GPT-۵.۶؛ خانواده‌ای برای کار طولانی، نه فقط پاسخ سریع

OpenAI در ۹ ژوئیه ۲۰۲۶ GPT-۵.۶ را به‌عنوان یک خانواده عرضه کرد، نه یک مدل منفرد با نام تازه. سه سطح Sol، Terra و Luna قرار است انتخاب مدل را به شکل عملی‌تری به نوع کار و بودجه وصل کنند. Sol پرچم‌دار است، Terra برای کار روزمره و Luna برای هزینه و سرعت پایین‌تر طراحی شده‌اند. هر سه در ChatGPT، Codex و API عرضه شدند؛ rollout به‌صورت تدریجی آغاز شد.

#معماری انتخاب مدل

نکته مهم در این معرفی، جدا شدن «بیشترین توان» از «انتخاب پیش‌فرض» است. در محصولی که هم پاسخ کوتاه و هم پروژه چندساعته دارد، فرستادن همه درخواست‌ها به مدل بزرگ‌ترین گزینه‌ای پرهزینه و کند است. OpenAI می‌گوید Terra و Luna برای بخشی از کارها می‌توانند سطحی نزدیک به مدل‌های قبلی بدهند، در حالی که Sol برای استدلال سخت‌تر، کدنویسی پیچیده و کار دانشی طولانی باقی می‌ماند.

این خانواده همچنین حالت «ultra» را برای کارهای دشوار معرفی می‌کند. طبق توضیح رسمی، این حالت چند عامل را در جریان‌های موازی هماهنگ می‌کند. این ادعا به معنی اجرای آزادانه و بی‌نظارت چند ربات در هر برنامه نیست؛ بلکه یک تنظیم توانایی در محیط‌های مشخص است و باید با هزینه، زمان و خروجی نهایی سنجیده شود.

#کاربردی که به کدنویسی محدود نمی‌شود

OpenAI روی ساخت و اصلاح رابط، تولید سند، صفحه‌گسترده و ارائه تأکید دارد. در API نیز مدل می‌تواند برنامه‌های سبک را در حافظه اجرا کند، نتیجه ابزارها را پردازش کند و گام بعدی را انتخاب کند. برای توسعه‌دهنده، این تغییر یعنی بخشی از منطق orchestration می‌تواند کنار درخواست مدل قرار گیرد؛ اما ثبت ورودی، خروجی میانی و خطای ابزار همچنان وظیفه برنامه است.

اعداد اعلام‌شده در صفحه معرفی شامل نتایج بنچمارک‌هایی مانند BrowseComp، OSWorld 2.0 و Coding Agent Index است. این اعداد نتیجه آزمون‌های خود OpenAI یا منابعی هستند که در همان صفحه معرفی شده‌اند و نباید بدون توجه به تعریف وظیفه، به کیفیت همه پروژه‌ها تعمیم داده شوند.

#قیمت و دسترسی

GPT-۵.۶ در API با سه سطح قیمت‌گذاری شد: Sol با ۵ دلار ورودی و ۳۰ دلار خروجی، Terra با ۲٫۵۰ دلار ورودی و ۱۵ دلار خروجی، و Luna با ۱ دلار ورودی و ۶ دلار خروجی به ازای یک میلیون توکن. این قیمت‌ها مربوط به زمان عرضه ۹ ژوئیه‌اند و OpenAI در ۳۰ ژوئیه برای Terra و Luna تغییرات دیگری اعلام کرد؛ بنابراین تیم‌ها باید نرخ‌نامه جاری را جداگانه بررسی کنند.

برای استفاده سازمانی، سؤال اصلی این نیست که کدام مدل بیشترین امتیاز را دارد. باید برای هر نوع کار، مدل پیش‌فرض، نقطه ارتقا، سقف هزینه و مسیر بازگشت مشخص شود. GPT-۵.۶ ابزار بیشتری برای این انتخاب می‌دهد، اما تصمیم معماری همچنان به داده واقعی و ارزیابی مستقل نیاز دارد.