OpenAI مدل‌های GPT-6 Sol و GPT-6 Luna را با تمرکز بر سرعت و هزینه کمتر معرفی کرد

OpenAI مدل‌های GPT-6 Sol و GPT-6 Luna را با تمرکز بر سرعت و هزینه کمتر معرفی کرد

شرکت OpenAI پس از معرفی مدل Astra، اکنون دو مدل جدید از نسل بعدی خانواده هوش مصنوعی خود را با نام‌های GPT-6 Sol و GPT-6 Luna عرضه کرده است. این دو مدل با هدف پاسخ‌گویی به نیاز کاربرانی توسعه یافته‌اند که علاوه بر عملکرد بالا، به دنبال کاهش هزینه استفاده از مدل‌های پیشرفته هوش مصنوعی هستند. مهم‌ترین نکته درباره این محصولات، قیمت‌گذاری بسیار پایین‌تر آن‌ها در مقایسه با نسل GPT-5.6 است؛ موضوعی که می‌تواند استفاده گسترده‌تر از مدل‌های قدرتمند را برای توسعه‌دهندگان و کسب‌وکارها امکان‌پذیر کند.

بر اساس اطلاعات اعلام‌شده، OpenAI در طراحی Sol و Luna تلاش کرده است بخشی از قابلیت‌هایی را که پیش‌تر در مدل‌های قدرتمند و گران‌تر دیده می‌شد، با هزینه‌ای به‌مراتب پایین‌تر ارائه کند. این رویکرد به‌ویژه برای کاربردهایی اهمیت دارد که در آن‌ها مدل هوش مصنوعی باید تعداد بسیار زیادی درخواست را پردازش کند یا به‌صورت مداوم در یک فرایند خودکار مورد استفاده قرار گیرد.

کاهش چشمگیر قیمت API در مدل‌های جدید

یکی از اصلی‌ترین ویژگی‌های GPT-6 Sol و GPT-6 Luna به ساختار قیمت‌گذاری آن‌ها مربوط می‌شود. OpenAI هزینه استفاده از این مدل‌ها را در مقایسه با نسل GPT-5.6 به میزان قابل توجهی کاهش داده است. طبق نرخ‌های جدید، قیمت هر یک میلیون توکن ورودی در مدل GPT-6 Sol از ۴ دلار به ۲ دلار رسیده است. هزینه خروجی نیز از ۲۰ دلار به ۱۰ دلار کاهش پیدا کرده است.

این کاهش قیمت به معنای نصف شدن هزینه پردازش توکن‌های ورودی و خروجی است. برای توسعه‌دهندگانی که اپلیکیشن‌های مبتنی بر هوش مصنوعی را در مقیاس بالا اجرا می‌کنند، چنین تفاوتی می‌تواند تأثیر مستقیمی بر هزینه نهایی سرویس داشته باشد. به‌خصوص در پروژه‌هایی که مدل باید دائماً اطلاعات دریافت کند، پاسخ تولید کند یا چندین مرحله از یک فرایند را به‌صورت خودکار انجام دهد.

مدل GPT-6 Luna نیز با هدف ارائه گزینه‌ای سبک‌تر و اقتصادی‌تر معرفی شده است. هزینه هر یک میلیون توکن ورودی این مدل تنها ۰.۱۰ دلار اعلام شده و برای توکن‌های خروجی نیز ۰.۵۰ دلار در نظر گرفته شده است. بنابراین Luna در مقایسه با مدل‌های پیشرفته‌تر، گزینه‌ای اقتصادی‌تر برای کارهایی محسوب می‌شود که به قدرت پردازشی بالاتر Sol نیاز ندارند.

Sol برای کارهای پیچیده‌تر طراحی شده است

اگرچه قیمت پایین بخش مهمی از معرفی این دو مدل را تشکیل می‌دهد، اما OpenAI صرفاً روی کاهش هزینه تمرکز نکرده است. طبق توضیحات ارائه‌شده، GPT-6 Sol و GPT-6 Luna با روش‌هایی مشابه مدل Astra آموزش دیده‌اند و هدف از این رویکرد، حفظ سطح بالایی از توانایی‌های استدلالی و عملی در کنار سرعت بیشتر و هزینه پایین‌تر بوده است.

GPT-6 Sol را می‌توان گزینه قدرتمندتر این خانواده دانست. این مدل برای کارهایی طراحی شده که نیازمند اجرای چند مرحله‌ای، برنامه‌ریزی، پردازش اطلاعات و انجام وظایف پیچیده هستند. توانایی در کدنویسی، اجرای وظایف عاملی، استفاده از رایانه و پاسخ‌گویی دقیق به اطلاعات از جمله حوزه‌هایی است که OpenAI برای این مدل مورد توجه قرار داده است.

از سوی دیگر، Luna نسخه سبک‌تر این خانواده به شمار می‌رود. تمرکز این مدل بیشتر روی سرعت و هزینه پایین است و می‌تواند برای طیف گسترده‌ای از درخواست‌های روزمره یا فرایندهای خودکار که به مدل سنگین‌تر نیاز ندارند، گزینه مناسبی باشد.

عملکرد GPT-6 Sol در آزمون AutomationBench

یکی از معیارهای قابل توجه برای ارزیابی مدل‌های جدید، نتایج آن‌ها در بنچمارک‌های تخصصی است. بر اساس اطلاعات ارائه‌شده، GPT-6 Sol در آزمون AutomationBench توانسته است در حالت بیشترین سطح تلاش، امتیاز ۳۳.۲ درصد را به دست آورد.

AutomationBench برای بررسی توانایی مدل‌های هوش مصنوعی در انجام گردش‌کارهای تجاری مورد استفاده قرار می‌گیرد. بنابراین نتیجه Sol در این آزمون تنها به توانایی تولید متن محدود نمی‌شود و میزان عملکرد مدل در اجرای فرایندهایی را بررسی می‌کند که می‌توانند به شکل خودکار انجام شوند.

امتیاز ۳۳.۲ درصدی GPT-6 Sol در این ارزیابی بالاتر از امتیاز ۲۶.۹ درصدی Claude Opus 5 اعلام شده است. نکته مهم‌تر این است که هزینه اجرای هر وظیفه توسط Sol حدود ۹ درصد هزینه مدل رقیب محاسبه می‌شود. به این ترتیب، OpenAI تلاش کرده است علاوه بر ارائه عملکرد رقابتی، هزینه انجام وظایف پیچیده را نیز تا حد زیادی کاهش دهد.

البته مقایسه نتایج بنچمارک‌ها باید با توجه به روش آزمایش، سطح تلاش انتخاب‌شده، نوع وظایف و شرایط اجرای مدل‌ها انجام شود. با این حال، این ارقام نشان می‌دهند که Sol در برخی سناریوهای مربوط به اتوماسیون می‌تواند عملکرد قابل توجهی داشته باشد.

نتیجه قابل توجه در کدنویسی مهندسی

حوزه دیگری که OpenAI برای نمایش توانایی GPT-6 Sol روی آن تأکید کرده، برنامه‌نویسی و مهندسی نرم‌افزار است. این مدل در آزمون DeepSWE v1.1 امتیاز ۶۸.۸ درصد را به دست آورده است.

DeepSWE v1.1 برای سنجش توانایی مدل‌های هوش مصنوعی در حل مسائل مرتبط با مهندسی نرم‌افزار و کدنویسی طراحی شده است. دستیابی Sol به این امتیاز در شرایطی اهمیت بیشتری پیدا می‌کند که هزینه اجرای آن نسبت به مدل‌های گران‌تر حدود ۸۰ درصد کمتر اعلام شده است.

کاهش هزینه در چنین کاربردی می‌تواند برای شرکت‌هایی که از هوش مصنوعی در چرخه توسعه نرم‌افزار استفاده می‌کنند اهمیت زیادی داشته باشد. در پروژه‌های بزرگ، مدل ممکن است بارها برای تحلیل کد، پیشنهاد تغییرات، پیدا کردن خطاها یا اجرای وظایف چندمرحله‌ای فراخوانی شود. بنابراین حتی کاهش نسبی هزینه هر درخواست، در مقیاس بالا می‌تواند به صرفه‌جویی قابل توجهی منجر شود.

مدل‌های جدید برای توسعه کاربردهای ایجنتی

یکی از زمینه‌هایی که GPT-6 Sol و Luna برای آن طراحی شده‌اند، وظایف ایجنتی یا همان فرایندهایی است که هوش مصنوعی در آن‌ها باید چند مرحله را پشت سر هم انجام دهد. در این نوع کاربردها، مدل صرفاً یک پاسخ متنی تولید نمی‌کند؛ بلکه ممکن است اطلاعات جمع‌آوری کند، ابزارهای مختلف را مورد استفاده قرار دهد، تصمیم‌های میانی بگیرد و در نهایت یک کار مشخص را تکمیل کند.

هزینه اجرای چنین فرایندهایی یکی از چالش‌های مهم استفاده تجاری از هوش مصنوعی است. هرچه تعداد مراحل بیشتر باشد، تعداد توکن‌های مصرف‌شده و دفعات فراخوانی مدل نیز افزایش پیدا می‌کند. در نتیجه، ارائه مدلی مانند Sol با هزینه کمتر می‌تواند زمینه را برای استفاده مداوم‌تر از ایجنت‌های هوش مصنوعی فراهم کند.

Luna نیز می‌تواند در بخش‌هایی که سرعت و هزینه اهمیت بیشتری از حداکثر توان استدلال دارند، مورد استفاده قرار گیرد. قیمت پایین این مدل به توسعه‌دهندگان اجازه می‌دهد برخی وظایف پرتعداد را با هزینه کمتری به هوش مصنوعی بسپارند.

دسترسی GPT-6 Sol و Luna در ChatGPT

OpenAI عرضه این دو مدل را به‌صورت مرحله‌ای آغاز کرده است. در حال حاضر کاربران دارای اشتراک‌های Plus، Pro، Business و Enterprise می‌توانند به مدل‌های جدید در محیط‌های کاری Codex و بخش Work در ChatGPT دسترسی داشته باشند.

با این حال، GPT-6 Sol و GPT-6 Luna در محیط گفت‌وگوی معمولی ChatGPT قرار نگرفته‌اند. این موضوع نشان می‌دهد OpenAI در نخستین مرحله، استفاده از مدل‌های جدید را بیشتر در محیط‌هایی هدف قرار داده است که کاربران به قابلیت‌های تخصصی‌تر و وظایف کاری نیاز دارند.

برای کاربران رایگان و مشترکان طرح Go نیز دسترسی به نسخه Luna در نسخه دسکتاپ فراهم شده است. این مسئله می‌تواند Luna را به گزینه‌ای قابل دسترس‌تر برای کاربرانی تبدیل کند که به دنبال استفاده از یک مدل سریع و اقتصادی هستند، بدون اینکه نیاز داشته باشند از مدل‌های سنگین‌تر استفاده کنند.

تغییر در سبک مکالمه مدل‌ها

OpenAI در کنار تغییرات فنی، سبک ارتباطی مدل‌های جدید را نیز مورد توجه قرار داده است. طبق توضیحات منتشرشده، ساختار پاسخ‌گویی آن‌ها کوتاه‌تر شده و میزان استفاده از اصطلاحات تخصصی کاهش پیدا کرده است.

این تغییر می‌تواند باعث شود پاسخ‌های تولیدشده برای طیف وسیع‌تری از کاربران قابل فهم باشند. مدل‌های هوش مصنوعی پیشرفته معمولاً برای طیف متنوعی از وظایف استفاده می‌شوند و همه کاربران آن‌ها متخصص فنی نیستند. بنابراین ساده‌تر شدن نحوه بیان پاسخ‌ها می‌تواند تجربه استفاده از مدل را برای گروه‌های مختلف بهبود دهد.

رقابت بر سر مدل‌های سریع و ارزان‌تر

معرفی GPT-6 Sol و GPT-6 Luna را می‌توان در چارچوب رقابت گسترده شرکت‌های هوش مصنوعی برای ارائه مدل‌هایی با نسبت بهتر میان هزینه و عملکرد بررسی کرد. در این بازار، افزایش توانایی مدل به‌تنهایی کافی نیست؛ زیرا هزینه پردازش، سرعت پاسخ‌گویی و امکان اجرای تعداد زیادی درخواست نیز برای توسعه‌دهندگان اهمیت دارد.

مدل‌هایی مانند Sol می‌توانند به‌ویژه در شرکت‌هایی کاربرد داشته باشند که حجم زیادی از عملیات نرم‌افزاری یا تجاری خود را به سیستم‌های هوش مصنوعی می‌سپارند. از طرف دیگر، مدل‌های سبک‌تری مانند Luna می‌توانند برای وظایف پرتعداد و کم‌هزینه مورد استفاده قرار بگیرند.

در نتیجه، OpenAI با معرفی هم‌زمان این دو مدل، یک گزینه قدرتمندتر و یک گزینه اقتصادی‌تر را در اختیار کاربران قرار داده است. این تقسیم‌بندی می‌تواند به توسعه‌دهندگان اجازه دهد برای هر وظیفه، مدلی متناسب با میزان پیچیدگی و بودجه خود انتخاب کنند.

عرضه مرحله‌ای و آینده خانواده GPT-6

OpenAI اعلام کرده است که فرایند عرضه GPT-6 Sol و GPT-6 Luna به‌صورت تدریجی انجام می‌شود. بنابراین ممکن است دسترسی به این مدل‌ها برای همه کاربران و در تمام محیط‌ها هم‌زمان فعال نشود.

ورود این دو مدل در شرایطی انجام شده که استفاده از هوش مصنوعی برای برنامه‌نویسی، اتوماسیون و انجام وظایف چندمرحله‌ای به یکی از کاربردهای مهم مدل‌های جدید تبدیل شده است. کاهش قیمت می‌تواند در این میان نقش مهمی داشته باشد؛ زیرا بسیاری از پروژه‌ها نه به یک درخواست منفرد، بلکه به هزاران یا میلیون‌ها فراخوانی مدل نیاز دارند.

در چنین شرایطی، GPT-6 Sol می‌تواند برای توسعه‌دهندگانی که به قابلیت‌های پیشرفته‌تر نیاز دارند، گزینه‌ای اقتصادی‌تر از مدل‌های گران‌قیمت باشد و Luna نیز با تمرکز بر سرعت و قیمت پایین‌تر، بخشی از وظایف سبک‌تر را پوشش دهد.

در مجموع، معرفی GPT-6 Sol و GPT-6 Luna نشان می‌دهد OpenAI در کنار افزایش قابلیت‌های مدل‌های هوش مصنوعی، کاهش هزینه استفاده را نیز به یکی از محورهای اصلی توسعه محصولات خود تبدیل کرده است. قیمت پایین‌تر API، عملکرد قابل توجه در آزمون‌های تخصصی، تمرکز بر کدنویسی و وظایف ایجنتی و دسترسی مرحله‌ای در محیط‌های کاری، مهم‌ترین ویژگی‌هایی هستند که این دو مدل را از نسل‌های قبلی متمایز می‌کنند. اگر روند کاهش هزینه پردازش در نسل‌های بعدی نیز ادامه پیدا کند، استفاده گسترده‌تر از مدل‌های هوش مصنوعی در نرم‌افزارها و فرایندهای تجاری می‌تواند با سرعت بیشتری دنبال شود.