اوپنایآی از دو مدل هوش مصنوعی GPT-6.2 Astra و GPT-6.2 Sol رونمایی کرد که در انجام وظایف حرفهای، کدنویسی و پژوهش علمی عملکرد بهتری دارند. این مدلها با وجود کاهش هزینه پردازش، به تدابیر ایمنی تازهای مجهز شدهاند تا احتمال رفتارهای خارج از محدوده مجاز کاهش پیدا کند.
مدل GPT-6.2 Astra نسخه قدرتمندتر این خانواده محسوب میشود و برای انجام پروژههای پیچیده، برنامهنویسی و فعالیتهای تخصصی طراحی شده است. براساس دادههای منتشرشده از سوی OpenAI، این مدل در آزمون Agents’ Last Exam که توانایی هوش مصنوعی در اجرای فرایندهای چندمرحلهای را میسنجد، ۵.۲ امتیاز بیشتر از GPT-6 Astra کسب کرده است. هزینه اجرای هر وظیفه نیز به کمتر از یکسوم نسل قبلی رسیده است.
پیشرفت در پژوهش علمی از دیگر نکات مهم این معرفی محسوب میشود. امتیاز Astra در آزمون Terminal-Bench Science 0.1 نسبت به مدل قبلی ۹ واحد افزایش یافته است. این ارزیابی توانایی مدلها را در اجرای فعالیتهای پژوهشی ازطریق محیط ترمینال بررسی میکند. در آزمون GDPval v2 نیز که وظایف حرفهای در حوزههایی مانند امور مالی، طراحی و مشاوره را میسنجد، امتیاز مدل جدید ۶.۲ واحد بیشتر شده؛ آن هم درحالیکه ۲۲ درصد توکن خروجی کمتری مصرف کرده است.
ساخت شبیهسازی سهبعدی با کمک هوش مصنوعی
اوپنایآی برای نمایش تواناییهای جدید Astra، نمونهای از طراحی و شبیهسازی حرکت خودرو در یک جاده کوهستانی را ارائه کرده است. این مدل ابتدا اجزای شاسی خودرو را طراحی کرد، سپس با نوشتن برنامهای به زبان پایتون، حرکت تایرها و سیستم تعلیق را شبیهسازی کرد و درنهایت نتیجه را با نرمافزار Blender به تصویر کشید.
بهبود تولید فایلهای ارائه، صفحهگستردهها، اسناد تخصصی و طراحی وبسایت نیز از دیگر تغییرات اعلامشده است. Astra در استفاده از ابزارهای رایانهای و اجرای تغییرات پیچیده در کدهای موجود هم عملکرد دقیقتری دارد و به گفته OpenAI، خروجی آن به بازبینی و اصلاح کمتری نیاز پیدا میکند.
GPT-6.2 Sol؛ گزینه اقتصادیتر برای کارهای روزمره
در کنار Astra، مدل GPT-6.2 Sol نیز معرفی شده است. این مدل برای فعالیتهای روزمره و اجرای گردشکارهای چندمرحلهای طراحی شده و در مقایسه با نسخه قبلی خود، یعنی GPT-6.1 Sol، عملکرد بهتری دارد.
یکی از نکات قابلتوجه درباره Sol، فاصله کم آن با Astra در آزمون برنامهنویسی FrontierCode 2.0 است. براساس نتایج OpenAI، امتیاز این مدل تنها نیم واحد با Astra فاصله دارد؛ درحالیکه هزینه اجرای وظایف آن تقریبا یکپنجم مدل قدرتمندتر است. به همین دلیل، Sol میتواند برای کاربرانی که به اجرای مداوم وظایف هوش مصنوعی نیاز دارند، گزینه کمهزینهتری باشد.
تدابیر ایمنی جدید پس از نگرانیهای قبلی
موضوع ایمنی در معرفی نسل جدید اهمیت ویژهای دارد. OpenAI پیشتر توسعه و عرضه برخی مراحل مدل Astra را برای تقویت تدابیر امنیتی به تعویق انداخته بود. ارزیابیهای این شرکت نشان داده بود که مدلهای عاملمحور ممکن است از محدوده دسترسی تعیینشده فراتر بروند یا اقدامات خود را بهدرستی گزارش نکنند.
اوپنایآی میگوید GPT-6.2 Astra و Sol در آزمایشهای مربوط به رفتارهای نامناسب در محیطهای شبیهسازیشده، عملکرد بهتری داشتهاند. بااینحال، یک ضعف همچنان باقی مانده است؛ هر دو مدل در برخی آزمایشها موانعی مانند نبود فایل یا در دسترس نبودن ابزار جستوجو را به کاربر گزارش نکردهاند. این شرکت میگوید دستورالعملهای Codex را برای کاهش این رفتار اصلاح کرده و بررسیهای بیشتری را ادامه میدهد.
ازسویدیگر، توانایی سایبری این مدلها نیز افزایش یافته است. هر دو به آستانه بحرانی تواناییهای امنیت سایبری و سطح بالای قابلیتهای زیستی و شیمیایی در چارچوب آمادگی OpenAI رسیدهاند. Astra همچنین نخستین مدل عرضهشده این شرکت است که در ارزیابی خودبهبوددهی هوش مصنوعی به سطح بالا دست یافته است؛ موضوعی که بهگفته OpenAI نیاز به نظارت و محدودیتهای دقیقتری دارد.
قیمت و نحوه دسترسی به مدلهای جدید
مدلهای GPT-6.2 Astra و Sol از ۱۷ نوامبر ۲۰۲۶ (۲۶ آبان ۱۴۰۵) در ChatGPT Work و Codex برای کاربران پلنهای Plus ،Pro ،Enterprise و Edu در دسترس قرار گرفتهاند. توسعهدهندگان نیز میتوانند ازطریق API به این مدلها دسترسی داشته باشند.
مدل | ورودی بهازای یک میلیون توکن | ورودی ذخیرهشده | خروجی بهازای یک میلیون توکن |
|---|---|---|---|
GPT-6.2 Astra | ۸ دلار | ۰.۴۰ دلار | ۴۰ دلار |
GPT-6.2 Sol | ۲ دلار | ۰.۱۰ دلار | ۱۰ دلار |
قیمت ورودی و خروجی Astra نسبت به GPT-6 Astra حدود ۲۰ درصد کاهش یافته است. نرخ Sol نیز مشابه GPT-6.1 Sol باقی مانده است.
معرفی GPT-6.2 Astra و Sol نشان میدهد OpenAI علاوهبر افزایش توانایی مدلهای خود، روی کاهش هزینه اجرای وظایف و بهبود کار با ابزارهای مختلف تمرکز کرده است. بااینحال، پیشرفت در حوزههایی مانند امنیت سایبری و خودبهبوددهی هوش مصنوعی، چالشهای تازهای برای نظارت و کنترل این سیستمها ایجاد میکند. بنابراین، ارزیابی موفقیت این نسل فقط به امتیازهای بنچمارک وابسته نیست و عملکرد واقعی تدابیر ایمنی آن نیز اهمیت زیادی خواهد داشت.
