OpenAI-მ GPT-6 Sol და GPT-6 Luna წარადგინა – ორი ახალი მოდელი, რომლებიც GPT-6 Astra-ს მიღწევებს უფრო სწრაფ და ხელმისაწვდომ ფორმატში იყენებს. კომპანია მათ ყოველდღიური სამუშაოსა და დიდი მოცულობის ამოცანებისთვის განკუთვნილ მოდელებად წარმოაჩენს.
OpenAI-ის განცხადებით, ქეშირებისა და გამოთვლითი პროცესის გაუმჯობესებამ მომსახურების ხარჯი შეამცირა. კომპანია ამ დანაზოგს მომხმარებლებს API-ის დაბალი ფასებით გადასცემს და GPT-5.6-ის აქციურ ტარიფებთან შედარებით 50%-იან გაიაფებას აცხადებს.
სარჩევი
GPT-6 Sol და GPT-6 Luna: რომელი რისთვისაა შექმნილი
Sol რთული პროგრამირებისა და AI აგენტების სამუშაო პროცესებისთვისაა განკუთვნილი. Luna კი კონკრეტული, განმეორებადი ამოცანების დიდი მოცულობით შესრულებაზეა ორიენტირებული, როცა სიჩქარესა და ფასს განსაკუთრებული მნიშვნელობა აქვს.
GPT-6 Astra ოჯახის ყველაზე შესაძლებლობებიან მოდელად რჩება. OpenAI-ის მიდგომით, არჩევანი უნდა მოერგოს სამუშაოს სირთულეს, პასუხისთვის საჭირო დროსა და ბიუჯეტს.
ოფიციალური დოკუმენტაციის მიხედვით, ორივე ახალ მოდელს 1,050,000 ტოკენის კონტექსტი და მაქსიმუმ 128,000 გამომავალი ტოკენის მხარდაჭერა აქვს. კონტექსტი განსაზღვრავს ინფორმაციის მოცულობას, რომლის გათვალისწინებაც მოდელს ერთდროულად შეუძლია, გამომავალი ტოკენები კი გენერირებული პასუხის მოცულობას უკავშირდება.
რა ღირს ახალი მოდელების API
ფასები დათვლილია მილიონ ტოკენზე. ქვემოთ მოცემულია სტანდარტული ტარიფები იმ მოთხოვნებისთვის, რომლებშიც შეყვანის მოცულობა 272,000 ტოკენს არ აღემატება:
- GPT-6 Sol – შეყვანა: $2; ქეშიდან წაკითხული შეყვანა: $0.20; პასუხის გენერაცია: $10.
- GPT-6 Luna – შეყვანა: $0.10; ქეშიდან წაკითხული შეყვანა: $0.01; პასუხის გენერაცია: $0.50.
Luna-ს გამომავალი ტოკენების ფასი $1.20-დან $0.50-მდე შემცირდა, რაც კომპანიის მიერ დასახელებულ 50%-ზე მეტი გაიაფებაა.
უფრო დიდი მოთხოვნებისთვის განსხვავებული პირობები მოქმედებს: 272,000-ზე მეტი შეყვანის ტოკენის შემთხვევაში, მთელი მოთხოვნის შეყვანისა და ქეშის ტარიფები ორმაგდება, გამომავალი ტოკენების ფასი კი 1.5-ჯერ იზრდება. ამიტომ კონკრეტული სამუშაოს ხარჯი გამოყენების მოცულობასა და დამუშავების რეჟიმზეცაა დამოკიდებული.
რას აჩვენებს OpenAI-ის გამოქვეყნებული ტესტები
სამუშაო პროცესები, პროგრამირება და კომპიუტერის გამოყენება
AutomationBench აპლიკაციებში სამუშაოს თავიდან ბოლომდე შესრულებას ამოწმებს: ფასდება საბოლოო შედეგი, მაგალითად, სწორად განახლდა თუ არა ჩანაწერი. DeepSWE კი სპეციალურად შექმნილი, ხანგრძლივი პროგრამული საინჟინრო ამოცანებით ამოწმებს კოდის აგენტებს.
OpenAI შემდეგ შედეგებს აქვეყნებს:
- AutomationBench 1.0.6: Sol – 33.2%, xhigh რეჟიმით; ერთ ამოცანაზე ხარჯი – $0.27.
- DeepSWE 1.1: Sol – 68.8%, Luna – 66.6%, ორივე მაქსიმალური მსჯელობის რეჟიმით.
- OSWorld 2.0, ოფლაინ ნაკრები: Sol – 60.5%, xhigh რეჟიმით, ნაწილობრივი შესრულების მაჩვენებლით.
ეს ტესტები განსხვავებულ უნარებს ზომავს, ამიტომ მათი პროცენტები ერთმანეთთან პირდაპირ შესადარებელი არ არის. OSWorld-ში მითითებული შედეგიც ნაწილობრივი შესრულების ქულაა და სრულად დასრულებული ამოცანების წილს არ ნიშნავს.
ფაქტობრივი სიზუსტე და წერის სტილი
OpenAI-ის შიდა ტესტში GPT-6 Sol წინამორბედზე დაახლოებით ორჯერ ნაკლებ ფაქტობრივ შეცდომას უშვებდა. შეფასება შეცდომიანად მონიშნულ საუბრებს ეყრდნობოდა და ჩვეულებრივი გამოყენებისას შეცდომების სიხშირეს არ ასახავს.
კომპანია ასევე აღწერს უფრო მკაფიო პასუხებს, ნაკლებ ჟარგონსა და ზედმეტ დეტალს. ცვლილება განსაკუთრებით ტექნიკურ საუბრებს ეხება.
როგორ ამცირებს ქეშირება განმეორებითი მუშაობის ხარჯს
ქეშირება სისტემას უკვე დამუშავებული, უცვლელი კონტექსტის ხელახლა გამოყენების საშუალებას აძლევს. ეს გამოსადეგია ხანგრძლივი დიალოგებისა და AI აგენტებისთვის, რომლებიც ერთი და იმავე ინსტრუქციებსა და წინა ნაბიჯების შედეგებს მრავალჯერ მიმართავენ.
დეველოპერებს შეუძლიათ განსაზღვრონ, კონტექსტის რომელი ნაწილი შეინახოს ქეშში. მხარდაჭერილი მექანიზმებით შესაძლებელია მსჯელობის ინტენსივობისა და ხელმისაწვდომი ინსტრუმენტების შეცვლაც ისე, რომ წინა კონტექსტის ხელახლა გამოყენება შენარჩუნდეს.
ორივე მოდელისთვის ქეშიდან წაკითხული შეყვანის ტოკენები ჩვეულებრივ შეყვანაზე 90%-ით იაფია. ეს შეღავათი მხოლოდ ქეშიდან წაკითხულ ნაწილს ეხება; ქეშში ჩაწერის ფასი ჩვეულებრივი შეყვანის ტარიფის 1.25-ჯერ ტოლია.
რა შეიცვალა მოდელების ქცევაში
სისტემურ ანგარიშში OpenAI აღწერს გაუმჯობესებულ გამძლეობას იმ მოთხოვნების მიმართ, რომლებიც მოდელის შეზღუდვების გვერდის ავლას ცდილობს. თუმცა Luna-ს ზოგიერთ მაღალ შედეგს კომპანია ნაწილობრივ დასაშვები მოთხოვნების უფრო ხშირ უარყოფასაც უკავშირებს.
შიდა Codex ამოცანების სიმულაციაში Sol-ის არასასურველი ქცევის მონიშნული შემთხვევები შემცირდა. შეფასების სკალაზე მესამე ან უფრო მაღალი სიმძიმის შემთხვევებში, GPT-5.6 Sol-თან შედარებით, შემცირებამ დაახლოებით 36% შეადგინა. OpenAI განმარტავს, რომ ეს შიდა გამოყენების რისკზე დამატებითი სიგნალია და გარე გამოყენების უსაფრთხოების პირდაპირ საზომად არ გამოდგება.
სად არის ხელმისაწვდომი GPT-6 Sol და GPT-6 Luna
განცხადების მიხედვით, ორივე მოდელზე წვდომა ChatGPT Work-სა და Codex-ში Plus, Pro, Business, Enterprise და Edu მომხმარებლებს აქვთ. Free და Go მომხმარებლებისთვის Luna დესკტოპაპლიკაციაშია ხელმისაწვდომი.
ჩვეულებრივ Chat-ში მოდელები ჯერ არ დამატებულა. API-ში მათი სახელებია gpt-6-sol და gpt-6-luna; ChatGPT-ში გავრცელება ეტაპობრივად მიმდინარეობს.
სხვა თემები
დარიო ამოდეი: AI-ის განვითარების ტემპი უნდა შევანელოთ
Navier-Stokes-ის ამოცანა – OpenAI-მ ამოხსნა წარადგინა
OpenAI-მ GPT-6 Astra წარადგინა