ኦፕንኤአይ (OpenAI) ጂፒቲ-5.6ን ይፋ አደረገ

👀 ሞዴሉ ለህዝብ አገልግሎት አልተፈቀደም

ኦፕንኤአይ (OpenAI) ጂፒቲ-5.6ን በይፋ አስተዋውቋል። ይህም ከጂፒቲ-5 ወዲህ የተደረገ ትልቁ የሞዴል መዋቅር (architecture) ለውጥ ነው። ኦፕንኤአይ በአንድ ዋና ሞዴል ምትክ ሶስት የተለያየ ደረጃ ያላቸው ሞዴሎችን ይዞ ቀርቧል። እነዚህም ሶል / Sol (ለከባባድ ችግሮች የተዘጋጀ ዋና ሞዴል)፣ ቴራ /Terra (ሚዛናዊ የዕለት ተዕለት ሞዴል) እና ሉና / Luna (ፈጣን እና ተመጣጣኝ ዋጋ ያለው ሞዴል) ናቸው።

ጂፒቲ-5.6 ሶል አልትራ (GPT-5.6 Sol Ultra) በ"ተርሚናል-ቤንች 2.1" (Terminal-Bench 2.1) የአልትራ ሞድ ፈተና ላይ 91.9% በማስመዝገብ በኤጀንት የትእዛዝ ምህንድስና አዲስ የላቀ ደረጃን ይዟል።

ተርሚናል-ቤንች 2.1 (Terminal-Bench 2.1) ማለት የሰው ሰራሽ አስተውሎት (AI) ሞዴሎች የኮምፒውተር ትዕዛዝን ተጠቅመው ውስብስብ ስራዎችን የመስራት ብቃታቸው መመዘኛ እና መፈተኛ መድረክ (Benchmark) ነው።

አንድ የAI ሞዴል በተርሚናል-ቤንች ላይ ከፍተኛ ውጤት አመጣ ማለት እንደ አንድ ከፍተኛ የሲስተም መሃንዲስ (System Engineer) ወይም አይቲ ባለሙያ (IT Professional) ሆኖ የኮምፒውተር ትዕዛዞችን አቀናጅቶ የመስራት ብቃቱ እጅግ ከፍተኛ ነው ማለት ነው።

በዚህም መሰረት ጂፒቲ-5.6 ሶል በአልትራ ሞድ ፈተና ላይ 91.9% ማስመዝገብ መቻሉ የዘርፉን ኤክስፐርቶች አስደንቋል።

ምክንያቱም እስከዛሬ ከተመዘገቡት ክሎድ ሚቶስ 5 (Claude Mythos 5) ካስመዘገበው 88.0%፣ ክሎድ ፌብል 5 (Claude Fable 5) 83.4%፣ ቴራ 84.3% እና ጂፒቲ-5.5 83.4% በልጦ ተገኝቷል።

መደበኛው ጂፒቲ-5.6 ሶል (Base Sol) 88.8% አስመዝግቧል። ዝቅተኛው ደረጃ የሆነው ጂፒቲ-5.6 ሉና እንኳን 82.5% ሲያስመዘግብ ብዙ ከሚነገርለት 78.9% ካስመዘገበው ክሎድ ኦፐስ 4.8 (Claude Opus 4.8) በልጦ ተገኝቷል።

በሌላው "ኤጀንትስ ላስት ኤግዛም" (Agent's Last Exam) የፈተና መድረክም ጂፒቲ-5.6 ሶል በኮዲንግ ሞድ (code mode) 50.9% በማምጣት ከ50% በላይ የስራ ክንውን ያጠናቀቀ የመጀመሪያው ሞዴል ሆኗል። በቁጥር ጥናታዊ ባዮሎጂ እና ጂኖሚክስ "ሴኪውርባዮ" (SecureBio) ፈተና ጂፒቲ-5.6 ሶል እና ቴራ ሁለቱም ጥቂት የውጤት ቶከኖችን (output tokens) በመጠቀም ከጂፒቲ-5.5 የተሻለ አፈጻጸም አሳይተዋል። በሳይበር ደህንነት "ኤክስፕሎይትቤንች" (ExploitBench) ላይ ደግሞ ሶስቱም የጂፒቲ-5.6 ሞዴሎች የኦፕንኤአይን የ"ከፍተኛ" ሳይበር ገደብ አልፈዋል። በዚህ መለኪያ ጂፒቲ-5.6 ሶል 96.7%፣ ጂፒቲ-5.6 ቴራ 91.84% እና ጂፒቲ-5.6 ሉና 85.19% አስመዝግበዋል።

በጣም የሚያሳዝነው ግን ከእነዚህ ሞዴሎች ውስጥ አንዳቸውም ለአጠቃላይ ህዝብ ክፍት የማይደረጉ መሆናቸው ነው። በአሜሪካ መንግስት ጥያቄ መሰረት አገልግሎታቸው ለተመረጡ 20 አካባቢ አጋር ድርጅቶች ብቻ የተገደበ ነው። ይሁንና ኦፕንኤአይ ጂፒቲ-5.6 "በሰፊ ተደራሽ" መሆን እንዳለበት" እና በመንግስት ይፋዊ ገደቦችን መጣል ዘላቂ ልማድ ማድረግን እንደሚቃወም በይፋ አስታውቋል።