اوپن‌ای‌آی خانواده جی‌پی‌تی ۵.۶ را عرضه کرد: چگونه سول، ترا و لونا اقتصاد هوش مصنوعی را متحول می‌کنند

اوپن‌ای‌آی رسماً جی‌پی‌تی ۵.۶ را عرضه کرد، که نشان‌دهنده یک تغییر اساسی در نحوه بسته‌بندی و ارائه هوش مصنوعی پیشرفته توسط این شرکت است. به جای انتشار یک مدل واحد و یکپارچه، این شرکت یک خانواده سه‌سطحی شامل سول (Sol)، ترا (Terra) و لونا (Luna) را معرفی کرده است. این رویکرد لایه‌ای برای حل اصطکاک اقتصادی فزاینده در هوش مصنوعی سازمانی طراحی شده است، جایی که سیستم‌های مستقل توکن‌های محاسباتی را با سرعتی مصرف می‌کنند که از کاهش قیمت‌ها پیشی می‌گیرد.[1][4]

اوپن‌ای‌آی با ارائه سطوح قابلیت متمایز، به توسعه‌دهندگان اجازه می‌دهد تا وظایف را بر اساس پیچیدگی مسیریابی کنند، نه اینکه برای کارهای روتین، قیمت‌های مدل پرچمدار را بپردازند. سول به عنوان مدل پرچمدار عمل می‌کند، که به طور خاص برای استدلال پیچیده، کدنویسی با افق طولانی و جریان‌های کاری عامل‌محور (Agentic Workflows) طراحی شده است—سناریوهایی که در آن‌ها هوش مصنوعی به صورت مستقل برای تکمیل وظایف چندمرحله‌ای عمل می‌کند، نه صرفاً پاسخ دادن به یک فرمان واحد.[2][7]

قیمت سول ۵ دلار به ازای هر میلیون توکن ورودی و ۳۰ دلار به ازای هر میلیون توکن خروجی است، که آن را به عنوان مدل اصلی برای وظایفی که نیاز به پایداری در چندین فایل و استنتاج منطقی عمیق دارند، قرار می‌دهد. ترا به عنوان گزینه پیش‌فرض متعادل در وسط قرار دارد. قیمت آن دقیقاً نصف سول است—۲.۵۰ دلار برای ورودی و ۱۵ دلار برای خروجی—و عملکردی رقابتی با نسل قبلی خود یعنی جی‌پی‌تی ۵.۵ ارائه می‌دهد، که آن را به نقطه بهینه عملی برای کدنویسی تعاملی روزمره تبدیل می‌کند.[4][7]

لونا سریع‌ترین و مقرون‌به‌صرفه‌ترین سطح است که تنها ۱ دلار به ازای هر میلیون توکن ورودی و ۶ دلار به ازای هر میلیون توکن خروجی هزینه دارد. این مدل برای کارهای با حجم بالا و استدلال کم مانند دسته‌بندی اولیه، خلاصه‌سازی و بررسی‌های اولیه کد طراحی شده است، جایی که سرعت و بودجه محدودیت‌های اصلی هستند.[4][5]

معماری زیربنایی خانواده جی‌پی‌تی ۵.۶ یک پنجره متنی (Context Window) عظیم ۱.۰۵ میلیون توکنی را معرفی می‌کند—مقدار متن یا کدی که هوش مصنوعی می‌تواند در حافظه کوتاه‌مدت خود به طور همزمان نگه دارد. این حافظه گسترده به مدل‌ها اجازه می‌دهد تا کل پایگاه‌های کد یا کتابخانه‌های اسناد را به یکباره جذب کنند، که نیاز به تقسیم وظایف بزرگ به بخش‌های کوچک‌تر و نامرتبط را به شدت کاهش می‌دهد.[1][7]

این حافظه عظیم با یک تنظیم جدید به نام «حداکثر تلاش استدلالی» (max reasoning effort) همراه شده است، که به مدل‌ها اجازه می‌دهد قبل از تولید پاسخ، زمان محاسباتی بیشتری را صرف فکر کردن کنند. با این حال، شاید مهم‌ترین افزودنی معماری، «حالت اولترا» (Ultra mode) باشد. این ویژگی فراتر از یک تنظیم تک‌عاملی عمل می‌کند و با راه‌اندازی خودکار زیرعامل‌ها (subagents)، بخش‌های مختلف یک مسئله پیچیده را به صورت موازی حل می‌کند.[1]

به عنوان مثال، در حالی که یک زیرعامل یک تابع اصلی نرم‌افزاری را می‌نویسد، دیگری می‌تواند همزمان تست‌های واحد مربوطه را پیش‌نویس کند و سومی می‌تواند کد را برای آسیب‌پذیری‌های امنیتی بررسی کند. این پردازش موازی کار پیچیده را به طور قابل توجهی تسریع می‌کند، اگرچه برای جلوگیری از هزینه‌های محاسباتی سرسام‌آور نیاز به نظارت دقیق دارد.[1][2]

ادعاهای عملکردی، که توسط معیارهای مستقل پشتیبانی می‌شوند، نشان‌دهنده یک تغییر چشمگیر در نسبت هزینه به قابلیت در صنعت هستند. در معیار DeepSWE، که قابلیت‌های مهندسی نرم‌افزار را آزمایش می‌کند، مدل سطح پایه لونا ۶۷.۲٪ امتیاز کسب کرد و از مدل کلود اوپوس ۴.۸ شرکت انتروپیک پیشی گرفت، در حالی که هزینه آن کمتر از یک چهارم قیمت رقیب است.[5]

ترا نیز به طور مشابه بازار میان‌رده را متحول کرد و عملاً با مدل کلود فیبل ۵ در شاخص عامل کدنویسی تحلیل مصنوعی (Artificial Analysis Coding Agent Index) با امتیاز ۷۷.۴ برابر شد، اما با کسری از هزینه تخمینی API. این امر به تیم‌های مهندسی اجازه می‌دهد تا وظایف را به ترا ارتقا دهند بدون اینکه بودجه محاسباتی خود را بشکنند، و سول را فقط برای پیچیده‌ترین مسائل ذخیره کنند.[5]

در همین حال، سول رکوردهای جدیدی را در ارزیابی‌های سطح بالا ثبت کرد. این مدل در Terminal-Bench 2.1، که یک آزمون دقیق برای جریان‌های کاری خط فرمان است و نیاز به برنامه‌ریزی، تکرار و هماهنگی ابزار دارد، یک نقطه عطف جدید ایجاد کرد. به گفته اوپن‌ای‌آی، سول ۵۴٪ بهبود در کارایی توکن برای کدنویسی عامل‌محور در مقایسه با مدل‌های قبلی نشان می‌دهد.[1][4]

فراتر از کدنویسی، سول جهش‌های قابل توجهی در استدلال علمی نشان داد. در GeneBench v1، که تحلیل‌های ژنومیک با افق طولانی و زیست‌شناسی کمی را ارزیابی می‌کند، مدل پرچمدار نتایج قوی‌تری نسبت به جی‌پی‌تی ۵.۵ کسب کرد در حالی که از توکن‌های کمتری استفاده نمود، که نشان‌دهنده کاربرد آن برای تحقیقات دارویی و دانشگاهی است.[1]

با این حال، این قابلیت‌های پیشرفته با ریسک‌های بالایی همراه هستند. کارت سیستم خود اوپن‌ای‌آی هر سه سطح—از جمله لونا که سبک‌تر است—را در سطح ریسک «بالا» برای سوءاستفاده‌های امنیت سایبری و بیولوژیکی یا شیمیایی ارزیابی می‌کند. این مدل‌ها قابلیت‌های قوی در تحقیق و بهره‌برداری از آسیب‌پذیری‌ها در معیارهایی مانند ExploitBench نشان می‌دهند.[1][4]

برای کاهش این خطرات، اوپن‌ای‌آی قوی‌ترین پشته ایمنی خود را تا به امروز پیاده‌سازی کرده است. مدل‌ها با آگاهی پیشرفته از امنیت سایبری آموزش دیده‌اند و با بررسی‌های بلادرنگ مستقر شده‌اند که طراحی شده‌اند تا فعالیت‌های تهاجمی ممنوعه را دشوارتر و قابل شناسایی کنند، بدون اینکه کار امنیتی دفاعی مشروع، مانند توسعه وصله‌ها و ممیزی سیستم، مسدود شود.[1][7]

عرضه این مدل‌ها به طور قابل توجهی با یک بررسی موقت ایمنی هوش مصنوعی توسط دولت ایالات متحده همراه بود. اوپن‌ای‌آی عرضه را به صورت مرحله‌ای انجام داد و در ابتدا یک پیش‌نمایش محدود را در اختیار گروه کوچکی از شرکای مورد اعتماد قرار داد که مشارکت آن‌ها با دولت به اشتراک گذاشته شد، که نشان‌دهنده عصر جدیدی از نظارت نظارتی بر مدل‌های پیشرفته است.[1][3]

برای کاربران روزمره، تأثیر جی‌پی‌تی ۵.۶ بلافاصله از طریق ادغام‌های نرم‌افزاری سازمانی احساس خواهد شد. مایکروسافت اعلام کرد که جی‌پی‌تی ۵.۶ اکنون مدل ترجیحی در مایکروسافت ۳۶۵ کوپایلوت است و به برنامه‌های ورد، اکسل، پاورپوینت و یک ابزار همکاری جدید به نام کوورک (Cowork) قدرت می‌بخشد.[1]

در این برنامه‌ها، مدل‌ها طوری طراحی شده‌اند که به دورهای کمتری از فرمان‌دهی (prompting) نیاز داشته باشند. در اکسل، جی‌پی‌تی ۵.۶ از تحلیل عمیق‌تر داده‌ها پشتیبانی می‌کند، در حالی که در پاورپوینت، می‌تواند ایده‌های اولیه را با راهنمایی دستی کمتر به ارائه‌های صیقلی تبدیل کند، و از کارایی بهبودیافته توکن مدل‌ها برای کاهش اصطکاک کاربر استفاده می‌کند.[1]

توسعه‌دهندگان نیز شاهد ادغام فوری هستند، زیرا خانواده جی‌پی‌تی ۵.۶ در حال عرضه به گیت‌هاب کوپایلوت است. مدیران اکنون می‌توانند سیاست‌هایی را فعال کنند که به توسعه‌دهندگان اجازه می‌دهد سول، ترا یا لونا را مستقیماً در محیط‌های توسعه یکپارچه خود انتخاب کنند و هزینه محاسباتی را با وظیفه کدنویسی خاص مطابقت دهند.[6]

معرفی کش‌سازی صریح فرمان (prompt caching)—تکنیکی که متن پردازش شده قبلی را ذخیره می‌کند تا مدل مجبور نباشد دوباره آن را بخواند—اقتصاد استفاده از این مدل‌ها را بیشتر تغییر می‌دهد. با حداقل عمر کش ۳۰ دقیقه‌ای، یک عامل که ساعت‌ها یک مخزن (repository) مشابه را می‌خواند، هزینه‌های ورودی بسیار کمتری خواهد داشت، که وظایف مستقل طولانی‌مدت را برای استارتاپ‌های کوچک‌تر از نظر مالی مقرون‌به‌صرفه می‌سازد.[2]

در نهایت، خانواده جی‌پی‌تی ۵.۶ نشان‌دهنده بلوغ بازار هوش مصنوعی مولد است. تمرکز از صرفاً ساخت بزرگترین مدل ممکن به ایجاد یک اکوسیستم لایه‌ای و بسیار کارآمد تغییر یافته است که در آن هزینه، سرعت و عمق استدلال می‌تواند به صورت پویا تنظیم شود تا دقیقاً با نیازهای کاربر مطابقت داشته باشد.[2][5]