እኛ እስካሁን ድረስ በጣም ችሎታ ያለው ሞዴል ተከታታይ ለሙያዊ እውቀት ሥራ የሚሆን አዲሱን GPT‑5.2ን እንወስናለን።
ቀድሞውኑ፣ አማካዩ የChatGPT Enterprise ተጠቃሚ እንዲህ ይላል ሰው ሰራሽ አስተብሕሎት በቀን ከ 40–60 ደቂቃዎች የሚሆን የስራ ጊዜን ይቀንስልኛል በተመስሳይ መልኩ ከፍተኛ ተጠቃሚዎች ደግሞ በሳምንት ከ10 ሰዓታት በላይ የስራ ጊዜን እንደሚቀንስላቸ ይናገራሉ። GPT‑5.2 ለሰዎች የበለጠ ኢኮኖሚያዊ ጠቀሜታን ለመክፈት የሚያስችል እንዲሆን፤ ይህም ሉህ ለመፍጠር፣ ፕሬዘንቴሽኖችን ለመገንባት፣ ኮድ ለመፃፍ፣ ምስሎችን ለመረዳት፣ ረጅም -አውዶችን ለመረዳት፣ መሣሪያዎችን ለመጠቀም እና ውስብስብ፣ ብዙ-ደረጃ ያላቸው ፕሮጀክቶችን በማከናወን ረገድ የተሻለ እንዲሆን ተደርጎ የተነደፈ ነው።
GPT‑5.2 GDPvalን ጨምሮ በብዙ መመዘኛዎች አዲስ የዘመናዊ ደረጃን ያስቀምጣል፤ ይህም በ44 የሥራ ዘርፎች ውስጥ በሚገባ በተገለጹ የእውቀት ሥራ ተግባራት ላይ የኢንዱስትሪ ባለሙያዎችን በተሻለ ሁኔታ ያሸንፋል።
GPT‑5.2 Thinking(ማሰብ) | GPT‑5.1 Thinking(ማሰብ) | |
GDPval (አሸናፊዎች ወይም ማሻሻያዎች) | 70.9% | 38.8% (GPT‑5) |
SWE-Bench Pro (public) | 55.6% | 50.8% |
SWE-bench አረጋግጥ | 80.0% | 76.3% |
GPQA Diamond (መሳሪያዎች የሉም) | 92.4% | 88.1% |
CharXiv ማመዛዘን (ከPython ጋር) | 88.7% | 80.3% |
HMMT (ፌብርዋሪ እ.ኤ.አ 2025) | 99.4% | 96.3% |
FrontierMath (ደረጃ 1–3) | 40.3% | 31.0% |
ARC-AGI-1 (አረጋግጥ) | 86.2% | 72.8% |
ARC-AGI-2 (አረጋግጥ) | 52.9% | 17.6% |
Notion(በአዲስ መስኮት ውስጥ ይክፈታል)፣ Box(በአዲስ መስኮት ውስጥ ይክፈታል)፣ Shopify(በአዲስ መስኮት ውስጥ ይክፈታል)፣ Harvey(በአዲስ መስኮት ውስጥ ይክፈታል) እና Zoom(በአዲስ መስኮት ውስጥ ይክፈታል) እንደ GPT‑5.2 የምርጥ ዘመናዊ የረጅም ጊዜ ማመዛዘን እና የመሳሪያ ጥራት አፈጻጸም እንደሚያሳይ ተመልክተዋል። Databricks፣(በአዲስ መስኮት ውስጥ ይክፈታል) Hex(በአዲስ መስኮት ውስጥ ይክፈታል) እና Triple Whale(በአዲስ መስኮት ውስጥ ይክፈታል) GPT‑5.2 በውሂብ ሳይንስ እና ሰነድ ትንተና ተግባራት ላይ እጅግ የተሻለ መሆኑን አግኝተዋል። Cognition(በአዲስ መስኮት ውስጥ ይክፈታል)፣ Warp(በአዲስ መስኮት ውስጥ ይክፈታል)፣ Charlie Labs(በአዲስ መስኮት ውስጥ ይክፈታል)፣ JetBrains(በአዲስ መስኮት ውስጥ ይክፈታል) እና Augment Code(በአዲስ መስኮት ውስጥ ይክፈታል) እንደሚሉት GPT‑5.2 የዘመናዊ የኮዲንግ አገልግሎት ይሰጣል፣ በኢንተርአክቲቭ ኮዲንግ፣ የኮድ እይታ እና የነኝ ማግኛ ዘርፎች ውስጥ የሚታወቅ ማሻሻል አለ።
በChatGPT ውስጥ፣ GPT‑5.2 ፈጣን፣ አስተሳሰብ እና Pro ዛሬውኑ ተግባራዊ ይሆናሉ፣ ከሚከፈልባቸው ዕቅዶች ጀምሮ። በAPI ውስጥ፣ አሁን ለሁሉም አበልፃጊዎች ይገኛሉ።
በአጠቃላይ፣ GPT‑5.2 በአጠቃላይ የማሰብ ችሎታ፣ የረዥም ጊዜ አውድ መረዳት፣ የወኪል መሳሪያ ጥሪ እና ራዕይ ላይ ጉልህ ማሻሻያዎችን ያመጣል—ውስብስብ እና የገሃዱ ዓለም ተግባራትን ከማንኛውም ቀዳሚ ሞዴል ከጫፍ እስከ ጫፍ በመፈፀም የተሻለ ያደርገዋል።
GPT‑5.2 Thinking(ማሰብ) እስካሁን ለገሃዱ ዓለም፣ ለሙያዊ አጠቃቀም የእኛ ምርጥ ሞዴል ነው። GDPval ላይ፣ በ44 ሙያዎች ላይ በደንብ የተገለጹ የእውቀት ሥራ ተግባሮችን የሚለካ ኢቫል፣ GPT‑5.2 Thinking(ማሰብ) አዲስ የምርምር ሁኔታ ነጥብ ያስቀምጣል፣ እና በሰው ባለሙያ ደረጃ ወይም ከዚያ በላይ የሚሠራ የመጀመሪያው ሞዴል ነው። በተለይም፣ GPT‑5.2 ማሰብ በGDPval እውቀት ተግባሮች 70.9% ላይ ከፍተኛ የኢንዱስትሪ ባለሙያዎችን ይመታል ወይም ያስተሳሰራል ብለዋል እንደ ባለሙያ የሰው ዳኞች። እነዚህ ተግባራት የዝግጅት አቀራረቦችን፣ የተመን ሉሆችን እና ሌሎች ቅርሶችን ማዘጋጀትን ያካትታሉ። GPT‑5.2 ማሰብ ለGDPval ተግባሮች ውጤቶችን በ>11 እጥፍ ፍጥነት እና በ<1% ወጪ ከባለሙያ ሙያው ሰዎች አስመዝግቧል፣ ይህም በሰው እንቅስቃሴ ሲያገኝ እንደ GPT‑5.2 ሙያዊ ሥራ ሊረዳ እንደሚችል ያመለክታል። የፍጥነት እና ወጪ ግምቶች በታሪካዊ መለኪያዎች ላይ የተመሠረቱ ናቸው፤ በChatGPT ውስጥ ፍጥነት ሊለዋወጥ ይችላል።
በGDPval ውስጥ፣ ሞዴሎች ከከፍተኛ 9 ኢንዱስትሪዎች ውስጥ ለአሜሪካ የሀገር ውስጥ ምርት (GDP) አስተዋጽኦ የሚያደርጉ 44 የሥራ ዘርፎችን የሚሸፍኑ በሚገባ የተገለጹ የእውቀት ስራዎችን ይሞክራሉ። ተግባራት እንደ ሽያጭ ማቅረቦች፣ የሂሳብ ስፕሬድሺቶች፣ አስቸኳይ እንክብካቤ መርሃ ግብሮች፣ የማምረቻ ንድፎች ወይም አጭር ቪዲዮዎች ያሉ እውነተኛ የሥራ ምርቶችን ይጠይቃሉ። በChatGPT ውስጥ፣ GPT‑5.2 Thinking(ማሰብ)፣ GPT‑5 Thinking የሌላቸው አዳዲስ መሳሪያዎች አሉት።
አንድ በተለይ ጥሩ ውጤትን ሲገመግሙ፣ አንድ የGDPval ዳኛ አስተያየት ሲሰጡ፣ «ይህ በውጤት ጥራት ላይ አስደናቂ እና ጉልህ የሆነ ዝላይ ነው… [ይህ] በፕሮፌሽናል ኩባንያ የተከናወነ ይመስላል፣ እና ለሁለቱም አቅርቦቶች በሚያስደንቅ ሁኔታ በጥሩ ሁኔታ የተነደፈ አቀማመጥ እና ምክር አለው፣ ምንም እንኳን አሁንም ለማስተካከል አንዳንድ ጥቃቅን ስህተቶች አሉን።»
በተጨማሪም፣ በውስጣዊ መለኪያችን ላይ የጁኒየር የኢንቨስትመንት ባንክ ተንታኝ የሉህ ሞዴሊንግ ተግባራት—ለምሳሌ ለፎርቹን 500 ኩባንያ ትክክለኛ ቅርጸት እና ጥቅሶች ያሉት ባለ ሦስት መግለጫ ሞዴል ማዘጋጀት ወይም ለግል-ተነሳሽነት የተደገፈ የግዢ ሞዴል መገንባት—GPT 5.2 ማሰብ በአንድ ተግባር ላይ ከGPT‑5.1 በ9.3% የበለጠ እንደሆነ የአማካይ ውጤት አለው። ከ59.1% እስከ 68.4% ድረስ መጨመር።
ጎን ለጎን የሚደረጉ ንጽጽሮች በGPT‑5.2 ያመነጫሉ ሉሆች እና ስላይድ ቅርጸት ላይ የተሻሻለ ልምድና ዝግጅት ያሳያሉ። Thinking(ማሰብ)፦
እርምጃ፦ የሰራተኞች እቅድ ሞዴል ፍጠር፦ የሰው ቁጥር፣ የእቅድ እቅድ፣ መልቀቂያ እና የበጀት ተፅዕኖ። የመሳሪያ ሥራ፣ ግብይት፣ ህጋዊ፣ እና ሽያጭ መስሪያ ክፍሎችን አካትቱ።
አዲሱን ሉህ እና ማቅረብ ችሎታዎችን በChatGPT ለመጠቀም፣ በ ክፍያ እቅድ ላይ መሆን እና GPT‑5.2 Thinking(ማሰብ) ወይም Pro መምረጥ አለብዎት። ውስብስብ ምርቶች ለመፍጠር ብዙ ደቂቃዎች ሊወስዱ ይችላሉ።
GPT‑5.2 ማሰብ በSWE-bench Pro ላይ የ55.6% አዲስ የጥበብ ደረጃን አቀረበ፣ ይህም የእውነተኛ ዓለም የሶፍትዌር ምህንድስና ጥብቅ ግምገማ ነው። Pythonን ብቻ ከሚፈትነው SWE-bench አረጋግጥ በተለየ፣ SWE-Bench Pro አራት ቋንቋዎችን ይፈትሻል እና የበለጠ ብክለትን የሚቋቋም፣ ፈታኝ፣ የተለያየ እና ከኢንዱስትሪ ጋር ተዛማጅነት ያለው ለመሆን ያለመ ነው።
በ SWE-bench Pro(በአዲስ መስኮት ውስጥ ይክፈታል)፣ አንድ ሞዴል የኮድ ማከማቻ ይሰጠዋል እና ተጨባጭ የሶፍትዌር ምህንድስና ተግባርን ለመፍታት ፓች ማመንጨት አለበት
በSWE-bench አረጋግጥ (አልተሳሳተም)፣ GPT‑5.2 Thinking(ማሰብ) አዲሱን ከፍተኛውን 80% ያስቆጥራል።
ለዕለት ተዕለት ለሙያዊ አጠቃቀም፣ ይህ በአስተማማኝ መልኩ የምርት ኮድን ማረም፣ የባህሪ ጥያቄዎችን መተግበር፣ ትልልቅ የኮድ ቤዝ ማስተካከያዎችን እና የመርከብ መጠገኛዎችን ከጫፍ እስከ ጫፍ በሚያንስ በእጅ ጣልቃ ወደሚችል ሞዴል ይተረጎማል።
GPT‑5.2 Thinking(ማሰብ) እንዲሁ ከGPT‑5.1 Thinking(ማሰብ) ይልቅ በፊት-መጨረሻ የሶፍትዌር ምህንድስና የተሻለ ነው። ቀደምት ሞካሪዎች በፊት-መጨረሻ ልማት እና ውስብስብ ወይም ያልተለመደ የUI ሥራ ላይ በጣም ጠንካራ ሆኖ አገኙት—በተለይም 3D አባሎችን በማሳተፍ—በቁልል ውስጥ ላሉ መሐንዲሶች ኃይለኛ ዕለታዊ አጋር አድርጎታል። ከአንድ ጥያቄ ምን እንደሚያመጣ ጥቂት ምሳሌዎችን ይመልከቱ፦
ጥያቄ፦ በአንድ የHTML ፋይል ውስጥ የሚከተሉትን መስፈርቶች የያዘ ባለ አንድ ገጽ መተግበሪያ ፍጠር፦
- ስም፦ Ocean Wave Simulation
- ዓላማ፦ እውነተኛ የሆኑ አኒሜሽን ማዕበሎችን ማሳየት።
- ባህሪያት፦ የነፋስ ፍጥነት፣ የማዕበል ቁመት፣ መብራት መቀየር።
- የተጠቃሚ በይነገጽ የሚያረጋጋ እና እውነተኛ መሆን አለበት።
ቀደምት ፈተና አድርገው የነበሩ ተጠቃሚዎች በGPT‑5.2 ላይ ግብረ መልሳቸውን አጋሩ። ኮዲንግ አቅሞች፦
«GPT-5.2 ይህ ሞዴል ከGPT-5 ጀምሮ በወኪልነት ኮዲንግ ውስጥ ትልቁን ዝላይ ይወክላል እና በዋጋው ክልል ውስጥ የዘመናዊ የኮዲንግ ሞዴል ነው። የስሪት ማሻሻያ የማሰብ ችሎታ መጨመርን ሙሉ በሙሉ አያስተላልፍም። እኛ በWindsurf እና በተወሰኑ ዋነኛ የDevin የሥራ ጭነቶች ላይ ነባሪ ማድረግ በጣም ደስተኞች ነን።»
GPT‑5.2 Thinking(ማሰብ) ከGPT‑5.1 Thinking(ማሰብ) ያነሰ ቅዠት ያደርጋል። ከChatGPT ያልተለዩ ጥያቄዎች ስብስብ ላይ፣ ስህተቶች ያሏቸው ምላሾች 38%ያነሰ የተለመዱ ነበሩ። ለባለሙያዎች፣ ይህ ማለት ሞዴሉን ለምርምር፣ ለመጻፍ፣ ለመተንተን እና ለውሳኔ ድጋፍ ሲጠቀሙ አነስተኛ ስህተቶች ማለት ነው—ሞዴሉን ለዕለት ተዕለት የእውቀት ስራ የበለጠ አስተማማኝ ያደርገዋል።
የማመዛዘን ጥረት እስከ ከፍተኛው ደረጃ ተደርጎ ነበር እና የፍለጋ መሳሪያ ነቅቶ ነበር። ሌሎች ሞዴሎች ስህተቶችን አግኝተዋል፣ እነሱም ራሳቸው ስህተት ሊያደርጉ ይችላሉ። የክርክር ደረጃ የስህተት መጠኖች ከምላሽ ደረጃ የስህተት መጠኖች በጣም ዝቅተኛ ናቸው፣ ምክንያቱም አብዛኛው ምላሾች ብዙ ክርክሮችን ይይዛሉ።
ልክ እንደ ሁሉም ሞዴሎች፣ GPT‑5.2 Thinking(ማሰብ) ፍጹም አይደለም። ለማንኛውም ወሳኝ ነገር፣ መልሶቹን በድጋሚ ያረጋግጡ።
GPT‑5.2 Thinking(ማሰብ) በረዥም አውድ አስተሳሰብ ውስጥ አዲስ የጥበብ ሁኔታን ያስቀምጣል፣ በOpenAI MRCRv2—ላይ ግንባር ቀደም አፈጻጸምን በማስመዝገብ -የአንድ ሞዴል በረጅም ሰነዶች ላይ የሚሰራጩ መረጃዎችን የማዋሃድ ችሎታን በመፈተሽ ይግመግማል። በገሃዱ ዓለም ተግባራት ላይ እንደ ጥልቅ የሰነድ ትንተና፣ ተዛማጅ መረጃዎችን በመቶ ሺዎች የሚቆጠሩ ቶከኖች የሚያስፈልጋቸው፣ GPT‑5.2 Thinking(ማሰብ) ከGPT‑5.1 Thinking(ማሰብ) የበለጠ ትክክል ነው። በተለይም፣ በ4-መርፌ MRCR ልዩነት (እስከ 256k ቶከኖች) 100% ትክክለኛነትን ያገኘ ያየነው የመጀመሪያው ሞዴል ነው።
በተግባራዊ ቃላቶች፣ ይህ ባለሙያዎች GPT‑5.2ን እንዲጠቀሙ ያስችላቸዋል ረጅም ሰነዶች—እንደ ሪፖርቶች፣ ኮንትራቶች፣ የምርምር ወረቀቶች፣ ትራንስክሪፕቶች እና ባለብዙ ፋይል ፕሮጄክቶች—በመቶ ሺዎች በሚቆጠሩ ቶከኖች መካከል ያለውን ወጥነት እና ትክክለኛነት እየጠበቁ ናቸው። ይህ GPT‑5.2 በተለይ ለጥልቅ ትንተና፣ ውህደት እና ውስብስብ ባለብዙ ምንጭ የሥራ ፍሰቶች ተስማሚ ያደርገዋል።
በ OpenAI-MRCR(በአዲስ መስኮት ውስጥ ይክፈታል) v2 (ባለብዙ ዙር የጋራ ማጣቀሻ ጥራት)፣ በርካታ ተመሳሳይ “መርፌ” የተጠቃሚ ጥያቄዎች የተመሳሳይ ጥያቄዎች እና ምላሾች ባሉ ረጅም “የሣር ክምር” ውስጥ ይገባሉ፣ እና ሞዴሉ ለnኛ መርፌ የሚሰጠውን ምላሽ እንደገና እንዲደግም ይጠየቃል። የግምገማው ስሪት 2 የተሳሳቱ የእውነት እሴቶችን የያዙትን ~5% ተግባራት ያስተካክላል። አማካይ የመዛመድ ጥምርታ በሞዴሉ ምላሽ እና በትክክለኛው መልስ መካከል ያለውን አማካይ የመዛመድ ጥምርታ ይለካል። በ256k ከፍተኛ የግቤት ቶከኖች ላይ ያሉት ነጥቦች ከ128k–256k የግቤት ቶከኖች አማካይ እንደሆኑ ይወክላሉ፣ እና እንዲሁ ይቀጥላል። እዚህ 256k 256 * 1,024 = 262,114 ቶከኖችን ይወክላል። የማመዛዘን ሞዴሎች በከፍተኛ የማመዛዘን ጥረት ይሰራሉ።
ለከፍተኛ አውድ መስኮት ውስጥ ከሚገኙ አስተሳሰቦች በላይ ማሰብ የሚጠቅም ተግባር፣ ለGPT‑5.2 Thinking(ማሰብ) የአምሳያው ውጤታማ አውድ መስኮትን ከሚያራዝመው ከአዲሱ ምላሾች /ከታመቀ የመጨረሻ ነጥብ ጋር ተኳሃኝ ነው። ይህ GPT‑5.2 ይፈቅዳል Thinking(ማሰብ) በመሳሪያዎች ላይ ከባድ የሆኑ፣ ረጅም ጊዜ የሚቆዩ የስራ ፍሰቶችን መፍታት ሲሆን አለበለዚያ በአውድ ርዝመት የተገደቡ ሊሆኑ ይችላሉ። በእኛ የAPI ሰነዶች(በአዲስ መስኮት ውስጥ ይክፈታል) ውስጥ የበለጠ ያንብቡ።
GPT‑5.2 Thinking(ማሰብ) እስካሁን ድረስ በጣም ጠንካራው የእይታ ሞዴላችን ነው፣ በገበታ ማመዛዘን እና በሶፍትዌር በይነገጽ ግንዛቤ ላይ የስህተት ተመኖችን በግማሽ ይቀንሳል።
ለዕለት ተዕለት ሙያዊ አጠቃቀም ይህ ማለት ሞዴሉ የበለጠ በትክክል ዳሽቦርዶችን፣ የምርት ቅጽበታዊ ገጽ ዕይታዎችን፣ ቴክኒካዊ ንድፎችን እና የእይታ ሪፖርቶችን—የእይታ መረጃ ማዕከላዊ በሆነበት በፋይናንስ፣ በኦፕሬሽኖች፣ በምህንድስና፣ በንድፍ እና በደንበኛ ድጋፍ ውስጥ ያሉ የሥራ ፍሰቶችን ይደግፋል።
በ CharXiv ማመዛዘን(በአዲስ መስኮት ውስጥ ይክፈታል)፣ ሞዴሎች ከሳይንሳዊ ወረቀቶች ስለ ምስላዊ ገበታዎች ጥያቄዎችን ይመልሳሉ። የPython መሳሪያ የማንቃት እና የማመዛዘን ጥረት ወደ ከፍተኛ ደረጃ ተቀናብሯል።
በ ቅጽበታዊ ገጽ እይታ-Pro(በአዲስ መስኮት ውስጥ ይክፈታል)፣ ውስጥ ሞዴሎች ከተለያዩ ሙያዊ መቼቶች የግራፊክ የተጠቃሚ በይነገጾች ከፍተኛ ጥራት ያላቸውን ቅጽበታዊ ገጽ እይታዎች ማመዛዘን አለባቸው። የPython መሳሪያ ነቅቷል እና የማመዛዘን ጥረት ወደ ከፍተኛ ደረጃ ተቀናብሯል። የPython መሳሪያ ከሌለ ውጤቱ በጣም ያነሰ ነው። በመሳሰሉት የእይታ ስራዎች ላይ የPython መሳሪያን ማንቃት እንመክራለን።
ከቀደም ያሉት ሞዴሎች ጋር እንደሚነጻጸር፣ GPT‑5.2 Thinking(ማሰብ) አንድ ምስል ውስጥ ንጥሎች እንዴት እንደተቀመጡ የበለጠ ግንዛቤ አለው፣ ይህም በተወሰኑ ተግባሮች ላይ የተያያዘ እቅፍ ዋነኛ ሚና ሲሰራ ችግሮችን ለመፍታት ይረዳል። በታች ያለው ምሳሌ ውስጥ፣ ሞዴሉን በምስል ግቤት (በዚህ ጊዜ ማደረብ ላይ) ውስጥ ያሉትን ክፍሎችን ለመለየት እንጠይቃለን እና በግምት የተደረጉ የመለያ ሳጥኖች ጋር መለያዎችን ለመመለስ እንጠይቃለን። እንኳን በዝቅተኛ ጥራት ምስል ላይ ሆነ፣ GPT‑5.2 ዋነኛ ክልሎችን ይለይ እና የእያንዳንዱን ክፍል እውነተኛ አካባቢ የሚመስሉ ሳጥኖችን ይሰጣል፣ ሲሆን GPT‑5.1 ግን በጥቂት ክፍሎች ላይ ብቻ ምልክት ይሰጣል እና የአካባቢ አስተዳደር በጣም ደካማ እንደሆነ ያሳያል።
GPT‑5.1
GPT‑5.2
GPT‑5.2 Thinking(ማሰብ) በTau2-bench ቴሌኮም ላይ አዲስ የጥበብ ደረጃን 98.7% አሳክቷል፣ ይህም ረጅምና ባለብዙ ዙር ሥራዎችን በአስተማማኝ ሁኔታ የመጠቀም ችሎታውን ያሳያል።
ለዝቅተኛ መዘግየት የተስማሚ ጉዳዮች ላይ፣ GPT‑5.2 Thinking(ማሰብ) እንዲሁ በማመዛዘን.effort=‹ምንም› ላይ በጣም የተሻለ ይሠራል፣ GPT‑5.1 እና GPT‑4.1 ከፍተኛ በሆነ ሁኔታ ይሻላል።
በ τ2-bench(በአዲስ መስኮት ውስጥ ይክፈታል)ውስጥ፣ ሞዴሎች ከአንድ አስመሳይ ተጠቃሚ ጋር ባለ ብዙ ዙር መስተጋብር ውስጥ የደንበኛ ድጋፍ ተግባራትን ለማጠናቀቅ መሳሪያዎችን ይጠቀማሉ። ለቴሌኮም ጎራ፣ አፈፃፀሙን ለማሳደግ በስርዓት እርምጃ ውስጥ አጭር፣ በአጠቃላይ አጋዥ መመሪያ አካተናል። ዝቅተኛ ጥራት ባለው የመሬት እውነት ደረጃ አሰጣጥ ምክንያት የአየር መንገዱን ንዑስ ስብስብ አገለልን።
ለባለሞያዎች ይህ ወደ ጠንካራ ከጫፍ እስከ ጫፍ የስራ ፍሰቶች ይተረጎማል—እንደ የደንበኛ ድጋፍ ጉዳዮችን መፍታት፣ መረጃን ከበርካታ ስርዓቶች መሳብ፣ ትንታኔዎችን ማስኬድ እና የመጨረሻ ውጤቶችን በማመንጨት በደረጃዎች መካከል ትንሽ ብልሽቶች አሉ።
ለምሳሌ፣ ባለብዙ ደረጃ መፍትሄ የሚፈልግ ውስብስብ የደንበኞች አገልግሎት ጥያቄ ሲጠይቅ፣ ሞዴሉ በበርካታ ወኪሎች ላይ የተሟላ የስራ ፍሰትን በብቃት ማቀናጀት ይችላል። ከታች ባለው ጉዳይ ላይ፣ አንድ ተጓዥ በረራ ዘግይቶ እንደነበር፣ የግንኙነት መጓደሉን፣ በNew York ለአንድ ሌሊት መቆየት እና የሕክምና መቀመጫ እንደሚያስፈልግ ሪፖርት አድርጓል። GPT‑5.2 ሙሉውን የተግባር ሰንሰለት ያስተዳድራል—ዳግም ቦታ ማስያዝ፣ ልዩ የእርዳታ መቀመጫ እና ማካካሻ—ከGPT‑5.1 የበለጠ የተሟላ ውጤት ይሰጣል።
GPT‑5.1
GPT‑5.2
ለሰው ሠራሽ አስተውሎት (AI) ካለን ተስፋዎች አንዱ ለሁሉም ሰው የሚጠቅም ሳይንሳዊ ምርምርን ማፋጠን ነው። ለዚህም፣ ሰው ሠራሽ አስተውሎት (AI) ስራቸውን እንዴት እንደሚያፋጥኑ ለማየት ከሳይንቲስቶች ጋር እየሠራን እና እየሰማን ነበር፣ እና ባለፈው ወር አንዳንድ ቀደምት የትብብር ሙከራዎችን እዚህ አጋርተናል።
እኛ GPT‑5.2ን እናምናለን Pro እና GPT‑5.2 ሳይንቲስቶችን ለመርዳት እና ለማፋጠን Thinking(ማሰብ) የአለም ምርጥ ሞዴሎች ናቸው። በGPQA አልማዝ፣ የድህረ ምረቃ ደረጃ Google-proof Q&A ቤንችማርክ፣ GPT‑5.2 Pro 93.2%፣ በGPT‑5.2 በቅርበት ይከተላል በ92.4% Thinking(ማሰብ) ነው።
በ GPQA አልማዝ(በአዲስ መስኮት ውስጥ ይክፈታል)ውስጥ፣ ሞዴሎች ስለ ፊዚክስ፣ ኬሚስትሪ እና ባዮሎጂ ብዙ ምርጫ ጥያቄዎችን ይመልሳሉ። ምንም አይነት መሳሪያ አልነቃም እና የማመዛዘን ጥረት ወደ ከፍተኛ ደረጃ ተቀምጧል።
በFrontierMath (ደረጃ 1-3)፣ የባለሙያ ደረጃ የሂሳብ ግምገማ፣ GPT‑5.2 ማሰብ 40.3% ችግሮችን በመፍታት አዲስ የሥራ ደረጃ አቀናብሯል።
በ FrontierMath(በአዲስ መስኮት ውስጥ ይክፈታል)ውስጥ፣ ሞዴሎች በባለሙያ ደረጃ የሂሳብ ችግሮችን ይፈታሉ። የPython መሳሪያ ነቅቷል እና የማመዛዘን ጥረት ወደ ከፍተኛ ደረጃ ተቀናብሯል።
የሰው ሠራሽ አስተውሎት (AI) ሞዴሎችን በሂሳብ እና በሳይንስ በተጨባጭ መንገዶች ትርጉም ባለው መልኩ እድገትን ሲያፋጥኑ ማየት ጀምረናል። ለምሳሌ፣ በ የቅርብ ጊዜ ሥራ ከGPT‑5.2 ጋር Pro, ተመራማሪዎች በስታቲስቲካዊ መማር ንድፈ ሐሳብ ውስጥ ክፍት ጥያቄ ማሰሱ። በተወሰነ እና በግልጽ የተገለጸ አካባቢ ውስጥ፣ ሞዴሉ ማረጋገጫ አቀረበ ይህም በኋላ በደራሲዎች ተአረጋግጧ እና ከውጫዊ ባለሙያዎች ጋር የተገመገመ ነበር፣ ይህም የድንበር ሞዴሎች በቅርብ የሰው ቁጥጥር ሥር የሂሳብ ምርምርን እንዴት ሊያግዙ እንደሚችሉ ያሳያል።
በARC-AGI-1 (አረጋግጥ) ላይ፣ የአጠቃላይ ምዘና ችሎታን ለመለካት የተነደፈ መመዘኛ ላይ፣ GPT‑5.2 ከ90% መደበኛ ደረጃ በላይ የመጀመሪያው ሞዴል ሆኖ ተገኝቷል፣ ከባለፈው ዓመት በo3‑ቅድመ‑ዕይታ 87% እንደነበረ ሲሆን ያንን አፈጻጸም ለማሳደግ የሚያስፈልገውን ወጪ በአንድ 390 ጊዜ በመቀነስ አሻሽሏል።
በARC-AGI-2 (አረጋግጥ) ላይ፣ ይህ ችግርን ያሳድራል እና ፍላዊ ማመዛዘንን ይለይ የሚለውን፣ GPT‑5.2 Thinking(ማሰብ) ለየሃሳብ ሰንሰለት ሞዴሎች አዲስ የስነጥበብ ሁኔታን አሳካ፣ 52.9% ነጥብ አግኝቷል። GPT‑5.2 Pro ከፍተኛ አፈጻጸም ይሰጣል፣ 54.2% ድረስ ይደርሳል፣ ሞዴሉ አዲስና ረቂቅ ችግሮችን በአመዛዝን ማስቻል የሚችል ችሎታውን በተጨማሪ ይረዝማል።
በእነዚህ ግምገማዎች ላይ የተደረጉ ማሻሻያዎች የGPT‑5.2ን እድገት ያሳያሉ። የበለጠ ጠንካራ ባለብዙ-እርምጃ አመክንዮ፣ የበለጠ መጠናዊ ትክክለኛነት እና በውስብስብ ቴክኒካዊ ተግባራት ላይ የተሻለ እና የተመረጠ ችግር መፍታት።
እነሱ ስለ GPT‑5.2 የቀድሞ ፈተና ተሳታፊዎቻችን የሚሉት እነዚህ ናቸው፦
«GPT-5.2 ሙሉ የአዋቀር ለውጥን ለእኛ ከፍቶ አስቻለ። እኛ ወላጅ የሆነ ባለብዙ ወኪሎች ስርዓትን ወደ አንድ ትልቅ ወኪል ከ 20+ መሣሪያዎች ጋር አንድ አድርገናል። የምርጥ ክፍል እንደሆነ፣ በቀላሉ ይሰራል። የሜጋ-ወኪል ፈጣን ነው፣ ብልህ ነው፣ እና በ100 ጊዜ ቀላል ሊጠበቅ ይችላል። እኛ በግምት በጣም ዝቅተኛ መዘግየት፣ በጣም ጠንካራ የመሳሪያ ጥራት እና ከአሁን ጀምሮ የስርዓት እርምጃዎች አያስፈልጉም ምክንያቱም 5.2 በቀላሉ በአንድ መስመር እርምጃ ይሰራል። እንደ ንጹህ ምልክት ይሰማል።»
በChatGPT ውስጥ፣ ተጠቃሚዎች GPT‑5.2 ከዕለት ወደ ዕለት ለመጠቀም የተሻለ እንደሆነ መረዳት ይገባቸዋል—የተዋቀረ፣ የተስማሚ እና እንደገና የሚያስደስት ለመነጋገር የተሻለ እንደሆነ ያስተውሉ።
GPT‑5.2 Instant ለዕለት ተዕለት ሥራ እና ትምህርት ፈጣን እና ብልህ የሥራ ፈረስ ነው፣ በመረጃ ፍለጋ ጥያቄዎች፣ እንዴት ማድረግ እና መሄድ፣ ቴክኒካል አጻጻፍ እና ትርጉም ላይ ግልፅ ማሻሻያ አለው፣ በGPT‑5.1 Instant ውስጥ የተገባውን ሞቅ ያለ የውይይት ቃና ሲይዝ። ቀደምት ሞካሪዎች በተለይ ቁልፍ መረጃዎችን አስቀድመው የሚያቀርቡ ግልጽ ማብራሪያዎችን አስተውለዋል።
GPT‑5.2 Thinking(ማሰብ) ለዝርዝር ሥራ የተነደፈ ነው፣ ተጠቃሚዎችን ውስብስብ ተግባሮችን በተሻለ ሁኔታ ለመፍታት ይረዳቸዋል—በተለይም በኮዲንግ፣ ረጅም ሰነዶችን ማጠቃለያ ማድረግ፣ ስለ ተስቀሉ ፋይሎች ጥያቄዎችን መመለስ፣ የሂሳብ እና ሎጂክ ተግባሮችን ደረጃ በደረጃ ማለፍ፣ እና በግልፅ መዋቅር እና በጥቅም ላይ የሚሆን ዝርዝር በማቀድ እና በውሳኔ አሰጣጥ ላይ እገዛ ይሰጣል።
GPT‑5.2 Pro እኛም በጣም ብልህ እና አስተማማኝ አማራጭ ለአስቸጋሪ ጥያቄዎች ነው፣ ከፍተኛ ጥራት ያለው መልስ ለመጠበቅ ይገባል። በቅድመ ሙከራ ውስጥ ጥቂት ዋና ስህተቶችን እና በፕሮግራሚንግ ውስብስብ ጎራዎች ላይ ጠንካራ አፈጻጸም ያሳያል።
GPT‑5.2 ከGPT‑5 ጋር ያስተዋውቀውን አስተማማኝ የማጠናቀቂያ ጥናት ላይ ይገነባል፣ ይህም ሞዴሉ አሁንም በደኅንነት ወሰኖች ውስጥ ሲቆይ በጣም ጠቃሚ መልስ እንዲሰጥ ያስተምራል።
በዚህ ልቀት፣ ራስን የማጥፋት ወይም ራስን መጉዳት፣ የአእምሮ ጤና ጭንቀት፣ ወይም በአምሳያው ላይ ስሜታዊ መታመንን የሚጠቁሙ ምልክቶችን በሚያሳዩ ፈጣን ምላሽ ላይ ትርጉም ያለው ማሻሻያ በማድረግ የኛን ሞዴሎች ምላሾችን ስሱ በሆኑ ውይይቶች ለማጠናከር ስራችንን ቀጥለናል። እነዚህ ያነጣጠሩ ጣልቃገብነቶች በሁለቱም GPT‑5.2 ውስጥ ያነሱ የማይፈለጉ ምላሾች አስከትለዋል። ፈጣን እና GPT‑5.2 ከGPT‑5.1 እና GPT‑5 ቅጽበታዊ እና የThinking(ማሰብ) ሞዴሎች ጋር ሲወዳደር Thinking(ማሰብ)። ተጨማሪ ዝርዝሮችን በስርዓት ካርድ ማግኘት ይችላሉ።
እኛ እንደ 18 ዓመት በታች ለሆኑ ተጠቃሚዎች የይዘት ጥበቃ በራስ ሰር እንዲተገብር የሚያስችል የእድሜ ትንበያ ሞዴል ለመግባት በመጀመሪያ ደረጃ እንደምንገናኝ ነን፣ ይህም ጥንቃቄ የሚያስፈልገው የይዘት መዳረሻን ለመገደብ ነው። የእድሜ ትንበያ ሞዴል ይህ የሚገነባው ከ18 ዓመት በታች ለሆኑ ተጠቃሚዎች ባለን ነባር አቀራረብ እና በወላጅ ቁጥጥራችን ላይ ነው።
GPT‑5.2 በመካሄድ ላይ ባሉ ተከታታይ ማሻሻያዎች ውስጥ አንድ እርምጃ ነው፣ እና እኛ ገና ብዙም እንሠራለን። ይህ ልቀት በእውቀት እና በምርታማነት ላይ ትርጉም ያለው እድገትን ቢያቀርብም፣ ሰዎች የበለጠ የሚፈልጉባቸው አካባቢዎች እንዳሉ እናውቃለን። በChatGPT ውስጥ፣ ከመጠን በላይ እምቢ ማለት ያሉ ታዋቂ ችግሮችን ላይ እየሠራን ሳለን በአጠቃላይ ደኅንነት እና እምነትን ማሻሻል እንቀጥላለን። እነዚህ ለውጦች ውስብስብ ናቸው፣ እና በትክክል እነሱን ለማግኘት ትኩረት እናደርጋለን።
GPT‑5.2 | GPT‑5.2 | GPT‑5.2 | GPT‑5.1 | |
የአእምሮ ጤና | 0.995 | 0.883 | 0.915 | 0.684 |
ስሜታዊ መታመን | 0.938 | 0.945 | 0.955 | 0.785 |
ራስን መጉዳት | 0.938 | 0.925 | 0.963 | 0.937 |
በChatGPT ውስጥ፣ GPT‑5.2 (ፈጣን፣ Thinking(ማሰብ) እና Pro) በሚከፈልባቸው እቅዶች (Plus(ፕላስ)፣ Pro፣ Business፣ Enterprise) በመጀመር ዛሬ መልቀቅ እንጀምራለን። ChatGPT በተቻለን መጠን ለስላሳ እና አስተማማኝ እንዲሆን GPT‑5.2 ቀስ በቀስ እናሰማራለን፤ መጀመሪያ ላይ ካላዩት እባክዎ ቆይተው እንደገና ይሞክሩ። በChatGPT ውስጥ GPT‑5.1 አሁንም ለክፍያ ተጠቃሚዎች ለሦስት ወራት በቀሪ ሞዴሎች የሚገኝ ይሆናል፣ ከዚያ በኋላ GPT‑5.1 ጀንበሯን እንጥላለን።
ChatGPT | API |
ChatGPT‑5.2 Instant | GPT‑5.2‑ቻት‑የቅርብ ጊዜ |
ChatGPT‑5.2 Thinking | GPT‑5.2 |
ChatGPT‑5.2 Pro | GPT‑5.2 Pro |
በእኛ የAPI መድረክ ላይ GPT‑5.2 Thinking(ማሰብ) ዛሬ በምላሾች API እና በውይይት ማጠናቀቂያዎች API እንደ GPT‑5.2 ይገኛል። እና GPT‑5.2 በፍጥነት እንደ GPT‑5.2‑chat‑latest። GPT‑5.2 Pro በምላሾች API እንደ gpt-5.2-pro ይገኛል። አበልፃጊዎች አሁን በGPT‑5.2 ውስጥ የምክንያት መለኪያ ማቀናጀት ይችላሉ። Pro እና GPT‑5.2 Pro እና GPT‑5.2 አሁን Thinking(ማሰብ) የአዲሱን አምስተኛ የማመዛዘን ጥረት የxhigh ድጋፍ ይሰጣል፣ በዚህ ተግባሮች ላይ ጥራት በጣም አስፈላጊ ነው።
GPT‑5.2 ዋጋው $1.75/1 ሚሊዮን ግቤት ማስመሰያዎች እና $14/1 ሚሊዮን የውጤት ምልክትቶች ሲሆን በተሸጎጡ ግብዓቶች ላይ 90% ቅናሽ አለው። በበርካታ ወኪሎች ግምገማዎች፣ ምንም እንኳን GPT‑5.2 በአንድ ቶከን ከፍተኛ ዋጋ ቢኖረውም፣ GPT‑5.2 በቶከኖች የበለጠ ቀልጣፋ ስለሆነ የተወሰነ የጥራት ደረጃ ማሳካት ርካሽ ሆኖ አግኝተናል።
የChatGPT የደንበኝነት ምዝገባ ዋጋ አወጣጥ ሆኖ ሳለ፣ በAPI GPT‑5.2 የበለጠ አቅም ያለው ሞዴል ስለሆነ በአንድ ቶከን ከGPT‑5.1 ከፍ ያለ ነው። አሁንም ዋጋው ከሌሎች የድንበር ሞዴሎች በታች ነው፣ ስለዚህ ሰዎች በዕለት ተዕለት ሥራቸው እና በዋና መተግበሪያዎቻቸው ውስጥ በጥልቀት መጠቀማቸውን መቀጠል ይችላሉ።
ሞዴል | ግቤት | የተሸጎጠ ግቤት | ውጤት |
gpt-5.2 / | $1.75 | $0.175 | $14 |
gpt-5.2-pro | $21 | - | $168 |
gpt-5.1 / | $1.25 | $0.125 | $10 |
gpt-5-pro | $15 | - | $120 |
GPT‑5.1ን ለማቋረጥ ምንም እቅድ የለንም፣ በAPI ውስጥ GPT‑5፣ ወይም GPT‑4.1 እና ማንኛውንም የመቀነስ እቅዶችን በበቂ ቅድመ ማስታወቂያ ለአበልፃጊዎች ያስተላልፋል። GPT‑5.2 በCodex ውስጥ ካለው ሳጥን ውስጥ በደንብ የሚሠራ ቢሆንም በሚቀጥሉት ሳምንታት ውስጥ ለCodex የተመቻቸ የGPT‑5.2 ሥሪት እንለቃለን ብለን እንጠብቃለን።
GPT‑5.2 ከNVIDIA እና Microsoft ጋር በረጅም ጊዜ የነበረ ሽርክናችን በመተባበር ተገንብቷል። የAzure ውሂብ ማእከላት እና NVIDIA GPUዎች፣ H100፣ H200 እና GB200-NVL72ን ጨምሮ፣ የOpenAIን የሥልጠና መሠረተ ልማት በመደገፍ በሞዴል ኢንተለጀንስ ውስጥ ከፍተኛ እመርታ ያስገኛል። አንድ ላይ፣ ይህ ትብብር በድፍረት ስሌትን እንድንመዘን እና አዳዲስ ሞዴሎችን በፍጥነት ለገበያ እንድናመጣ ያስችለናል።
ከዚህ በታች፣ ለGPT‑5.2 የተሟላ የመለኪያ ውጤቶችን እናቀርባለን Thinking(ማሰብ)፣ ከGPT‑5.2 ንዑስ ክፍል ጋር Pro(ፕሮ)።
ሙያዊ
| GPT-5.2 Thinking | GPT-5.2 Pro | GPT-5.1 Thinking | |
|---|---|---|---|
| GDPval (ties allowed, wins or ties) | 70.9% | 74.1% | 38.8% (GPT-5) |
| GDPval (ties allowed, clear wins) | 49.8% | 60.0% | 35.5% (GPT-5) |
| GDPval (no ties) | 61.0% | 67.6% | 37.1% (GPT-5) |
| Investment banking spreadsheet tasks (internal) | 68.4% | 71.7% | 59.1% |
ኮዲንግ
| GPT-5.2 Thinking | GPT-5.2 Pro | GPT-5.1 Thinking | |
|---|---|---|---|
| SWE-Bench Pro, Public | 55.6% | - | 50.8% |
| SWE-bench Verified | 80.0% | - | 76.3% |
| SWE-Lancer, IC Diamond* | 74.6% | - | 69.7% |
እውነታዊነት
| GPT-5.2 Thinking | GPT-5.2 Pro | GPT-5.1 Thinking | |
|---|---|---|---|
| ChatGPT answers without errors (w/ search) | 93.9% | - | 91.2% |
| ChatGPT answers without errors (no search) | 88.0% | - | 87.3% |
ረጅም አውድ
| GPT-5.2 Thinking | GPT-5.2 Pro | GPT-5.1 Thinking | |
|---|---|---|---|
| OpenAI MRCRv2, 8 needles, 4k–8k | 98.2% | - | 65.3% |
| OpenAI MRCRv2, 8 needles, 8k–16k | 89.3% | - | 47.8% |
| OpenAI MRCRv2, 8 needles, 16k–32k | 95.3% | - | 44.0% |
| OpenAI MRCRv2, 8 needles, 32k–64k | 92.0% | - | 37.8% |
| OpenAI MRCRv2, 8 needles, 64k–128k | 85.6% | - | 36.0% |
| OpenAI MRCRv2, 8 needles, 128k–256k | 77.0% | - | 29.6% |
| BrowseComp Long Context 128k | 92.0% | - | 90.0% |
| BrowseComp Long Context 256k | 89.8% | - | 89.5% |
| GraphWalks bfs <128k | 94.0% | - | 76.8% |
| Graphwalks parents <128k | 89.0% | - | 71.5% |
እይታ
| GPT-5.2 Thinking | GPT-5.2 Pro | GPT-5.1 Thinking | |
|---|---|---|---|
| CharXiv reasoning (no tools) | 82.1% | - | 67.0% |
| CharXiv reasoning (w/ Python) | 88.7% | - | 80.3% |
| MMMU Pro (no tools) | 79.5% | - | - |
| MMMU Pro (w/ Python) | 80.4% | - | 79.0% |
| Video MMMU (no tools) | 85.9% | - | 82.9% |
| Screenspot Pro (w/ Python) | 86.3% | - | 64.2% |
የመሳሪያ አጠቃቀም
| GPT-5.2 Thinking | GPT-5.2 Pro | GPT-5.1 Thinking | |
|---|---|---|---|
| Tau2-bench Telecom | 98.7% | - | 95.6% |
| Tau2-bench Retail | 82.0% | - | 77.9% |
| BrowseComp | 65.8% | 77.9% | 50.8% |
| Scale MCP-Atlas | 60.6% | - | 44.5% |
| Toolathlon | 46.3% | - | 36.1% |
አካዳሚክ
| GPT-5.2 Thinking | GPT-5.2 Pro | GPT-5.1 Thinking | |
|---|---|---|---|
| GPQA Diamond (no tools) | 92.4% | 93.2% | 88.1% |
| HLE (no tools) | 34.5% | 36.6% | 25.7% |
| HLE (w/ search, Python) | 45.5% | 50.0% | 42.7% |
| MMMLU | 89.6% | - | 89.5% |
| HMMT, Feb 2025 (no tools) | 99.4% | 100.0% | 96.3% |
| AIME 2025 (no tools) | 100.0% | 100.0% | 94.0% |
| FrontierMath Tier 1–3 (w/ Python) | 40.3% | - | 31.0% |
| FrontierMath Tier 4 (w/ Python) | 14.6% | - | 12.5% |
ረቂቅ የማመዘን ችሎታ
| GPT-5.2 Thinking | GPT-5.2 Pro | GPT-5.1 Thinking | |
|---|---|---|---|
| ARC-AGI-1 (Verified) | 86.2% | 90.5% | 72.8% |
| ARC-AGI-2 (Verified) | 52.9% | 54.2% (high) | 17.6% |
ሞዴሎች በእኛ የAPI መድረክ ውስጥ በከፍተኛ የማመዛዘን ጥረት (xhigh ለGPT‑5.2) ተካሂዷል። Thinking(ማሰብ) እና Pro(ፕሮ)፣ እና GPT‑5.1 ማሰብ ከፍተኛ ነው፣ ከሙያዊ ግምገማዎች በስተቀር የGPT‑5.2 ማሰብ ነው። Thinking(ማሰብ) በከፍተኛ የማመዛዘን ጥረት ተካሂዷል፣ በChatGPT Pro ውስጥ የሚገኝ ከፍተኛ የማመዛዘን ደረጃ ነው። በምርምር አካባቢ ውስጥ የመወዳደር መለኪያዎች ተካሂደዋል፣ ይህም በአንዳንድ ጉዳዮች ውስጥ ከChatGPT የምርት ምርት በተለየ ውጤት ሊሰጥ ይችላል።
* ለSWE-Lancer፣ በመሠረተ ልማታችን ላይ ሊሰሩ የማይችሉ 40/237 ችግሮችን እናስወግዳለን።
ደራሲ
ማንበብዎን ይቀጥሉ
