GPT‑5.6 માટે નિર્માતાની માર્ગદર્શિકા

GPT‑5.6 મોડલ પરિવાર અત્યાધુનિક સ્તરની એજન્ટ કામગીરીને ઘણું વધુ પરવડે તેવી બનાવે છે અને સાથે શક્યતાઓની સીમા પણ આગળ ધપાવે છે.

આ માર્ગદર્શિકામાં અમે બતાવીએ છીએ કે સ્ટાર્ટઅપ્સ વધુ સમજદાર મોડલ પસંદગી તથા રિઝનિંગની સાતત્યતા, બહુ-એજન્ટ સંકલન અને પ્રોગ્રામ દ્વારા ટૂલ કૉલિંગમાં મદદરૂપ નવા API નિયંત્રણોનો ઉપયોગ કરીને ઓછા ખર્ચે વધુ ઝડપી અને સક્ષમ એજન્ટ કેવી રીતે બનાવી રહ્યા છે.

GPT‑5થી શરૂ કરીને, મોડલની દરેક પેઢીએ ઓછા ટોકન વડે લાંબા ગાળાનાં કાર્યો હાથ ધરવાનો પ્રયાસ કર્યો છે. GPT‑5.6 એ દિશામાં આગળ વધે છે: મૂળ કાર્યપ્રણાલીમાં બહુ ઓછા ફેરફાર સાથે વધુ મજબૂત એજન્ટ કામગીરી અને ઓછો ખર્ચ.

ઓછા રિઝનિંગ પ્રયત્ને વધેલી ચોકસાઈથી એકંદર ખર્ચ-કાર્યક્ષમતામાં થયેલો સુધારો વધુ મજબૂત બને છે. ઉદાહરણ તરીકે, કાર્યપ્રણાલી સમાન રાખતાં Agents’ Last Examમાં “ઓછા” રિઝનિંગ સાથે GPT‑5.6 Solએ “ઉચ્ચ” રિઝનિંગવાળા GPT‑5.5 કરતાં વધુ સારું પ્રદર્શન કર્યું. ઉત્પાદન-સ્તરના પરીક્ષણમાં પણ આવી જ સફળતા જોવા મળી છે, જ્યાં સ્ટાર્ટઅપ્સે અગાઉનાં મૂળભૂત રિઝનિંગ પ્રયત્ન ઘટાડીને અનેક કાર્યપ્રવાહોમાં ખર્ચમાં નોંધપાત્ર સુધારો નોંધાવ્યો છે.

લાંબા ગાળાના ઉપયોગ માટે ઉપલબ્ધ સર્વોચ્ચ રિઝનિંગ ધરાવતા ફ્લેગશિપ મોડેલ પર અપગ્રેડ કરવું ઐતિહાસિક રીતે શ્રેષ્ઠ વિકલ્પ રહ્યું છે. તેનું મુખ્ય કારણ એ છે કે લાંબા સંદર્ભો અને ટૂલ કૉલિંગ સંભાળવામાં આ મોડલ ખર્ચ માટે અનુકૂળ બનાવેલા મોડલ કરતાં નોંધપાત્ર રીતે વધુ સક્ષમ હતાં. 5.6 પરિવાર સાથે આ બદલાયું છે: પરીક્ષણ સમયે વધુ ગણતરીશક્તિ આપવાથી Luna અને Terra ઘણીવાર GPT‑5.4 અને 5.5 જેવી કામગીરી નોંધપાત્ર રીતે ઓછા ખર્ચે આપી શકે છે.

BrowseCompનાં કાર્યોનો વિચાર કરો: આ શોધ-આધારિત માપદંડ દુર્લભ હકીકતો શોધવાની મોડલની ક્ષમતા ચકાસે છે. ત્રણ મહિના પહેલાં GPT‑5.5 (એક્સ્ટ્રા હાઇ)એ આ માપદંડ પર કુલ $33.27ના ખર્ચે 84.36% ગુણ મેળવ્યા હતા. પ્રકાશન સમયે GPT‑5.6 Luna (એક્સ્ટ્રા હાઇ) $1.33ના ખર્ચે 84.04% ગુણ મેળવીને લગભગ સમાન કામગીરી આપે છે. ત્યાર પછી અમે કિંમતો વધુ ઘટાડી છે. અમારા તાજેતરના ભાવ ઘટાડા વિશે વધુ વાંચો.

5.6 પરિવારનાં નાનાં મોડલ મોટા પ્રમાણના કાર્યભાર, વિલંબ પ્રત્યે સંવેદનશીલ ક્રિયાપ્રતિક્રિયાઓ અને એજન્ટ આધારિત કાર્યપ્રવાહોમાં પુનરાવર્તિત પગલાં માટે ખૂબ યોગ્ય છે. ઉદાહરણ તરીકે, જો તમારું કાનૂની ટેકનોલોજી સ્ટાર્ટઅપ એજન્ટ આધારિત વિશ્લેષણ પહેલાં હસ્તલિખિત નોંધોનું પૃથક્કરણ કરતું હોય, તો સમગ્ર ઉપયોગ માટે અત્યાધુનિક મોડલ વાપરવાને બદલે હવે માહિતી કાઢવા Terra અથવા Luna વાપરીને ખર્ચમાં નોંધપાત્ર બચત કરી શકો છો.

GPT‑5.6ને શરૂઆતથી જ વધુ કાર્યક્ષમ બનાવવા ઉપરાંત, અમે વધુ લાભ મેળવવા Responses APIમાં નવા મૂળભૂત ઘટકો પણ રજૂ કર્યા છે. અમે ત્રણ પરસ્પરપૂરક રચનાત્મક હસ્તક્ષેપો સાથે GPT‑5.6ને છેડેથી છેડા સુધી તાલીમ આપી છે, જે એજન્ટને વધુ કાર્યક્ષમ રીતે કામ કરવા સક્ષમ બનાવે છે:

1. અગાઉ કરેલા કામનો ફરી ઉપયોગ કરો: મોડલના જુદા વારામાં રિઝનિંગ જાળવી રાખવાની⁠(નવી વિન્ડોમાં ખૂલે છે) મંજૂરી આપીને અને લાંબી ચાલતી વાતચીતને સંકુચિત કરવા આંતરિક કૉમ્પેક્શન⁠(નવી વિન્ડોમાં ખૂલે છે) વાપરીને, મોડલ ગૂંચવાયા કે અગાઉનો સંદર્ભ ફરી બનાવ્યા વિના વધુ લાંબા કાર્યોમાં સુસંગતતા જાળવી શકે છે.
2. યોગ્ય હોય ત્યાં સમાંતર વિભાજન: આંતરિક બહુ-એજન્ટ સંકલન⁠(નવી વિન્ડોમાં ખૂલે છે) વાપરવાથી જટિલ કાર્યો ઝડપથી પૂરાં કરવા અનેક એજન્ટને સમાંતર કાર્યપ્રવાહોમાં સંકલિત કરી શકાય છે.
3. નિશ્ચિત પરિણામવાળું કામ કોડમાં ખસેડો: મોડલની સંદર્ભ વિન્ડોની બહાર ટૂલનાં આઉટપુટને ગાળવા, એકત્રિત કરવા અને સંકલિત કરવા પ્રોગ્રામ દ્વારા ટૂલ કૉલિંગ⁠(નવી વિન્ડોમાં ખૂલે છે) વાપરો. તેનાથી મોડલ ટોકન નિર્ણય માટે બચી રહે છે અને ખર્ચ, વિલંબ તથા સંદર્ભ ક્ષય ઘટે છે.

એકસાથે ઉપયોગ કરતાં તેનો પ્રભાવ ઘણો મોટો હોઈ શકે છે. ઉદાહરણ તરીકે, ARC-AGI-3 પર GPT‑5.6 Solએ પ્રમાણભૂત કાર્યપ્રણાલી સાથે 13.3% ગુણ મેળવ્યા. પરંતુ જાળવેલું રિઝનિંગ અને કૉમ્પેક્શન સક્ષમ કર્યા પછી, લગભગ 6× ઓછા આઉટપુટ ટોકનનો ઉપયોગ કરવા છતાં ગુણ વધીને 38.3% થયો. મોડલમાં કોઈ ફેરફાર નહીં, છતાં કામગીરી લગભગ ત્રણ ગણી. અમારી ARC-AGI-3 કાર્યપ્રણાલી તપાસ વિશે અહીં વધુ વાંચી શકો છો.

એજન્ટ આધારિત કાર્યપ્રવાહોમાં સામાન્ય રીતે બે પ્રકારનાં કામ હોય છે:

1. નિર્ણયશક્તિ જરૂરી હોય તેવાં કાર્યો
2. મુખ્યત્વે ડેટા ખસેડવા, ગાળવા અને જોડવાનું કામ

જ્યારે એજન્ટ 100 નિયમનકારી દસ્તાવેજ મેળવે, તેમને તારીખ પ્રમાણે ગાળે અને સંબંધિત વ્યવહારો ઓળખે, ત્યારે મોડલને તેની સંદર્ભ વિન્ડોમાં દરેક વચગાળાના પરિણામ પર રિઝનિંગ કરવાની જરૂર ન હોવી જોઈએ. પ્રોગ્રામ દ્વારા ટૂલ કૉલિંગ GPT‑5.6ને ટૂલ્સનું સંકલન કરવા, સ્વતંત્ર કૉલ સમાંતર ચલાવવા અને તેમના આઉટપુટને સંદર્ભ વિન્ડોની બહાર પ્રક્રિયા કરવા JavaScript લખવા દે છે. તેથી મોડલ ઇન્ટેલિજન્સ જરૂરી હોય તે બાબત પર ધ્યાન આપી શકે છે: નિર્ણયશક્તિનો ઉપયોગ.

જટિલ અને સમાંતર કરી શકાય તેવાં કાર્યોમાં અનેક એજન્ટ કાર્યપ્રવાહો વચ્ચે ક્રિયાઓ અને રિઝનિંગ વહેંચવાથી કાર્ય ઝડપથી પૂરું થાય છે અને ઇન્ટેલિજન્સ પણ વધે છે. આવી વ્યવસ્થાઓમાં મુખ્ય એજન્ટ પેટા-એજન્ટનું સંકલન કરવા અને તેમને કાર્યો સોંપવા માટે જવાબદાર હોય છે. પેટા-એજન્ટ સમાંતર રીતે પોતાના ઉદ્દેશો પર કામ કરે છે અને અંતે આખરી સંશ્લેષણ માટે પોતાનું આઉટપુટ મુખ્ય એજન્ટને પાછું આપે છે. ટીમો Responses APIમાં બહુ-એજન્ટ સક્ષમ કરીને⁠(નવી વિન્ડોમાં ખૂલે છે) સીધો તેનો લાભ લેવાનું શરૂ કરી શકે છે. ChatGPTમાં Ultra ક્ષમતા સેટિંગ પણ આ જ રીતે કામ કરે છે.

GPT‑5.6ને પેટા-એજન્ટની યોગ્ય સંખ્યા અને તેમને ક્યારે શરૂ કરવા તેની સારી સમજ હોવા છતાં, બહુ-એજન્ટ વર્તનને સરળતાથી દિશા આપી શકાય છે. મોડલને પેટા-એજન્ટ ક્યારે બોલાવવા તેની સૂચના આપવાથી માત્ર એવી પરિસ્થિતિમાં એજન્ટ શરૂ થવાની સંભાવના વધે છે, જ્યાં વધારાના ટોકન ખર્ચથી વધુ સારી કામગીરી મળે.

આખા મોડલ પરિવારમાં પ્રોમ્પ્ટ કૅશનો TTL વધારીને ઓછામાં ઓછો 30 મિનિટ કરાયો છે અને હવે મોડલની સંદર્ભ વિન્ડોમાં કૅશ વિરામબિંદુઓ નિશ્ચિત રીતે ગોઠવી શકાય છે. તેનાથી સ્ટાર્ટઅપ્સ પોતાના કૅશ હિટ દરમાં નોંધપાત્ર સુધારો કરી શક્યાં છે.

કૅશ વિરામબિંદુઓ ગોઠવવા ઉપરાંત, યોગ્ય prompt_cache_key⁠(નવી વિન્ડોમાં ખૂલે છે) વાપરવાનું ચાલુ રાખવાથી વિનંતી અગાઉ સમાન ઉપસર્ગ સંભાળનાર અનુમાન એન્જિન સુધી પહોંચવાની સંભાવના વધે છે અને તેથી વિલંબ ઘટે છે.

આ ઉદાહરણોમાં સૌથી નોંધપાત્ર બાબત એ છે કે એજન્ટ બનાવવાનું અર્થશાસ્ત્ર કેટલું બદલાયું છે.

અગાઉ દરેક પગલે અત્યાધુનિક મોડલની જરૂર ધરાવતા ઉપયોગો હવે નાનાં મોડલ વાપરીને, રિઝનિંગ પ્રયત્નને અનુકૂળ બનાવીને અને કાર્યક્ષમ રચનાત્મક પસંદગીઓ કરીને ઘણા ઓછા ખર્ચે સમાન કે વધુ સારાં પરિણામ મેળવી શકે છે.

તમે સૌ શું બનાવો છો તે જોવા અમે ઉત્સુક છીએ!