دستاورد مهم OpenAI: GPT-5.6 Sol در آزمون‌ها از Claude Fable 5 بهتر شد

مدل تازه GPT-5.6 Sol از OpenAI موفق شده در حوزه طراحی رابط کاربری و فرانت‌اند از Claude Fable 5 متعلق به Anthropic پیشی بگیرد.

OpenAI اعلام کرده که مدل جدیدش در زمینه برنامه‌نویسی، استدلال، قابلیت‌های ایمنی و مجموعه‌ای از وظایف مرتبط با هوش مصنوعی عملکرد بهتری نسبت به نسل‌های پیشین و برخی رقبا ارائه می‌دهد.

این شرکت پس از انتشار تازه‌ترین نتایج Design Arena، موفقیت خود را مقابل آنتروپیک جشن گرفت. این رتبه‌بندی مستقل که توانایی مدل‌های هوش مصنوعی را در طراحی وب و توسعه فرانت‌اند با استفاده از سیستم امتیازدهی Elo ارزیابی می‌کند، GPT-5.6 Sol را بالاتر از Claude Fable 5 قرار داده است. همچنین OpenAI اعلام کرده که مدل پرچم‌دار تازه این شرکت در چندین آزمون داخلی مرتبط با برنامه‌نویسی و استدلال نیز عملکردی بهتر از Fable 5 به ثبت رسانده.

گرگ براکمن، رئیس OpenAI، این موفقیت را در شبکه اجتماعی X منتشر کرد و آن را یک نقطه عطف بزرگ توصیف نمود. او تصویری از جدول رتبه‌بندی Design Arena را نیز به اشتراک گذاشت؛ جدولی که مدل‌های هوش مصنوعی را بر پایه توانایی آن‌ها در توسعه فرانت‌اند و طراحی صفحات وب با سیستم امتیازدهی Elo مقایسه می‌کند. GPT-5.6 Sol با امتیاز ۱۳۵۳ در جایگاه نخست قرار گرفته، در حالی که GLM 5.2 با امتیاز ۱۳۵۱ رتبه دوم و Claude Fable 5 با امتیاز ۱۳۴۵ رتبه سوم را در اختیار دارند. در این جدول همچنین Claude Opus 4.6 و Claude Opus 4.6 Thinking نیز در میان برترین مدل‌ها دیده می‌شوند.

هم‌زمان با انتشار نتایج این ارزیابی، OpenAI خانواده GPT-5.6 را معرفی کرده که شامل سه مدل Sol، Terra و Luna است. این مجموعه با تمرکز بر نیازهای توسعه‌دهندگان و کاربران سازمانی طراحی شده و در مرحله نخست تنها در اختیار گروه محدودی از شرکای مورد اعتماد قرار گرفته است. شرکت اعلام کرده عرضه گسترده‌تر این مدل‌ها طی هفته‌های آینده انجام خواهد شد. به گفته OpenAI، مدل Sol پیشرفته‌ترین محصول این شرکت تا امروز محسوب می‌شود و برای استدلال پیچیده، برنامه‌نویسی و اجرای فرایندهای عامل‌محور توسعه یافته. همچنین ادعا شده که این مدل در وظایف علمی از جمله پژوهش‌های زیست‌شناسی و امنیت سایبری نیز پیشرفت قابل توجهی داشته است.

در کنار Sol، مدل Terra به‌عنوان گزینه‌ای متعادل برای انجام پردازش‌های روزمره معرفی شده و Luna نیز به‌عنوان مدلی اقتصادی با تمرکز بر سرعت بالا عرضه می‌شود. OpenAI اعلام کرده Terra عملکردی نزدیک به GPT-5.5 ارائه می‌دهد، اما هزینه استفاده از آن تقریباً نصف نسل قبل است. از سوی دیگر Luna ارزان‌ترین مدل این خانواده به شمار می‌رود.

OpenAI هم‌زمان با معرفی GPT-5.6 از امکانات تازه این خانواده نیز پرده برداشت. مدل Sol به حالت Maximum Reasoning مجهز گردیده که برای حل مسائل دشوارتر طراحی شده و همچنین حالت Ultra را در اختیار کاربران قرار می‌دهد؛ قابلیتی که با استفاده از زیرعامل‌ها می‌تواند وظایف چندمرحله‌ای را با کارایی بیشتری انجام دهد.

این شرکت همچنین اعلام کرده GPT-5.6 علاوه بر توسعه نرم‌افزار، در آزمون‌های پژوهشی مرتبط با زیست‌شناسی نسبت به GPT-5.5 نتایج بهتری کسب کرده و در عین حال از تعداد توکن کمتری استفاده می‌کند. به گفته OpenAI، این مدل در ارزیابی‌های امنیت سایبری نیز همچنان عملکرد رقابتی خود را حفظ کرده، بدون آنکه از آستانه داخلی Cyber Critical عبور کند.

ایمنی یکی از محورهای اصلی نسخه پیش‌نمایش GPT-5.6 به شمار می‌رود. OpenAI اعلام کرده این مدل به محافظت‌های قدرتمندتری در برابر سوءاستفاده‌های سایبری، استفاده نادرست در حوزه زیست‌شناسی حساس و تلاش‌های مکرر برای دور زدن سازوکارهای حفاظتی مجهز شده.

این شرکت همچنین توضیح داده که برای شناسایی نقاط ضعف احتمالی پیش از عرضه، بیش از ۷۰۰ هزار ساعت پردازش معادل GPUهای A100 را به آزمایش‌های خودکار Red Team اختصاص داده و در کنار آن از ارزیابی گسترده کارشناسان انسانی نیز بهره گرفته است.

در حال حاضر GPT-5.6 از طریق API و Codex برای گروهی از شرکای منتخب OpenAI در دسترس قرار گرفته و قرار است طی هفته‌های آینده به شکل گسترده‌تر وارد ChatGPT شود. OpenAI قیمت استفاده از مدل Sol را ۵ دلار برای هر یک میلیون توکن ورودی و ۳۰ دلار برای هر یک میلیون توکن خروجی تعیین کرده.

هزینه استفاده از Terra به‌ترتیب ۲.۵۰ دلار و ۱۵ دلار است و Luna نیز با قیمت ۱ دلار برای هر یک میلیون توکن ورودی و ۶ دلار برای هر یک میلیون توکن خروجی، اقتصادی‌ترین عضو این خانواده محسوب می‌شود.