia, 2022) | \~9.1 × 10⁹ | | 2022 | برآورد | | 234 | Eagle 2 (Nvidia, 2025) | 8.9 × 10⁹ | 8.9 × 10⁹ | 2025 | معماری ذکر نشده | | 235 | MoE-Multi (Jagiellonian University, 2017) | 8.7 × 10⁹ | 8.7 × 10⁹ | 2017 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 236 | Qwen-Audio-Chat (Alibaba, 2023) | \~8.5 × 10⁹ | | 2023 | برآورد | | 237 | Megatron-LM (Nvidia, 2019) | \~8.3 × 10⁹ | | 2019 | برآورد | | 238 | BigSSL (Google, 2021) | \~8 × 10⁹ | | 2021 | برآورد | | 239 | Nemotron-3-8B (Nvidia, 2023) | 8 × 10⁹ | 8 × 10⁹ | 2023 | معماری ذکر نشده | | 240 | Stable Diffusion 3 (Stability AI, 2024) | 8 × 10⁹ | 8 × 10⁹ | 2024 | چگال | | 241 | Qwen3 Embedding (Alibaba, 2025) | 8 × 10⁹ | 8 × 10⁹ | 2025 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 242 | Imagen (Google Brain, 2022) | \~7.8 × 10⁹ | | 2022 | برآورد | | 243 | XGLM-7.5B (Meta AI, 2021) | 7.5 × 10⁹ | 7.5 × 10⁹ | 2021 | معماری ذکر نشده | | 244 | RETRO-7B (DeepMind, 2022) | 7.5 × 10⁹ | 7.5 × 10⁹ | 2022 | معماری ذکر نشده | | 245 | OpenVLA (Stanford University, 2024) | 7.2 × 10⁹ | 7.2 × 10⁹ | 2024 | معماری ذکر نشده | | 246 | mPLUG-Owl2 (Alibaba, 2023) | \~7.1 × 10⁹ | | 2023 | برآورد | | 247 | Goat-7B (National University of Singapore, 2023) | \~7 × 10⁹ | | 2023 | برآورد | | 248 | Llama 2-7B (Meta AI, 2023) | 7 × 10⁹ | 7 × 10⁹ | 2023 | چگال | | 249 | Llama Guard (Meta AI, 2023) | 7 × 10⁹ | 7 × 10⁹ | 2023 | چگال | | 250 | Qwen-VL-Max (Alibaba, 2024) | 7 × 10⁹ | 7 × 10⁹ | 2024 | چگال | | 251 | Mathstral (Mistral AI, 2024) | 7 × 10⁹ | 7 × 10⁹ | 2024 | معماری ذکر نشده | | 252 | Apollo 7B (Meta AI, 2024) | 7 × 10⁹ | 7 × 10⁹ | 2024 | معماری ذکر نشده | | 253 | Eurus-2-7B-PRIME (Tsinghua University, 2025) | \~7 × 10⁹ | | 2025 | برآورد | | 254 | INTELLECT-MATH (Prime Intellect, 2025) | 7 × 10⁹ | 7 × 10⁹ | 2025 | معماری ذکر نشده | | 255 | Incoder-6.7B (Facebook AI Research, 2023) | 6.7 × 10⁹ | 6.7 × 10⁹ | 2023 | معماری ذکر نشده | | 256 | ProGen2-xlarge (Salesforce Research, 2022) | 6.4 × 10⁹ | 6.4 × 10⁹ | 2022 | معماری ذکر نشده | | 257 | GPipe (Google, 2018) | \~6 × 10⁹ | | 2018 | برآورد | | 258 | InstructGPT 6B (OpenAI, 2022) | 6 × 10⁹ | 6 × 10⁹ | 2022 | چگال | | 259 | Vega v2 (Wuhan University, 2022) | 6 × 10⁹ | 6 × 10⁹ | 2022 | معماری ذکر نشده | | 260 | ChatGLM3-6B (Z.ai (Zhipu AI), 2023) | \~6 × 10⁹ | | 2023 | برآورد | | 261 | MolmoAct 2 (Allen Institute for AI, 2026) | \~5.5 × 10⁹ | | 2026 | برآورد | | 262 | T-NLRv5 XXL (Microsoft, 2021) | 5.4 × 10⁹ | 5.4 × 10⁹ | 2021 | معماری ذکر نشده | | 263 | π0.6 (Physical Intelligence, 2025) | 5.3 × 10⁹ | 5.3 × 10⁹ | 2025 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 264 | PaLI-3 (Google DeepMind, 2023) | 5 × 10⁹ | 5 × 10⁹ | 2023 | معماری ذکر نشده | | 265 | Mesh-TensorFlow Transformer 4.9B (Google Brain, 2018) | 4.9 × 10⁹ | 4.9 × 10⁹ | 2018 | چگال | | 266 | W.A.L.T (Stanford University, 2023) | 4.7 × 10⁹ | 4.7 × 10⁹ | 2023 | معماری ذکر نشده | | 267 | CogView (Tsinghua University, 2021) | \~4 × 10⁹ | | 2021 | برآورد | | 268 | Make-A-Scene (Meta AI, 2022) | \~4 × 10⁹ | | 2022 | برآورد | | 269 | ONE-PEACE (Alibaba, 2023) | \~4 × 10⁹ | | 2023 | برآورد | | 270 | Megatron-BERT (Nvidia, 2019) | 3.9 × 10⁹ | 3.9 × 10⁹ | 2019 | چگال | | 271 | DALL·E 2 (OpenAI, 2022) | \~3.5 × 10⁹ | | 2022 | برآورد | | 272 | Stable Diffusion XL (Stability AI, 2023) | \~3.4 × 10⁹ | | 2023 | برآورد | | 273 | MusicGen (Meta AI, 2023) | \~3.4 × 10⁹ | | 2023 | برآورد | | 274 | Gemini Nano-2 (Google DeepMind, 2023) | 3.3 × 10⁹ | 3.3 × 10⁹ | 2023 | معماری ذکر نشده | | 275 | Zidong Taichu (Chinese Academy of Sciences, 2021) | 3.2 × 10⁹ | 3.2 × 10⁹ | 2021 | معماری ذکر نشده | | 276 | DeepNet (Microsoft Research, 2022) | 3.2 × 10⁹ | 3.2 × 10⁹ | 2022 | معماری ذکر نشده | | 277 | MS-ensemble-speech-recognition (Microsoft, 2016) | \~3.2 × 10⁹ | | 2016 | برآورد | | 278 | BASIC-L (Google, 2021) | \~3.1 × 10⁹ | | 2021 | برآورد | | 279 | BASIC-L + Lion (Google, 2023) | 3.1 × 10⁹ | 3.1 × 10⁹ | 2023 | معماری ذکر نشده | | 280 | LEP-AD (King Abdullah University of Science and Technology (KAUST), 2023) | 3 × 10⁹ | 3 × 10⁹ | 2023 | معماری ذکر نشده | | 281 | ViT-G/14 (Google Research, 2021) | 3 × 10⁹ | 3 × 10⁹ | 2021 | معماری ذکر نشده | | 282 | ProtT5-XL-U50 (Technical University of Munich, 2021) | 3 × 10⁹ | 3 × 10⁹ | 2021 | معماری ذکر نشده | | 283 | Swin Transformer V2 (Microsoft Research Asia, 2021) | 3 × 10⁹ | 3 × 10⁹ | 2021 | معماری ذکر نشده | | 284 | LongT5 (Google Research, 2021) | 3 × 10⁹ | 3 × 10⁹ | 2021 | معماری ذکر نشده | | 285 | ReALM (Apple, 2024) | 3 × 10⁹ | 3 × 10⁹ | 2024 | معماری ذکر نشده | | 286 | Mesh-TensorFlow Transformer 2.9B (Google Brain, 2018) | \~2.9 × 10⁹ | | 2018 | برآورد | | 287 | T5-3B (Google, 2019) | 2.8 × 10⁹ | 2.8 × 10⁹ | 2019 | چگال | | 288 | DPO on Pythia-2.8B (Stanford University, 2023) | 2.8 × 10⁹ | 2.8 × 10⁹ | 2023 | چگال | | 289 | AFM-on-device (Apple, 2024) | 2.7 × 10⁹ | 2.7 × 10⁹ | 2024 | معماری ذکر نشده | | 290 | PolyCoder (Carnegie Mellon University (CMU), 2022) | \~2.7 × 10⁹ | | 2022 | برآورد | | 291 | Hybrid H3-2.7B (Stanford University, 2022) | \~2.7 × 10⁹ | | 2022 | برآورد | | 292 | GPT3-2.7B (Stanford University, 2023) | 2.7 × 10⁹ | 2.7 × 10⁹ | 2023 | معماری ذکر نشده | | 293 | Meena (Google Brain, 2020) | 2.6 × 10⁹ | 2.6 × 10⁹ | 2020 | چگال | | 294 | CPM-Large (Tsinghua University, 2020) | 2.6 × 10⁹ | 2.6 × 10⁹ | 2020 | چگال | | 295 | Nucleotide Transformer (Nvidia, 2023) | \~2.5 × 10⁹ | | 2023 | برآورد | | 296 | Fugatto 1 (Nvidia, 2024) | 2.5 × 10⁹ | 2.5 × 10⁹ | 2024 | معماری ذکر نشده | | 297 | CoAtNet (Google, 2021) | 2.4 × 10⁹ | 2.4 × 10⁹ | 2021 | معماری ذکر نشده | | 298 | GShard (Google, 2020) | 2.3 × 10⁹ | 2.3 × 10⁹ | 2020 | چگال | | 299 | SeamlessM4T (Facebook, 2023) | 2.3 × 10⁹ | 2.3 × 10⁹ | 2023 | معماری ذکر نشده | | 300 | Turing ULRv5 (Microsoft, 2021) | 2.2 × 10⁹ | 2.2 × 10⁹ | 2021 | معماری ذکر نشده | | 301 | CoCa (Google Research, 2022) | 2.1 × 10⁹ | 2.1 × 10⁹ | 2022 | معماری ذکر نشده | | 302 | MuseNet (OpenAI, 2019) | \~2 × 10⁹ | | 2019 | برآورد | | 303 | Infinity (ByteDance, 2024) | 2 × 10⁹ | 2 × 10⁹ | 2024 | معماری ذکر نشده | | 304 | Seq2Seq LSTM (Google, 2014) | 1.9 × 10⁹ | 1.9 × 10⁹ | 2014 | چگال | | 305 | BEIT-3 (Microsoft, 2022) | \~1.9 × 10⁹ | | 2022 | برآورد | | 306 | Ankh\_large (Technical University of Munich, 2023) | 1.9 × 10⁹ | 1.9 × 10⁹ | 2023 | معماری ذکر نشده | | 307 | ViT-G/14 (Google Brain, 2021) | 1.8 × 10⁹ | 1.8 × 10⁹ | 2021 | معماری ذکر نشده | | 308 | ViT-G (University of Washington, 2022) | 1.8 × 10⁹ | 1.8 × 10⁹ | 2022 | معماری ذکر نشده | | 309 | Phenaki (University College London (UCL), 2022) | \~1.8 × 10⁹ | | 2022 | برآورد | | 310 | Gemini Nano-1 (Google DeepMind, 2023) | 1.8 × 10⁹ | 1.8 × 10⁹ | 2023 | معماری ذکر نشده | | 311 | DistBelief Vision (Google, 2012) | \~1.7 × 10⁹ | | 2012 | برآورد | | 312 | Whisper (OpenAI, 2022) | \~1.6 × 10⁹ | | 2022 | برآورد | | 313 | GPT-2 (OpenAI, 2019) | \~1.5 × 10⁹ | | 2019 | برآورد | | 314 | DeBERTa (Microsoft, 2021) | 1.5 × 10⁹ | 1.5 × 10⁹ | 2021 | معماری ذکر نشده | | 315 | AR-LDM (Alibaba, 2022) | 1.5 × 10⁹ | 1.5 × 10⁹ | 2022 | معماری ذکر نشده | | 316 | AudioLM (Google Research, 2023) | \~1.5 × 10⁹ | | 2023 | برآورد | | 317 | BLIP-2 (Salesforce Research, 2023) | 1.5 × 10⁹ | 1.5 × 10⁹ | 2023 | معماری ذکر نشده | | 318 | LDM-1.45B (Heidelberg University, 2021) | 1.4 × 10⁹ | 1.4 × 10⁹ | 2021 | معماری ذکر نشده | | 319 | Stable Diffusion (Runway, 2022) | 1.4 × 10⁹ | 1.4 × 10⁹ | 2022 | چگال | | 320 | SEER (Facebook AI Research, 2021) | 1.3 × 10⁹ | 1.3 × 10⁹ | 2021 | معماری ذکر نشده | | 321 | InstructGPT 1.3B (OpenAI, 2022) | 1.3 × 10⁹ | 1.3 × 10⁹ | 2022 | چگال | | 322 | Megatron-LM (Nvidia, 2019) | 1.2 × 10⁹ | 1.2 × 10⁹ | 2019 | چگال | | 323 | RDT-1B (Tsinghua University, 2024) | \~1.2 × 10⁹ | | 2024 | برآورد | | 324 | Gato (DeepMind, 2022) | 1.2 × 10⁹ | 1.2 × 10⁹ | 2022 | معماری ذکر نشده | | 325 | DINOv2 (Facebook AI Research, 2023) | 1.1 × 10⁹ | 1.1 × 10⁹ | 2023 | معماری ذکر نشده | | 326 | Diffusion Renderer (Nvidia, 2025) | 1.1 × 10⁹ | 1.1 × 10⁹ | 2025 | معماری ذکر نشده | | 327 | InternImage (Shanghai AI Lab, 2022) | 1.1 × 10⁹ | 1.1 × 10⁹ | 2022 | معماری ذکر نشده | | 328 | EVA-01 (Beijing Academy of Artificial Intelligence / BAAI, 2022) | 1 × 10⁹ | 1 × 10⁹ | 2022 | معماری ذکر نشده | | 329 | Unsupervised High-level Feature Learner (Google, 2012) | \~1 × 10⁹ | | 2012 | برآورد | | 330 | Conformer + Wav2vec 2.0 + Noisy Student (Google, 2020) | 1 × 10⁹ | 1 × 10⁹ | 2020 | چگال | | 331 | HuBERT (Facebook AI Research, 2021) | \~1 × 10⁹ | | 2021 | برآورد | | 332 | W2v-BERT (Google Brain, 2021) | 1 × 10⁹ | 1 × 10⁹ | 2021 | چگال | | 333 | AudioGen (Meta AI, 2023) | \~1 × 10⁹ | | 2023 | برآورد | | 334 | VideoMAE V2 (Nanjing University, 2023) | 1 × 10⁹ | 1 × 10⁹ | 2023 | معماری ذکر نشده | | 335 | TransE (Universite de Technologie de Compiègne – CNRS, 2013) | \~9.4 × 10⁸ | | 2013 | برآورد | | 336 | ImageBind (Meta AI, 2023) | \~9.3 × 10⁸ | | 2023 | برآورد | | 337 | Big Transfer (Google Brain, 2019) | \~9.3 × 10⁸ | | 2019 | برآورد | | 338 | Florence (Microsoft, 2021) | 8.9 × 10⁸ | 8.9 × 10⁸ | 2021 | معماری ذکر نشده | | 339 | NÜWA (Microsoft Research, 2021) | 8.7 × 10⁸ | 8.7 × 10⁸ | 2021 | معماری ذکر نشده | | 340 | MusicLM (Google, 2023) | 8.6 × 10⁸ | 8.6 × 10⁸ | 2023 | معماری ذکر نشده | | 341 | ResNeXt-101 32x48d (Facebook, 2018) | 8.3 × 10⁸ | 8.3 × 10⁸ | 2018 | چگال | | 342 | FixRes ResNeXt-101 WSL (Facebook AI, 2019) | \~8.3 × 10⁸ | | 2019 | برآورد | | 343 | ALIGN (Google Research, 2021) | 8.2 × 10⁸ | 8.2 × 10⁸ | 2021 | معماری ذکر نشده | | 344 | Statement Curriculum Learning (OpenAI, 2022) | \~7.7 × 10⁸ | | 2022 | برآورد | | 345 | CodeT5-large (Salesforce, 2022) | \~7.7 × 10⁸ | | 2022 | برآورد | | 346 | DITTO (Tsinghua University, 2022) | 7.5 × 10⁸ | 7.5 × 10⁸ | 2022 | معماری ذکر نشده | | 347 | FGN (Google DeepMind, 2025) | 7.2 × 10⁸ | 7.2 × 10⁸ | 2025 | معماری ذکر نشده | | 348 | data2vec (Meta AI, 2022) | \~7.1 × 10⁸ | | 2022 | برآورد | | 349 | Tranception (University of Oxford, 2022) | 7 × 10⁸ | 7 × 10⁸ | 2022 | معماری ذکر نشده | | 350 | Word2Vec (Google, 2013) | \~6.9 × 10⁸ | | 2013 | برآورد | | 351 | DiT-XL/2 (New York University (NYU), 2023) | 6.8 × 10⁸ | 6.8 × 10⁸ | 2023 | معماری ذکر نشده | | 352 | DiT-XL/2 + CADS (ETH Zurich, 2023) | \~6.8 × 10⁸ | | 2023 | برآورد | | 353 | OmegaPLM (Massachusetts Institute of Technology (MIT), 2022) | 6.7 × 10⁸ | 6.7 × 10⁸ | 2022 | معماری ذکر نشده | | 354 | XLM (Facebook, 2019) | \~6.7 × 10⁸ | | 2019 | برآورد | | 355 | ESM1b (Facebook AI Research, 2020) | 6.5 × 10⁸ | 6.5 × 10⁸ | 2020 | چگال | | 356 | Segment Anything Model (Meta AI, 2023) | 6.4 × 10⁸ | 6.4 × 10⁸ | 2023 | معماری ذکر نشده | | 357 | ViT-Huge/14 (Google Brain, 2020) | 6.3 × 10⁸ | 6.3 × 10⁸ | 2020 | چگال | | 358 | Masked Autoencoders ViT-H (Facebook AI Research, 2021) | \~6.3 × 10⁸ | | 2021 | برآورد | | 359 | Retrieval-Augmented Generator (Facebook, 2020) | 6.3 × 10⁸ | 6.3 × 10⁸ | 2020 | چگال | | 360 | DLDL (University of Oxford, 2016) | \~5.6 × 10⁸ | | 2016 | برآورد | | 361 | ADM (OpenAI, 2021) | 5.6 × 10⁸ | 5.6 × 10⁸ | 2021 | معماری ذکر نشده | | 362 | TrOCR (Beihang University, 2021) | 5.6 × 10⁸ | 5.6 × 10⁸ | 2021 | معماری ذکر نشده | | 363 | XLM-RoBERTa (Facebook AI, 2019) | 5.5 × 10⁸ | 5.5 × 10⁸ | 2019 | چگال | | 364 | LUKE (University of Washington, 2020) | \~4.8 × 10⁸ | | 2020 | برآورد | | 365 | EfficientNet-L2 (Google, 2019) | \~4.8 × 10⁸ | | 2019 | برآورد | | 366 | Noisy Student (Carnegie Mellon University (CMU), 2019) | 4.8 × 10⁸ | 4.8 × 10⁸ | 2019 | چگال | | 367 | Meta Pseudo Labels (Google Brain, 2021) | \~4.8 × 10⁸ | | 2021 | برآورد | | 368 | EMDR (Mila - Quebec AI (originally Montreal Institute for Learning Algorithms), 2021) | 4.4 × 10⁸ | 4.4 × 10⁸ | 2021 | معماری ذکر نشده | | 369 | NMT Transformer 437M (Google, 2019) | 4.4 × 10⁸ | 4.4 × 10⁸ | 2019 | چگال | | 370 | Adaptive Inputs + LayerDrop (Facebook AI Research, 2019) | 4.2 × 10⁸ | 4.2 × 10⁸ | 2019 | چگال | | 371 | ProtBERT-BFD (Technical University of Munich, 2021) | 4.2 × 10⁸ | 4.2 × 10⁸ | 2021 | معماری ذکر نشده | | 372 | OntoProtein (Zhejiang University (ZJU), 2022) | \~4.2 × 10⁸ | | 2022 | برآورد | | 373 | DeBERTaV3large + KEAR (Microsoft, 2022) | 4.2 × 10⁸ | 4.2 × 10⁸ | 2022 | معماری ذکر نشده | | 374 | BART-large (Facebook AI, 2019) | \~4.1 × 10⁸ | | 2019 | برآورد | | 375 | SigLIP 400M (Google DeepMind, 2023) | 4 × 10⁸ | 4 × 10⁸ | 2023 | معماری ذکر نشده | | 376 | BERT-Large-CAS (Amazon, 2019) | \~4 × 10⁸ | | 2019 | برآورد | | 377 | MoCo (Facebook AI, 2019) | \~3.8 × 10⁸ | | 2019 | برآورد | | 378 | SimCLR (Google Brain, 2020) | \~3.8 × 10⁸ | | 2020 | برآورد | | 379 | CLIP (OpenAI, 2021) | 3.7 × 10⁸ | 3.7 × 10⁸ | 2021 | معماری ذکر نشده | | 380 | RoBERTa Large (Facebook, 2019) | 3.5 × 10⁸ | 3.5 × 10⁸ | 2019 | چگال | | 381 | AbLang (University of Oxford, 2022) | 3.5 × 10⁸ | 3.5 × 10⁸ | 2022 | معماری ذکر نشده | | 382 | GPT-2 Medium (Stanford University, 2022) | 3.5 × 10⁸ | 3.5 × 10⁸ | 2022 | چگال | | 383 | VALL-E (Microsoft, 2023) | \~3.5 × 10⁸ | | 2023 | برآورد | | 384 | BERT-Large (Google, 2018) | 3.4 × 10⁸ | 3.4 × 10⁸ | 2018 | چگال | | 385 | XLNet (Carnegie Mellon University (CMU), 2019) | 3.4 × 10⁸ | 3.4 × 10⁸ | 2019 | چگال | | 386 | ERNIE-GEN (Baidu, 2020) | \~3.4 × 10⁸ | | 2020 | برآورد | | 387 | CamemBERT (Facebook, 2019) | 3.4 × 10⁸ | 3.4 × 10⁸ | 2019 | چگال | | 388 | ELECTRA (Stanford University, 2020) | \~3.4 × 10⁸ | | 2020 | برآورد | | 389 | German ELECTRA Large (deepset, 2020) | 3.4 × 10⁸ | 3.4 × 10⁸ | 2020 | چگال | | 390 | ALM 1.0 (Beijing Academy of Artificial Intelligence / BAAI, 2022) | \~3.4 × 10⁸ | | 2022 | برآورد | | 391 | MT-DNN (Microsoft, 2019) | 3.3 × 10⁸ | 3.3 × 10⁸ | 2019 | چگال | | 392 | Fusion in Encoder (Samsung, 2022) | \~3.3 × 10⁸ | | 2022 | برآورد | | 393 | wave2vec 2.0 LARGE (Facebook, 2020) | 3.2 × 10⁸ | 3.2 × 10⁸ | 2020 | چگال | | 394 | CPC v2 (DeepMind, 2019) | \~3 × 10⁸ | | 2019 | برآورد | | 395 | Transformer - LibriVox + Decoding/Rescoring (Facebook, 2019) | 3 × 10⁸ | 3 × 10⁸ | 2019 | چگال | | 396 | DDPM-IP (Utrecht University, 2023) | \~3 × 10⁸ | | 2023 | برآورد | | 397 | GNMT (Google, 2016) | \~2.8 × 10⁸ | | 2016 | برآورد | | 398 | base LM+GNN+kNN (Shannon.AI, 2021) | 2.7 × 10⁸ | 2.7 × 10⁸ | 2021 | معماری ذکر نشده | | 399 | YOLO (University of Washington, 2015) | \~2.7 × 10⁸ | | 2015 | برآورد | | 400 | Transformer-XL (Carnegie Mellon University (CMU), 2019) | \~2.6 × 10⁸ | | 2019 | برآورد | | 401 | Transformer-XL + RMS dynamic eval (University of Edinburgh, 2019) | 2.6 × 10⁸ | 2.6 × 10⁸ | 2019 | چگال | | 402 | Transformer-XL Large + Phrase Induction (Massachusetts Institute of Technology (MIT), 2019) | \~2.6 × 10⁸ | | 2019 | برآورد | | 403 | Segatron-XL large, M=384 + HCP (Microsoft Research, 2022) | 2.6 × 10⁸ | 2.6 × 10⁸ | 2022 | معماری ذکر نشده | | 404 | Denoising Diffusion Probabilistic Models (University of California (UC) Berkeley, 2021) | 2.6 × 10⁸ | 2.6 × 10⁸ | 2021 | معماری ذکر نشده | | 405 | Pangu-Weather (Huawei, 2023) | 2.6 × 10⁸ | 2.6 × 10⁸ | 2023 | معماری ذکر نشده | | 406 | SPN (Google Brain, 2018) | 2.5 × 10⁸ | 2.5 × 10⁸ | 2018 | چگال | | 407 | S4 (Stanford University, 2021) | \~2.5 × 10⁸ | | 2021 | برآورد | | 408 | Base LM + kNN LM + Continuous Cache (Stanford University, 2019) | \~2.5 × 10⁸ | | 2019 | برآورد | | 409 | ERNIE-Doc (Baidu, 2020) | 2.5 × 10⁸ | 2.5 × 10⁸ | 2020 | چگال | | 410 | Adaptive Input Transformer + RD (Microsoft Research Asia, 2021) | \~2.5 × 10⁸ | | 2021 | برآورد | | 411 | Transformer (Adaptive Input Embeddings) WT103 (Facebook AI Research, 2018) | 2.5 × 10⁸ | 2.5 × 10⁸ | 2018 | چگال | | 412 | TaLK Convolution (Carleton University, 2020) | \~2.4 × 10⁸ | | 2020 | برآورد | | 413 | ALBERT-xxlarge (Toyota Technological Institute at Chicago, 2020) | \~2.4 × 10⁸ | | 2020 | برآورد | | 414 | SRU++ Large (ASAPP, 2021) | 2.3 × 10⁸ | 2.3 × 10⁸ | 2021 | معماری ذکر نشده | | 415 | GR-2 (ByteDance, 2024) | 2.3 × 10⁸ | 2.3 × 10⁸ | 2024 | معماری ذکر نشده | | 416 | MaskGIT (Google Research, 2022) | 2.3 × 10⁸ | 2.3 × 10⁸ | 2022 | معماری ذکر نشده | | 417 | MetNet (Google, 2020) | \~2.3 × 10⁸ | | 2020 | برآورد | | 418 | FFN SwiGLU (Google, 2020) | 2.2 × 10⁸ | 2.2 × 10⁸ | 2020 | چگال | | 419 | CodeT5-base (Salesforce, 2021) | \~2.2 × 10⁸ | | 2021 | برآورد | | 420 | Transformer (Google Research, 2017) | 2.1 × 10⁸ | 2.1 × 10⁸ | 2017 | چگال | | 421 | Sandwich Transformer (Allen Institute for AI, 2019) | \~2.1 × 10⁸ | | 2019 | برآورد | | 422 | EfficientNetV2-XL (Google, 2021) | 2.1 × 10⁸ | 2.1 × 10⁸ | 2021 | معماری ذکر نشده | | 423 | Word2Vec (Google, 2013) | \~2.1 × 10⁸ | | 2013 | برآورد | | 424 | Multilingual DNN (Google, 2013) | 2.1 × 10⁸ | 2.1 × 10⁸ | 2013 | چگال | | 425 | DreamerV3 (DeepMind, 2023) | \~2 × 10⁸ | | 2023 | برآورد | | 426 | DL scaling speech (Baidu, 2017) | \~1.9 × 10⁸ | | 2017 | برآورد | | 427 | ResNeXt-101 Billion-scale (Facebook AI, 2019) | \~1.9 × 10⁸ | | 2019 | برآورد | | 428 | (NTT Communication Science Laboratories, 2018) | 1.9 × 10⁸ | 1.9 × 10⁸ | 2018 | چگال | | 429 | TrellisNet (Carnegie Mellon University (CMU), 2018) | 1.8 × 10⁸ | 1.8 × 10⁸ | 2018 | چگال | | 430 | DL scaling LM (Baidu, 2017) | \~1.8 × 10⁸ | | 2017 | برآورد | | 431 | EXAONE Path 2.0 (LG AI Research, 2025) | 1.8 × 10⁸ | 1.8 × 10⁸ | 2025 | معماری ذکر نشده | | 432 | OpenAI Five Rerun (OpenAI, 2019) | 1.6 × 10⁸ | 1.6 × 10⁸ | 2019 | چگال | | 433 | OpenAI Five (OpenAI, 2019) | 1.6 × 10⁸ | 1.6 × 10⁸ | 2019 | چگال | | 434 | 4 layer QRNN (Salesforce Research, 2018) | \~1.5 × 10⁸ | | 2018 | برآورد | | 435 | TransformerXL + spectrum control (University of California Los Angeles (UCLA), 2020) | \~1.5 × 10⁸ | | 2020 | برآورد | | 436 | AlphaGeometry (Google DeepMind, 2024) | 1.5 × 10⁸ | 1.5 × 10⁸ | 2024 | معماری ذکر نشده | | 437 | PermuteFormer (Peking University, 2021) | \~1.5 × 10⁸ | | 2021 | برآورد | | 438 | Fragment embedding (Stanford University, 2014) | \~1.4 × 10⁸ | | 2014 | برآورد | | 439 | OverFeat (New York University (NYU), 2013) | 1.4 × 10⁸ | 1.4 × 10⁸ | 2013 | چگال | | 440 | VGG19 (University of Oxford, 2014) | \~1.4 × 10⁸ | | 2014 | برآورد | | 441 | LRCN (UT Austin, 2014) | \~1.4 × 10⁸ | | 2014 | برآورد | | 442 | Transformer-XL DeFINE (University of Washington, 2019) | \~1.4 × 10⁸ | | 2019 | برآورد | | 443 | Deep Autoencoders (University of Toronto, 2011) | 1.4 × 10⁸ | 1.4 × 10⁸ | 2011 | چگال | | 444 | AlphaStar (DeepMind, 2019) | 1.4 × 10⁸ | 1.4 × 10⁸ | 2019 | چگال | | 445 | VGG16 (University of Oxford, 2014) | 1.4 × 10⁸ | 1.4 × 10⁸ | 2014 | چگال | | 446 | VGG-Face (University of Oxford, 2015) | 1.4 × 10⁸ | 1.4 × 10⁸ | 2015 | چگال | | 447 | SAF R-CNN (Beijing Institute of Technology, 2015) | \~1.4 × 10⁸ | | 2015 | برآورد | | 448 | Template Adaptation (University of Oxford, 2016) | \~1.4 × 10⁸ | | 2016 | برآورد | | 449 | LRR-4X (UC Irvine, 2016) | \~1.4 × 10⁸ | | 2016 | برآورد | | 450 | CMS-RCNN (IEEE, 2016) | \~1.4 × 10⁸ | | 2016 | برآورد | | 451 | QRNN (Salesforce Research, 2018) | \~1.4 × 10⁸ | | 2018 | برآورد | | 452 | Multiresolution CNN (Google, 2014) | \~1.3 × 10⁸ | | 2014 | برآورد | | 453 | FTW (DeepMind, 2018) | \~1.3 × 10⁸ | | 2018 | برآورد | | 454 | Feedback Transformer (LORIA, 2020) | \~1.3 × 10⁸ | | 2020 | برآورد | | 455 | KEPLER (Tsinghua University, 2020) | 1.3 × 10⁸ | 1.3 × 10⁸ | 2020 | چگال | | 456 | DL scaling Image (Baidu, 2017) | 1.2 × 10⁸ | 1.2 × 10⁸ | 2017 | چگال | | 457 | GloVe (Stanford University, 2014) | \~1.2 × 10⁸ | | 2014 | برآورد | | 458 | Conformer (Google, 2020) | 1.2 × 10⁸ | 1.2 × 10⁸ | 2020 | چگال | | 459 | GPT-1 (OpenAI, 2018) | \~1.2 × 10⁸ | | 2018 | برآورد | | 460 | ContextNet (Google, 2020) | \~1.1 × 10⁸ | | 2020 | برآورد | | 461 | SciBERT (Allen Institute for AI, 2019) | 1.1 × 10⁸ | 1.1 × 10⁸ | 2019 | چگال | | 462 | DNABERT (Northeastern University, 2021) | 1.1 × 10⁸ | 1.1 × 10⁸ | 2021 | معماری ذکر نشده | | 463 | Contriever (Meta AI, 2021) | \~1.1 × 10⁸ | | 2021 | برآورد | | 464 | BERT-RBP (Waseda University, 2022) | 1.1 × 10⁸ | 1.1 × 10⁸ | 2022 | چگال | | 465 | RoFormer (Zhuiyi Technology, 2023) | 1.1 × 10⁸ | 1.1 × 10⁸ | 2023 | معماری ذکر نشده | | 466 | LSTM LM (RWTH Aachen University, 2012) | \~1 × 10⁸ | | 2012 | برآورد | | 467 | ReLU-Speech (Google, 2013) | \~1 × 10⁸ | | 2013 | برآورد | | 468 | STORM-B/8 (University of Southern California, 2024) | 1 × 10⁸ | 1 × 10⁸ | 2024 | معماری ذکر نشده | | 469 | Support Vector Machines (AT&T, 1995) | \~1 × 10⁸ | | 1995 | برآورد | | 470 | GPU DBNs (Stanford University, 2009) | 1 × 10⁸ | 1 × 10⁸ | 2009 | چگال | | 471 | MSA Transformer (Facebook AI Research, 2021) | \~1 × 10⁸ | | 2021 | برآورد | | 472 | YOLOX-X (Megvii Inc, 2021) | \~9.9 × 10⁷ | | 2021 | برآورد | | 473 | DeLighT (University of Washington, 2020) | \~9.9 × 10⁷ | | 2020 | برآورد | | 474 | ELMo (University of Washington, 2018) | \~9.4 × 10⁷ | | 2018 | برآورد | | 475 | AlphaFold 2 (DeepMind, 2020) | \~9.3 × 10⁷ | | 2020 | برآورد | | 476 | AlphaMissense (Google DeepMind, 2023) | \~9.3 × 10⁷ | | 2023 | برآورد | | 477 | Octo-Base (University of California (UC) Berkeley, 2024) | 9.3 × 10⁷ | 9.3 × 10⁷ | 2024 | معماری ذکر نشده | | 478 | PolyNet (Chinese University of Hong Kong (CUHK), 2016) | \~9.2 × 10⁷ | | 2016 | برآورد | | 479 | Transformer local-attention (Google Cloud, 2021) | 9 × 10⁷ | 9 × 10⁷ | 2021 | معماری ذکر نشده | | 480 | Transformer + Simple Recurrent Unit (ASAPP, 2018) | 9 × 10⁷ | 9 × 10⁷ | 2018 | چگال | | 481 | NASNet-A (Google Brain, 2017) | \~8.9 × 10⁷ | | 2017 | برآورد | | 482 | CLIP (OpenAI, 2021) | \~8.9 × 10⁷ | | 2021 | برآورد | | 483 | Detic (Meta AI, 2022) | \~8.8 × 10⁷ | | 2022 | برآورد | | 484 | MSRA (Microsoft Research, 2015) | 8.7 × 10⁷ | 8.7 × 10⁷ | 2015 | چگال | | 485 | BigBiGAN (Google, 2019) | \~8.6 × 10⁷ | | 2019 | برآورد | | 486 | ViT-Base/32 (Google Brain, 2020) | \~8.6 × 10⁷ | | 2020 | برآورد | | 487 | DeiT-B (Meta AI, 2021) | 8.6 × 10⁷ | 8.6 × 10⁷ | 2021 | معماری ذکر نشده | | 488 | CaLM (University of Oxford, 2022) | \~8.6 × 10⁷ | | 2022 | برآورد | | 489 | Tensor-Transformer (University of California (UC) Berkeley, 2020) | 8.5 × 10⁷ | 8.5 × 10⁷ | 2020 | چگال | | 490 | ResNeXt-101 (University of California San Diego, 2016) | 8.3 × 10⁷ | 8.3 × 10⁷ | 2016 | چگال | | 491 | RBM Image Classifier (University of Toronto, 2009) | \~8 × 10⁷ | | 2009 | برآورد | | 492 | Routing Transformer (Google Research, 2020) | 8 × 10⁷ | 8 × 10⁷ | 2020 | چگال | | 493 | Big-Little Net (IBM, 2018) | \~7.7 × 10⁷ | | 2018 | برآورد | | 494 | EfficientDet (Google Brain, 2020) | \~7.7 × 10⁷ | | 2020 | برآورد | | 495 | CODEFUSION (Microsoft, 2023) | 7.5 × 10⁷ | 7.5 × 10⁷ | 2023 | معماری ذکر نشده | | 496 | RNN LM (Johns Hopkins University, 2010) | \~7 × 10⁷ | | 2010 | برآورد | | 497 | R-CNN (University of California (UC) Berkeley, 2013) | \~6.9 × 10⁷ | | 2013 | برآورد | | 498 | Variational (University of Cambridge, 2015) | 6.6 × 10⁷ | 6.6 × 10⁷ | 2015 | چگال | | 499 | DistilBERT (Hugging Face, 2019) | 6.6 × 10⁷ | 6.6 × 10⁷ | 2019 | چگال | | 500 | Theseus 6/768 (University of California San Diego, 2020) | 6.6 × 10⁷ | 6.6 × 10⁷ | 2020 | چگال | | 501 | ResNet-152 (Microsoft, 2015) | 6 × 10⁷ | 6 × 10⁷ | 2015 | چگال | | 502 | AlexNet (University of Toronto, 2012) | 6 × 10⁷ | 6 × 10⁷ | 2012 | چگال | | 503 | DETR (Facebook, 2020) | 6 × 10⁷ | 6 × 10⁷ | 2020 | چگال | | 504 | YOLOv3 (University of Washington, 2018) | \~5.7 × 10⁷ | | 2018 | برآورد | | 505 | Inception-ResNet-V2 (Google, 2016) | \~5.6 × 10⁷ | | 2016 | برآورد | | 506 | Transformer ELMo (Allen Institute for AI, 2019) | 5.6 × 10⁷ | 5.6 × 10⁷ | 2019 | چگال | | 507 | مغز مگس سرکه | 5.5 × 10⁷ | 5.5 × 10⁷ | | سیناپس‌ها | | 508 | NAS with base 8 and shared embeddings (Google Brain, 2016) | 5.4 × 10⁷ | 5.4 × 10⁷ | 2016 | چگال | | 509 | RetinaNet-R101 (Facebook AI Research, 2017) | 5.3 × 10⁷ | 5.3 × 10⁷ | 2017 | چگال | | 510 | AWD-LSTM+WT+Cache+IOG (NTT Communication Science Laboratories, 2017) | 5.3 × 10⁷ | 5.3 × 10⁷ | 2017 | چگال | | 511 | Hierarchical Scene Labeling (New York University (NYU), 2013) | 5.2 × 10⁷ | 5.2 × 10⁷ | 2013 | چگال | | 512 | VD-LSTM+REAL Large (Salesforce Research, 2016) | 5.1 × 10⁷ | 5.1 × 10⁷ | 2016 | چگال | | 513 | YOLOv2 (University of Washington, 2016) | \~5.1 × 10⁷ | | 2016 | برآورد | | 514 | Dropout-LSTM+Noise (Columbia University, 2018) | \~5.1 × 10⁷ | | 2018 | برآورد | | 515 | LSTM + dynamic eval (University of Edinburgh, 2017) | \~5 × 10⁷ | | 2017 | برآورد | | 516 | Dropout (University of Toronto, 2012) | \~4.9 × 10⁷ | | 2012 | برآورد | | 517 | Dropout: SVHN (University of Toronto, 2014) | 4.8 × 10⁷ | 4.8 × 10⁷ | 2014 | چگال | | 518 | DistBelief Speech (Google, 2012) | \~4.7 × 10⁷ | | 2012 | برآورد | | 519 | AlphaGo Zero (DeepMind, 2017) | 4.6 × 10⁷ | 4.6 × 10⁷ | 2017 | چگال | | 520 | Fine-tuned-AWD-LSTM-DOC (Samsung R&D Institute Russia, 2018) | 4.6 × 10⁷ | 4.6 × 10⁷ | 2018 | چگال | | 521 | CT-MoS (Google, 2020) | 4.5 × 10⁷ | 4.5 × 10⁷ | 2020 | چگال | | 522 | JFT (Google Research, 2017) | 4.5 × 10⁷ | 4.5 × 10⁷ | 2017 | چگال | | 523 | ResNet-101 (Microsoft, 2015) | 4.5 × 10⁷ | 4.5 × 10⁷ | 2015 | چگال | | 524 | HR-ResNet101 (Carnegie Mellon University (CMU), 2016) | 4.5 × 10⁷ | 4.5 × 10⁷ | 2016 | چگال | | 525 | 3DMM-CNN (University of Southern California, 2016) | 4.5 × 10⁷ | 4.5 × 10⁷ | 2016 | چگال | | 526 | LaNet-L (Brown University, 2019) | 4.4 × 10⁷ | 4.4 × 10⁷ | 2019 | چگال | | 527 | ProBERTa (University of Illinois Urbana-Champaign (UIUC), 2020) | 4.4 × 10⁷ | 4.4 × 10⁷ | 2020 | چگال | | 528 | PreTrans-3L-250H (University of Toronto, 2013) | \~4.3 × 10⁷ | | 2013 | برآورد | | 529 | Inceptionv4 (Google, 2016) | \~4.3 × 10⁷ | | 2016 | برآورد | | 530 | GL-LWGC-AWD-MoS-LSTM + dynamic evaluation (Ben-Gurion University of the Negev, 2017) | 3.8 × 10⁷ | 3.8 × 10⁷ | 2017 | چگال | | 531 | U-Net (University of Freiburg, 2015) | 3.8 × 10⁷ | 3.8 × 10⁷ | 2015 | چگال | | 532 | NASv3 (Google Brain, 2016) | \~3.7 × 10⁷ | | 2016 | برآورد | | 533 | MuZero (DeepMind, 2019) | \~3.7 × 10⁷ | | 2019 | برآورد | | 534 | AWD-LSTM-MoS + dynamic evaluation (Carnegie Mellon University (CMU), 2017) | \~3.5 × 10⁷ | | 2017 | برآورد | | 535 | AWD-LSTM-MoS+PDR + dynamic evaluation (IBM, 2018) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2018 | چگال | | 536 | AWD-LSTM-MoS + dynamic evaluation (Peking University, 2018) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2018 | چگال | | 537 | AWD-LSTM + MoS + Partial Shuffled (University of Texas at Austin, 2019) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2019 | چگال | | 538 | Mogrifier (d2, MoS2, MC) + dynamic eval (DeepMind, 2019) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2019 | چگال | | 539 | Mogrifier RLSTM (DeepMind, 2022) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2022 | معماری ذکر نشده | | 540 | RT-1 (Google, 2022) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2022 | معماری ذکر نشده | | 541 | DenseNet-264 (Tsinghua University, 2016) | 3.4 × 10⁷ | 3.4 × 10⁷ | 2016 | چگال | | 542 | RetinaNet-R50 (Facebook AI Research, 2017) | \~3.4 × 10⁷ | | 2017 | برآورد | | 543 | Fraternal dropout + AWD-LSTM 3-layer (Jagiellonian University, 2017) | \~3.4 × 10⁷ | | 2017 | برآورد | | 544 | AWD-LSTM-DRILL + dynamic evaluation† (IDIAP, 2019) | \~3.4 × 10⁷ | | 2019 | برآورد | | 545 | AWD-LSTM - 3-layer LSTM (Salesforce Research, 2017) | 3.3 × 10⁷ | 3.3 × 10⁷ | 2017 | چگال | | 546 | TCAN (Nanjing University, 2020) | 3.3 × 10⁷ | 3.3 × 10⁷ | 2020 | چگال | | 547 | MMLSTM (Beijing University of Posts and Telecommunications, 2019) | \~3.2 × 10⁷ | | 2019 | برآورد | | 548 | Paragraph Vector (Google, 2014) | 3.2 × 10⁷ | 3.2 × 10⁷ | 2014 | چگال | | 549 | aLSTM (University of Manchester, 2018) | 3.2 × 10⁷ | 3.2 × 10⁷ | 2018 | چگال | | 550 | StyleGAN2 (Nvidia, 2019) | 3 × 10⁷ | 3 × 10⁷ | 2019 | چگال | | 551 | UDSMProt (Fraunhofer Heinrich Hertz Institute, 2019) | \~2.8 × 10⁷ | | 2019 | برآورد | | 552 | SENet (Chinese Academy of Sciences, 2017) | \~2.8 × 10⁷ | | 2017 | برآورد | | 553 | Perceiver IO (DeepMind, 2020) | 2.8 × 10⁷ | 2.8 × 10⁷ | 2020 | چگال | | 554 | Fractional Max-Pooling (University of Warwick, 2014) | \~2.7 × 10⁷ | | 2014 | برآورد | | 555 | Hierarchical Reasoning Model (Sapient Intelligence, 2025) | 2.7 × 10⁷ | 2.7 × 10⁷ | 2025 | معماری ذکر نشده | | 556 | RNN-WER (DeepMind, 2014) | \~2.6 × 10⁷ | | 2014 | برآورد | | 557 | StyleGAN (Nvidia, 2018) | 2.6 × 10⁷ | 2.6 × 10⁷ | 2018 | چگال | | 558 | PyramidNet (Korea Advanced Institute of Science and Technology (KAIST), 2017) | \~2.6 × 10⁷ | | 2017 | برآورد | | 559 | ResNeXt-50 (University of California San Diego, 2016) | \~2.5 × 10⁷ | | 2016 | برآورد | | 560 | AWD-LSTM (DeepMind, 2017) | 2.4 × 10⁷ | 2.4 × 10⁷ | 2017 | چگال | | 561 | Inception v3 (Google, 2015) | \~2.4 × 10⁷ | | 2015 | برآورد | | 562 | Mamba-24M (Carnegie Mellon University (CMU), 2023) | 2.3 × 10⁷ | 2.3 × 10⁷ | 2023 | معماری ذکر نشده | | 563 | WeNet (Amazon, 2019) | \~2.3 × 10⁷ | | 2019 | برآورد | | 564 | EN^2AS with performance reward (Beijing Institute of Technology, 2019) | \~2.3 × 10⁷ | | 2019 | برآورد | | 565 | NAS+ESS (Northeastern University (China), 2020) | 2.3 × 10⁷ | 2.3 × 10⁷ | 2020 | چگال | | 566 | Xception (Google, 2016) | 2.3 × 10⁷ | 2.3 × 10⁷ | 2016 | چگال | | 567 | MetaMimic (Google, 2018) | \~2.2 × 10⁷ | | 2018 | برآورد | | 568 | MMLSTM (Beijing University of Posts and Telecommunications, 2019) | \~2.1 × 10⁷ | | 2019 | برآورد | | 569 | Pointer Sentinel-LSTM (MetaMind Inc, 2016) | 2.1 × 10⁷ | 2.1 × 10⁷ | 2016 | چگال | | 570 | DiffDock (Massachusetts Institute of Technology (MIT), 2022) | \~2 × 10⁷ | | 2022 | برآورد | | 571 | EI-REHN-1000D (Korea Advanced Institute of Science and Technology (KAIST), 2017) | 1.9 × 10⁷ | 1.9 × 10⁷ | 2017 | چگال | | 572 | TC-DNN-BLSTM-DNN (Carnegie Mellon University (CMU), 2015) | 1.8 × 10⁷ | 1.8 × 10⁷ | 2015 | چگال | | 573 | OR-WideResNet (Duke University, 2017) | 1.8 × 10⁷ | 1.8 × 10⁷ | 2017 | چگال | | 574 | BP-DBN (University of Toronto, 2009) | 1.8 × 10⁷ | 1.8 × 10⁷ | 2009 | چگال | | 575 | ALBERT (Toyota Technological Institute at Chicago, 2019) | 1.8 × 10⁷ | 1.8 × 10⁷ | 2019 | چگال | | 576 | MedBERT (Peng Cheng Laboratory, 2021) | \~1.7 × 10⁷ | | 2021 | برآورد | | 577 | LCNP NORB (, 2009) | 1.7 × 10⁷ | 1.7 × 10⁷ | 2009 | چگال | | 578 | LF-MMI (Johns Hopkins University, 2016) | 1.7 × 10⁷ | 1.7 × 10⁷ | 2016 | چگال | | 579 | AlphaFold (DeepMind, 2020) | \~1.6 × 10⁷ | | 2020 | برآورد | | 580 | GNoME for crystal discovery (Google DeepMind, 2023) | \~1.6 × 10⁷ | | 2023 | برآورد | | 581 | ReLU (University of Toronto, 2010) | \~1.6 × 10⁷ | | 2010 | برآورد | | 582 | ProteinBERT (Hebrew University of Jerusalem, 2022) | 1.6 × 10⁷ | 1.6 × 10⁷ | 2022 | معماری ذکر نشده | | 583 | Eve (Harvard Medical School, 2021) | \~1.5 × 10⁷ | | 2021 | برآورد | | 584 | LCNP LabelMe (University of Bonn, 2009) | 1.4 × 10⁷ | 1.4 × 10⁷ | 2009 | چگال | | 585 | BatchNorm (Google, 2015) | 1.4 × 10⁷ | 1.4 × 10⁷ | 2015 | چگال | | 586 | Fold2Seq (IBM, 2021) | \~1.2 × 10⁷ | | 2021 | برآورد | | 587 | NPLM (University of Montreal / Université de Montréal, 2003) | 1.2 × 10⁷ | 1.2 × 10⁷ | 2003 | چگال | | 588 | LCNP MNIST (, 2009) | 1.2 × 10⁷ | 1.2 × 10⁷ | 2009 | چگال | | 589 | ISS (Duke University, 2017) | 1.1 × 10⁷ | 1.1 × 10⁷ | 2017 | چگال | | 590 | ResNet-1001 (Microsoft, 2016) | \~1 × 10⁷ | | 2016 | برآورد | | 591 | RNN+LDA+KN5+cache (Microsoft, 2012) | \~9 × 10⁶ | | 2012 | برآورد | | 592 | Gated HORNN (York University, 2016) | \~9 × 10⁶ | | 2016 | برآورد | | 593 | AlphaGo Fan (DeepMind, 2015) | \~8.2 × 10⁶ | | 2015 | برآورد | | 594 | genCNN + dyn eval (Chinese Academy of Sciences, 2015) | \~8 × 10⁶ | | 2015 | برآورد | | 595 | Once for All (MIT-IBM Watson AI Lab, 2020) | 7.7 × 10⁶ | 7.7 × 10⁶ | 2020 | چگال | | 596 | Multi-cell LSTM (University of Hyderabad, 2018) | \~7.2 × 10⁶ | | 2018 | برآورد | | 597 | Feedforward NN (University of Montreal / Université de Montréal, 2010) | 7.1 × 10⁶ | 7.1 × 10⁶ | 2010 | چگال | | 598 | True-Regularization+Finetune+Dynamic-Eval (Mobvoi, 2019) | 7 × 10⁶ | 7 × 10⁶ | 2019 | چگال | | 599 | Neural LM (University of Montreal / Université de Montréal, 2000) | 6.9 × 10⁶ | 6.9 × 10⁶ | 2000 | چگال | | 600 | GoogLeNet / InceptionV1 (Google, 2014) | 6.8 × 10⁶ | 6.8 × 10⁶ | 2014 | چگال | | 601 | HyenaDNA (Stanford University, 2023) | 6.6 × 10⁶ | 6.6 × 10⁶ | 2023 | معماری ذکر نشده | | 602 | Dropout (University of Toronto, 2012) | 5.6 × 10⁶ | 5.6 × 10⁶ | 2012 | چگال | | 603 | SimpleNet (Sensifai, 2016) | 5.5 × 10⁶ | 5.5 × 10⁶ | 2016 | چگال | | 604 | AlphaX-1 (Facebook AI Research, 2019) | 5.4 × 10⁶ | 5.4 × 10⁶ | 2019 | چگال | | 605 | 3DDFA (Chinese Academy of Sciences, 2015) | 5.4 × 10⁶ | 5.4 × 10⁶ | 2015 | چگال | | 606 | Deep CNN + COTS (IEEE, 2015) | 5 × 10⁶ | 5 × 10⁶ | 2015 | چگال | | 607 | DCNN (University of Maryland, 2015) | 5 × 10⁶ | 5 × 10⁶ | 2015 | چگال | | 608 | NLP from scratch (NEC Laboratories, 2011) | \~5 × 10⁶ | | 2011 | برآورد | | 609 | SPN-4+KN5 (Singapore University of Technology & Design, 2014) | \~5 × 10⁶ | | 2014 | برآورد | | 610 | 6-Act Tether (Facebook AI Research, 2021) | 5 × 10⁶ | 5 × 10⁶ | 2021 | معماری ذکر نشده | | 611 | High Performance CNN (IDSIA, 2011) | \~4.9 × 10⁶ | | 2011 | برآورد | | 612 | MobileNet (Google, 2017) | \~4.2 × 10⁶ | | 2017 | برآورد | | 613 | NPLM (University of Montreal / Université de Montréal, 2003) | 4.1 × 10⁶ | 4.1 × 10⁶ | 2003 | چگال | | 614 | LMICA (, 2004) | 4.1 × 10⁶ | 4.1 × 10⁶ | 2004 | چگال | | 615 | PoE MNIST (University College London (UCL), 2000) | 3.9 × 10⁶ | 3.9 × 10⁶ | 2000 | چگال | | 616 | Dimensionality Reduction (University of Toronto, 2006) | \~3.8 × 10⁶ | | 2006 | برآورد | | 617 | GOAT (DeepMind, 2021) | \~3.5 × 10⁶ | | 2021 | برآورد | | 618 | MobileNetV2 (Google, 2018) | \~3.4 × 10⁶ | | 2018 | برآورد | | 619 | Big-Little Net (IBM, 2018) | \~3.3 × 10⁶ | | 2018 | برآورد | | 620 | DLWP (University of Washington, 2021) | 2.7 × 10⁶ | 2.7 × 10⁶ | 2021 | معماری ذکر نشده | | 621 | BIDAF (University of Washington, 2016) | 2.6 × 10⁶ | 2.6 × 10⁶ | 2016 | چگال | | 622 | DeepStack (University of Alberta, 2017) | \~2.5 × 10⁶ | | 2017 | برآورد | | 623 | KataGo (Jane Street, 2019) | \~2.5 × 10⁶ | | 2019 | برآورد | | 624 | ShuffleNet v1 (Megvii Inc, 2017) | \~2.4 × 10⁶ | | 2017 | برآورد | | 625 | ADAM (University of Amsterdam, 2014) | 2.4 × 10⁶ | 2.4 × 10⁶ | 2014 | چگال | | 626 | StyleGAN3-T (Nvidia, 2021) | 2.2 × 10⁶ | 2.2 × 10⁶ | 2021 | معماری ذکر نشده | | 627 | LSTM+NeuralCache (KU Leuven, 2018) | \~2.1 × 10⁶ | | 2018 | برآورد | | 628 | HLBL (University of Toronto, 2008) | 1.8 × 10⁶ | 1.8 × 10⁶ | 2008 | چگال | | 629 | ResNet-110 (Microsoft, 2015) | \~1.7 × 10⁶ | | 2015 | برآورد | | 630 | Dueling DQN (Google DeepMind, 2016) | 1.7 × 10⁶ | 1.7 × 10⁶ | 2016 | چگال | | 631 | DQN-2015 (Google, 2015) | \~1.7 × 10⁶ | | 2015 | برآورد | | 632 | Rational DQN Average (TU Darmstadt, 2021) | \~1.7 × 10⁶ | | 2021 | برآورد | | 633 | IBM-5 (IBM, 1993) | \~1.7 × 10⁶ | | 1993 | برآورد | | 634 | Deep Belief Nets (University of Toronto, 2006) | \~1.6 × 10⁶ | | 2006 | برآورد | | 635 | IMPALA (DeepMind, 2018) | 1.6 × 10⁶ | 1.6 × 10⁶ | 2018 | چگال | | 636 | StyleGAN3-R (Nvidia, 2021) | 1.6 × 10⁶ | 1.6 × 10⁶ | 2021 | معماری ذکر نشده | | 637 | Deep Multitask NLP Network (NEC Laboratories, 2008) | \~1.5 × 10⁶ | | 2008 | برآورد | | 638 | Double DQN (Google DeepMind, 2016) | 1.5 × 10⁶ | 1.5 × 10⁶ | 2016 | چگال | | 639 | CNN committee (IDSIA, 2011) | \~1.4 × 10⁶ | | 2011 | برآورد | | 640 | SqueezeNet (DeepScale, 2016) | \~1.2 × 10⁶ | | 2016 | برآورد | | 641 | Neocognitron (NHK Broadcasting Science Research Laboratories, 1980) | 1.1 × 10⁶ | 1.1 × 10⁶ | 1980 | چگال | | 642 | CURL (University of California (UC) Berkeley, 2020) | \~9.1 × 10⁵ | | 2020 | برآورد | | 643 | DQN (DeepMind, 2013) | 8.4 × 10⁵ | 8.4 × 10⁵ | 2013 | چگال | | 644 | EnhanceNet (Max Planck Institute for Intelligent Systems, 2016) | 8.1 × 10⁵ | 8.1 × 10⁵ | 2016 | چگال | | 645 | Image generation (University of Amsterdam, 2013) | 7.8 × 10⁵ | 7.8 × 10⁵ | 2013 | چگال | | 646 | Hanabi 4 player (DeepMind, 2019) | 7.6 × 10⁵ | 7.6 × 10⁵ | 2019 | چگال | | 647 | TA-CNN (Chinese University of Hong Kong (CUHK), 2014) | \~7.1 × 10⁵ | | 2014 | برآورد | | 648 | Robot Parkour (Shanghai Qi Zhi institute, 2023) | 5 × 10⁵ | 5 × 10⁵ | 2023 | معماری ذکر نشده | | 649 | LISSOM (University of Texas at Austin, 1995) | \~4.3 × 10⁵ | | 1995 | برآورد | | 650 | SPIDER2 (Griffith University, 2016) | \~4.1 × 10⁵ | | 2016 | برآورد | | 651 | Mixture of linear models (, 1994) | \~3.8 × 10⁵ | | 1994 | برآورد | | 652 | NPD (IEEE, 2014) | 3.1 × 10⁵ | 3.1 × 10⁵ | 2014 | چگال | | 653 | Pooling CNN (University of Bonn, 2010) | 2.9 × 10⁵ | 2.9 × 10⁵ | 2010 | چگال | | 654 | Pooling CNN (University of Bonn, 2010) | 2.7 × 10⁵ | 2.7 × 10⁵ | 2010 | چگال | | 655 | Two Stage Feature Extraction (New York University (NYU), 2009) | 2.6 × 10⁵ | 2.6 × 10⁵ | 2009 | چگال | | 656 | Vector Space Model (Stanford University, 2011) | 2.5 × 10⁵ | 2.5 × 10⁵ | 2011 | چگال | | 657 | HyperNEAT (University of Texas at Austin, 2014) | \~2.4 × 10⁵ | | 2014 | برآورد | | 658 | DNN EM segmentation (IDSIA, 2012) | 2.2 × 10⁵ | 2.2 × 10⁵ | 2012 | چگال | | 659 | Predictive Coding NN (Technical University of Munich, 1994) | 2.1 × 10⁵ | 2.1 × 10⁵ | 1994 | چگال | | 660 | Table Tennis Agent (Google DeepMind, 2024) | \~1.9 × 10⁵ | | 2024 | برآورد | | 661 | CNN Committee (IDSIA, 2011) | \~1.3 × 10⁵ | | 2011 | برآورد | | 662 | CNN Committee (IDSIA, 2011) | \~1.2 × 10⁵ | | 2011 | برآورد | | 663 | RECONTRA-uncategorized (, 1999) | \~1.1 × 10⁵ | | 1999 | برآورد | | 664 | BLSTM for handwriting (University of Bern, 2007) | \~1 × 10⁵ | | 2007 | برآورد | | 665 | SVM-CNN (New York University (NYU), 2006) | 9.1 × 10⁴ | 9.1 × 10⁴ | 2006 | چگال | | 666 | Invariant CNN (New York University (NYU), 2004) | 9.1 × 10⁴ | 9.1 × 10⁴ | 2004 | چگال | | 667 | SexNet compression (, 1990) | 7.3 × 10⁴ | 7.3 × 10⁴ | 1990 | چگال | | 668 | NeuroChess (, 1994) | \~7.2 × 10⁴ | | 1994 | برآورد | | 669 | RECONTRA-categorized (, 1999) | \~6.7 × 10⁴ | | 1999 | برآورد | | 670 | LeNet-5 (AT&T, 1998) | 6 × 10⁴ | 6 × 10⁴ | 1998 | چگال | | 671 | Swift (Intel Labs, 2023) | \~5.7 × 10⁴ | | 2023 | برآورد | | 672 | TCN (Carnegie Mellon University (CMU), 2018) | 4.2 × 10⁴ | 4.2 × 10⁴ | 2018 | چگال | | 673 | TRPO (University of California (UC) Berkeley, 2015) | 3.4 × 10⁴ | 3.4 × 10⁴ | 2015 | چگال | | 674 | SOM-CNN (, 1997) | 3.2 × 10⁴ | 3.2 × 10⁴ | 1997 | چگال | | 675 | NETtalk reimplementation (Oregon State University, 1990) | 2.7 × 10⁴ | 2.7 × 10⁴ | 1990 | چگال | | 676 | TD-Gammon (IBM, 1992) | \~2.5 × 10⁴ | | 1992 | برآورد | | 677 | Cognitron (Biological Cybernetics, 1975) | 2.2 × 10⁴ | 2.2 × 10⁴ | 1975 | چگال | | 678 | NetTalk (Princeton University, 1987) | 1.9 × 10⁴ | 1.9 × 10⁴ | 1987 | چگال | | 679 | CFSS (SenseTime, 2015) | \~1.7 × 10⁴ | | 2015 | برآورد | | 680 | MUSIC perceptron (, 1996) | 1.4 × 10⁴ | 1.4 × 10⁴ | 1996 | چگال | | 681 | AdaRNN (Beihang University, 2014) | 1.3 × 10⁴ | 1.3 × 10⁴ | 2014 | چگال | | 682 | Bidirectional RNN (Advanced Telecommunications Research Institute, 1997) | \~1.3 × 10⁴ | | 1997 | برآورد | | 683 | Decision tree (Mitsubishi Electric Research Labs, 2001) | \~1.2 × 10⁴ | | 2001 | برآورد | | 684 | LSTM (Technical University of Munich, 1997) | 1.1 × 10⁴ | 1.1 × 10⁴ | 1997 | چگال | | 685 | MLN-ASR (McGill University, 1988) | 1 × 10⁴ | 1 × 10⁴ | 1988 | چگال | | 686 | Hopfield network (California Institute of Technology, 1982) | \~9.9 × 10³ | | 1982 | برآورد | | 687 | Zip CNN (AT&T, 1989) | 9.8 × 10³ | 9.8 × 10³ | 1989 | چگال | | 688 | Hierarchical Cognitron (NHK Broadcasting Science Research Laboratories, 1984) | \~9.3 × 10³ | | 1984 | برآورد | | 689 | Weight Decay (, 1991) | 8.4 × 10³ | 8.4 × 10³ | 1991 | چگال | | 690 | Deep Blue (IBM, 1997) | \~8 × 10³ | | 1997 | برآورد | | 691 | نماتود (C. elegans) | 7 × 10³ | 7 × 10³ | | سیناپس‌ها | | 692 | System 11 (Carnegie Mellon University (CMU), 1996) | 6.5 × 10³ | 6.5 × 10³ | 1996 | چگال | | 693 | ACF-WIDER (Chinese Academy of Sciences, 2014) | 6.1 × 10³ | 6.1 × 10³ | 2014 | چگال | | 694 | RankNet (Microsoft Research, 2005) | 5.7 × 10³ | 5.7 × 10³ | 2005 | چگال | | 695 | ANN Eye Tracker (, 1993) | 5.6 × 10³ | 5.6 × 10³ | 1993 | چگال | | 696 | JPMAX (, 1994) | \~4.4 × 10³ | | 1994 | برآورد | | 697 | Kohonen network (Helsinki University of Technology, 1981) | \~4.1 × 10³ | | 1981 | برآورد | | 698 | Speaker-independent vowel classification (University of Washington, 1989) | 3 × 10³ | 3 × 10³ | 1989 | چگال | | 699 | Pattern recognition and reading by machine (Sandia Corporation, 1959) | \~2.6 × 10³ | | 1959 | برآورد | | 700 | Handwritten digit recognition network (AT&T, 1989) | 2.6 × 10³ | 2.6 × 10³ | 1989 | چگال | | 701 | Boosting (Bell Laboratories, 1992) | \~2.6 × 10³ | | 1992 | برآورد | | 702 | Decision tree adaline (Tokyo Medical and Dental University, 1969) | 2.5 × 10³ | 2.5 × 10³ | 1969 | چگال | | 703 | LTE speaker verification system (IBM, 1966) | \~2.1 × 10³ | | 1966 | برآورد | | 704 | Ceramic-MLP (Sapienza Università di Roma, 1994) | \~1.9 × 10³ | | 1994 | برآورد | | 705 | SexNet classification (, 1990) | \~1.6 × 10³ | | 1990 | برآورد | | 706 | RAAM (, 1990) | 1.5 × 10³ | 1.5 × 10³ | 1990 | چگال | | 707 | Super-vector coding (University of Illinois Urbana-Champaign (UIUC), 2010) | \~1 × 10³ | | 2010 | برآورد | | 708 | Perceptron Mark I (Cornell Aeronautical Laboratory, 1957) | \~1 × 10³ | | 1957 | برآورد | | 709 | Perceptron (Cornell Aeronautical Laboratory, 1960) | \~1 × 10³ | | 1960 | برآورد | | 710 | Translation-invariant MLP (Carnegie Mellon University (CMU), 1987) | 8.2 × 10² | 8.2 × 10² | 1987 | ترکیب متخصصان (شمار فعال منتشر نشده) | | 711 | Truck backer-upper (Stanford University, 1989) | 8.1 × 10² | 8.1 × 10² | 1989 | چگال | | 712 | Siamese-TDNN (Bell Laboratories, 1993) | \~7.4 × 10² | | 1993 | برآورد | | 713 | MLP with back-propagation (University of California San Diego, 1986) | 7.2 × 10² | 7.2 × 10² | 1986 | چگال | | 714 | Cancer drug mechanism prediction (National Cancer Institute, 1992) | \~5.9 × 10² | | 1992 | برآورد | | 715 | Distributed representation NN (Carnegie Mellon University (CMU), 1986) | 4.3 × 10² | 4.3 × 10² | 1986 | چگال | | 716 | Piecewise linear model (University of Kansas, 1973) | 3.6 × 10² | 3.6 × 10² | 1973 | چگال | | 717 | ASE+ACE (University of Massachusetts Amherst, 1983) | \~3.2 × 10² | | 1983 | برآورد | | 718 | LSTM with forget gates (IDSIA, 1999) | \~2.8 × 10² | | 1999 | برآورد | | 719 | Self Organizing System (Massachusetts Institute of Technology (MIT), 1955) | \~2.3 × 10² | | 1955 | برآورد | | 720 | Theseus (Bell Laboratories, 1950) | 4 × 10¹ | 4 × 10¹ | 1950 | چگال | | 721 | SNARC (Harvard University, 1952) | \~4 × 10¹ | | 1952 | برآورد | | 722 | Bankruptcy-NN (, 1990) | 3.6 × 10¹ | 3.6 × 10¹ | 1990 | چگال | | 723 | GNN (University of Siena, 2008) | 3 × 10¹ | 3 × 10¹ | 2008 | چگال | | 724 | ADALINE (Stanford University, 1960) | 1.7 × 10¹ | 1.7 × 10¹ | 1960 | چگال | | 725 | Samuel Neural Checkers (IBM, 1959) | \~1.6 × 10¹ | | 1959 | برآورد | ## جمع‌ها این نمودارها جوامع جانوری، دین‌ها، کشورها، احزاب و شرکت‌ها را به دو روش رتبه‌بندی می‌کنند. یکی بر پایهٔ شمار اعضا. دیگری بر پایهٔ هم‌ارز نورونی، که وزن هر عضو را بر اساس سهمی از زمان بیداری‌اش می‌گیرد که دستورهای گروه هدایت می‌کنند. احکام دینی، قوانین کشور، آیین‌نامه‌های احزاب و شرح وظایف شغلی همه به یک شکل شمرده می‌شوند. همه مجموعه‌ای از دستورها هستند، پس با یک قاعده سنجیده می‌شوند. [زمان هدایت‌شده چگونه برآورد می‌شود](https://simulation-hypothesis.com/fa/entities/control). ## جوامع جانوری: نورون‌ها در فعالیت هماهنگ گروهی نورون‌های گروه در فعالیت گروهی اعضای یک گروه معمول × نورون‌های قشر مغز یا پالیوم هر عضو (کل مغز برای حشرات)، در مقیاس لگاریتمی. میله‌های هاشورخورده اندازهٔ گروه برآوردی یا شمار نورون گونه‌ای خویشاوند را به کار می‌برند. 1. جامعهٔ شامپانزه▲1 7.4 × 10¹¹ 2. کلنی مورچهٔ برگ‌بر▼1 6.3 × 10¹¹ 3. جامعهٔ بونوبو▲2 4.4 × 10¹¹ 4. اردوگاه هادزا (انسان‌ها، برای مقیاس) 4.1 × 10¹¹ 5. گروه نهنگ‌های قاتل بیگ▼2 2.6 × 10¹¹ 6. دودمان مادرتبار اورکای ساکن 2.4 × 10¹¹ 7. گلهٔ بابون 8.6 × 10¹⁰ 8. ائتلاف دلفین بطری‌پوزه▲1 7.6 × 10¹⁰ 9. واحد اجتماعی نهنگ عنبر▲1 6.4 × 10¹⁰ 10. کلنی زنبور عسل▼2 5.8 × 10¹⁰ 11. خانوادهٔ فیل 5.6 × 10¹⁰ 12. گروه زاغ بلوطی پینیون 5.3 × 10¹⁰ 13. قبیلهٔ کفتار خال‌دار 2.2 × 10¹⁰ 14. دستهٔ سگ وحشی آفریقایی 7.2 × 10⁹ 15. گلهٔ گرگ 4.2 × 10⁹ 16. گروه میرکت 1.7 × 10⁹ 17. کلنی موش‌کور برهنه 4.1 × 10⁸ 10^8 10^9 10^10 10^11 10^12 neurons نمایش عددها | # | گروه | نورون‌های گروه | در فعالیت گروهی | اعضا | سهم هدایت‌شده | انواع آوا | | -- | ------------------------------------ | -------------- | --------------- | ---------- | ------------- | --------- | | 1 | جامعهٔ شامپانزه | 7.4 × 10¹¹ | 2.5 × 10¹¹ | 100 | 34% | — | | 2 | کلنی مورچهٔ برگ‌بر | 6.3 × 10¹¹ | 5 × 10¹¹ | 2.5 میلیون | 80% | — | | 3 | جامعهٔ بونوبو | 4.4 × 10¹¹ | 1.9 × 10¹¹ | 59 | 43% | — | | 4 | اردوگاه هادزا (انسان‌ها، برای مقیاس) | 4.1 × 10¹¹ | 2.1 × 10¹¹ | 25 | 53% | — | | 5 | گروه نهنگ‌های قاتل بیگ | 2.6 × 10¹¹ | 2.4 × 10¹¹ | 6 | 91% | — | | 6 | دودمان مادرتبار اورکای ساکن | 2.4 × 10¹¹ | 1.7 × 10¹¹ | 6 | 70% | 11 | | 7 | گلهٔ بابون | 8.6 × 10¹⁰ | 5.2 × 10¹⁰ | 30 | 60% | 9 | | 8 | ائتلاف دلفین بطری‌پوزه | 7.6 × 10¹⁰ | 4.2 × 10¹⁰ | 6 | 55% | — | | 9 | واحد اجتماعی نهنگ عنبر | 6.4 × 10¹⁰ | 4.1 × 10¹⁰ | 8 | 65% | — | | 10 | کلنی زنبور عسل | 5.8 × 10¹⁰ | 4.9 × 10¹⁰ | 60,000 | 85% | — | | 11 | خانوادهٔ فیل | 5.6 × 10¹⁰ | 3.2 × 10¹⁰ | 10 | 57% | — | | 12 | گروه زاغ بلوطی پینیون | 5.3 × 10¹⁰ | 3.2 × 10¹⁰ | 100 | 60% | — | | 13 | قبیلهٔ کفتار خال‌دار | 2.2 × 10¹⁰ | 6.7 × 10⁹ | 45 | 30% | 11 | | 14 | دستهٔ سگ وحشی آفریقایی | 7.2 × 10⁹ | 4.8 × 10⁹ | 14 | 67% | 11 | | 15 | گلهٔ گرگ | 4.2 × 10⁹ | 2.6 × 10⁹ | 8 | 63% | — | | 16 | گروه میرکت | 1.7 × 10⁹ | 1 × 10⁹ | 15 | 57% | 12 | | 17 | کلنی موش‌کور برهنه | 4.1 × 10⁸ | 2.9 × 10⁸ | 78 | 70% | — | [گروه‌ها چطور نمره می‌گیرند](https://simulation-hypothesis.com/fa/entities/control). ## دین‌ها: اعضا، و نورون‌هایی که از دستورهایشان پیروی می‌کنند اعضا با پیروی از دستورهایش دین‌های کامل فرقه‌ها و جنبش‌ها پیروان، در مقیاس لگاریتمی. فرقه‌ها و جنبش‌ها جدا از دین‌هایی که شامل‌شان می‌شوند نشان داده شده‌اند. میله‌های توپر شمارش‌اند؛ میله‌های هاشورخورده برآورد. 1. مسیحیت▲1 2.27 میلیارد 2. اسلام▼1 2.02 میلیارد 3. هندوئیسم 1.18 میلیارد 4. دین‌های عامیانه 400 میلیون 5. بودیسم 324.19 میلیون 6. دین‌های سنتی آفریقایی▲1 98.73 میلیون 7. شینتو▲1 87.92 میلیون 8. سیک‌گرایی▲1 25 میلیون 9. یهودیت▼3 14.78 میلیون 10. تائوئیسم▲1 8 میلیون 11. آیین بهائی▲1 8 میلیون 12. فالون گونگ▲1 7 میلیون 13. جینیسم▼3 4.45 میلیون 14. اسپریتیسم 3.8 میلیون 15. کائو دای 2.5 میلیون 16. تنریکیو 1.12 میلیون 17. برهما کوماریس 1 میلیون 10^5 10^6 10^7 10^8 10^9 10^10 اعضا نمایش عددها | # | دین | اعضا | با پیروی از دستورهایش | سهم هدایت‌شده | ساعت در هفته | | -- | --------------------- | ------------- | --------------------- | --------------- | ------------ | | 1 | مسیحیت | 2.27 میلیارد | 1.7 × 10¹⁸ | 0.88% | 0.9 h | | 2 | اسلام | 2.02 میلیارد | 8.9 × 10¹⁸ | 5.1% | 5.4 h | | 3 | هندوئیسم | 1.18 میلیارد | 1.6 × 10¹⁸ | 1.6% | 1.6 h | | 4 | دین‌های عامیانه | 400 میلیون | 2 × 10¹⁷ | 0.59% (جایگزین) | 0.6 h | | 5 | بودیسم | 324.19 میلیون | 7.5 × 10¹⁶ | 0.27% | 0.3 h | | 6 | دین‌های سنتی آفریقایی | 98.73 میلیون | 5 × 10¹⁶ | 0.59% (جایگزین) | 0.6 h | | 7 | شینتو | 87.92 میلیون | 4.5 × 10¹⁶ | 0.59% (جایگزین) | 0.6 h | | 8 | سیک‌گرایی | 25 میلیون | 3.7 × 10¹⁶ | 1.7% | 1.8 h | | 9 | یهودیت | 14.78 میلیون | 5.3 × 10¹⁶ | 4.2% | 4.4 h | | 10 | تائوئیسم | 8 میلیون | 4.1 × 10¹⁵ | 0.59% (جایگزین) | 0.6 h | | 11 | آیین بهائی | 8 میلیون | 4.1 × 10¹⁵ | 0.59% (جایگزین) | 0.6 h | | 12 | فالون گونگ | 7 میلیون | 3.6 × 10¹⁵ | 0.59% (جایگزین) | 0.6 h | | 13 | جینیسم | 4.45 میلیون | 1.8 × 10¹⁶ | 4.6% | 4.8 h | | 14 | اسپریتیسم | 3.8 میلیون | 1.9 × 10¹⁵ | 0.59% (جایگزین) | 0.6 h | | 15 | کائو دای | 2.5 میلیون | 1.3 × 10¹⁵ | 0.59% (جایگزین) | 0.6 h | | 16 | تنریکیو | 1.12 میلیون | 5.7 × 10¹⁴ | 0.59% (جایگزین) | 0.6 h | | 17 | برهما کوماریس | 1 میلیون | 5.1 × 10¹⁴ | 0.59% (جایگزین) | 0.6 h | [هر رویه، سهم و منبع](https://simulation-hypothesis.com/fa/entities/control). ## کشورها: ساکنان، و نورون‌هایی که از دستورهایشان پیروی می‌کنند ساکنان با پیروی از دستورهایش همه آفریقای جنوب صحرا آمریکای شمالی آمریکای لاتین و کارائیب اروپا و آسیای مرکزی جنوب آسیا خاورمیانه، شمال آفریقا، افغانستان و پاکستان شرق آسیا و اقیانوسیه جمعیت، در مقیاس لگاریتمی. میله‌های توپر شمارش‌اند؛ میله‌های هاشورخورده برآورد. 1. هند▲1 1.46 میلیارد 2. چین▼1 1.41 میلیارد 3. ایالات متحده 341.78 میلیون 4. اندونزی 285.72 میلیون 5. پاکستان▲5 255.22 میلیون 6. نیجریه▲1 237.53 میلیون 7. برزیل▼2 212.81 میلیون 8. بنگلادش▲5 175.69 میلیون 9. روسیه▼3 143.51 میلیون 10. اتیوپی▲7 135.47 میلیون 11. مکزیک▼2 131.95 میلیون 12. ژاپن▲11 123.37 میلیون 13. مصر▼2 118.37 میلیون 14. فیلیپین 116.79 میلیون 15. جمهوری دموکراتیک کنگو▼3 112.83 میلیون نمایش همهٔ 196 10^4 10^6 10^8 10^10 ساکنان نمایش عددها | # | دولت | ساکنان | با پیروی از دستورهایش | سهم هدایت‌شده | ساعت در هفته | | --- | --------------------- | ------------- | --------------------- | ------------- | ------------ | | 1 | هند | 1.46 میلیارد | 2.5 × 10¹⁸ | 2% | 2.1 h | | 2 | چین | 1.41 میلیارد | 5 × 10¹⁸ | 4.1% | 4.3 h | | 3 | ایالات متحده | 341.78 میلیون | 1.6 × 10¹⁸ | 5.6% | 5.8 h | | 4 | اندونزی | 285.72 میلیون | 1 × 10¹⁸ | 4.2% | 4.4 h | | 5 | پاکستان | 255.22 میلیون | 5.7 × 10¹⁷ | 2.6% | 2.7 h | | 6 | نیجریه | 237.53 میلیون | 6.6 × 10¹⁷ | 3.2% | 3.4 h | | 7 | برزیل | 212.81 میلیون | 8.7 × 10¹⁷ | 4.8% | 5 h | | 8 | بنگلادش | 175.69 میلیون | 4.6 × 10¹⁷ | 3% | 3.1 h | | 9 | روسیه | 143.51 میلیون | 7.5 × 10¹⁷ | 6.1% | 6.4 h | | 10 | اتیوپی | 135.47 میلیون | 3.9 × 10¹⁷ | 3.4% | 3.5 h | | 11 | مکزیک | 131.95 میلیون | 5.9 × 10¹⁷ | 5.2% | 5.5 h | | 12 | ژاپن | 123.37 میلیون | 2.8 × 10¹⁷ | 2.7% | 2.8 h | | 13 | مصر | 118.37 میلیون | 5.5 × 10¹⁷ | 5.4% | 5.7 h | | 14 | فیلیپین | 116.79 میلیون | 4.4 × 10¹⁷ | 4.4% | 4.6 h | | 15 | جمهوری دموکراتیک کنگو | 112.83 میلیون | 4.7 × 10¹⁷ | 4.8% | 5.1 h | | 16 | ویتنام | 101.6 میلیون | 4.2 × 10¹⁷ | 4.8% | 5 h | | 17 | ایران | 92.42 میلیون | 3.5 × 10¹⁷ | 4.3% | 4.6 h | | 18 | ترکیه | 85.88 میلیون | 4.3 × 10¹⁷ | 5.8% | 6 h | | 19 | آلمان | 83.49 میلیون | 2.9 × 10¹⁷ | 4% | 4.2 h | | 20 | تایلند | 71.62 میلیون | 2.4 × 10¹⁷ | 3.9% | 4.1 h | | 21 | تانزانیا | 70.55 میلیون | 2.2 × 10¹⁷ | 3.6% | 3.8 h | | 22 | بریتانیا | 69.49 میلیون | 2.8 × 10¹⁷ | 4.6% | 4.8 h | | 23 | فرانسه | 68.72 میلیون | 3.1 × 10¹⁷ | 5.3% | 5.5 h | | 24 | آفریقای جنوبی | 64.75 میلیون | 2.9 × 10¹⁷ | 5.1% | 5.4 h | | 25 | ایتالیا | 58.92 میلیون | 2.1 × 10¹⁷ | 4.2% | 4.4 h | | 26 | کنیا | 57.53 میلیون | 2.3 × 10¹⁷ | 4.7% | 5 h | | 27 | میانمار | 54.85 میلیون | 1.9 × 10¹⁷ | 4% | 4.2 h | | 28 | کلمبیا | 53.43 میلیون | 1.7 × 10¹⁷ | 3.7% | 3.9 h | | 29 | کرهٔ جنوبی | 51.68 میلیون | 1.4 × 10¹⁷ | 3% | 3.2 h | | 30 | سودان | 51.66 میلیون | 1.5 × 10¹⁷ | 3.4% | 3.6 h | | 31 | اوگاندا | 51.38 میلیون | 1.5 × 10¹⁷ | 3.4% | 3.6 h | | 32 | اسپانیا | 49.36 میلیون | 1.8 × 10¹⁷ | 4.2% | 4.3 h | | 33 | الجزایر | 47.44 میلیون | 3.2 × 10¹⁷ | 7.9% | 8.3 h | | 34 | عراق | 47.02 میلیون | 1.1 × 10¹⁷ | 2.8% | 2.9 h | | 35 | آرژانتین | 45.85 میلیون | 1.7 × 10¹⁷ | 4.4% | 4.6 h | | 36 | افغانستان | 43.84 میلیون | 1.8 × 10¹⁷ | 4.8% | 5 h | | 37 | یمن | 41.77 میلیون | 1.3 × 10¹⁷ | 3.7% | 3.9 h | | 38 | کانادا | 41.65 میلیون | 2 × 10¹⁷ | 5.5% | 5.8 h | | 39 | آنگولا | 39.04 میلیون | 1.4 × 10¹⁷ | 4.2% | 4.4 h | | 40 | اوکراین | 38.98 میلیون | 2.1 × 10¹⁷ | 6.2% | 6.5 h | | 41 | مراکش | 38.43 میلیون | 1.5 × 10¹⁷ | 4.5% | 4.7 h | | 42 | ازبکستان | 37.05 میلیون | 2 × 10¹⁷ | 6.3% | 6.6 h | | 43 | عربستان سعودی | 36.97 میلیون | 1.4 × 10¹⁷ | 4.3% | 4.6 h | | 44 | لهستان | 36.44 میلیون | 2.1 × 10¹⁷ | 6.7% | 7 h | | 45 | مالزی | 35.98 میلیون | 1.8 × 10¹⁷ | 5.8% | 6.1 h | | 46 | موزامبیک | 35.63 میلیون | 1.5 × 10¹⁷ | 4.8% | 5.1 h | | 47 | غنا | 35.06 میلیون | 1.2 × 10¹⁷ | 3.9% | 4.1 h | | 48 | پرو | 34.58 میلیون | 1.4 × 10¹⁷ | 4.8% | 5 h | | 49 | ماداگاسکار | 32.74 میلیون | 9.4 × 10¹⁶ | 3.3% | 3.5 h | | 50 | ساحل عاج | 32.71 میلیون | 9.5 × 10¹⁶ | 3.4% | 3.5 h | | 51 | کامرون | 29.88 میلیون | 9.8 × 10¹⁶ | 3.8% | 4 h | | 52 | نپال | 29.62 میلیون | 1.1 × 10¹⁷ | 4.2% | 4.4 h | | 53 | ونزوئلا | 28.52 میلیون | 1.5 × 10¹⁷ | 6.1% | 6.4 h | | 54 | نیجر | 27.92 میلیون | 6.4 × 10¹⁶ | 2.6% | 2.8 h | | 55 | استرالیا | 27.61 میلیون | 1.1 × 10¹⁷ | 4.7% | 5 h | | 56 | کرهٔ شمالی | 26.57 میلیون | 6.6 × 10¹⁷ | 29% | 30.1 h | | 57 | سوریه | 25.62 میلیون | 9.8 × 10¹⁶ | 4.4% | 4.6 h | | 58 | مالی | 25.2 میلیون | 4.9 × 10¹⁶ | 2.3% | 2.4 h | | 59 | بورکینافاسو | 24.07 میلیون | 5.7 × 10¹⁶ | 2.8% | 2.9 h | | 60 | تایوان | 23.31 میلیون | 1 × 10¹⁷ | 5% | 5.3 h | | 61 | مالاوی | 22.22 میلیون | 1 × 10¹⁷ | 5.4% | 5.6 h | | 62 | زامبیا | 21.91 میلیون | 10 × 10¹⁶ | 5.3% | 5.5 h | | 63 | سریلانکا | 21.76 میلیون | 1.1 × 10¹⁷ | 6% | 6.3 h | | 64 | چاد | 21 میلیون | 4.9 × 10¹⁶ | 2.7% | 2.9 h | | 65 | قزاقستان | 20.84 میلیون | 1.4 × 10¹⁷ | 7.6% | 7.9 h | | 66 | شیلی | 19.86 میلیون | 6.2 × 10¹⁶ | 3.6% | 3.8 h | | 67 | سومالی | 19.65 میلیون | 1.5 × 10¹⁶ | 0.88% | 0.9 h | | 68 | رومانی | 19.02 میلیون | 7.5 × 10¹⁶ | 4.6% | 4.8 h | | 69 | سنگال | 18.93 میلیون | 5.9 × 10¹⁶ | 3.6% | 3.8 h | | 70 | گواتمالا | 18.69 میلیون | 6 × 10¹⁶ | 3.7% | 3.9 h | | 71 | اکوادور | 18.29 میلیون | 6.6 × 10¹⁶ | 4.2% | 4.4 h | | 72 | هلند | 18.09 میلیون | 7.6 × 10¹⁶ | 4.9% | 5.1 h | | 73 | کامبوج | 17.85 میلیون | 7.4 × 10¹⁶ | 4.8% | 5.1 h | | 74 | زیمبابوه | 16.95 میلیون | 6.1 × 10¹⁶ | 4.2% | 4.4 h | | 75 | گینه | 15.1 میلیون | 3.1 × 10¹⁶ | 2.4% | 2.5 h | | 76 | بنین | 14.81 میلیون | 4.4 × 10¹⁶ | 3.4% | 3.6 h | | 77 | رواندا | 14.57 میلیون | 7 × 10¹⁶ | 5.6% | 5.8 h | | 78 | بوروندی | 14.39 میلیون | 5.2 × 10¹⁶ | 4.2% | 4.4 h | | 79 | بولیوی | 12.58 میلیون | 5.8 × 10¹⁶ | 5.4% | 5.6 h | | 80 | تونس | 12.35 میلیون | 6.4 × 10¹⁶ | 6% | 6.3 h | | 81 | سودان جنوبی | 12.19 میلیون | 4.4 × 10¹⁶ | 4.2% | 4.4 h | | 82 | بلژیک | 11.94 میلیون | 4.5 × 10¹⁶ | 4.3% | 4.5 h | | 83 | هائیتی | 11.91 میلیون | 1.9 × 10¹⁶ | 1.8% | 1.9 h | | 84 | اردن | 11.52 میلیون | 4.9 × 10¹⁶ | 5% | 5.2 h | | 85 | جمهوری دومینیکن | 11.52 میلیون | 4.9 × 10¹⁶ | 4.9% | 5.2 h | | 86 | امارات متحدهٔ عربی | 11.51 میلیون | 3.1 × 10¹⁶ | 3.1% | 3.2 h | | 87 | هندوراس | 11.01 میلیون | 3.2 × 10¹⁶ | 3.3% | 3.5 h | | 88 | کوبا | 10.94 میلیون | 1.6 × 10¹⁷ | 17% | 17.4 h | | 89 | چک | 10.89 میلیون | 5.8 × 10¹⁶ | 6.2% | 6.5 h | | 90 | پرتغال | 10.8 میلیون | 5.1 × 10¹⁶ | 5.5% | 5.7 h | | 91 | تاجیکستان | 10.79 میلیون | 5.3 × 10¹⁶ | 5.7% | 6 h | | 92 | پاپوآ گینهٔ نو | 10.76 میلیون | 4.3 × 10¹⁶ | 4.6% | 4.8 h | | 93 | سوئد | 10.6 میلیون | 6.8 × 10¹⁶ | 7.5% | 7.8 h | | 94 | یونان | 10.41 میلیون | 4.9 × 10¹⁶ | 5.4% | 5.7 h | | 95 | جمهوری آذربایجان | 10.25 میلیون | 6.2 × 10¹⁶ | 7% | 7.4 h | | 96 | اسرائیل | 10.12 میلیون | 6.4 × 10¹⁶ | 7.3% | 7.7 h | | 97 | مجارستان | 9.51 میلیون | 5.7 × 10¹⁶ | 6.9% | 7.3 h | | 98 | اتریش | 9.21 میلیون | 2.5 × 10¹⁶ | 3.2% | 3.4 h | | 99 | سوئیس | 9.09 میلیون | 3.9 × 10¹⁶ | 5% | 5.3 h | | 100 | بلاروس | 9.09 میلیون | 7.9 × 10¹⁶ | 10% | 10.6 h | | 101 | سیرالئون | 8.82 میلیون | 4.9 × 10¹⁶ | 6.5% | 6.8 h | | 102 | توگو | 8.59 میلیون | 3 × 10¹⁶ | 4% | 4.2 h | | 103 | لائوس | 7.87 میلیون | 3.2 × 10¹⁶ | 4.8% | 5 h | | 104 | ترکمنستان | 7.62 میلیون | 4.2 × 10¹⁶ | 6.5% | 6.8 h | | 105 | لیبی | 7.46 میلیون | 3.9 × 10¹⁶ | 6.1% | 6.4 h | | 106 | قرقیزستان | 7.34 میلیون | 4.1 × 10¹⁶ | 6.5% | 6.8 h | | 107 | پاراگوئه | 7.01 میلیون | 2.9 × 10¹⁶ | 4.8% | 5.1 h | | 108 | نیکاراگوئه | 7.01 میلیون | 2.8 × 10¹⁶ | 4.6% | 4.8 h | | 109 | صربستان | 6.55 میلیون | 4.1 × 10¹⁶ | 7.2% | 7.5 h | | 110 | جمهوری کنگو | 6.48 میلیون | 1.7 × 10¹⁶ | 3% | 3.1 h | | 111 | بلغارستان | 6.43 میلیون | 3.3 × 10¹⁶ | 5.9% | 6.2 h | | 112 | السالوادور | 6.37 میلیون | 3.2 × 10¹⁶ | 5.8% | 6.1 h | | 113 | سنگاپور | 6.11 میلیون | 1.9 × 10¹⁶ | 3.6% | 3.7 h | | 114 | دانمارک | 6.01 میلیون | 3.9 × 10¹⁶ | 7.6% | 8 h | | 115 | لبنان | 5.85 میلیون | 1.5 × 10¹⁶ | 3% | 3.1 h | | 116 | لیبریا | 5.73 میلیون | 1.5 × 10¹⁶ | 3.1% | 3.3 h | | 117 | فنلاند | 5.65 میلیون | 3.2 × 10¹⁶ | 6.6% | 6.9 h | | 118 | نروژ | 5.61 میلیون | 3.7 × 10¹⁶ | 7.6% | 8 h | | 119 | جمهوری آفریقای مرکزی | 5.51 میلیون | 1.7 × 10¹⁶ | 3.5% | 3.7 h | | 120 | عمان | 5.49 میلیون | 2.9 × 10¹⁶ | 6.2% | 6.5 h | | 121 | ایرلند | 5.48 میلیون | 3.4 × 10¹⁶ | 7.2% | 7.6 h | | 122 | اسلواکی | 5.41 میلیون | 3.1 × 10¹⁶ | 6.7% | 7 h | | 123 | فلسطین | 5.41 میلیون | 2 × 10¹⁶ | 4.3% | 4.5 h | | 124 | نیوزیلند | 5.32 میلیون | 2.7 × 10¹⁶ | 5.9% | 6.2 h | | 125 | موریتانی | 5.32 میلیون | 2 × 10¹⁶ | 4.3% | 4.5 h | | 126 | کاستاریکا | 5.15 میلیون | 2.6 × 10¹⁶ | 5.9% | 6.2 h | | 127 | کویت | 4.87 میلیون | 2.7 × 10¹⁶ | 6.5% | 6.8 h | | 128 | پاناما | 4.57 میلیون | 2.3 × 10¹⁶ | 5.9% | 6.2 h | | 129 | گرجستان | 3.94 میلیون | 2.1 × 10¹⁶ | 6.1% | 6.4 h | | 130 | کرواسی | 3.88 میلیون | 2.2 × 10¹⁶ | 6.7% | 7 h | | 131 | اریتره | 3.61 میلیون | 1.5 × 10¹⁶ | 5% | 5.2 h | | 132 | مغولستان | 3.57 میلیون | 2.2 × 10¹⁶ | 7% | 7.3 h | | 133 | اروگوئه | 3.38 میلیون | 1.7 × 10¹⁶ | 5.9% | 6.2 h | | 134 | بوسنی و هرزگوین | 3.14 میلیون | 1.6 × 10¹⁶ | 5.9% | 6.2 h | | 135 | نامیبیا | 3.09 میلیون | 1.8 × 10¹⁶ | 6.9% | 7.2 h | | 136 | ارمنستان | 3.09 میلیون | 1.7 × 10¹⁶ | 6.5% | 6.8 h | | 137 | قطر | 2.97 میلیون | 9.6 × 10¹⁵ | 3.8% | 3.9 h | | 138 | لیتوانی | 2.89 میلیون | 1.8 × 10¹⁶ | 7.4% | 7.7 h | | 139 | جامائیکا | 2.84 میلیون | 1.2 × 10¹⁶ | 5% | 5.2 h | | 140 | گامبیا | 2.82 میلیون | 1.1 × 10¹⁶ | 4.5% | 4.7 h | | 141 | گابن | 2.59 میلیون | 9.9 × 10¹⁵ | 4.4% | 4.6 h | | 142 | بوتسوانا | 2.56 میلیون | 1.3 × 10¹⁶ | 5.7% | 6 h | | 143 | لسوتو | 2.36 میلیون | 9.5 × 10¹⁵ | 4.7% | 4.9 h | | 144 | مولداوی | 2.36 میلیون | 1.5 × 10¹⁶ | 7.3% | 7.6 h | | 145 | آلبانی | 2.35 میلیون | 1.2 × 10¹⁶ | 5.7% | 6 h | | 146 | گینهٔ بیسائو | 2.25 میلیون | 5.7 × 10¹⁵ | 2.9% | 3.1 h | | 147 | اسلوونی | 2.13 میلیون | 1.2 × 10¹⁶ | 6.6% | 6.9 h | | 148 | گینهٔ استوایی | 1.94 میلیون | 4 × 10¹⁵ | 2.4% | 2.5 h | | 149 | لتونی | 1.85 میلیون | 1.2 × 10¹⁶ | 7.6% | 7.9 h | | 150 | مقدونیهٔ شمالی | 1.82 میلیون | 9.2 × 10¹⁵ | 5.9% | 6.2 h | | 151 | بحرین | 1.6 میلیون | 5.9 × 10¹⁵ | 4.3% | 4.5 h | | 152 | کوزوو | 1.58 میلیون | 8 × 10¹⁵ | 5.9% | 6.2 h | | 153 | تیمور شرقی | 1.42 میلیون | 8 × 10¹⁵ | 6.6% | 6.9 h | | 154 | قبرس | 1.37 میلیون | 5.5 × 10¹⁵ | 4.7% | 4.9 h | | 155 | ترینیداد و توباگو | 1.37 میلیون | 9.3 × 10¹⁵ | 7.9% | 8.2 h | | 156 | استونی | 1.37 میلیون | 8.3 × 10¹⁵ | 7% | 7.4 h | | 157 | اسواتینی | 1.26 میلیون | 7.5 × 10¹⁵ | 6.9% | 7.2 h | | 158 | موریس | 1.24 میلیون | 5.1 × 10¹⁵ | 4.8% | 5 h | | 159 | جیبوتی | 1.18 میلیون | 4.6 × 10¹⁵ | 4.5% | 4.8 h | | 160 | فیجی | 933,154 | 5.6 × 10¹⁵ | 7% | 7.4 h | | 161 | کومور | 882,847 | 3.5 × 10¹⁵ | 4.6% | 4.8 h | | 162 | جزایر سلیمان | 838,645 | 3.2 × 10¹⁵ | 4.4% | 4.6 h | | 163 | گویان | 835,986 | 4.6 × 10¹⁵ | 6.4% | 6.7 h | | 164 | بوتان | 796,682 | 5.8 × 10¹⁵ | 8.5% | 8.9 h | | 165 | لوکزامبورگ | 686,970 | 2.4 × 10¹⁵ | 4% | 4.2 h | | 166 | سورینام | 639,850 | 3.7 × 10¹⁵ | 6.7% | 7.1 h | | 167 | مونته‌نگرو | 623,129 | 4.3 × 10¹⁵ | 8.1% | 8.5 h | | 168 | Malta | 579,704 | 3.1 × 10¹⁵ | 6.2% | 6.5 h | | 169 | مالدیو | 529,676 | 4.7 × 10¹⁵ | 10% | 10.8 h | | 170 | کیپ ورد | 527,326 | 3.3 × 10¹⁵ | 7.2% | 7.6 h | | 171 | برونئی | 466,330 | 3.6 × 10¹⁵ | 8.9% | 9.3 h | | 172 | بلیز | 422,924 | 1.1 × 10¹⁵ | 2.9% | 3.1 h | | 173 | باهاما | 403,033 | 2.2 × 10¹⁵ | 6.4% | 6.7 h | | 174 | ایسلند | 392,404 | 2.5 × 10¹⁵ | 7.4% | 7.7 h | | 175 | وانواتو | 335,169 | 2 × 10¹⁵ | 6.9% | 7.3 h | | 176 | باربادوس | 282,623 | 1.5 × 10¹⁵ | 6% | 6.3 h | | 177 | سائوتومه و پرنسیپ | 240,254 | 1.1 × 10¹⁵ | 5.4% | 5.7 h | | 178 | ساموآ | 219,306 | 1.1 × 10¹⁵ | 5.7% | 5.9 h | | 179 | سنت لوسیا | 180,149 | 9.3 × 10¹⁴ | 6% | 6.3 h | | 180 | کیریباتی | 136,488 | 7.6 × 10¹⁴ | 6.4% | 6.7 h | | 181 | سیشل | 122,730 | 8.9 × 10¹⁴ | 8.4% | 8.8 h | | 182 | گرانادا | 117,303 | 7.3 × 10¹⁴ | 7.2% | 7.5 h | | 183 | میکرونزی | 113,683 | 5.7 × 10¹⁴ | 5.8% | 6.1 h | | 184 | تونگا | 103,742 | 5.9 × 10¹⁴ | 6.6% | 6.9 h | | 185 | سنت وینسنت و گرنادین | 99,924 | 4.9 × 10¹⁴ | 5.7% | 5.9 h | | 186 | آنتیگوا و باربودا | 94,209 | 6.5 × 10¹⁴ | 8% | 8.3 h | | 187 | آندورا | 82,904 | 3.9 × 10¹⁴ | 5.5% | 5.8 h | | 188 | دومینیکا | 65,871 | 2.3 × 10¹⁴ | 4.1% | 4.3 h | | 189 | سنت کیتس و نویس | 46,922 | 2.1 × 10¹⁴ | 5.2% | 5.5 h | | 190 | لیختن‌اشتاین | 41,024 | 2 × 10¹⁴ | 5.7% | 5.9 h | | 191 | موناکو | 38,341 | 2.3 × 10¹⁴ | 6.9% | 7.3 h | | 192 | جزایر مارشال | 36,282 | 3.3 × 10¹⁴ | 10% | 10.9 h | | 193 | سن مارینو | 34,109 | 1.3 × 10¹⁴ | 4.6% | 4.8 h | | 194 | پالائو | 17,663 | 1.6 × 10¹⁴ | 10% | 11 h | | 195 | نائورو | 12,025 | 9.3 × 10¹³ | 9% | 9.4 h | | 196 | تووالو | 9,492 | 8 × 10¹³ | 9.8% | 10.2 h | [چه چیزی شمرده می‌شود و چه چیزی نه](https://simulation-hypothesis.com/fa/entities/control). ## احزاب سیاسی: اعضا، و نورون‌هایی که از دستورهایشان پیروی می‌کنند اعضا با پیروی از دستورهایش اعضا آن‌گونه که حزب گزارش می‌کند، در مقیاس لگاریتمی. میله‌های توپر شمارش‌اند؛ میله‌های هاشورخورده برآورد یا ادعا. 1. حزب بهاراتیا جاناتا (هند)▲1 140 میلیون 2. حزب کمونیست چین▼1 101.29 میلیون 3. حزب دموکرات (آمریکا)▲13 44.9 میلیون 4. حزب جمهوری‌خواه (آمریکا)▲16 38 میلیون 5. کنگرهٔ ملی هند▼2 26 میلیون 6. AIADMK (هند)▼2 20.04 میلیون 7. DMK (هند)▼2 20 میلیون 8. حزب شکوفایی (اتیوپی)▼1 15.7 میلیون 9. TVK (هند)▼1 15 میلیون 10. Chama Cha Mapinduzi (تانزانیا)▼1 13 میلیون 11. کنگرهٔ همهٔ ترقی‌خواهان (نیجریه)▼1 12.9 میلیون 12. حزب AK (ترکیه)▼1 11.71 میلیون 13. مورنا (مکزیک)▼1 11.63 میلیون 14. حزب تلوگو دسام (هند)▼1 10.05 میلیون 15. Cambodian People’s Party▼1 7 میلیون نمایش همهٔ 59 10^4 10^5 10^6 10^7 10^8 10^9 اعضا نمایش عددها | # | حزب | اعضا | با پیروی از دستورهایش | سهم هدایت‌شده | ساعت در هفته | | -- | ------------------------------------- | ------------- | --------------------- | --------------- | ------------ | | 1 | حزب بهاراتیا جاناتا (هند) | 140 میلیون | 6.3 × 10¹⁶ | 0.52% (جایگزین) | 0.6 h | | 2 | حزب کمونیست چین | 101.29 میلیون | 8.2 × 10¹⁶ | 0.94% | 1 h | | 3 | حزب دموکرات (آمریکا) | 44.9 میلیون | 2.3 × 10¹⁵ | 0.06% | 0.1 h | | 4 | حزب جمهوری‌خواه (آمریکا) | 38 میلیون | 2 × 10¹⁵ | 0.06% | 0.1 h | | 5 | کنگرهٔ ملی هند | 26 میلیون | 1.2 × 10¹⁶ | 0.52% (جایگزین) | 0.6 h | | 6 | AIADMK (هند) | 20.04 میلیون | 9 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 7 | DMK (هند) | 20 میلیون | 9 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 8 | حزب شکوفایی (اتیوپی) | 15.7 میلیون | 7 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 9 | TVK (هند) | 15 میلیون | 6.7 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 10 | Chama Cha Mapinduzi (تانزانیا) | 13 میلیون | 5.8 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 11 | کنگرهٔ همهٔ ترقی‌خواهان (نیجریه) | 12.9 میلیون | 5.8 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 12 | حزب AK (ترکیه) | 11.71 میلیون | 5.2 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 13 | مورنا (مکزیک) | 11.63 میلیون | 5.2 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 14 | حزب تلوگو دسام (هند) | 10.05 میلیون | 4.5 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 15 | Cambodian People’s Party | 7 میلیون | 3.1 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 16 | حزب کارگران کره | 6.18 میلیون | 7.6 × 10¹⁵ | 1.4% | 1.5 h | | 17 | FRELIMO (موزامبیک) | 6 میلیون | 2.7 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 18 | حزب کمونیست ویتنام | 5.6 میلیون | 2.1 × 10¹⁵ | 0.44% | 0.5 h | | 19 | حزب دموکرات کره | 5 میلیون | 2.2 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 20 | حزب قدرت مردم (کرهٔ جنوبی) | 4.44 میلیون | 2 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 21 | PSUV (ونزوئلا) | 4.24 میلیون | 1.9 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 22 | ZANU-PF (زیمبابوه) | 4.06 میلیون | 1.8 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 23 | UMNO (مالزی) | 3.25 میلیون | 1.5 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 24 | حزب عدالت‌گرا (آرژانتین) | 3.1 میلیون | 1.4 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 25 | حزب کلورادو (پاراگوئه) | 3 میلیون | 1.3 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 26 | روسیهٔ متحد | 2.6 میلیون | 1.2 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 27 | UzLiDeP (ازبکستان) | 2.31 میلیون | 1 × 10¹⁵ | 0.52% (جایگزین) | 0.6 h | | 28 | PLD (جمهوری دومینیکن) | 2.18 میلیون | 9.7 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 29 | MDB (برزیل) | 2.02 میلیون | 9 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 30 | CHP (ترکیه) | 1.88 میلیون | 8.4 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 31 | اتحادیهٔ مدنی رادیکال (آرژانتین) | 1.79 میلیون | 8 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 32 | حزب کارگران، PT (برزیل) | 1.67 میلیون | 7.5 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 33 | PRM (جمهوری دومینیکن) | 1.55 میلیون | 6.9 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 34 | حزب لیبرال رادیکال اصیل (پاراگوئه) | 1.55 میلیون | 6.9 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 35 | Partido Federal ng Pilipinas | 1.5 میلیون | 6.7 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 36 | PAS (مالزی) | 1.3 میلیون | 5.8 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 37 | PRD (برزیل) | 1.29 میلیون | 5.8 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 38 | Progressistas (برزیل) | 1.29 میلیون | 5.8 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 39 | PSDB (برزیل) | 1.26 میلیون | 5.6 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 40 | PKR (مالزی) | 1.15 میلیون | 5.2 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 41 | مبارزان آزادی اقتصادی (آفریقای جنوبی) | 1.09 میلیون | 4.9 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 42 | PDT (برزیل) | 1.07 میلیون | 4.8 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 43 | União Brasil | 1.07 میلیون | 4.8 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 44 | CPI(M) (هند) | 1.02 میلیون | 4.6 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 45 | حزب لیبرال دموکرات (ژاپن) | 1 میلیون | 4.5 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 46 | FLN (الجزایر) | 1 میلیون | 4.5 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 47 | حزب لیبرال، PL (برزیل) | 952,881 | 4.3 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 48 | حزب کمونیست کوبا | 700,000 | 2.7 × 10¹⁴ | 0.44% | 0.5 h | | 49 | کنگرهٔ ملی آفریقا | 688,454 | 3.1 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 50 | حزب محافظه‌کار کانادا | 678,708 | 2.7 × 10¹⁴ | 0.46% | 0.5 h | | 51 | CDU (آلمان) | 364,202 | 1.6 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 52 | SPD (آلمان) | 357,116 | 1.6 × 10¹⁴ | 0.52% (جایگزین) | 0.6 h | | 53 | حزب کارگر (بریتانیا) | 333,235 | 1.6 × 10¹⁴ | 0.55% | 0.6 h | | 54 | حزب لیبرال کانادا | 163,836 | 6.5 × 10¹³ | 0.46% | 0.5 h | | 55 | سبزها (آلمان) | 155,296 | 7 × 10¹³ | 0.52% (جایگزین) | 0.6 h | | 56 | CSU (آلمان) | 125,153 | 5.6 × 10¹³ | 0.52% (جایگزین) | 0.6 h | | 57 | حزب محافظه‌کار (بریتانیا) | 123,000 | 3.7 × 10¹³ | 0.35% | 0.4 h | | 58 | حزب نوین دموکرات (کانادا) | 100,542 | 4 × 10¹³ | 0.46% | 0.5 h | | 59 | AfD (آلمان) | 51,335 | 2.3 × 10¹³ | 0.52% (جایگزین) | 0.6 h | [جلسه‌ها، پیمایش‌ها و منابع](https://simulation-hypothesis.com/fa/entities/control). ## شرکت‌ها: کارمندان، و نورون‌هایی که از دستورهایشان پیروی می‌کنند کارمندان با پیروی از دستورهایش کارمندان در آخرین گزارش سالانه یا فهرست، در مقیاس خطی. 1. Walmart 2.1 میلیون 2. Amazon▲1 1.58 میلیون 3. State Grid▼1 1.36 میلیون 4. China National Petroleum 1.03 میلیون 5. JD.com 951,420 6. BYD▲1 869,622 7. Accenture▼1 779,000 8. Allied Universal▲3 770,000 9. China Post Group▼1 719,448 10. Russian Railways (RZD)▲2 677,363 11. Volkswagen Group▲6 662,942 12. Foxconn (Hon Hai)▼2 633,167 13. Schwarz Group▲16 604,000 14. Compass Group▲18 590,000 15. Tata Consultancy Services▼6 584,510 نمایش همهٔ 71 0 0.5M 1M 1.5M 2M 2.5M employees نمایش عددها | # | شرکت | کارمندان | با پیروی از دستورهایش | ساعت در هفته | سهم هدایت‌شده | | -- | ------------------------------------ | ----------- | --------------------- | ---------------------- | ------------- | | 1 | Walmart | 2.1 میلیون | 6.3 × 10¹⁶ | 36.3 h (ایالات متحده) | 35% | | 2 | Amazon | 1.58 میلیون | 4.7 × 10¹⁶ | 36.3 h (ایالات متحده) | 35% | | 3 | State Grid | 1.36 میلیون | 5.5 × 10¹⁶ | 49 h (چین) | 47% | | 4 | China National Petroleum | 1.03 میلیون | 4.1 × 10¹⁶ | 49 h (چین) | 47% | | 5 | JD.com | 951,420 | 3.8 × 10¹⁶ | 49 h (چین) | 47% | | 6 | BYD | 869,622 | 3.5 × 10¹⁶ | 49 h (چین) | 47% | | 7 | Accenture | 779,000 | 3.7 × 10¹⁶ | 57.58 h (هند) | 55% | | 8 | Allied Universal | 770,000 | 2.3 × 10¹⁶ | 36.52 h (ایالات متحده) | 35% | | 9 | China Post Group | 719,448 | 2.9 × 10¹⁶ | 49 h (چین) | 47% | | 10 | Russian Railways (RZD) | 677,363 | 2.2 × 10¹⁶ | 39.96 h (روسیه) | 38% | | 11 | Volkswagen Group | 662,942 | 2 × 10¹⁶ | 35.95 h (آلمان) | 34% | | 12 | Foxconn (Hon Hai) | 633,167 | 2.5 × 10¹⁶ | 49 h (چین) | 47% | | 13 | Schwarz Group | 604,000 | 1.6 × 10¹⁶ | 31.49 h (آلمان) | 30% | | 14 | Compass Group | 590,000 | 1.5 × 10¹⁶ | 31.7 h (ایالات متحده) | 30% | | 15 | Tata Consultancy Services | 584,510 | 2.8 × 10¹⁶ | 58.23 h (هند) | 56% | | 16 | DHL Group | 583,998 | 1.7 × 10¹⁶ | 35.81 h (آلمان) | 34% | | 17 | Sinopec | 513,434 | 2.1 × 10¹⁶ | 49 h (چین) | 47% | | 18 | Gazprom | 501,000 | 1.7 × 10¹⁶ | 40.47 h (روسیه) | 39% | | 19 | FedEx | 474,200 | 1.6 × 10¹⁶ | 39.98 h (ایالات متحده) | 38% | | 20 | Home Depot | 470,000 | 1.4 × 10¹⁶ | 36.3 h (ایالات متحده) | 35% | | 21 | China Mobile | 468,496 | 1.9 × 10¹⁶ | 49 h (چین) | 47% | | 22 | UPS | 460,000 | 1.5 × 10¹⁶ | 39.98 h (ایالات متحده) | 38% | | 23 | Agricultural Bank of China | 457,835 | 1.8 × 10¹⁶ | 49 h (چین) | 47% | | 24 | Concentrix | 455,000 | 1.7 × 10¹⁶ | 46.71 h (فیلیپین) | 45% | | 25 | Teleperformance | 446,716 | 2.2 × 10¹⁶ | 58.89 h (هند) | 56% | | 26 | Jardine Matheson | 443,000 | 1.5 × 10¹⁶ | 41.93 h (اندونزی) | 40% | | 27 | Sodexo | 426,464 | 1.1 × 10¹⁶ | 31.7 h (ایالات متحده) | 30% | | 28 | Capgemini | 423,400 | 2 × 10¹⁶ | 58.23 h (هند) | 56% | | 29 | Reliance Industries | 419,911 | 2.1 × 10¹⁶ | 59.57 h (هند) | 57% | | 30 | Edeka | 417,500 | 1.1 × 10¹⁶ | 31.49 h (آلمان) | 30% | | 31 | Luxshare Precision | 416,197 | 1.7 × 10¹⁶ | 49 h (چین) | 47% | | 32 | Target | 415,000 | 1.2 × 10¹⁶ | 36.3 h (ایالات متحده) | 35% | | 33 | Marriott International | 414,000 | 1.1 × 10¹⁶ | 31.7 h (ایالات متحده) | 30% | | 34 | Bosch | 412,400 | 1.2 × 10¹⁶ | 35.95 h (آلمان) | 34% | | 35 | ICBC | 409,758 | 1.6 × 10¹⁶ | 49 h (چین) | 47% | | 36 | Kroger | 403,000 | 1.2 × 10¹⁶ | 36.3 h (ایالات متحده) | 35% | | 37 | China Resources | 397,398 | 1.6 × 10¹⁶ | 49 h (چین) | 47% | | 38 | Magnit | 394,000 | 1.3 × 10¹⁶ | 39.69 h (روسیه) | 38% | | 39 | Toyota | 390,927 | 1.3 × 10¹⁶ | 39.6 h (ژاپن) | 38% | | 40 | UnitedHealth Group | 390,000 | 1.2 × 10¹⁶ | 36.87 h (ایالات متحده) | 35% | | 41 | X5 Group | 389,000 | 1.3 × 10¹⁶ | 39.69 h (روسیه) | 38% | | 42 | Berkshire Hathaway | 387,800 | 1.2 × 10¹⁶ | 37.75 h (ایالات متحده) | 36% | | 43 | AVIC | 384,000 | 1.5 × 10¹⁶ | 49 h (چین) | 47% | | 44 | Ahold Delhaize | 384,000 | 1.1 × 10¹⁶ | 36.3 h (ایالات متحده) | 35% | | 45 | China Telecom | 381,436 | 1.5 × 10¹⁶ | 49 h (چین) | 47% | | 46 | Starbucks | 381,000 | 9.9 × 10¹⁵ | 31.7 h (ایالات متحده) | 30% | | 47 | Rewe Group | 380,000 | 9.8 × 10¹⁵ | 31.49 h (آلمان) | 30% | | 48 | China Construction Bank | 378,344 | 1.5 × 10¹⁶ | 49 h (چین) | 47% | | 49 | TJX Companies | 377,000 | 1.1 × 10¹⁶ | 36.3 h (ایالات متحده) | 35% | | 50 | China State Construction Engineering | 370,272 | 1.5 × 10¹⁶ | 49 h (چین) | 47% | | 51 | FEMSA | 368,776 | 1.4 × 10¹⁶ | 47.09 h (مکزیک) | 45% | | 52 | Japan Post Holdings | 360,000 | 1.2 × 10¹⁶ | 41.6 h (ژاپن) | 40% | | 53 | Tesco | 354,744 | 9.3 × 10¹⁵ | 31.81 h (بریتانیا) | 30% | | 54 | Cognizant | 351,600 | 1.7 × 10¹⁶ | 58.23 h (هند) | 56% | | 55 | NTT | 344,196 | 1.1 × 10¹⁶ | 40.2 h (ژاپن) | 38% | | 56 | Costco | 341,000 | 1 × 10¹⁶ | 36.3 h (ایالات متحده) | 35% | | 57 | Infosys | 328,594 | 1.6 × 10¹⁶ | 58.23 h (هند) | 56% | | 58 | ISS | 325,000 | 1.6 × 10¹⁶ | 58.89 h (هند) | 56% | | 59 | Securitas | 322,000 | 9.7 × 10¹⁵ | 36.52 h (ایالات متحده) | 35% | | 60 | HCA Healthcare | 320,000 | 9.7 × 10¹⁵ | 36.87 h (ایالات متحده) | 35% | | 61 | Rosneft | 320,000 | 1.1 × 10¹⁶ | 40.47 h (روسیه) | 39% | | 62 | JPMorgan Chase | 318,512 | 1.1 × 10¹⁶ | 40.14 h (ایالات متحده) | 38% | | 63 | Siemens | 318,000 | 9.4 × 10¹⁵ | 35.95 h (آلمان) | 34% | | 64 | Bank of China | 313,746 | 1.3 × 10¹⁶ | 49 h (چین) | 47% | | 65 | Walgreens Boots Alliance | 312,000 | 9.3 × 10¹⁵ | 36.3 h (ایالات متحده) | 35% | | 66 | PepsiCo | 306,000 | 1 × 10¹⁶ | 40.7 h (ایالات متحده) | 39% | | 67 | China Railway Construction (CRCC) | 304,927 | 1.2 × 10¹⁶ | 49 h (چین) | 47% | | 68 | CHN Energy (China Energy Investment) | 303,418 | 1.2 × 10¹⁶ | 49 h (چین) | 47% | | 69 | China Railway Group (CREC) | 302,527 | 1.2 × 10¹⁶ | 49 h (چین) | 47% | | 70 | CK Hutchison | 300,000 | 8.6 × 10¹⁵ | 35.08 h (بریتانیا) | 33% | | 71 | CVS Health | 300,000 | 8.9 × 10¹⁵ | 36.3 h (ایالات متحده) | 35% | [ساعت‌ها و منابع](https://simulation-hypothesis.com/fa/entities/control). ## جانوران و دیگر موجودات زنده از سلول‌های تنهای بدون نورون تا مغز انسان. شمار نورون‌ها هرجا وجود دارد اندازه‌گیری شده است. ### بدون نورون * [Escherichia coli](https://simulation-hypothesis.com/fa/entities/ecoli)Escherichia coli 0 اندازه‌گیری‌شده یک سلول تنها بدون نورون. به سوی غذا می‌رود و حافظه‌ای شیمیایی دارد که چند ثانیه دوام می‌آورد. * [کپک لجن](https://simulation-hypothesis.com/fa/entities/physarum)Physarum polycephalum 0 اندازه‌گیری‌شده یک سلول غول‌آسا بدون نورون. هزارتو حل می‌کند و شبکه‌های حمل‌ونقل کارآمد می‌رویاند. * [گیاه حساس](https://simulation-hypothesis.com/fa/entities/mimosa)Mimosa pudica 0 اندازه‌گیری‌شده گیاهی که برگ‌هایش با لمس بسته می‌شود. یک مطالعه گزارش کرد که یاد می‌گیرد لمس‌های بی‌خطر را نادیده بگیرد. یک بازتحلیل بعدی این یافته را به چالش کشید. * [اسفنج](https://simulation-hypothesis.com/fa/entities/sponge)Porifera (مثلاً Amphimedon queenslandica) 0 اندازه‌گیری‌شده جانوری بدون نورون یا سیناپس که با این حال کل بدنش را هماهنگ منقبض می‌کند. ### شبکه‌های عصبی، بدون مغز * [هیدرا](https://simulation-hypothesis.com/fa/entities/hydra)Hydra vulgaris حدود 3,000 تا 5,000 برآورد یک کیسه‌تن آب شیرین کوچک. با شبکه‌ای عصبی پراکنده کنترل می‌شود و مغز ندارد. * [عروس دریایی جعبه‌ای](https://simulation-hypothesis.com/fa/entities/jellyfish)Tripedalia cystophora شمارش منتشرشده‌ای نیست عروس دریایی جعبه‌ای مغز مرکزی ندارد، با این حال یادگیری تداعی‌ای نشان داد. ### بی‌مهرگان دارای مغز * [کرم گرد](https://simulation-hypothesis.com/fa/entities/celegans)Caenorhabditis elegans 302 اندازه‌گیری‌شده کرمی حدود یک میلی‌متر که دقیقاً 302 نورون دارد. نخستین جانوری بود که نقشهٔ سیم‌کشی کامل‌اش ترسیم شد. * [مگس سرکه](https://simulation-hypothesis.com/fa/entities/drosophila)Drosophila melanogaster 139,255 اندازه‌گیری‌شده بزرگ‌ترین نمودار سیم‌کشی کامل مغز که تاکنون نقشه‌برداری شده، حدود 139,000 نورون را در بر می‌گیرد. * [زنبور عسل](https://simulation-hypothesis.com/fa/entities/honeybee)Apis mellifera حدود 1 میلیون برآورد حدود یک میلیون نورون، و زنبورها می‌توانند مفاهیم انتزاعی مثل «یکسان» و «متفاوت» را یاد بگیرند. * [مورچه (Camponotus / Formica)](https://simulation-hypothesis.com/fa/entities/ant)Camponotus spp. شمارش منتشرشده‌ای نیست مغزی کوچک که ناوبری دوربرد را با شمردن گام‌ها (انتگرال‌گیری مسیر) و به یاد سپردن نشانه‌ها انجام می‌دهد. * [عنکبوت جهندهٔ Portia](https://simulation-hypothesis.com/fa/entities/portia)Portia fimbriata / labiata شمارش منتشرشده‌ای نیست عنکبوتی جهنده که مسیرهای دور را برنامه‌ریزی می‌کند. راه‌هایی می‌رود که از طعمه و از دیدش دور می‌شود. * [خرچنگ ساحلی / خرچنگ دراز](https://simulation-hypothesis.com/fa/entities/decapod)Carcinus maenas; Procambarus / Astacus spp. شمارش منتشرشده‌ای نیست خرچنگ‌ها و خرچنگ‌های دراز. یک بررسی دولتی در 2021 شواهد قوی یافت که خرچنگ‌های حقیقی دارای احساس‌اند. * [هشت‌پای معمولی](https://simulation-hypothesis.com/fa/entities/octopus)Octopus vulgaris 500 میلیون برآورد بیشتر نورون‌هایش در بازوهایش است. یک بررسی در 2021 شواهد بسیار قوی یافت که دارای احساس است. ### ماهی‌ها و دوزیستان * [ماهی گورخری](https://simulation-hypothesis.com/fa/entities/zebrafish)Danio rerio شمارش منتشرشده‌ای نیست ماهی کوچکی که در علوم اعصاب فراوان به کار می‌رود. نورون‌هایش کاملاً شمرده نشده‌اند. مغز بزرگسال حدود 10 میلیون سلول دارد. * [ماهی لب‌پهن پاک‌کننده](https://simulation-hypothesis.com/fa/entities/wrasse)Labroides dimidiatus شمارش منتشرشده‌ای نیست ماهی صخره‌ای که صورتی از آزمون نشان آینه را گذراند. دربارهٔ اینکه این چه چیزی را نشان می‌دهد اختلاف نظر هست. * [قورباغه](https://simulation-hypothesis.com/fa/entities/frog)Anura (مثلاً Xenopus / Rana) شمارش منتشرشده‌ای نیست اعلامیهٔ نیویورک 2024 می‌گوید امکان واقع‌بینانهٔ تجربهٔ آگاهانه در دوزیستان وجود دارد. ### پرندگان * [کبوتر چاهی](https://simulation-hypothesis.com/fa/entities/pigeon)Columba livia 310 میلیون اندازه‌گیری‌شده صدها میلیون نورون در مغزی کوچک. کبوترها می‌توانند تصاویر پیچیده را دسته‌بندی کنند. * [کلاغ سیاه](https://simulation-hypothesis.com/fa/entities/raven)Corvus corax 2.17 میلیارد اندازه‌گیری‌شده بیش از دو میلیارد نورون، فشرده. کلاغ‌های سیاه رقبای منفرد را به یاد می‌آورند. * [کلاغ کالدونیای جدید](https://simulation-hypothesis.com/fa/entities/nccrow)Corvus moneduloides شمارش منتشرشده‌ای نیست از شاخه و سیم ابزار قلاب‌دار می‌سازد. نورون‌هایش شمرده نشده‌اند. * [طوطی خاکستری آفریقایی](https://simulation-hypothesis.com/fa/entities/greyparrot)Psittacus erithacus 1.57 میلیارد اندازه‌گیری‌شده حدود 1.6 میلیارد نورون. دهه‌ها مطالعهٔ آزمایشگاهی عددشناسی و دسته‌بندی. ### Mammals * [موش](https://simulation-hypothesis.com/fa/entities/mouse)Mus musculus 70.9 میلیون اندازه‌گیری‌شده حدود 71 میلیون نورون. موش‌ها حالت‌های چهره‌ای درد نشان می‌دهند که قابل‌اندازه‌گیری است. * [موش صحرایی](https://simulation-hypothesis.com/fa/entities/rat)Rattus norvegicus 200 میلیون اندازه‌گیری‌شده حدود 200 میلیون نورون. موش‌های صحرایی هم‌قفسی‌های گرفتار را آزاد می‌کنند. * [گربهٔ خانگی](https://simulation-hypothesis.com/fa/entities/cat)Felis catus 1.22 میلیارد اندازه‌گیری‌شده حدود 250 میلیون نورون در قشر مخ. * [سگ خانگی](https://simulation-hypothesis.com/fa/entities/dog)Canis familiaris 1.8 تا 2.6 میلیارد، بسته به سگ اندازه‌گیری‌شده تا حدود 600 میلیون نورون قشری، بسته به سگ. این بیشتر از گربه‌هاست. * [خوک اهلی](https://simulation-hypothesis.com/fa/entities/pig)Sus scrofa domesticus 2.22 میلیارد اندازه‌گیری‌شده خوک‌ها یاد می‌گیرند آینه چه نشان می‌دهد و از آن برای یافتن غذا استفاده می‌کنند. * [دلفین بطری‌پوزه](https://simulation-hypothesis.com/fa/entities/dolphin)Tursiops truncatus شمارش منتشرشده‌ای نیست آزمون‌های بازشناسی خود در آینه را می‌گذراند. شمار نورون اندازه‌گیری‌شده‌ای برای دلفین بطری‌پوزه نیست. * [فیل آفریقایی](https://simulation-hypothesis.com/fa/entities/elephant)Loxodonta africana 257 میلیارد اندازه‌گیری‌شده 257 میلیارد نورون، سه برابر انسان، تقریباً همه در مخچه. * [شامپانزه](https://simulation-hypothesis.com/fa/entities/chimp)Pan troglodytes حدود 28 میلیارد (پیش‌بینی‌شده از قاعده‌های مقیاس، نه شمرده‌شده) برآورد یکی از دو خویشاوند زندهٔ نزدیک ما (در کنار بونوبو). آزمون آینه را می‌گذراند. * [انسان](https://simulation-hypothesis.com/fa/entities/human)Homo sapiens 86.1 میلیارد اندازه‌گیری‌شده 86 میلیارد نورون، 16 میلیارد آن در قشر مخ. ما تنها گونه‌ای هستیم که اعضایش می‌توانند دربارهٔ تجربهٔ خود گزارش کلامی بدهند. ## سامانه‌های جمعی گروه‌هایی که تصمیم‌هایی می‌گیرند که هیچ عضوی تنها نمی‌گیرد. آن‌ها را به‌عنوان هوش جمعی مطالعه می‌کنند، نه به‌عنوان ذهن. * [کلنی‌های مورچه](https://simulation-hypothesis.com/fa/entities/c-ants)کلنی‌ها لانهٔ بهتر را برمی‌گزینند چون هر مورچه از یک آستانهٔ حدنصاب پیروی می‌کند. هیچ مورچه‌ای جایگاه‌ها را در مجموع مقایسه نمی‌کند. * [دسته‌های زنبور عسل](https://simulation-hypothesis.com/fa/entities/c-bees)دسته‌ها بهترین حفره را از راه رقابت میان پیشاهنگان و یک حدنصاب برمی‌گزینند. سیگنال‌های توقف مهار متقابل فراهم می‌کنند که بن‌بست‌ها را می‌شکند. * [دسته‌های سار](https://simulation-hypothesis.com/fa/entities/c-starlings)هر پرنده شمار ثابتی همسایه را دنبال می‌کند (حدود 6-7)، نه هر پرنده‌ای در فاصله‌ای ثابت. این را برهم‌کنش توپولوژیک، نه متریک، می‌نامند. * [دسته‌های ماهی](https://simulation-hypothesis.com/fa/entities/c-fish)دسته‌ها برای تصمیم‌گیری از قاعده‌های حدنصاب استفاده می‌کنند. گروه‌های بزرگ می‌توانند شیب‌های محیطی را حس کنند که هیچ ماهی تنهایی نمی‌تواند. ## سامانه‌های مصنوعی انواع هوش ماشینی، دسته‌بندی‌شده بر پایهٔ شیوهٔ کارشان. هیچ سامانهٔ کنونی نامزد قوی آگاهی شمرده نمی‌شود. * [سامانه‌های خبره قاعده‌محور](https://simulation-hypothesis.com/fa/entities/ai-expert)برنامه‌هایی که دانش یک کارشناس حوزه را به‌صورت قاعده‌های صریح اگر-آنگاه رمزگذاری می‌کنند. یک موتور استنتاج قاعده‌ها را پشت‌سرهم اعمال می‌کند تا به نتیجه برسد، معمولاً با توضیحی از استدلالش. * [موتورهای جست‌وجوی درخت بازی (شطرنج)](https://simulation-hypothesis.com/fa/entities/ai-chess)برنامه‌هایی که دنباله‌های حرکت ممکن را تا عمقی ثابت برمی‌شمارند و موقعیت‌های حاصل را با یک تابع ارزیابی دست‌ساز امتیاز می‌دهند. شاخه‌هایی را که نمی‌توانند انتخاب را عوض کنند هرس می‌کنند (مینیمکس با هرس آلفا-بتا). * [عامل‌های یادگیری تقویتی عمیق](https://simulation-hypothesis.com/fa/entities/ai-drl)شبکه‌های عصبی که با آزمون‌وخطا آموزش دیده‌اند تا یک سیگنال پاداش را بیشینه کنند. با تعامل با یک محیط، اغلب شبیه‌سازی‌شده مانند یک بازی، سیاست یا تابع ارزش را یاد می‌گیرند. * [مدل‌های زبانی بزرگ](https://simulation-hypothesis.com/fa/entities/ai-llm)شبکه‌های عصبی ترنسفورمر که برای پیش‌بینی توکن بعدی در پیکره‌های متنی بسیار بزرگ آموزش دیده‌اند، و اغلب سپس با بازخورد انسانی تنظیم می‌شوند. * [ربات‌های تن‌یافته](https://simulation-hypothesis.com/fa/entities/ai-robots)ماشین‌هایی با حسگر و عملگر که در جهان فیزیکی عمل می‌کنند. اغلب به‌جای یک مدل جهان مرکزی از کنترل واکنشی لایه‌ای استفاده می‌کنند، پس رفتار از حلقهٔ میان بدن و محیط پدید می‌آید. * [سخت‌افزار نورومورفیک](https://simulation-hypothesis.com/fa/entities/ai-neuromorphic)تراشه‌هایی که مدارهایشان نورون‌ها و سیناپس‌های اسپایکی را تقلید می‌کند. رویدادمحورند و توان کمی مصرف می‌کنند، برخلاف طرح مرسوم پردازنده و حافظه. ## ذهن‌های فرضی ذهن‌هایی که در ادبیات علمی و فلسفی پیشنهاد شده‌اند. هیچ‌کس یکی را مشاهده نکرده است. * [شبیه‌سازی کامل مغز](https://simulation-hypothesis.com/fa/entities/h-wbe)مشاهده‌نشده پویش یک مغز با جزئیات ریز و اجرای یک مدل نرم‌افزاری از آن. * [ذهن‌های شبیه‌سازی‌شده در شبیه‌سازی‌های نیاکان](https://simulation-hypothesis.com/fa/entities/h-ancestor)مشاهده‌نشده سه‌گانهٔ بوستروم: یا تقریباً هیچ تمدنی به مرحلهٔ پساانسانی نمی‌رسد، یا تقریباً هیچ‌کدام شبیه‌سازی نیاکان اجرا نمی‌کنند، یا ما تقریباً به‌یقین در یکی زندگی می‌کنیم. * [مغزهای بولتزمان](https://simulation-hypothesis.com/fa/entities/h-boltzmann)مشاهده‌نشده ناظرانی مغزمانند که از نوسان‌های نادر گرمایی یا کوانتومی پدید می‌آیند. * [بارگذاری ذهن با جایگزینی تدریجی](https://simulation-hypothesis.com/fa/entities/h-uploading)مشاهده‌نشده جایگزین کردن نورون‌ها یکی‌یکی با قطعات مصنوعی که کارکردشان یکسان است. * [ابرهوش](https://simulation-hypothesis.com/fa/entities/h-superintelligence)مشاهده‌نشده عقلی فرضی که در تقریباً همهٔ حوزه‌ها بسیار فراتر از عملکرد انسان است. کتاب بوستروم راه‌های رسیدن به آن (شبیه‌سازی کامل مغز، شناخت زیستی، هوش مصنوعی)، صورت‌هایش و مسائل کنترل را تحلیل می‌کند. نسخهٔ داده 2.0.0\. [دانلود (JSON)](https://simulation-hypothesis.com/entities/minds.json).