GPT‑5.4 ማስተዋወቅ

ዛሬ፣ GPT‑5.4ን በChatGPT (እንደ GPT‑5.4 Thinking)፣ API፣ እና Codex ላይ ተምንለቅ ይሆናል። ለሙያዊ ሥራ እጅግ በጣም ችሎታ ያለው እና ቀልጣፋ የሆነው ግንባር ቀደም ሞዴላችን ነው። በተጨማሪም፣ ውስብስብ ለሆኑ ተግባራት ከፍተኛ አፈጻጸም ለሚፈልጉ ሰዎች GPT‑5.4 Proን በChatGPT እና በAPI ላይ የምንለቅ ይሆናል።

GPT‑5.4 የቅርብ ጊዜ የማመዛዘን፣ የኮዲንግ እና የወኪላዊ የሥራ ፍሰቶች እድገቶቻችንን በአንድ ግንባር ቀደም ሞዴል ውስጥ ያቀናጃል። በዘርፉ ቀዳሚ የሆነውን GPT‑5.3‑Codex⁠ የኮዲንግ ብቃት ያካተተ ሲሆን፣ ሞዴሉ በተለያዩ መሣሪያዎች፣ በሶፍትዌር አካባቢዎች፣ እንዲሁም እንደ የተመን ሉህ፣ አቀራረቦች እና ሰነዶች ባሉ ሙያዊ ተግባራት ላይ የሚሠራበትን መንገድ ያሻሽላል። ውጤቱም ውስብስብ የሆኑ ትክክለኛ የሥራ ተግባራትን በጥራት፣ በውጤታማነት እና በብቃት የሚወጣ ሞዴል ነው—ያለ ብዙ ምልልስ የጠየቁትን በትክክል ያቀርባል።

በChatGPT ውስጥ፣ GPT‑5.4 Thinking አሁን የሚያስብበትን የቅድሚያ ዕቅድ ሊያቀርብ የሚችል ሲሆን ይህም ሞዴሉ እየሠራ ባለበት ወቅት በምላሹ መሃል ላይ ማስተካከያ በማድረግ፣ ተጨማሪ ምልልስ ሳያስፈልግ ከሚፈልጉት ውጤት ጋር ይበልጥ የተጣጣመ ፍሬ ነገር ላይ ለመድረስ ያስችላል። GPT‑5.4 Thinking በተለይ ለየት ያሉ እና ዝርዝር ለሆኑ ጥያቄዎች ጥልቅ የድረ-ገጽ ምርምር የማድረግ ብቃቱን ያሻሽላል፣ እንዲሁም ረዘም ያለ የማሰቢያ ጊዜ የሚጠይቁ ጥያቄዎችን ሲመልስ አውዱን በተሻለ ሁኔታ የሚጠብቅ ይሆናል። እነዚህ ማሻሻያዎች በአንድ ላይ ሲሆኑ፣ ፈጣን የሆኑ፣ ከፍተኛ ጥራት ያላቸው እና ከሚከናወነው ተግባር ጋር ቀጥተኛ ግንኙነት ያላቸውን ምላሾች ማግኘት ያስችላሉ።

በCodex እና በAPI፣ GPT‑5.4 ወኪሎች ኮምፒውተሮችን እንዲያዙ እና በተለያዩ መተግበሪያዎች ውስጥ ውስብስብ የሥራ ፍሰቶችን እንዲያከናውኑ የሚያስችል፣ የመጀመሪያው ሀገር-በቀል እና ዘመናዊ የኮምፒውተር አጠቃቀም ብቃት ያለው ጠቅላላ አገልግሎት ሰጪ ሞዴላችን ነው። እስከ 1M የአውድ ቶከኖችን የመያዝ አቅም ያለው ሲሆን፣ ይህም ወኪሎች ረዘም ላለ ጊዜ የሚቆዩ ተግባራትን እንዲያቅዱ፣ እንዲተገብሩ እና እንዲያረጋግጡ ያስችላቿል። GPT‑5.4 በተጨማሪም ሞዴሎች በተለያዩ ሰፊ የመሣሪያዎች እና የአገናኞች ሥርዓቶች ውስጥ ያላቸውን የሥራ አፈጻጸም በመሣሪያዎች ፍለጋ አማካኝነት የሚያሻሽል ሲሆን ይህም ወኪሎች ብላሃታቸውን ሳይቀንሱ፣ ትክክለኛ መሣሪያዎችን ይበልጥ በብቃት እንዲያገኙ እና እንዲጠቀሙ ይረዳቿል። በመጨረሻም፣ GPT‑5.4 ከGPT‑5.2 ጋር ሲነጻጸር ችግሮችን ለመፍታት እጅግ አነስተኛ ቶከኖችን የሚጠቀም በመሆኑ እስካሁን ካዘጋጀናቸው ሞዴሎች በቶከን አጠቃቀም ረገድ እጅግ ቀልጣፋው የማመዛዘን ሞዴል ነው—ይህም የቀነሰ የቶከን አጠቃቀምን እና የበለጠ ፍጥነትን ያስገኛል።

ከአጠቃላይ የማመዛዘን፣ የኮዲንግ እና የሙያዊ እውቀት ሥራዎች እድገቶች ጋር ሲሆን፣ GPT‑5.4 ይበልጥ አስተማማኝ ወኪሎችን፣ ፈጣን የገንቢ የሥራ ፍሰቶችን እና በChatGPT፣ በAPI እንዲሁም በCodex ላይ ከፍተኛ ጥራት ያላቸው ውጤቶችን የምናገኝበትን መንገድ ያመቻቻል።

በGPT‑5.2 አጠቃላይ የማመዛዘን ብቃቶች ላይ በመመሥረት፣ GPT‑5.4 ለባለሙያዎች አስፈላጊ በሆኑ እውነተኛ-ዓለም ተግባራት ላይ ይበልጥ ወጥ እና የተሟሉ ውጤቶችን ያቀርባል።

በ44 የሥራ ዘርፎች ላይ የወኪሎችን ጥራት ያለው የእውቀት ሥራ የመሥራት ብቃት በሚለካው GDPval⁠ ላይ GPT‑5.4 አዲስ የቴክኖሎጂ ከፍታ ያስመዘገበ ሲሆን በንጽጽርም በ83.0% ከዘርፉ ባለሙያዎች ጋር እኩል ወይም የተሻለ ውጤት አሳይቷል፣ ይህም ለGPT‑5.2 ከነበረው 71.0% የላቀ ነው።

እኛ በተለየ ሁኔታ ትኩረት ያደረግነው የGPT‑5.4 የተመን ሉሆችን፣ አቀራረቦችን እና ሰነዶችን የመፍጠር እና የማረም ችሎታ በማሻሻል ላይ ነው። አነስተኛ የኢንቨስትመንት ባንክ ተንታኝ ሊያከናውናቸው በሚችሉ የተመን ሉህ ሞዴሊንግ ተግባራት ላይ በተደረገ የውስጥ ደረጃ መለኪያ፣ GPT‑5.4 በአማካይ 87.5% ውጤት ያስመዘገበ ሲሆን፣ GPT‑5.2 ግን 68.4% ብቻ ነበር ያስመዘገበው። በተከታታይ የአቀራረብ ግምገማ ጥያቄዎች ላይ፣ የሰው ገምጋሚዎች 68.0% ያህሉን ጊዜ ከGPT‑5.2 ይልቅ የGPT‑5.4 አቀራረቦችን የመረጡ ሲሆን ይህም በላቀ ውበት፣ በበለጸገ የእይታ ልዩነት እና ምስል ማመንጨት ብቃቱን ይበልጥ ውጤታማ በሆነ መንገድ በመጠቀሙ ነው።

እነዚህን ብቃቶች በChatGPT ውስጥ GPT‑5.4 Thinking ወይም Proን በመጠቀም መሞከር ይችላሉ። የEnterprise ደንበኛ ከሆኑ፣ ዛሬውኑ በሥራ ላይ የዋሉትን አዲሶቹ ChatGPT for Excel እና Google Sheets ተሰኪዎች⁠(በአዲስ መስኮት ውስጥ ይክፈታል) እንዲጠቀሙ እንመክራለን። በተጨማሪም በCodex እና በAPI ላይ የሚገኙትን የተመን ሉህ⁠(በአዲስ መስኮት ውስጥ ይክፈታል) እና የአቀራረብ ክህሎቶቻችንን⁠(በአዲስ መስኮት ውስጥ ይክፈታል) አሻሽለናል።

GPT‑5.4 በእውነተኛ-ዓለም ሥራ ላይ ይበልጥ የተሻለ እንዲሆን፣ ያልተረጋገጡ መረጃዎችን መፍጠርን እና ስህተቶችን የመቀነስ ጥረታችንን ቀጥለናል። GPT‑5.4 እስካሁን ካዘጋጀናቸው ሞዴሎች ሁሉ ይበልጥ በእውነታዎች ላይ የተመሠረተ ሞዴል ነው፦ ተጠቃሚዎች የእውነታ ስህተቶችን በጠቆሙባቸው ማንነታቸው ባልተገለጸ የጥያቄ ስብስቦች ላይ፣ የGPT‑5.4 ነጠላ መረጃዎች ከGPT‑5.2 ጋር ሲነፃፀሩ በ33% የተሳሳቱ የመሆን እድላቸው አነስተኛ ሲሆን፣ ሙሉ ምላሾቹ ደግሞ ማንኛውንም ዓይነት ስህተት የመያዝ እድላቸው በ18% የቀነሰ ነው።

GPT‑5.4 ሀገር-በቀል የኮምፒውተር አጠቃቀም ብቃት ያለው የመጀመሪያው አጠቃላይ አገልግሎት ሰጪ ሞዴላችን ሲሆን፣ ይህም ለገንቢዎችም ሆነ ለወኪሎች ትልቅ እርምጃን ያሳያል። እውነተኛ ተግባራትን በድረ-ገጾች እና በሶፍትዌር ስርዓቶች ላይ የሚያከናውኑ ወኪሎችን ለሚገነቡ ገንቢዎች፣ በአሁኑ ወቅት የሚገኝ ምርጡ ሞዴል ነው።

GPT‑5.4 በተለያዩ የኮምፒውተር አጠቃቀም የሥራ ጫናዎች ላይ ከፍተኛ ብቃት እንዲኖረው አድርገን ዲዛይን አድርገነዋል። እንደ Playwright ያሉ ቤተ-መጻህፍትን በመጠቀም ኮምፒውተሮችን የሚያዙ የኮድ ጽሁፎችን በመጻፍ፣ እንዲሁም ቅጽበታዊ ገጽ እይታዎች መሠረት በማድረግ የመዳፊት እና የቁልፍ ሰሌዳ ትዕዛዞችን በመስጠት ረገድ እጅግ በጣም ምርጥ ነው። ባህሪው በገንቢ መልእክቶች አማካኝነት የሚመራ በመሆኑ፣ ገንቢዎች ሞዴሉን ለተወሰኑ የጥቅም ዘርፎች እንዲስማማ አድርገው ባህሪውን ማስተካከል ይችላሉ። ገንቢዎች ብጁ የማረጋገጫ ፖሊሲዎችን ግልጽ በማድረግ፣ ሞዴሉ ለተለያዩ የሥጋት ደረጃዎች ጋር በመቻቻል እንዲስማማ አድርገው የደህንነት ባህሪውን ማስተካከል ይችላሉ።

የሞዴሉ ብቃት እና ተለዋዋጭነት፣ በተለያዩ ሁኔታዎች ውስጥ የኮምፒውተር አጠቃቀምን በሚለኩ የደረጃ መለኪያዎች ላይ ተንጸባርቋል። የቅጽበታዊ ገጽ እይታዎችን እንዲሁም የቁልፍ ሰሌዳ/የመዳፊት ድርጊቶችን በመጠቀም አንድ ሞዴል የዴስክቶፕ አካባቢን የመምራት ብቃቱን በሚለካው OSWorld-Verified ላይ፣ GPT‑5.4 በዘርፉ የመሪነት ደረጃን የያዘ 75.0% የስኬት መጠን በማስመዝገብ ከGPT‑5.2 47.3% ውጤት በእጅጉ የላቀ ሲሆን፣ ከሰው 72.4% የሥራ አፈጻጸምም በላይ ነው።¹

የድረ-ገጽ አሰሳን በሚለካው WebArena-Verified ላይ፣ GPT‑5.4 በDOM እና በቅጽበታዊ ገጽ እይታ የሚመራ መስተጋብርን በአንድ ላይ በመጠቀም፣ 67.3% የሆነ የመሪነት የስኬት መጠን ያስመዘገበ ሲሆን ይህም ከGPT‑5.2 65.4% ውጤት ጋር ሲነፃፀር ብልጫ አለው። የድረ-ገጽ አሰሳን በሚለካው Online-Mind2Web ላይ፣ GPT‑5.4 በቅጽበታዊ ገጽ እይታ የሚመራ ምልከታዎችን ብቻ በመጠቀም 92.8% የስኬት መጠን ያስመዘገበ ሲሆን ይህም 70.9% የስኬት መጠን ካለው የChatGPT Atlas Agent Mode አስተማማኝነት የላቀ መሻሻል የታየበት ነው።

የGPT‑5.4 የተሻሻለ የኮምፒውተር አጠቃቀም የተገነባው፣ ሞዴሉ ባለው የተሻሻለ አጠቃላይ የእይታ ግንዛቤ ብቃት ላይ ነው። የሞዴሉን የእይታ ግንዛቤ እና ማመዛዘንን በሚለካው MMMU-Pro ላይ፣ GPT‑5.4 ምንም ዓይነት መሣሪያ ሳይጠቀም 81.2% የስኬት መጠን ያስመዘገበ ሲሆን ይህም ከGPT‑5.2 79.5%። የተሻሻለ የእይታ ግንዛቤ ወደ ተሻለ የሰነድ ትንተና ብቃቶችም የሚተረጎም ይሆናል። የተለያዩ ሰነዶችን የመተንተን ብቃትን በሚለካው OmniDocBench ላይ፣ GPT‑5.4 ያለ ማመዛዘን ጥረት 0.109 አማካይ ስህተት (በሞዴሉ ግምት እና በትክክለኛው መረጃ መካከል ባለው የተመጣጠነ የጽሁፍ ልዩነት የሚለካ) ያስመዘገበ ሲሆን ይህም ከGPT‑5.2 0.140 ውጤት ጋር ሲነፃፀር መሻሻል የታየበት ነው።

ሙሉ ታማኝነት ትልቅ ቦታ የሚሰጠውን፣ ጥቅጥቅ ያሉ እና ከፍተኛ ጥራት ያላቸውን ምስሎች የመረዳት የእይታ ግንዛቤ ብቃታችንን እያሻሻልን እንገኛለን። ከGPT‑5.4 በመጀመር፣ እስከ 10.24M አጠቃላይ ፒክስሎች ወይም 6000-ፒክስል ከፍተኛ መጠን (ከሁለቱ ዝቅተኛ የሆነውን በመጠቀም) ሙሉ ታማኝነትን የሚደግፍ አዲስ ኦሪጅናል የምስል ግብዓት ዝርዝር⁠(በአዲስ መስኮት ውስጥ ይክፈታል) ደረጃን እያስተዋወቅን ሲሆን ከፍተኛ የምስል ግብዓት ዝርዝር ደረጃ አሁን እስከ 2.56M አጠቃላይ ፒክስሎችን ወይም 2048-ፒክስል ከፍተኛ መጠንን መደገፍ ይችላል። ከAPI ተጠቃሚዎች ጋር በተደረገ የመጀመሪያ ደረጃ ሙከራ፣ የኦሪጅናል ወይም ከፍተኛ የዝርዝር ደረጃን በሚጠቀሙበት ጊዜ ከአካባቢ ጋር የመመሳሰል ብቃት፣ በምስል ግንዛቤ እና በጠቅ ማድረግ ትክክለኛነት ላይ ከፍተኛ መሻሻሎችን ተመልክተናል።

በAPI ውስጥ፣ ገንቢዎች የተዘመነውን የኮምፒውተር መሣሪያ በመጠቀም እነዚህን ብቃቶች ማግኘት ይችላሉ። ለሚመከሩ የተሻሉ የአሠራር መመሪያዎች፣ እባክዎ የተዘመነው ሰነዳችንን⁠(በአዲስ መስኮት ውስጥ ይክፈታል) ይመልከቱ።

GPT‑5.4 የGPT‑5.3‑Codexን የኮዲንግ ጥንካሬዎች፣ ከዋነኛ የዕውቀት ሥራ እና የኮምፒውተር አጠቃቀም ብቃቶች ጋር የሚያጣምር ሲሆን ይህም ሞዴሉ መሣሪያዎችን መጠቀም፣ መድገም እና በትንሽ የሰው ጣልቃ ገብነት ሥራዎችን ወደፊት መግፋት በሚችልባቸው ረጅም ጊዜ በሚወስዱ ተግባራት ላይ ትልቅ ፋይዳ አለው። GPT‑5.4 በSWE-Bench Pro ላይ ከGPT‑5.3‑Codex ጋር እኩል ወይም የተሻለ ውጤት ያስመዘገበ ሲሆን፣ በሁሉም የማመዛዘን ጥረቶች ላይ ዝቅተኛ የሥራ መዘግየት አለው።

በCodex ውስጥ የፈጣን ሁነታ ሲበራ፣ ከ GPT‑5.4 ጋር እስከ 1.5x የሚደርስ ፈጣን የቶከን ፍጥነት ይሰጣል። ይህ ተመሳሳይ ሞዴል እና ተመሳሳይ ብልህነት ሲሆን፣ ፍጥነቱ ብቻ የጨመረ ነው። ይህ ማለት ተጠቃሚዎች በሥራ መካከል ሳያቋርጡ የኮዲንግ ተግባራትን፣ ስህተቶችን የመለየት እና የድግግሞሽ ሂደቶችን በፍጥነት ማከናወን ይችላሉ ማለት ነው። ገንቢዎች የቅድሚያ አገልግሎት⁠(በአዲስ መስኮት ውስጥ ይክፈታል) በመጠቀም በAPI በኩል GPT‑5.4ን በተመሳሳይ ፍጥነት ማግኘት ይችላሉ።

በግምገማ እና በውስጥ የሙከራ ሂደቶች ወቅት፣ GPT‑5.4 ውስብስብ የሆኑ የፊት-ለፊት ገጽታ ተግባራትን በመከወን ረገድ እጅግ የላቀ መሆኑን ያረጋገጥን ሲሆን ይህም ቀደም ብለን ካወጣናቸው ማናቸውም ሞዴሎች ይልቅ ይበልጥ ማራኪ እና ይበልጥ ተግባራዊ የሆኑ ውጤቶችን ይሰጣል።

የሞዴሉ የተሻሻለ የኮምፒውተር አጠቃቀም እና የኮዲንግ ብቃቶች ተቀናጅተው መስራታቸውን ለማሳየት፣ "Playwright (መስተጋብራዊ)⁠(በአዲስ መስኮት ውስጥ ይክፈታል)” የተሰኘ የሙከራ ደረጃ ላይ ያለ የCodex ክህሎት እየለቀቅን እንገኛለን። ይህም Codex የድረ-ገጽ እና የElectron መተግበሪያዎችን በእይታ እንዲያርም የሚያስችለው ሲሆን እንዲያውም አንድን መተግበሪያ በመገንባት ላይ እያለ፣ እየገነባው ያለውን መተግበሪያ ራሱ ወዲያውኑ ለመፈተሽ ሊጠቀምበት ይችላል።

ከGPT‑5.4 ጋር፣ ሞዴሎች ከውጫዊ መሣሪያዎች ጋር የሚሠሩበትን መንገድ በከፍተኛ ሁኔታ አሻሽለናል። አሁን ላይ ወኪሎች ሰፋ ባሉ የመሣሪያ ሥነ-ምህዳሮች ውስጥ መሥራት፣ ትክክለኛ መሣሪያዎችን ይበልጥ በአስተማማኝ ሁኔታ መምረጥ እና ባለ ብዙ ደረጃ የሥራ ፍሰቶችን በዝቅተኛ ወጪ እና ፍጥነት ማከናወን ይችላሉ።

በAPI ውስጥ፣ GPT‑5.4 ብዙ መሣሪያዎች በሚሰጣቸው ጊዜ ሞዴሎቹ በብቃት እንዲሠሩ የሚያስችላቸውን የመሣሪያ ፍለጋ⁠(በአዲስ መስኮት ውስጥ ይክፈታል) አስተዋውቋል።

ቀደም ሲል፣ ለአንድ ሞዴል መሣሪያዎች በሚሰጡበት ጊዜ፣ ሁሉም የመሣሪያ ትርጓሜዎች ገና ከመጀመሪያው በጥያቄ ውስጥ ተካተው ይቀርቡ ነበር። ብዙ መሣሪያዎች ላሉት ስርዓቶች፣ ይህ በእያንዳንዱ ጥያቄ ላይ በሺዎች—ወይም እንኳን በአስር ሺዎች—ቶከን ሊጨምር የሚችል ሲሆን ይህም ወጪን ይጨምራል፣ ምላሾችን ያዘገያል እንዲሁም ሞዴሉ ምናልባት በፍጹም ላይጠቀምበት የማይችል መረጃ በማስገባት አውዱን ያጨናንቃል።

በመሣሪያ ፍለጋ አማካኝነት፣ GPT‑5.4 በምትኩ የቀለለ የዝርዝር መሣሪያዎችን ከፍለጋ ብቃት ጋር አብሮ ያገኛል። ሞዴሉ አንድን መሣሪያ መጠቀም በሚያስፈልገው ጊዜ፣ የዚያን መሣሪያ ትርጓሜ ፈልጎ በማግኘት በዚያው ቅጽበት ከውይይቱ ጋር ማያያዝ ይችላል።

ይህ አቀራረብ መሣሪያዎችን አብዝተው ለሚጠቀሙ የሥራ ፍሰቶች የሚያስፈልጉትን የቶከኖች ቁጥር በከፍተኛ ሁኔታ የሚቀንስ ሲሆን፣ የተሸጎጠ መረጃን በአግባቡ ይይዛል፣ ይህም ጥያቄዎችን ይበልጥ ፈጣን እና ርካሽ ያደርጋቸዋል። ይህም ወኪሎች ይበልጥ ሰፋ ባሉ የመሣሪያ ሥነ-ምህዳሮች ውስጥ በአስተማማኝ ሁኔታ እንዲሠሩ ያስችላቿል። በሺዎች የሚቆጠሩ የቶከን የመሣሪያ ትርጓሜዎችን ሊይዙ ለሚችሉ የMCP ሰርቨሮች፣ የሚገኘው የብቃት መሻሻል በጣም ከፍተኛ ሊሆን ይችላል።

የብቃት መሻሻሉን ለማሳየት፣ 36ቱም የMCP ሰርቨሮች በሁለት መንገዶች እንዲሠሩ በማድረግ ከScale MCP Atlas⁠(በአዲስ መስኮት ውስጥ ይክፈታል) ደረጃ መለኪያ 250 ተግባራትን ገምግመናል፦ (1) እያንዳንዱን የMCP ተግባር በቀጥታ በአውዱ ውስጥ በማካተት፣ እና (2) ሁሉንም የMCP ሰርቨሮች በመሣሪያ ፍለጋ ስር እንዲሆኑ በማድረግ። የመሣሪያ ፍለጋ አወቃቀር፣ ተመሳሳይ የሆነ ትክክለኛነት በማስመዝገብ፣ አጠቃላይ የቶከን አጠቃቀምን በ47% ቀንሷል።

GPT‑5.4 በተለይም በAPI ውስጥ፣ በማመዛዘን ወቅት መሣሪያዎችን መቼ እና እንዴት መጠቀም እንዳለበት የሚወስንበትን መንገድ ይበልጥ ትክክለኛ እና ቀልጣፋ በማድረግ፣ የመሣሪያ ጥሪ ብቃቱን አሻሽሏል።  ከGPT‑5.2 ጋር ሲነፃፀር፣ GPT‑5.4 በToolathlon፣ የኤ.አይ ወኪሎች ባለብዙ ደረጃ ተግባራትን ለማከናወን የእውነተኛ-ዓለም መሣሪያዎችን እና APIዎችን ምን ያህል በብቃት መጠቀም እንደሚችሉ የሚፈትን የደረጃ መለኪያ፣ ላይ በትንሽ ዙሮች የላቀ ትክክለኛነትን ያስመዘግባል። ለምሳሌ፣ አንድ ወኪል ኢሜይሎችን ማንበብ፣ የተያያዙ ምደባዎችን ለይቶ ማውጣት፣ እነርሱን መስቀል፣ ማረም እና ውጤቶችን በተመን ሉህ ላይ መመዝገብ ሊያስፈልገው ይችላል።

የማመዛዘን ጥረት እንዲኖር ለማይፈለግባቸው እና ለመዘግየት-ስሜታዊ ለሆኑ የአጠቃቀም ጉዳዮች፣ GPT‑5.4 ከቀደሙት ሞዴሎች በበለጠ መሻሻል የሚያሳይ ሆኗል።

GPT‑5.4 በወኪላዊ ድር ፍለጋ የተሻለ ብቃት አለው። የኤ.አይ ወኪሎች በቀላሉ የማይገኙ መረጃዎችን ለማግኘት ድረ-ገጾችን ምን ያህል አጥብቀው መፈለግ እንደሚችሉ በሚለካ BrowseComp መለኪያ ላይ GPT‑5.4 ከGPT‑5.2 ጋር ሲነፃፀር በ17% _abs ብልጫ አሳይቷል፣ እንዲሁም GPT‑5.4 Pro በ89.3% አዲስ ከፍተኛ የብቃት ደረጃ አስመዝግቧል።

በተግባር፣ ይህ ማለት GPT‑5.4 Thinking ከተለያዩ የድር ምንጮች መረጃዎችን በማሰባሰብ ለሚቀርቡ ጥያቄዎች ምላሽ በመስጠት ረገድ የላቀ ብቃት አለው ማለት ነው። በተለይም "በገለባ ውስጥ ያለች መርፌን" የመፈለግ ያህል አዳጋች ለሆኑ ጥያቄዎች፣ በጣም ተዛማጅ የሆኑ ምንጮችን ለይቶ ለማወቅ በተደጋጋሚ ዙሮች አጥብቆ መፈለግ ይችላል፣ እንዲሁም የተገኙትን መረጃዎች በማቀናጀት ግልጽ እና በምክንያት የተደገፈ ምላሽ ይሰጣል።

ልክ Codex ሥራ ሲጀምር አቀራረቡን እንደሚያብራራ ሁሉ፣ በChatGPT ውስጥ የሚገኘው GPT‑5.4 Thinking ረዘም ያሉ እና ውስብስብ ለሆኑ ጥያቄዎች አሁን የሥራውን ሂደት በመግቢያ ላይ ይገልጻል። እንዲሁም ምላሽ በመስጠት ላይ እያለ ተጨማሪ መመሪያዎችን ማከል ወይም አቅጣጫውን ማስተካከል ይችላሉ። ይህም መጀመሪያ ላይ ሳይመለሱ ወይም ተጨማሪ ዙር ጥያቄዎች ሳይፈልጉ፣ ሞዴሉን በትክክል ወደሚፈልጉት ውጤት ለመምራት ይበልጥ ቀላል ያደርጓል። ይህ ተግባር አሁን chatgpt.com⁠(በአዲስ መስኮት ውስጥ ይክፈታል) እና Android መተግበሪያ ላይ የሚገኝ ሲሆን በቅርቡም iOS መተግበሪያ ላይ ይቀርባል።

ሞዴሉ አስቸጋሪ በሆኑ ተግባራት ላይ ረዘም ላለ ጊዜ ማሰብ የሚችል ሲሆን፣ በንግግሩ መጀመሪያ ላይ የተከናወኑ እርምጃዎችን የማስታወስ ብቃቱም የላቀ ነው። ይህም መልሶች ከመጀመሪያ እስከ መጨረሻ ድረስ ወጥ እና ተዛማጅ ሆነው እንዲቀጥሉ በማድረግ፣ ረዣዥም የሥራ ፍሰቶችን እና ይበልጥ ውስብስብ የሆኑ ጥያቄዎችን ለማስተናገድ ያስችሏል።

ባለፉት ጥቂት ወራት፣ GPT‑5.4ን ለስምሪት ዝግጁ ለማድረግ እየተዘጋጀን ሳለ፣ ከGPT‑5.3‑Codex ጋር ያስተዋወቅናቸውን የደህንነት መጠበቂያዎች ማሻሻላችንን ቀጥለናል። ከGPT‑5.3‑Codex ጋር በተመሳሳይ መልኩ፣ GPT‑5.4ን በዝግጁነት ማዕቀፋችን መሠረት ከፍተኛ የሳይበር ብቃት እንዳለው አድርገን እየያዝነው ሲሆን የሥርዓት ካርድ⁠ ላይ በተገለጸው መሠረት አግባብነት ካላቸው ጥበቃዎች ጋር እያሰማራነው እንገኛለን። እነዚህም የተስፋፋ የሳይበር ደህንነት ስብስብን የሚያካትቱ ሲሆን ይህም የክትትል ሥርዓቶችን፣ የታመኑ የመዳረሻ ቁጥጥሮችን እና ዜሮ ውሂብ ማቆየት (ZDR) አገልግሎት ለሚጠቀሙ ደንበኞች ከፍተኛ ስጋት ላላቸው ጥያቄዎች የሚደረግ ተከታታይ እገዳን ከሰፊው የደኅንነት ሥርዓት ጋር ያቀናጃል።

የሳይበር ደኅንነት ብቃቶች በተፈጥሯቸው ለበጎም ሆነ ለክፉ ተግባር ሊውሉ የሚችሉ በመሆናቸው፣ መመሪያዎቻችንን እና መለያዎቻችንን ማመጣጠን በምንቀጥልበት ወቅት፣ ሞዴሉን ሥራ ላይ ለማዋል ጥንቃቄ የተሞላበት አካሄድን እንከተላለን። ለተወሰኑ ZDR ገጽታ ላይ ላሉ ደንበኞች፣ የጥያቄ-ደረጃ እገዳ አሁንም የሳይበር ስጋት ቅነሳ አካል ሆኖ የሚቀጥል ሲሆን መለያዎቹ ገና በማሻሻያ ላይ ስለሆኑ፣ እነዚህን የደህንነት መጠበቂያዎች ይበልጥ እያጠራን በምንቀጥልበት ወቅት አንዳንድ የተሳሳቱ እገዳዎች ሊከሰቱ ይችላሉ። እነዚህ ማሻሻያዎች፣ አላግባብ መጠቀም ላይ ጠንካራ የደህንነት ጥበቃዎችን ሳይቀንሱ፣ በተግባር ላይ ያሉ የደህንነት መጠበቂያዎች የሚሰሩበትን መንገድ ለማሻሻል ያለሙ ሲሆኑ ይህም አላስፈላጊ እምቢታዎችን እና ከመጠን ያለፈ ማስጠንቀቂያ የበዛባቸውን ምላሾች መቀነስን ያካትታል።

በሞዴሎች የአስተሳሰብ ሂደት ላይ የተሻለ ግንዛቤ ለማግኘት እና ሊከሰቱ የሚችሉ የተሳሳቱ ባህሪያትን ለመለየት እንዲረዳን፣ ተከታታይ ሀሳብ (CoT) ክትትል ላይ የምናደርገውን የደህንነት ምርምር ቀጥለናል። የዚህ ሥራ አካል እንደመሆኑ፣ ሞዴሎች ክትትልን ለማምለጥ ሲሉ ሆን ብለው ማመዛዘናቸውን ደብቅው ማቅረብ መቻላቸውን የሚለካ CoT የቁጥጥር አቅም⁠ የተሰኘ አዲስ የክፍት-ምንጭ ግምገማ አስተዋውቀናል። GPT‑5.4 Thinking CoTውን የመቆጣጠር ብቃቱ ዝቅተኛ ሆኖ ያገኘነው ሲሆን ይህም ለደህንነት ሲባል እንደ መልካም ባህሪ የሚወሰድ ነው፣ ምክንያቱም ሞዴሉ ማመዛዘኑን የመደበቅ ብቃት እንደሌለው እና የCoT ክትትል አሁንም ውጤታማ የደህንነት መሣሪያ መሆኑን ያመለክታል።

GPT‑5.4 ዛሬ በChatGPT እና በCodex ላይ ቀስ በቀስ መለቀቅ ጀምሯል። በAPI ውስጥ፣ GPT‑5.4 አሁን እንደ gpt-5.4 ይገኛል። GPT‑5.4 Pro ደግሞ በAPI ውስጥ እንደ gpt-5.4-pro ይገኛል ይህም በጣም ውስብስብ በሆኑ ተግባራት ላይ ከፍተኛ ብቃትን ለሚፈልጉ ገንቢዎች ታስቦ የቀረበ ነው።

በChatGPT ውስጥ፣ GPT‑5.4 Thinking ከዛሬ ጀምሮ ለChatGPT Plus፣ Team፣ እና Pro ተጠቃሚዎች የሚገኝ ሲሆን፣ GPT‑5.2 Thinkingን ይተካል። GPT‑5.2 Thinking ለክፍያ ደንበኞች በሞዴል መምረጫው ውስጥ በLegacy ሞዴሎች ክፍል ስር ለሦስት ወራት የሚቆይ ሲሆን፣ ከዚያም ጁን 5፣ 2026 ላይ ከአገልግሎት ውጪ ይሆናል። በEnterprise እና Edu ዕቅዶች ላይ ያሉ ተጠቃሚዎች፣ በአስተዳዳሪ ቅንብሮች በኩል የቅድመ-መዳረሻን ማንቃት የሚችሉ ይሆናል። GPT‑5.4 Pro ለPro እና Enterprise እቅድ ተጠቃሚዎች ይገኛል። በChatGPT ውስጥ ለGPT‑5.4 Thinking የሚሰጠው የአውድ መስኮት⁠(በአዲስ መስኮት ውስጥ ይክፈታል) ከGPT‑5.2 Thinking ጋር ተመሳሳይ ሆኖ ሳይለወጥ ይቆያል።

GPT‑5.4 የGPT‑5.3‑codexን ግንባር ቀደም የኮዲንግ ብቃቶች አካቶ የያዘ የመጀመሪያው ዋናው የማመዛዘን ሞዴላችን ሲሆን በChatGPT፣ API እና Codex ላይ በስፋት በመሰራጨት ላይ ይገኛል። ያንን ከፍተኛ እድገት ለማንፀባረቅ እና በCodex ላይ በሚሰሩበት ጊዜ በሞዴሎች መካከል ያለውን ምርጫ ለማቃለል ሲባል GPT‑5.4 ብለን ጠርተነዋል። ጊዜ እያለፈ ሲሄድ፣ የእኛ Instant ሞዴሎች እና Thinking ሞዴሎች በተለያዩ ፍጥነቶች እድገት እንደሚያሳዩ ሊጠብቁ ይችላሉ።

በCodex ውስጥ የሚገኘው GPT‑5.4 1M የአውድ መስኮት የሙከራ ደረጃ ድጋፍን ያካትታል። ገንቢዎች ይህንን model_context_window እና model_auto_compact_token_limit በማዋቀር መሞከር ይችላሉ። ከመደበኛው 272K የአውድ መስኮት በላይ የሆኑ ጥያቄዎች፣ ከጥቅም ገደቡ ላይ በመደበኛው 2x ተመን ይታሰባሉ።

በAPI በኩል፣ GPT‑5.4 የተሻሻሉ ብቃቶቹን ለማንፀባረቅ ሲባል በአንድ ቶከን ዋጋው ከGPT‑5.2 ከፍ ያለ ቢሆንም፣ ከፍተኛ የቶከን አጠቃቀም ብቃቱ ግን ለብዙ ተግባራት የሚያስፈልጉትን አጠቃላይ የቶከኖች ብዛት ለመቀነስ ይረዳል። የBatch እና የFlex ዋጋዎች ከመደበኛው API ክፍያ በግማሽ ቅናሽ የሚቀርቡ ሲሆን፣ የቅድሚያ አገልግሎት ደግሞ ከመደበኛው API ክፍያ እጥፍ በሆነ ዋጋ ይገኛል።

የግምገማ ውጤቶቹ የተሰሉት የሞዴሉ የማመዛዘን ጥረት በxhigh ደረጃ ላይ ተቀምጦ ነው፣ በሌላ መልኩ ካልተገለጸ በስተቀር። የደረጃ መለኪያዎቹ የተከናወኑት በምርምር አካባቢ ውስጥ ስለሆነ፣ በአንዳንድ ሁኔታዎች በሥራ ላይ ካለው የChatGPT ስሪት መጠነኛ ልዩነት ያለው ውጤት ሊሰጡ ይችላሉ።