آخرین بروزرسانی در ۲۱ تیر ۱۴۰۵ توسط Dr.Arman
شرکت OpenAI با معرفی خانواده جدید مدل هوش مصنوعی GPT-5.6 گام بلندی در مسیر تکامل هوش مصنوعی ایجنتی برداشته است. این گزارش در دسته اخبار داغ دنیای فناوری، به بررسی ابعاد فنی و اقتصادی این عرضه میپردازد.
تحلیل مقایسه مدلهای زبانی بزرگ در اکوسیستم جدید OpenAI
خانواده جدید محصولات OpenAI شامل سه مدل با ابعاد و توانمندیهای متفاوت است. کوچکترین عضو این خانواده لونا نام دارد. مدل میانی ترا نامگذاری شده است. قدرتمندترین و بزرگترین نسخه نیز با نام سل شناخته میشود. تمامی این مدلها از پنجره بافت یک میلیون توکن پشتیبانی میکنند. حداکثر تعداد توکنهای خروجی آنها نیز ۱۲۸ هزار واحد در نظر گرفته شده است. تاریخ قطع دانش این خانواده به ۱۶ فوریه ۲۰۲۶ باز میگردد.
در بحث مقایسه مدلهای زبانی بزرگ، عملکرد مدل سل در بنچمارکهای ایجنتی بسیار چشمگیر است. این مدل در آزمون تخصصی Agents Last Exam امتیاز ۵۳.۶ را به دست آورد. این امتیاز حدود ۱۳.۱ واحد بالاتر از مدل Claude Fable 5 است. حتی در حالت استدلال متوسط، مدل سل عملکرد بهتری نسبت به رقیب خود دارد. این برتری در حالی رخ میدهد که هزینه آن تنها یک چهارم رقیب برآورد میشود. این موضوع نشاندهنده بهرهوری بالای معماری جدید OpenAI در مدیریت منابع پردازشی است.
مدلهای ترا و لونا نیز برای کاربردهای مقیاسپذیر طراحی شدهاند. این مدلها با هزینهای معادل یک شانزدهم مدلهای رقیب، عملکردی مشابه یا بهتر ارائه میدهند. جدول زیر نمایی کلی از ساختار هزینهای این مدلها را ارائه میدهد:
| نام مدل | هزینه ورودی (هر میلیون توکن) | هزینه خروجی (هر میلیون توکن) | جایگاه در بازار |
|---|---|---|---|
| GPT-5.6 Luna | ۱ دلار | ۶ دلار | سرعت بالا و هزینه کم |
| GPT-5.6 Terra | ۲.۵ دلار | ۱۵ دلار | تعادل بین قدرت و قیمت |
| GPT-5.6 Sol | ۵ دلار | ۳۰ دلار | بالاترین سطح استدلال |
بررسی فنی قابلیتهای جدید OpenAI برای توسعهدهندگان
یکی از هیجانانگیزترین قابلیتهای جدید OpenAI ابزار فراخوانی برنامهنویسی شده است. این قابلیت به مدلها اجازه میدهد تا کدهای جاوا اسکریپت اختصاصی بنویسند. این کدها برای مدیریت و هماهنگسازی فراخوانی ابزارها استفاده میشوند. این رویکرد شکاف بین پروتکلهای کنترل مدل و جلسات کامل ترمینال را پر میکند. توسعهدهندگان میتوانند از این طریق ابزارهای خط فرمان را به شکلی مفیدتر ترکیب کنند. این قابلیت شباهت زیادی به مکانیزم فیلترینگ داینامیک آنتروپیک در جستجوی وب دارد.
قابلیت چند عاملی یا Multi-agent ویژگی کلیدی دیگری در این نسخه است. اکنون مدل میتواند به صورت بومی زیرنمایندههای مختلفی ایجاد کند. این زیرنمایندهها وظایف را به صورت موازی و متمرکز انجام میدهند. این الگو پیش از این به صورت دستی توسط برنامهنویسان پیادهسازی میشد. اکنون این قابلیت در هسته اصلی API گنجانده شده است. این موضوع باعث افزایش دقت در انجام پروژههای پیچیده مهندسی میشود.
توسعهدهندگان همچنین به سیستم نقاط توقف کش پرامپت دسترسی دارند. این ویژگی اجازه میدهد تا نقاط ذخیرهسازی کش را به صورت دستی تعیین کنید. اگرچه سیستم خودکار همچنان فعال است، اما کنترل دستی هزینهها را بهینه میکند. این استراتژی برای پروژههای با حجم دیتای بالا بسیار حیاتی است. در بخش پردازش تصویر نیز تنظیمات جدیدی اضافه شده است. گزینه detail: original مانع از تغییر سایز تصاویر قبل از پردازش میشود. این امر دقت تحلیلهای بصری را در مدل هوش مصنوعی GPT-5.6 به شدت افزایش میدهد.
استراتژیهای کاهش هزینه با قیمتگذاری توکنهای هوش مصنوعی
درک ساختار قیمتگذاری توکنهای هوش مصنوعی برای کسبوکارهای ایرانی بسیار اهمیت دارد. در مدلهای جدید، صرفاً قیمت هر میلیون توکن معیار نهایی نیست. تعداد توکنهای استدلالی مصرف شده در هر تسک متغیر است. OpenAI مدعی است که مدلهای جدید کارایی بیشتری از هر توکن استخراج میکنند. این یعنی برای رسیدن به یک نتیجه واحد، توکن کمتری نسبت به قبل مصرف میشود.
برای مدیریت بهتر بودجه، باید سطح استدلال مورد نیاز را به دقت انتخاب کنید. در تستهای انجام شده، مدل لونا در پایینترین سطح استدلال هزینهای ناچیز دارد. در مقابل، مدل سل در بالاترین سطح استدلال میتواند تا ۴۸ سنت برای یک درخواست هزینه داشته باشد. این تفاوت قیمت عظیم نشاندهنده لزوم طراحی دقیق سیستمهای هوشمند است. توسعهدهندگان باید بین سرعت، دقت و هزینه تعادل ایجاد کنند.
چند نکته کلیدی برای بهینهسازی استفاده از این مدلها عبارتند از:
- استفاده از مدل لونا برای وظایف طبقهبندی ساده متون.
- بهرهگیری از مدل ترا برای تحلیلهای نیمهپیچیده و چتباتها.
- اختصاص مدل سل صرفاً برای حل مسائل ریاضی و کدنویسی پیشرفته.
- فعالسازی سیستم کش برای پرامپتهای تکراری و ثابت.
جالب است بدانید که در بنچمارک SWE-Bench Pro مدل سل ضعیفتر از رقیب عمل کرد. مدل سل امتیاز ۶۴.۶ و رقیب آن امتیاز ۸۰ درصد را کسب کردند. OpenAI مدعی است که ۳۰ درصد از تستهای این بنچمارک دارای نقص فنی هستند. این شرکت از توسعهدهندگان خواسته است تا نتایج را با دقت بیشتری بازبینی کنند. این چالشها نشان میدهد که دنیای هوش مصنوعی هنوز در حال تکامل است. رقابت بین شرکتهای بزرگ باعث پیشرفت سریعتر ابزارهای کاربردی میشود.
در نهایت، مدل هوش مصنوعی GPT-5.6 یک ابزار قدرتمند برای اتوماسیون است. این مدلها با قابلیتهای جدید خود، دنیای ایجنتها را متحول میکنند. توانایی مدل در اجرای موازی وظایف، بهرهوری تیمهای نرمافزاری را دوچندان میکند. با توجه به قیمتهای رقابتی لونا، استفاده گسترده از هوش مصنوعی ارزانتر از همیشه خواهد بود. این خانواده جدید مسیر دسترسی به هوش مصنوعی فراوان و مقرونبهصرفه را هموار کرده است.
منبع:
https://simonwillison.net/2026/Jul/9/gpt-5-6/#atom-everything
مطالب مرتبط