معرفی GPT-6.2 Astra و GPT-6.2 Sol؛ نسل جدید مدلهای هوش مصنوعی OpenAI
هر دو مدل در انجام وظایف دشوار عملکرد بهتری دارند و برای تولید خروجی به توکنهای کمتری نیاز پیدا میکنند. این بهینهسازی به کاربران امکان میدهد در محدوده مصرف خود وظایف بیشتری انجام دهند و برای کسبوکارها و توسعهدهندگان نیز به معنای دسترسی به عملکرد پیشرفته…
خلاصه تحلیلی خبر
هر دو مدل در انجام وظایف دشوار عملکرد بهتری دارند و برای تولید خروجی به توکنهای کمتری نیاز پیدا میکنند. این بهینهسازی به کاربران امکان میدهد در محدوده مصرف خود وظایف بیشتری انجام دهند و برای کسبوکارها و توسعهدهندگان نیز به معنای دسترسی به عملکرد پیشرفته…
موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، امنیت سایبری، Astra، GPT-6، مدل
هر دو مدل در انجام وظایف دشوار عملکرد بهتری دارند و برای تولید خروجی به توکنهای کمتری نیاز پیدا میکنند. این بهینهسازی به کاربران امکان میدهد در محدوده مصرف خود وظایف بیشتری انجام دهند و برای کسبوکارها و توسعهدهندگان نیز به معنای دسترسی به عملکرد پیشرفته با هزینه اقتصادیتر در مقیاس وسیع است.
GPT-6.2 Astra؛ عملکرد پیشرفته در کارهای حرفهای و علمی
GPT-6.2 Astra استاندارد جدیدی برای استفاده از هوش مصنوعی در فعالیتهای حرفهای پیچیده تعریف میکند. این مدل در تولید اسلاید، صفحهگسترده و اسناد، خروجیهایی با کیفیت بالاتر ارائه میدهد که بهتر با قالبهای ارائهشده از سوی کاربر و استانداردهای تخصصی حوزههای مختلف مطابقت دارند. نگارش آن مستقیمتر و دقیقتر است و از جملات کلی، نتیجهگیریهای تکراری و مطالب غیرضروری کمتری استفاده میکند.
در برنامهنویسی نیز Astra کدهای منسجمتری تولید میکند و در توسعه رابطهای کاربری عملکرد بهتری دارد؛ بهویژه در طراحی وبسایت، بازی و پروژههای سهبعدی. این مدل همچنین در اجرای تغییرات پیچیده در کدبیسهای موجود، انتخاب ابزارهای مناسب و آزمایش تغییرات عملکرد بهتری نشان میدهد.
در آزمون Agents’ Last Exam که توانایی مدلها را در انجام وظایف حرفهای چندمرحلهای ارزیابی میکند، GPT-6.2 Astra رکورد جدیدی ثبت کرده است. امتیاز آن ۵.۲ واحد بیشتر از GPT-6 Astra و ۵.۵ واحد بالاتر از Claude Fable 5.2 است؛ درحالیکه هزینه عملکرد آن به ترتیب کمتر از یکسوم و حدود ۵ درصد هزینه مدلهای یادشده گزارش شده است.
OpenAI همچنین GPT-6.2 Astra را بهترین مدل جهان برای دانشمندان میداند. این مدل در آزمون Terminal-Bench-Science 0.1 که توانایی انجام فعالیتهای علمی در محیط ترمینال را میسنجد، رکورد جدیدی ثبت کرده و ۹ واحد درصد بالاتر از GPT-6 Astra امتیاز گرفته است؛ آن هم با هزینهای کمتر از یکسوم. Astra در شاخص Vals Science Index نیز به بالاترین امتیاز رسیده است. این بنچمارک توانایی مدلها را در تفسیر دادههای زیستی واقعی و اجرای آزمایشهایی برای استنباط نحوه عملکرد یک سیستم شبیهسازیشده بررسی میکند.
در ارزیابی داخلی GDPval v2 نیز که فرایندهای کاری پیچیده و بلندمدت در حوزههایی مانند مشاوره، امور مالی و طراحی را بررسی میکند، GPT-6.2 Astra در میان مدلهای آزمایششده پیشتاز است. امتیاز آن نسبت به GPT-6 Astra، ۶.۲ واحد درصد افزایش یافته، درحالیکه ۲۲ درصد توکن خروجی کمتری مصرف میکند. GPT-6.2 Sol نیز نسبت به نسخه قبلی خود، GPT-6.1 Sol، بهبود ۵.۳ واحدی داشته است.
طراحی اکسل، اسلاید، رابط کاربری و مدلسازی سهبعدی
این مدل همچنین در ساخت فایلهای مالی Excel عملکرد بهتری نشان میدهد. در یک آزمایش، از آن خواسته شد برای یک شرکت فرضی فناوری کشاورزی، درآمد بخشهای مختلف را تا سال ۲۰۳۱ پیشبینی کند، تطبیق سه صورت مالی را بررسی کند و ارزش هر سهم را با فرض نرخ تنزیل ۸ درصد و رشد دائمی ۳ درصد محاسبه کند. Astra اطلاعات مربوط به ترکیب درآمد، محاسبه ارزش شرکت و ارزش هر سهم را در کنار جدول تحلیل حساسیت قرار داد تا ارتباط میان اجزای مختلف ارزشگذاری برای خواننده روشنتر باشد.
GPT-6.2 Astra تاکنون بهترین عملکرد OpenAI در طراحی اسلاید و پیروی از قالبهای ارائهشده را ثبت کرده است. این مدل میتواند حتی با دریافت تصویر یک اسلاید، چیدمان، رنگها و تایپوگرافی آن را با دقت بازسازی کند و سبک نگارش قالب را در اسلایدهای جدید حفظ کند. عنوانهای دقیقتر و متنهای مختصرتر نیز باعث شدهاند خروجیها به ویرایش کمتری نیاز داشته باشند.
در حوزه طراحی وب، توانایی استدلال بصری Astra به آن کمک میکند چیدمان و تصاویر متناسب با هدف هر وبسایت را انتخاب کند. این پیشرفت در طراحی سهبعدی نیز قابلمشاهده است. هر دو مدل Astra و Sol میتوانند یک توضیح متنی را به تجربهای تعاملی در مرورگر تبدیل کنند.
Astra همچنین در ابزارهای طراحی به کمک رایانه (CAD) و شبیهسازی عملکرد دقیقتری دارد. برای نمونه، در یک پروژه شبیهسازی دینامیک شاسی خودرو در جاده کوهستانی، مدل یک نمونه سهبعدی ساخت، حلگر پایتون برای شبیهسازی تعامل پیچیده تایرها و سیستم تعلیق نوشت و نتایج را در Blender بهصورت انیمیشن نمایش داد. این قابلیت به مهندسان کمک میکند طرحهای جدید را سریعتر آزمایش کنند و دقت شبیهسازیها را بهبود دهند.
GPT-6.2 Sol؛ مدل کارآمد برای فعالیتهای روزمره
GPT-6.2 Sol در مقایسه با GPT-6.1 Sol هوشمندتر و کارآمدتر شده و به کاربران امکان میدهد با همان اشتراک پولی، وظایف بیشتری انجام دهند. این مدل در گردشکارهای چندمرحلهای مبتنی بر عاملهای هوشمند عملکرد خوبی دارد، متنی روان و طبیعی تولید میکند و همکاری با آن سادهتر است. OpenAI اعلام کرده است بسیاری از کارکنان این شرکت از Sol بهعنوان مدل پیشفرض خود برای وظایف فنی و غیرفنی استفاده میکنند.
در آزمون FrontierCode 2.0، مدل GPT-6.2 Sol با وجود هزینهای حدود یکپنجم GPT-6.2 Astra، در فاصله ۰.۵ امتیازی آن قرار گرفته است. در ارزیابی LifeVal نیز که عملکرد مدلها را در انجام وظایف دشوار روزمره میسنجد، GPT-6.2 Sol توانسته است از GPT-6 Astra امتیاز بیشتری کسب کند؛ با هزینهای حدود یکهفتم آن.
امنیت سایبری، همترازی و سازوکارهای حفاظتی
هر دو مدل GPT-6.2 Astra و Sol در قابلیتهای امنیت سایبری پیشرفت قابلتوجهی داشتهاند. آنها آسیبپذیریها را مؤثرتر شناسایی و از آنها سوءاستفاده میکنند، کدهای امنتری مینویسند و وصلههای نرمافزاری بهتری تولید میکنند. OpenAI همچنین آموزش این مدلها را با تمرکز بر کمک به توسعهدهندگان برای پیشگیری و اصلاح آسیبپذیریها تقویت کرده است.
بااینحال، به دلیل افزایش تواناییها، OpenAI محدودیتهای حفاظتی سختگیرانهتری برای درخواستهای امنیت سایبری در نظر گرفته است. این محدودیتها احتمال سوءاستفاده را کاهش میدهند، اما ممکن است برخی فعالیتهای مشروع پژوهشی و آزمایش امنیتی را نیز محدود کنند. هر دو مدل در چارچوب آمادگی OpenAI، به آستانه بحرانی (Critical) در قابلیتهای امنیت سایبری و آستانه بالا (High) در قابلیتهای زیستی و شیمیایی رسیدهاند.
GPT-6.2 Astra همچنین نخستین مدل عمومی OpenAI است که در ارزیابی خودبهبودی هوش مصنوعی (AI Self-improvement) به آستانه High دست یافته است. این ارزیابی توانایی مدل در تسریع پژوهشهای هوش مصنوعی را اندازهگیری میکند.
قیمتگذاری و دسترسی
GPT-6.2 Astra و GPT-6.2 Sol از زمان رونمایی برای کاربران Plus، Pro، Enterprise و Edu در ChatGPT Work و Codex در دسترس قرار گرفتهاند. توسعهدهندگان نیز میتوانند از طریق API به این دو مدل دسترسی داشته باشند.
قیمت API مدل GPT-6.2 Astra نسبت به GPT-6 Astra برای توکنهای ورودی و خروجی ۲۰ درصد کاهش یافته و تخفیف توکنهای ورودی ذخیرهشده در حافظه نهان (Cached Input) به ۶۰ درصد رسیده است. هزینه بهازای هر یک میلیون توکن شامل ۸ دلار برای ورودی، ۰.۴۰ دلار برای ورودی ذخیرهشده و ۴۰ دلار برای خروجی است.
قیمتگذاری GPT-6.2 Sol نسبت به GPT-6.1 Sol تغییری نکرده است: ۲ دلار برای هر یک میلیون توکن ورودی، ۰.۱۰ دلار برای ورودی ذخیرهشده و ۱۰ دلار برای خروجی.
OpenAI همچنین توصیه کرده است برای بهبود استفاده مجدد از حافظه نهان، کاهش هزینه و تأخیر و حفظ فرایند استدلال میان نوبتهای مکالمه، پیشوندهای پرامپت بدون تغییر باقی بمانند و دستورالعملهای جدید در ادامه آنها اضافه شوند.
در مجموع، GPT-6.2 Astra و GPT-6.2 Sol با تمرکز بر افزایش کیفیت خروجی، بهبود بهرهوری توکن و کاهش هزینه انجام وظایف عرضه شدهاند. Astra برای فعالیتهای پیچیده حرفهای، علمی و مهندسی طراحی شده و Sol گزینهای کارآمد برای استفاده روزمره و گردشکارهای چندمرحلهای است.
برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.