Construir intel·ligència abundant

La infraestructura d'IA no és valuosa perquè sigui gran. És valuosa pel que fa possible: una intel·ligència més capaç, disponible per a més persones i a un cost inferior.

Així és com entenc l'abundància. Està integrada tant en la nostra missió —garantir que la intel·ligència artificial general beneficiï tota la humanitat— com en el motor econòmic que impulsa el nostre negoci.

Quan baixa el cost de la intel·ligència útil, val la pena fer més feines. Quan els models guanyen capacitat, aquesta feina genera més valor. A mesura que creix l'adopció, obtenim els ingressos, els comentaris del món real i la visibilitat sobre la demanda necessaris per continuar invertint en la pròxima generació de recerca i infraestructura.

Una intel·ligència millor impulsa una adopció més àmplia. Una adopció més àmplia afavoreix més inversió. Més inversió millora la intel·ligència i l'eficiència. Aquest és el cicle que estem construint.

El nostre anunci recent sobre preus mostra com aquest cicle beneficia ràpidament els clients. Ahir vam reduir el preu de GPT‑5.6 Luna un 80 % i el de GPT‑5.6 Terra un 20 %. Ara Luna costa 0,20 $ per milió de segments d'entrada i 1,20 $ per milió de segments de sortida; Terra costa 2 $ i 12 $, respectivament.

Per a GPT‑5.6 Sol, el mode ràpid ofereix fins a 2,5 vegades la velocitat del processament estàndard pel doble de preu, sense cap canvi en la intel·ligència.

No es tracta de simples canvis en una llista de preus. Amplien el ventall de feines que esdevenen viables i donen als clients més flexibilitat per equilibrar intel·ligència, velocitat, fiabilitat i cost.

La pregunta adequada no és quin model correspon a cada tasca. És quanta intel·ligència exigeix el resultat desitjat, amb quina rapidesa es necessita i quin cost hauria de tenir per assolir-lo. Aquest equilibri pot canviar diverses vegades dins d'un mateix flux de treball.

Els clients no compren segments perquè sí. Volen que es resolgui el problema d'assistència, es publiqui el programari, es revisi el contracte o es respongui la pregunta científica. La mesura adequada és el cost d'un resultat satisfactori, inclosos el temps, els reintents, la supervisió i els errors necessaris per arribar-hi.

Un model més potent que completa la feina correctament i amb eficiència pot acabar sent més econòmic que un model més barat que exigeix intents repetits o una intervenció humana considerable. En canvi, un model de cost inferior pot ampliar radicalment l'accés quan compleix el mateix nivell de qualitat. L'oportunitat consisteix a aplicar la màxima intel·ligència útil al preu adequat.

Oferir aquest valor requereix més que construir centres de dades addicionals. Cal fer que cada unitat de còmput sigui més productiva.

La nostra feina recent d'enginyeria il·lustra com es concreta. Treballant amb els nostres equips tècnics, GPT‑5.6 Sol va ajudar a optimitzar el programari de producció utilitzat per prestar els nostres models i va reduir un 20 % els costos d'extrem a extrem. També va ajudar a millorar la descodificació especulativa, fet que va augmentar més d'un 15 % l'eficiència de generació de segments.

Igual d'important és que l'eficiència no depèn únicament del model. El sistema que l'envolta també és important. Un encaminament millor manté el maquinari productiu. Una gestió més intel·ligent del context evita que els agents repeteixin feina. Unes eines més potents i un millor disseny del producte redueixen el nombre de passos necessaris per completar una tasca.

En una anàlisi comparativa recent, les millores en la conservació del raonament i la gestió del context van elevar la puntuació de GPT‑5.6 Sol en el conjunt públic de tasques ARC-AGI-3 del 13,3 % al 38,3 %, tot utilitzant sis vegades menys segments de sortida. El model no va canviar. El sistema que l'envoltava, sí.

Aquests guanys s'acumulen. Els models més capaços ajuden els nostres equips a descobrir noves eficiències. Aquestes eficiències redueixen el cost d'atendre els clients i amplien les feines que podem assumir amb la mateixa infraestructura. Això, al seu torn, fa més accessible la pròxima generació d'intel·ligència.

L'avantatge de treballar en la infraestructura, els models, la plataforma i els productes no és només que siguem presents en cada capa. És que cada capa millora les altres.

L'ús dels productes en el món real ens mostra on els clients troben valor i on topen amb dificultats. Aquests comentaris ens ajuden a orientar la recerca. Els avenços en recerca reforcen els nostres productes i redueixen el cost de prestar-los. La demanda de ChatGPT, ChatGPT Work, Codex i l'API ens ajuda a prendre millors decisions sobre on ampliar la capacitat.

L'escala d'aquest aprenentatge és important. Els nostres models ja arriben a més de mil milions d'usuaris actius i més de dos milions d'empreses. A mesura que les persones guanyen confiança en la tecnologia, en fan un ús més aprofundit. Sis mesos després de registrar-se, les persones envien aproximadament un 50 % més de missatges cada dia i utilitzen ChatGPT per a prop del doble de tipus de feina. ChatGPT Work està transformant què vol dir ser un treballador del coneixement: va més enllà de respondre preguntes per completar feines complexes de diversos passos, de "preguntar" a "fer". A OpenAI, la feina agèntica mitjançant Codex ja representa el 99,8 % dels segments de sortida setmanals, i Finances és un dels equips que han convertit les eines agèntiques en una part essencial de la seva manera de treballar.

Dins de les organitzacions, el patró és semblant. Una empresa pot començar amb un sol equip o flux de treball. A mesura que milloren la qualitat i els costos, l'adopció s'estén a totes les funcions i la IA passa a formar part del funcionament de l'empresa.

Això crea un valuós cercle de retroalimentació entre la demanda, la millora dels productes, l'eficiència i la planificació de la infraestructura. No cal que siguem propietaris de tots els actius ni que construïm nosaltres mateixos cada component. Podem optar per la propietat, les aliances o la compra segons què beneficiï més el client i tingui més sentit econòmic. El que importa és coordinar el sistema i aprendre de tot el conjunt.

La infraestructura d'IA s'ha de planificar anys abans que calgui, mentre que els models, els productes i la demanda dels clients evolucionen molt més de pressa. Aquest desajust fa que la disciplina sigui essencial.

Basant-nos en dades, prenem les decisions d'inversió segons el creixement dels usuaris i les càrregues de treball, els compromisos empresarials, el consum de l'API, la utilització, els ingressos i els avenços en la capacitat i l'eficiència dels models. Les fites tècniques i comercials ajuden a determinar quan avancen els projectes. Les aliances a llarg termini reuneixen el finançament, la infraestructura i l'experiència operativa necessaris per operar a gran escala.

Els ingressos dels productes, el capital privat i les aliances comercials tenen funcions diferents a l'hora de sostenir aquest creixement. L'objectiu no és construir tanta infraestructura com sigui possible. És desplegar la capacitat adequada, en el moment oportú i per satisfer una demanda creïble.

Per a mi, les preguntes clau són senzilles: amb quina rapidesa esdevé productiva la nova capacitat? Amb quina eficiència s'utilitza? Quina demanda dels clients permet atendre? Amb quina rapidesa pot el progrés tècnic reduir el cost d'oferir intel·ligència útil?

Aquestes preguntes connecten l'ambició a llarg termini amb la disciplina operativa.

Encara som a les primeres etapes. Els sistemes més capaços completaran projectes més llargs, es coordinaran entre eines i assumiran més feina entre una idea i el resultat final. Les persones i les petites empreses tindran capacitats que abans només estaven a l'abast d'organitzacions molt més grans. Les empreses aplicaran la intel·ligència de manera més generalitzada a les seves operacions.

El nostre objectiu no és simplement tenir més capacitat de còmput, models més grans o preus més baixos per segment. És posar més intel·ligència útil a l'abast de tothom.

Això és el que significa abundància: una intel·ligència cada cop més capaç, assequible i valuosa per a qui la utilitza. Mesurarem el nostre progrés per la quantitat de feina útil que faci possible, l'eficiència amb què l'oferim i l'abast amb què se'n puguin compartir els beneficis.