Treoir an tógálaí maidir le GPT‑5.6

Cuireann teaghlach samhlacha GPT‑5.6 feidhmíocht cheannródaíoch gníomhairí ar fáil ar phraghas i bhfad níos inacmhainne, agus leathnaíonn sé teorainneacha an méid is féidir a dhéanamh.

Sa treoir seo, léirímid conas atá gnólachtaí nuathionscanta ag úsáid roghnú samhlacha níos cliste agus rialuithe nua API, a chuidíonn le leanúnachas réasúnaíochta, comhordú ilghníomhairí agus glaoch ríomhchláraithe ar uirlisí, chun gníomhairí níos tapa agus níos cumasaí a thógáil ar chodán den chostas.

Ó GPT‑5 i leith, tá gach glúin samhlacha tar éis iarracht a dhéanamh dul i ngleic le tascanna níos fadtréimhsí agus níos lú téacschomharthaí á n-úsáid. Leanann GPT‑5.6 den treo sin: feidhmíocht níos láidre ó ghníomhairí agus costais níos ísle, gan ach athruithe beaga ar an gcreat bunúsach.

Cuirtear leis na mórfheabhsuithe ar éifeachtúlacht costais trí chruinneas níos fearr ag leibhéil níos ísle d’iarracht réasúnaíochta. Mar shampla, in Agents’ Last Exam, d’éirigh níos fearr le GPT‑5.6 Sol ar réasúnaíocht “íseal” ná le GPT‑5.5 ar réasúnaíocht “ard”, agus an creat céanna in úsáid. Chonaiceamar rath den chineál céanna i dtástáil táirgeachta, áit ar thuairiscigh gnólachtaí nuathionscanta laghduithe suntasacha costais i réimse sreafaí oibre tar éis dóibh an iarracht réasúnaíochta a ísliú ó na réamhshocruithe roimhe seo.

Go stairiúil, ba é uasghrádú go samhail shuaitheanta leis an leibhéal réasúnaíochta ab airde a bhí ar fáil an rogha ab fhearr do chásanna úsáide fadtréimhseacha. Ba é ba mhó ba chúis leis sin ná go raibh na samhlacha seo i bhfad níos cumasaí ná samhlacha optamaithe ó thaobh costais de maidir le comhthéacsanna níos faide agus glaoch ar uirlisí. Tá sé sin athraithe le teaghlach 5.6: le breis ríomhaireachta le linn tástála, is minic a bhíonn Luna agus Terra ar aon dul le GPT‑5.4 agus 5.5, ach iad i bhfad níos saoire.

Smaoinigh ar thascanna in BrowseComp: tagarmharc cuardaigh a thástálann cumas samhla fíricí doiléire a aimsiú. Trí mhí ó shin, ghnóthaigh GPT‑5.5 (An-ard) 84.36% ar an tagarmharc seo ar chostas iomlán $33.27. Ag a sheoladh, soláthraíonn GPT‑5.6 Luna (An-ard) an fheidhmíocht chéanna, nach mór: scór 84.04% ar chostas $1.33. Tá na praghsanna laghdaithe tuilleadh againn ó shin. Léigh tuilleadh faoin laghdú is déanaí a rinneamar ar phraghsanna.

Tá samhlacha beaga theaghlach 5.6 an-oiriúnach d’ualaí oibre ardmhéide, d’idirghníomhaíochtaí atá íogair ó thaobh aga folaigh de agus do chéimeanna athchleachtacha i sreafaí oibre gníomhairí. Mar shampla, má tá gnólacht nuathionscanta teicneolaíochta dlí á reáchtáil agat a pharsálann meamraim lámhscríofa roimh anailís gníomhaire, is féidir leat Terra nó Luna a úsáid anois don asbhaint, seachas samhail cheannródaíoch a úsáid don chás úsáide ar fad, agus coigilteas suntasach costais a dhéanamh.

Chomh maith le feidhmíocht níos fearr a thabhairt do GPT‑5.6 ón tús, chuireamar bunchlocha nua le API Responses chun tuilleadh feabhsuithe a chumasú. Thraenálamar GPT‑5.6 ó cheann ceann le trí idirghabháil chomhlántacha ailtireachta a chuireann ar chumas gníomhairí oibriú ar bhealach níos éifeachtúla:

1. Athúsáid na hoibre atá déanta cheana: trí réasúnaíocht a choinneáil⁠(osclaíonn i bhfuinneog nua) idir babhtaí na samhla agus comhdhlúthú dúchasach⁠(osclaíonn i bhfuinneog nua) a úsáid chun comhráite fada a chomhbhrú, is féidir leis an tsamhail comhleanúnachas a cuid oibre a choinneáil thar thascanna níos fadtréimhsí gan dul trína chéile ná an comhthéacs roimhe sin a atógáil.
2. Miondealú comhthreomhar nuair is cuí: le comhordú dúchasach ilghníomhairí⁠(osclaíonn i bhfuinneog nua), is féidir gníomhairí iomadúla a chomhordú thar shruthanna oibre comhthreomhara chun tascanna casta a chríochnú níos tapúla.
3. Cuir obair chinntitheach sa chód: bain úsáid as glaoch ríomhchláraithe ar uirlisí⁠(osclaíonn i bhfuinneog nua) chun aschuir uirlisí a scagadh, a chomhiomlánú agus a chomhordú lasmuigh d’fhuinneog chomhthéacs na samhla. Fágann sé sin téacschomharthaí na samhla ar fáil do bhreithiúnas agus laghdaíonn sé costas, aga folaigh agus meath comhthéacs.

Nuair a úsáidtear le chéile iad, féadann an difríocht a bheith ollmhór. Mar shampla, ar ARC-AGI-3, ghnóthaigh GPT‑5.6 Sol 13.3% leis an gcreat caighdeánach. Tar éis réasúnaíocht choinnithe agus comhdhlúthú a chumasú, áfach, léim an scór go 38.3% — agus thart ar 6× níos lú téacschomharthaí aschuir á n-úsáid. Ní dhearnadh aon athrú ar an tsamhail, ach tháinig méadú beagnach faoi thrí ar an bhfeidhmíocht. Is féidir tuilleadh a léamh faoinár n-imscrúdú ar chreat ARC-AGI-3 anseo.

Is minic a bhíonn dhá chineál oibre i gceist le sreafaí oibre gníomhairí:

1. Tascanna a éilíonn breithiúnas
2. Obair arb é atá i gceist léi den chuid is mó ná sonraí a bhogadh, a scagadh agus a chur le chéile

Nuair a aisghabhann gníomhaire 100 comhdúchán, a scagann sé iad de réir dáta agus a shainaithníonn sé idirbhearta ábhartha, níor cheart go mbeadh ar an tsamhail réasúnú a dhéanamh ar gach toradh idirmheánach ina fuinneog chomhthéacs. Le Glaoch Ríomhchláraithe ar Uirlisí, is féidir le GPT‑5.6 JavaScript a scríobh chun uirlisí a chomhordú, glaonna neamhspleácha a rith go comhthreomhar agus a n-aschuir a phróiseáil lasmuigh den fhuinneog chomhthéacs. Fágann sé sin gur féidir leis an tsamhail díriú ar an rud a éilíonn intleacht: breithiúnas a úsáid.

I gcás tascanna casta is féidir a dhéanamh go comhthreomhar, cuirtear tascanna i gcrích níos tapúla agus ar bhealach níos cliste trí ghníomhartha agus réasúnaíocht a dháileadh ar shruthanna oibre gníomhairí éagsúla. Sna socruithe seo, tá an príomhghníomhaire freagrach as na foghníomhairí a chomhordú agus tascanna a tharmligean chucu. Téann na foghníomhairí sa tóir ar a gcuspóirí go comhthreomhar agus tugann siad a n-aschur ar ais don phríomhghníomhaire lena shintéisiú ar deireadh. Is féidir le foirne tosú ar úsáid dhúchasach ilghníomhairí trí ilghníomhairí a chumasú⁠(osclaíonn i bhfuinneog nua) in API Responses. Is ar an gcaoi seo a oibríonn an socrú cumais Ultra in ChatGPT freisin.

Cé go dtuigeann GPT‑5.6 go maith cé mhéad fogníomhaire atá oiriúnach agus cathain is ceart iad a sheoladh, is furasta iompar ilghníomhairí a stiúradh. Má thugtar treoir don tsamhail maidir le cathain is ceart fogníomhairí a agairt, is mó an seans nach seolfar gníomhairí ach amháin nuair a chuirfeadh an caiteachas breise téacschomharthaí feabhas ar an bhfeidhmíocht.

Ar fud an teaghlaigh samhlacha ar fad, síneadh TTL na taisce prasanna go 30 nóiméad ar a laghad, agus is féidir brisphointí taisce a shocrú go cinntitheach anois laistigh d’fhuinneog chomhthéacs samhla. Chuir sé seo ar chumas gnólachtaí nuathionscanta ráta amas na taisce a fheabhsú go suntasach.

Chomh maith le brisphointí taisce a shocrú, má leantar d’prompt_cache_key⁠(osclaíonn i bhfuinneog nua) oiriúnach a úsáid, is mó an seans go seolfar iarratais chuig an inneall tátail céanna a phróiseáil an réimír chéanna roimhe seo, rud a laghdaíonn aga folaigh.

Is é an rud is suntasaí sna samplaí seo ná a mhéid atá athrú tagtha ar an eacnamaíocht a bhaineann le gníomhairí a thógáil.

Is féidir anois torthaí comhchosúla nó níos fearr a bhaint amach ar chodán den chostas i gcásanna úsáide a raibh samhail cheannródaíoch de dhíth orthu ag gach céim tráth, ach samhlacha níos lú a úsáid, iarracht réasúnaíochta a choigeartú agus roghanna éifeachtúla ailtireachta a dhéanamh.

Táimid ar bís le feiceáil cad a thógfaidh sibh!