Izgradnja obilja inteligencije

AI infrastruktura nije vrijedna zato što je velika. Vrijedna je zbog onoga što omogućava: sposobniju inteligenciju dostupnu većem broju ljudi po nižoj cijeni.

Tako ja razmišljam o obilju. Ono je ugrađeno i u našu misiju — osigurati da opća umjetna inteligencija koristi cijelom čovječanstvu — i u ekonomski pokretač našeg poslovanja.

Kada cijena korisne inteligencije padne, isplati se obaviti više poslova. Kada modeli postanu sposobniji, taj rad stvara veću vrijednost. Kako primjena raste, ostvarujemo prihode, dobijamo povratne informacije iz stvarnog svijeta i bolji uvid u potražnju, što nam omogućava da nastavimo ulagati u novu generaciju istraživanja i infrastrukture.

Bolja inteligencija podstiče širu primjenu. Šira primjena omogućava veća ulaganja. Veća ulaganja unapređuju inteligenciju i efikasnost. To je ciklus koji gradimo.

Naša nedavna objava cijena pokazuje kako taj ciklus brzo donosi korist korisnicima. Jučer smo snizili cijenu modela GPT‑5.6 Luna za 80 posto, a modela GPT‑5.6 Terra za 20 posto. Luna sada košta 0,20 USD po milionu ulaznih tokena i 1,20 USD po milionu izlaznih tokena, dok Terra košta 2 USD, odnosno 12 USD.

Za GPT‑5.6 Sol, Brzi mod pruža do 2,5 puta veću brzinu od standardne obrade po dvostrukoj cijeni, bez promjene nivoa inteligencije.

To nisu samo izmjene cjenovnika. One proširuju raspon poslova koji postaju praktično izvodivi i korisnicima pružaju veću fleksibilnost u usklađivanju inteligencije, brzine, pouzdanosti i troškova.

Pravo pitanje nije koji model pripada kojem zadatku. Pravo pitanje je koliko inteligencije zahtijeva željeni rezultat, koliko brzo je ona potrebna i koliko bi trebalo koštati da se taj rezultat postigne. Ta ravnoteža može se promijeniti nekoliko puta unutar istog toka rada.

Korisnici ne kupuju tokene radi samih tokena. Žele da se riješi problem s podrškom, isporuči softver, pregleda ugovor ili odgovori na naučno pitanje. Pravo mjerilo je trošak uspješnog rezultata, uključujući vrijeme, ponovne pokušaje, nadzor i greške potrebne da se do njega dođe.

Snažniji model koji posao obavi tačno i efikasno na kraju može biti ekonomičniji od jeftinijeg modela koji zahtijeva ponovljene pokušaje ili opsežnu ljudsku intervenciju. Nasuprot tome, jeftiniji model može znatno proširiti pristup ako ispunjava isti standard kvaliteta. Prilika je u primjeni najveće korisne količine inteligencije po odgovarajućoj cijeni.

Za pružanje te vrijednosti nije dovoljno graditi dodatne podatkovne centre. Svaka jedinica računarskih resursa mora postati produktivnija.

Naš nedavni inženjerski rad pokazuje kako to izgleda. U saradnji s našim tehničkim timovima, GPT‑5.6 Sol pomogao je optimizirati produkcijski softver za pružanje naših modela, smanjivši ukupne troškove pružanja usluge za 20 posto. Pomogao je i unaprijediti spekulativno dekodiranje, čime je efikasnost generiranja tokena povećana za više od 15 posto.

Jednako je važno da efikasnost ne određuje samo model. Važan je i sistem koji ga okružuje. Bolje usmjeravanje održava produktivnost hardvera. Pametnije upravljanje kontekstom sprečava agente da ponavljaju posao. Bolji alati i dizajn proizvoda smanjuju broj koraka potrebnih za dovršavanje zadatka.

U nedavnoj analizi referentnih testova, poboljšanja zadržanog rezonovanja i upravljanja kontekstom podigla su rezultat modela GPT‑5.6 Sol na javnom skupu zadataka ARC-AGI-3 s 13,3 na 38,3 posto, uz šest puta manje izlaznih tokena. Model se nije promijenio. Promijenio se sistem oko njega.

Ova poboljšanja imaju kumulativan učinak. Sposobniji modeli pomažu našim timovima da otkriju nove načine povećanja efikasnosti. Ta povećanja efikasnosti smanjuju troškove pružanja usluga korisnicima i proširuju obim poslova koje možemo podržati istom infrastrukturom. To zauzvrat čini sljedeću generaciju inteligencije pristupačnijom.

Prednost razvoja infrastrukture, modela, platforme i proizvoda nije samo u tome što učestvujemo u svakom sloju. Prednost je u tome što svaki sloj unapređuje ostale.

Upotreba proizvoda u stvarnom svijetu pokazuje nam gdje korisnici pronalaze vrijednost, a gdje nailaze na poteškoće. Te povratne informacije pomažu nam da usmjerimo istraživanja. Napredak u istraživanju poboljšava naše proizvode i smanjuje troškove njihovog pružanja. Potražnja za uslugama ChatGPT, ChatGPT Work i Codex, kao i za API-jem, pomaže nam da bolje odlučimo gdje povećati kapacitete.

Važan je obim tog učenja. Naši modeli sada dosežu više od milijardu aktivnih korisnika i više od dva miliona kompanija. Kako raste povjerenje ljudi u tehnologiju, tako je koriste sve intenzivnije. Šest mjeseci nakon registracije ljudi svakodnevno šalju oko 50 posto više poruka i koriste ChatGPT za približno dvostruko više vrsta poslova. ChatGPT Work mijenja značenje rada zasnovanog na znanju: više ne odgovara samo na pitanja već obavlja složene zadatke u više koraka — prelazi s „pitanja“ na „djelovanje“. U cijelom OpenAI-ju agentski rad putem Codexa sada čini 99,8% sedmičnog broja izlaznih tokena, a Finansije su među timovima koji su agentske alate uvrstili među osnovne načine rada.

Sličan obrazac postoji i unutar organizacija. Kompanija može početi s jednim timom ili jednim tokom rada. Kako se kvalitet i ekonomičnost poboljšavaju, primjena se širi na različite funkcije, a AI postaje dio poslovanja.

Tako nastaje vrijedna povratna sprega između potražnje, poboljšanja proizvoda, efikasnosti i planiranja infrastrukture. To ne zahtijeva da posjedujemo svu imovinu niti da svaku komponentu razvijamo sami. Možemo biti vlasnici, sklapati partnerstva ili kupovati, zavisno od toga šta najbolje služi korisniku i ima najviše ekonomskog smisla. Važno je koordinirati sistem i učiti iz svih njegovih dijelova.

AI infrastruktura mora se planirati godinama prije nego što postane potrebna, dok se modeli, proizvodi i potražnja korisnika razvijaju mnogo brže. Zbog tog nesklada disciplina je neophodna.

Odluke o ulaganjima zasnivamo na dokazima: rastu broja korisnika i obima poslova, obavezama poslovnih korisnika, potrošnji API-ja, iskorištenosti, prihodima te napretku sposobnosti i efikasnosti modela. Tehničke i komercijalne prekretnice pomažu nam da odredimo kada projekti mogu napredovati. Dugoročna partnerstva objedinjuju finansiranje, infrastrukturu i operativno stručno znanje potrebno za pružanje usluga u velikom obimu.

Prihodi od proizvoda, privatni kapital i komercijalna partnerstva imaju različite uloge u podržavanju tog rasta. Cilj nije izgraditi što više infrastrukture. Cilj je osigurati odgovarajući kapacitet u pravo vrijeme i u skladu s vjerodostojnom potražnjom.

Za mene su ključna pitanja jednostavna: Koliko brzo novi kapacitet postaje produktivan? Koliko se efikasno koristi? Koju potražnju korisnika podržava? Koliko brzo tehnički napredak može smanjiti troškove pružanja korisne inteligencije?

Ta pitanja povezuju dugoročnu ambiciju s operativnom disciplinom.

Još smo na početku. Sposobniji sistemi dovršavat će duže projekte, koordinirati rad različitih alata i obavljati veći dio posla od ideje do gotovog rezultata. Pojedinci i mala preduzeća dobit će mogućnosti koje su nekada bile dostupne samo mnogo većim organizacijama. Velike kompanije šire će primjenjivati inteligenciju u svom poslovanju.

Naš cilj nije samo više računarskih resursa, veći modeli ili niže cijene tokena. Cilj je učiniti korisniju inteligenciju dostupnom.

To znači obilje: inteligencija koja postaje sve sposobnija, pristupačnija i vrednija ljudima koji je koriste. Napredak ćemo mjeriti količinom korisnog rada koji omogućava, efikasnošću kojom ga pružamo i širinom raspodjele njegovih koristi.