صممنا عائلة نماذج GPT‑5.6 لتحقيق التوازن بين القدرة والتكلفة عبر مختلف المهام التي يستخدم الأشخاص نماذجنا لأدائها. يتفوق نموذجنا الرائد GPT‑5.6 Sol، مع استدلال Max، على Claude Fable 5 في مؤشر وكيل البرمجة من Artificial Analysis بأقل من نصف التكلفة. يقدم Terra أداءً يماثل GPT‑5.5 في معايير الذكاء بنصف السعر، أما Luna فهو أسرع نماذجنا وأقلها تكلفة، إذ يقل سعره بنسبة 80% عن تكلفة Sol. لتحقيق هذه الكفاءة، أجرت فرقنا البحثية والتقنية تحسينات كبيرة في كل طبقة رئيسية من منظومتنا التقنية. تشمل هذه التحسينات نماذجنا، والاستدلال (كيفية تشغيل النماذج لتوليد المخرجات)، ومنظومة التقييم الوكيلة التي يستخدمها كل من Codex وChatGPT Work.
مع توسيع نطاق نماذجنا خلال الأعوام الأربعة الماضية لتخدم مليار مستخدم نشط وأكثر من مليوني شركة، ظلت الكفاءة أساسية لنشر فوائد الذكاء للجميع. مهمتنا هي ضمان أن يعود الذكاء الاصطناعي العام بالنفع على البشرية جمعاء. عملنا طوال هذه الأعوام على تحقيق تحسينات أكبر باستمرار في منظومتنا التقنية، لتقديم أعلى النماذج أداءً عند كل نقطة على منحنى التكلفة والذكاء. حققنا مع GPT‑5.6 أعلى كفاءة لدينا حتى الآن في الذكاء لكل رمز، إذ دُرّب على إنجاز عمل أكثر لكل رمز. أثناء التدريب، نحسّن النجاح في المهام والكفاءة معًا، بما يجعل النموذج يسلك مسارًا أكثر مباشرة لإنجاز المهمة.
يتجاوز هذا المنشور نماذجنا ليوضح كيف صممنا من أجل الكفاءة عبر تطورات في جزأين رئيسيين آخرين من المنظومة التقنية: 1) الاستدلال، عبر تحسين عمليات مثل موازنة الأحمال وفك الترميز التخميني والتخزين المؤقت وتحسين النوى، للحصول على مخرجات أكثر من العتاد نفسه؛ و2) منظومة التقييم الوكيلة، بما يشمل تحسين إدارة تضخم السياق واستخدام الأدوات والعمل المتكرر. وسنوضح أيضًا دور GPT‑5.6 Sol في تحقيق عدد من هذه المكاسب بصورة مستقلة. مع أن كل تحسين منفرد قد يبدو محدودًا، فإن هذه المكاسب تتراكم لتمكّننا من بلوغ الريادة في الذكاء والكفاءة معًا.
في عالم محدود الموارد الحاسوبية ينمو فيه الطلب على النماذج أسرع من القدرة الاستيعابية، تمثل الكفاءة جوهر تصميم كل نظام. وينطبق ذلك خصوصًا على منظومة الاستدلال لدينا، التي تشغّل النماذج المدرّبة لتوليد الردود. هدفنا الأساسي هو معالجة مزيد من الرموز باستخدام العتاد نفسه، مع الحفاظ على مستوى الذكاء وزمن الاستجابة والإتاحة والموثوقية التي يتوقعها المستخدمون.
يتطلب تحقيق ذلك تحسين النظام بأكمله. قد يكون النموذج عالي الكفاءة منفردًا، ومع ذلك تكون خدمته مكلفة إذا وُزعت الطلبات بشكل سيئ، أو ظل العتاد خاملًا، أو أبطأت حركة البيانات العمليات الحسابية. تتراكم التحسينات في كل طبقة، وتأتي المكاسب من تحسين التوجيه (إلى أين تُرسل الطلبات)، والجدولة (متى تُرسل)، والنوى (البرمجيات التي تعمل على وحدات معالجة الرسومات)، والتخزين المؤقت (حفظ العمل وإعادة استخدامه)، وتنفيذ النموذج (ترتيب شفرة وحدات معالجة الرسومات). أدى GPT‑5.6 Sol في Codex دورًا محوريًا في كل هذه التحسينات.
أول مثال مهم هو موازنة الأحمال. عالميًا، نوجّه الطلبات بناءً على عوامل مثل الموقع الجغرافي والقدرة المتاحة ونوع المسرّع (نوع وحدة معالجة الرسومات أو الشريحة المتخصصة التي تشغّل النموذج). داخل كل عنقود، نوزع العمل على مثيلات النموذج وفقًا للحمل وطول السياق وتوافر ذاكرة التخزين المؤقت وغيرها من خصائص الطلب. ثم يجب تقسيم العمل بكفاءة داخل كل مثيل على المسرّعات والشبكات الفرعية للنموذج وأنوية الحوسبة. يساعدنا GPT‑5.6 Sol في Codex على تحليل حركة بيانات الإنتاج، وتحديد مصادر اختلال التوازن التي لم نلحظها سابقًا، واختبار استراتيجيات توجيه جديدة، وضبط هذه القواعد الإرشادية باستمرار. أدت تحسينات موازنة الأحمال وحدها إلى خفض تكلفة خدمة نماذجنا بدرجة كبيرة.
استخدمنا GPT‑5.6 Sol أيضًا لتحسين التمريرة الأمامية للنموذج، أي العملية الحسابية التي تحول المدخلات إلى تنبؤات بالرمز التالي. حتى عندما تكون العمليات الفردية سريعة، قد تؤدي حركة الذاكرة الزائدة والمزامنة وتخطيطات البيانات غير الفعالة إلى بقاء وحدات معالجة الرسومات خاملة. ولتجنب ذلك، اكتشف GPT‑5.6 Sol أعمالًا يمكن حسابها مسبقًا أو تجنبها أو تنفيذها بالتوازي. باستخدام Codex، أعاد GPT‑5.6 Sol بصورة مستقلة كتابة نوى الإنتاج لدينا وتحسينها؛ وهي الشفرة الأساسية التي تنفذ العمليات الرياضية المكوّنة للنموذج. نجح ذلك جزئيًا لأننا درّبنا GPT‑5.6 على كتابة النوى وتحسينها بفاعلية في Triton(يفتح في نافذة جديدة) وGluon(يفتح في نافذة جديدة)، وهما لغتا برمجة مفتوحتا المصدر لوحدات معالجة الرسومات تتولى OpenAI صيانتهما. أدت هذه الجهود، إلى جانب التحسينات الأوسع للنوى التي حققها GPT‑5.6 Sol، إلى خفض تكاليف الخدمة الشاملة بنسبة 20%. كما استثمرنا بكثافة في أدوات التحقق، مثل الأداة المفتوحة المصدر FpSan(يفتح في نافذة جديدة) (أداة تنقية الفاصلة العائمة)، للمساعدة في التحقق من صحة النوى التي كتبها GPT‑5.6 Sol.
يمثل فك الترميز التخميني وسيلة أخرى لتحسين السرعة والكفاءة. تتضمن هذه التقنية تشغيل نموذج مسودة أصغر (أو «نموذج تخمين») إلى جانب النموذج الأساسي، ليقترح عدة رموز يتحقق منها النموذج الأساسي بالتوازي. عند قبول هذه المقترحات، يستطيع النظام إنتاج عدة رموز مخرجات من تمريرة واحدة للنموذج الأساسي، ما يقلل مقدار العمليات الحسابية التسلسلية المكلفة. حسّن GPT‑5.6 Sol نموذج المسودة الخاص به عبر تصميم مئات التجارب على بنيته وتشغيلها، واختبار تغييرات في الحجم والهيكل والخصائص. إضافة إلى ذلك، أطلق GPT‑5.6 Sol عملية تدريب نموذج التخمين وراقبها، وتدخل بصورة مستقلة عند ظهور مشكلات، منها أعطال العتاد وعدم استقرار التدريب. رفعت التحسينات الناتجة كفاءة توليد الرموز بأكثر من 15%.
عند معالجة رموز إدخال غير مخزنة مؤقتًا، يبني النموذج ذاكرة المفتاح والقيمة (KV) المؤقتة في تمريرة واحدة كثيفة العمليات الحسابية؛ وعند توليد المخرجات، يقرأ من هذه الذاكرة مرارًا ويوسعها. يعتمد التكوين الأمثل للخدمة، مثل التجميع والتقسيم وإدارة KV، بدرجة كبيرة على عبء العمل: طول المطالبة والمخرجات، وحجم الدفعة، ومعدل إصابة ذاكرة التخزين المؤقت، وخصائص الاستعلام، وغير ذلك. لكن مساحة التكوين كانت سابقًا أوسع من أن تُضبط منهجيًا، ما اضطر المهندسين إلى الاعتماد على قواعد إرشادية عامة. باستخدام GPT‑5.6 Sol في Codex، تمكنا من تحليل أعباء عمل الإنتاج، وإنشاء التكوينات المرشحة وتقييمها، وإجراء تحسين فائق لطريقة تكوين المحرك والنموذج في كل سيناريو. يجعل ذلك مستوى جديدًا من التحسين المخصص لأعباء العمل قابلًا للتطبيق، ويستخلص مزيدًا من الاستدلال المفيد من العتاد نفسه.
تحسين الاستدلال حلقة مستمرة من الملاحظات التقييمية. نقيس سلوك الإنتاج، ونحدد أكبر الفجوات، وننفذ التغييرات، ثم نتحقق من أنها تحسّن النظام بأكمله بدلًا من معيار أداء منفرد. يسرّع GPT‑5.6 Sol وCodex كل جزء من هذه الحلقة. وهذا يمكّن فريقنا من استكشاف مزيد من الأفكار، والاستجابة بسرعة أكبر لأعباء العمل المتغيرة، وإنشاء منظومة استدلال بزمن استجابة أقل وقدرة أكبر وتكاليف أدنى للمستخدمين.
ينجز ChatGPT Work وCodex المهام المعقدة عبر سلسلة من طلبات النموذج واستدعاءات الأدوات. خلال رسالة واحدة، من طلب المستخدم حتى الرد النهائي، قد يفحص Codex الشفرة المصدرية، ويبحث في سجل النشر، ويقرأ تقارير الحوادث، ويحرر ملفًا، ويشغّل الاختبارات. قد تتطلب كل خطوة طلبًا مستقلًا.
يستغرق إعداد السياق ونقل البيانات وتشغيل الاستدلال واستدعاء الأدوات وبدء العمليات وقتًا وقدرة حاسوبية. إذا تطلبت مهمة 30 طلبًا إلى النموذج، فإن إضافة ثانية واحدة إلى كل طلب تتراكم سريعًا. يعني تحسين الأداء العام تقليل العمل المتكرر في النظام بأكمله، لا مجرد تسريع النموذج.
يمكن أن تتضمن رسالة واحدة من المستخدم تكرارات عديدة للنموذج والأدوات. وقد تتكرر أي تكلفة داخل المنطقة المتكررة مرات عديدة.
وجّهت هذه العوامل المتضاعفة تصميم منظومة التقييم الوكيلة لدينا، وهي طبقة تنسيق مكتوبة بلغة Rust تربط نماذجنا وأدواتنا وبيئة المستخدم. سنوضح تاليًا كيف يؤدي تجنب تضخم السياق وتحميل الأدوات وإعادة استخدام العمل إلى زيادة كفاءة كل طلب.
مع منح الوكلاء إمكان الوصول إلى مزيد من الأدوات والمهارات والمكونات الإضافية وسجل المحادثات، يمكن أن يتسع نطاق السياق بسهولة. يزيد ذلك التكلفة، ويشتت النموذج، ويحفز استدلالًا غير ضروري. يمكن لمنظومة التقييم تقليل هذا العبء عبر الاكتشاف المؤجل، الذي لا يتيح إظهار عمليات التكامل وأدوات MCP المخصصة والمهارات والمكونات الإضافية إلا عند الحاجة. تمنع منظومة التقييم أيضًا الأدوات وعمليات تكامل MCP المنفردة من استهلاك نطاق السياق على نحو غير متوقع. يقتصر مخرج الأداة افتراضيًا على 10,000 رمز، ما لم يطلب النموذج حدًا مختلفًا.
كما ذكرنا سابقًا، يمكن لحلقة الوكيل أن ترسل التعليمات نفسها وسجل المحادثة وتعريفات الأدوات والنتائج السابقة إلى وحدات معالجة الرسومات عدة مرات خلال رسالة واحدة. تتطلب معالجة هذه المدخلات المتكررة تكلفة كبيرة، لذا يعيد التخزين المؤقت للمطالبة استخدام العمليات الحسابية المرتبطة ببادئة مطالبة سبق أن عولجت. للحفاظ على هذه البادئة، تتعامل منظومة التقييم مع كل السجل المرئي للنموذج بوصفه قابلًا للإلحاق فقط؛ فتُضاف الرسائل الجديدة ونتائج الأدوات وتحديثات البيئة في النهاية بدلًا من إدراجها في سياق سابق. وتُعرض الأدوات أيضًا بترتيب حتمي، بينما تُطبّق إعدادات وقت التشغيل، مثل سياسات الموافقة، أثناء التنفيذ بدلًا من تضمينها في تعريفات الأدوات. يسهم هذا الخيار التصميمي في ارتفاع معدلات إصابة ذاكرة المطالبات المؤقتة إجمالًا في Codex وChatGPT Work.
يغيّر النقل التزايدي ما يعبر الشبكة، بينما يغيّر التخزين المؤقت للمطالبة ما قد يتجنب النموذج إعادة حسابه. العروض توضيحية، ولا تظهر طبقة الضغط الإضافية.
تأتي مكاسب الكفاءة التي حققناها مع GPT‑5.6 ثمرة سنوات من التحسينات المتراكمة على امتداد المنظومة التقنية، من البحث والاستدلال إلى منظومة التقييم الوكيلة. إن دور GPT‑5.6 في تحقيق كثير من هذه التحسينات يجعلنا متفائلين بتسارع وتيرة عمليات التحسين. سنواصل إجراء تحسينات أكبر في مجالات مثل تحسين النوى، إلى جانب إدخال تحسينات جوهرية على منظومتنا التقنية. ونتطلع إلى نقل هذه التحسينات المستمرة التي تجري خلف الكواليس إلى مستخدمينا وعملائنا في صورة ذكاء أكفأ من حيث التكلفة وأوسع إتاحة.
شكر خاص إلى ماثيو فيراري، وفيليب تيليه، وأحمد إبراهيم، وجو غيرشنسون، وستيف كوفي، أعضاء الفريق التقني، على إسهاماتهم في هذا المنشور.
