شرکت OpenAI از دو مدل هوش مصنوعی جدید با نامهای GPT-6.2 Astra و GPT-6.2 Sol رونمایی کرده است. این دو مدل با هدف پاسخگویی به نیازهای متفاوت کاربران توسعه یافتهاند؛ Astra برای پروژههای پیچیده و تخصصی و Sol برای کارهای روزمره و فنی با هزینه کمتر طراحی شده است. به گفته OpenAI، نسل جدید در برنامهنویسی، تحلیل داده، تولید اسناد حرفهای و اجرای فرایندهای چندمرحلهای عملکرد بهتری دارد و در برخی کاربردها توکنهای خروجی کمتری مصرف میکند.
تفاوت GPT-6.2 Astra و GPT-6.2 Sol چیست؟
OpenAI دو مدل جدید را برای دو سطح متفاوت از نیازهای کاری عرضه کرده است. GPT-6.2 Astra مدل قدرتمندتر این خانواده است و برای فعالیتهایی طراحی شده که به استدلال چندمرحلهای، استفاده از ابزارهای مختلف و تولید خروجی دقیق نیاز دارند.
این مدل میتواند چندین سند را بررسی و اطلاعات آنها را ترکیب کند، فایلهای مالی و صفحات گسترده بسازد، کد پروژههای نرمافزاری را اصلاح کند و ارائههای حرفهای مطابق قالب موردنظر کاربر آماده کند.
در مقابل، GPT-6.2 Sol مدل سریعتر و اقتصادیتر این خانواده است که برای تولید محتوا، برنامهنویسی، کارهای عمومی و استفاده روزمره از ابزارهای هوش مصنوعی توسعه یافته است. OpenAI میگوید این مدل در مقایسه با GPT-6.1 Sol، توانایی بیشتری در اجرای فرایندهای طولانی و چندمرحلهای دارد و پاسخهای آن نیز با هدف افزایش وضوح و کاهش توضیحات غیرضروری بهینه شدهاند.
اختلاف عملکرد کمتر از اختلاف هزینه در برخی آزمونها
یکی از نکات قابل توجه درباره دو مدل جدید، فاصله عملکردی نسبتاً کم آنها در برخی آزمونها در مقایسه با تفاوت هزینه استفاده است.
برای نمونه، در بنچمارک FrontierCode 2.0 که توانایی مدلها را در اعمال تغییرات قابل قبول روی پروژههای نرمافزاری واقعی ارزیابی میکند، امتیاز GPT-6.2 Sol تنها نیم امتیاز از Astra پایینتر بوده است. با این حال، طبق نتایج منتشرشده، هزینه انجام وظیفه با Sol در شرایط آزمایش حدود یکپنجم Astra بوده است.
پیشرفت GPT-6.2 Astra در ساخت اسناد، اکسل و پاورپوینت
یکی از محورهای اصلی توسعه GPT-6.2 Astra، بهبود کیفیت خروجیهای موردنیاز در محیطهای حرفهای و سازمانی است. OpenAI میگوید این مدل میتواند اسناد متنی، فایلهای صفحه گسترده و اسلایدهای ارائه را با توجه به استانداردهای حوزههایی مانند حقوق، فروش، حسابداری و امور مالی تولید کند.
برای مثال، کاربر میتواند یک فایل پاورپوینت یا حتی تصویری از یک اسلاید مرجع در اختیار مدل قرار دهد تا Astra از چیدمان، رنگها، فونتها و سبک نگارش آن برای تولید اسلایدهای جدید استفاده کند.
این مدل همچنین قادر است دادههای پراکنده در گزارشهای مالی مختلف را استخراج و ترکیب کند و از آنها برای ساخت فایلهای ارزشگذاری، پیشبینی مالی و گزارشهای مدیریتی بهره ببرد.
در آزمون AA-AnalystAgent مؤسسه Artificial Analysis، GPT-6.2 Astra در پنج تلاش مستقل به ۶۲٫۵ درصد پرسشها پاسخ صحیح داده است. این آزمون شامل وظایفی است که به تحلیل فایلهای واقعی مالی و گزارشهای سازمانی نیاز دارند.
عملکرد بهتر در آزمونهای علمی و تخصصی
OpenAI برای نشان دادن پیشرفت GPT-6.2 Astra، نتایج چند ارزیابی تخصصی را منتشر کرده است. در بنچمارک Agents’ Last Exam که توانایی عاملهای هوش مصنوعی را در انجام وظایف حرفهای طولانی و چندمرحلهای میسنجد، این مدل ۵٫۲ واحد درصد بهتر از GPT-6 Astra عمل کرده است. شرکت همچنین اعلام کرده هزینه انجام وظایف در این آزمون به کمتر از یکسوم نسل قبلی رسیده است.
در مقایسه با Claude Fable 5.2 نیز Astra در همین آزمون ۵٫۵ واحد درصد امتیاز بیشتری کسب کرده است. طبق محاسبات منتشرشده از سوی OpenAI، هزینه اجرای آن در شرایط این ارزیابی حدود پنج درصد هزینه مدل رقیب بوده است؛ با این حال، چنین نتایجی به شرایط مشخص آزمون وابستهاند و لزوماً در همه کاربردهای واقعی تکرار نمیشوند.
در آزمون Terminal-Bench-Science 0.1 نیز امتیاز Astra نسبت به GPT-6 Astra حدود ۹ واحد درصد افزایش یافته است. این بنچمارک توانایی مدلها را در انجام وظایف علمی در محیط ترمینال بررسی میکند.
OpenAI همچنین از بهبود عملکرد مدل در Vals Science Index خبر داده است؛ آزمونی که تحلیل دادههای زیستی و اجرای آزمایش برای توضیح رفتار یک سامانه شبیهسازیشده را ارزیابی میکند.
کاهش مصرف توکن در نسل جدید GPT-6.2
یکی از تغییرات مهم مدلهای جدید، افزایش بهرهوری در تولید پاسخ است. به گفته OpenAI، GPT-6.2 برای انجام بسیاری از وظایف به توکنهای خروجی کمتری نیاز دارد. این موضوع میتواند هزینه استفاده از API را کاهش دهد و به کاربران اشتراکی امکان دهد با سقف مصرف مشخص خود، فعالیتهای بیشتری انجام دهند.
در آزمون داخلی GDPval v2، مدل GPT-6.2 Astra نسبت به نسل قبلی ۶٫۲ واحد درصد عملکرد بهتری داشته و همزمان ۲۲ درصد توکن خروجی کمتری مصرف کرده است. مدل Sol نیز در مقایسه با GPT-6.1 Sol در همین آزمون ۵٫۳ واحد درصد پیشرفت داشته است.
توانایی طراحی وبسایت و مدلسازی سهبعدی
قابلیتهای GPT-6.2 Astra به تولید متن و برنامهنویسی محدود نیست. طبق اعلام OpenAI، این مدل در استفاده از نرمافزارهای رایانهای و ساخت تجربههای تعاملی تحت وب نیز پیشرفت کرده است.
Astra میتواند بر اساس توضیحات متنی کاربر، وبسایتی با طراحی اختصاصی ایجاد کند و درباره چیدمان عناصر، انتخاب تصاویر و هماهنگی ظاهر صفحه با هدف پروژه تصمیم بگیرد.
در پروژههای سهبعدی نیز این مدل توانایی انجام مراحل مختلف طراحی و شبیهسازی را دارد. برای نمونه، OpenAI از Astra خواسته است حرکت یک خودرو را در جادهای کوهستانی شبیهسازی کند. مدل برای انجام این کار، ساختار سهبعدی خودرو را طراحی کرده، کد مربوط به محاسبه تعامل لاستیکها و سیستم تعلیق را نوشته و خروجی را در نرمافزار Blender به حرکت درآورده است.
این شرکت همچنین نمونههایی از طراحی قطعات مکانیکی و موتور خودرو و تبدیل مدلهای CAD به اشیای فیزیکی را نمایش داده است.
امتیاز مدلها در آزمون سهبعدی AA-3D
در بنچمارک AA-3D که تجربههای تعاملی سهبعدی تولیدشده توسط مدلهای هوش مصنوعی را با رأیگیری انسانی مقایسه میکند، GPT-6.2 Astra امتیاز ۱۳۱۸ را به دست آورده است. امتیاز مدلهای دیگر در این ارزیابی به شرح زیر گزارش شده است:
- GPT-6.2 Astra: ۱۳۱۸
- Claude Fable 5.2: ۱۲۷۱
- GPT-6.2 Sol: ۱۲۵۹
قیمت API مدلهای GPT-6.2 چقدر است؟
OpenAI قیمت استفاده از مدل پرچمدار جدید خود را نسبت به GPT-6 Astra کاهش داده است. هزینه توکنهای ورودی و خروجی GPT-6.2 Astra حدود ۲۰ درصد کمتر از نسل قبلی اعلام شده و ورودیهای ذخیرهشده با قابلیت Prompt Caching نیز با تخفیف بیشتری محاسبه میشوند.
قیمت اعلامشده برای هر یک میلیون توکن در API به شرح زیر است:
| مدل | توکن ورودی | ورودی کششده | توکن خروجی |
|---|---|---|---|
| GPT-6.2 Astra | ۸ دلار | ۰٫۴۰ دلار | ۴۰ دلار |
| GPT-6.2 Sol | ۲ دلار | ۰٫۱۰ دلار | ۱۰ دلار |
| GPT-6 Astra | ۱۰ دلار | ۱ دلار | ۵۰ دلار |
هزینه استفاده از GPT-6.2 Sol نسبت به GPT-6.1 Sol تغییری نکرده است. در مقایسه مستقیم قیمت توکنها، Astra چهار برابر Sol هزینه دارد؛ اما هزینه نهایی هر پروژه فقط به قیمت توکن وابسته نیست و میزان مصرف توکن برای انجام وظیفه نیز اهمیت دارد.
قابلیت Prompt Caching به توسعهدهندگان اجازه میدهد بخشهای تکراری درخواستها را بدون پردازش دوباره و کامل در اختیار مدل قرار دهند. بر اساس قیمتهای اعلامشده، هزینه ورودی کششده GPT-6.2 Astra نسبت به GPT-6 Astra حدود ۶۰ درصد کاهش یافته است.
بهبود برنامهنویسی و اصلاح کدهای نرمافزاری
مدلهای GPT-6.2 در انجام وظایف برنامهنویسی نیز بهبود یافتهاند. OpenAI میگوید Astra در بررسی پروژههای نرمافزاری بزرگ، شناسایی خطاها، اصلاح کد و اجرای آزمایشهای مرتبط تصمیمهای دقیقتری میگیرد.
در آزمایشهای اولیه، برخی کاربران گزارش کردهاند کدهای تولیدشده توسط مدل جدید ساختار منظمتری دارند و برای رسیدن به نتیجه مطلوب، به دفعات کمتری از بازبینی و اصلاح نیاز پیدا میکنند.
ارزیابی ایمنی GPT-6.2 Astra و خطرهای بهبود خودکار هوش مصنوعی
یکی از نکات مهم در گزارش ایمنی GPT-6.2 Astra، ارزیابی توانایی این مدل در حوزه بهبود خودکار هوش مصنوعی یا AI Self-Improvement است.
OpenAI اعلام کرده GPT-6.2 Astra نخستین مدل عرضهشده این شرکت است که در این حوزه به سطح خطر بالا (High) میرسد. این ارزیابی به توانایی مدل برای کمک به توسعه، آزمایش و بهبود سامانههای هوش مصنوعی مربوط میشود.
به گفته شرکت، برای مدیریت خطرهای احتمالی، نظارت بر فعالیت مدل افزایش یافته و سامانههایی برای شناسایی رفتارهای غیرمجاز و متوقف کردن برخی فرایندها توسعه داده شده است.
دسترسی به GPT-6.2 Astra و Sol
طبق اطلاعیه OpenAI، دو مدل GPT-6.2 Astra و GPT-6.2 Sol از زمان اعلام رسمی برای کاربران واجد شرایط در دسترس قرار گرفتهاند. کاربران طرحهای Plus، Pro، Enterprise و Edu میتوانند از این مدلها در محیطهای ChatGPT Work و Codex استفاده کنند.
این دسترسی به معنای فعال شدن خودکار مدلها برای همه کاربران در بخش گفتوگوی معمولی ChatGPT نیست و امکان استفاده به نوع اشتراک و شرایط دسترسی حساب بستگی دارد.
همچنین مشترکان طرح Pro 500 امکان استفاده از حالت Ultrafast هر دو مدل را دارند. OpenAI برای نخستین بار این حالت را برای مشترکان Pro 200 نیز ارائه کرده که در مرحله نخست شامل GPT-6.2 Sol میشود. در طرحهای Enterprise و Edu، فعال شدن دسترسی به تنظیمات مدیر فضای کاری و شرایط حساب سازمانی وابسته است.



