Memperkenalkan kanvas

Kami memperkenalkan kanvas, antarmuka baru untuk berinteraksi dengan ChatGPT dalam proyek penulisan dan koding yang lebih dari sekadar obrolan sederhana. Kanvas terbuka dalam jendela terpisah, memungkinkan Anda dan ChatGPT berkolaborasi dalam sebuah proyek. Beta awal ini memperkenalkan cara baru untuk bekerja sama—bukan hanya melalui percakapan, tetapi dengan menciptakan dan menyempurnakan ide secara berdampingan.   

Kanvas dibangun dengan GPT‑4o dan bisa dipilih secara manual dalam pemilih model selama masa beta. Mulai hari ini, kami meluncurkan kanvas untuk pengguna ChatGPT Plus dan Team secara global. Pengguna Enterprise dan Edu akan mendapatkan akses minggu depan. Kami juga berencana untuk menyediakan kanvas bagi semua pengguna ChatGPT Free setelah keluar dari versi beta.

Orang-orang menggunakan ChatGPT setiap hari untuk membantu dalam penulisan dan pembuatan kode. Meskipun mudah digunakan dan berfungsi baik untuk banyak tugas, antarmuka obrolan terbatas saat Anda ingin mengerjakan proyek yang memerlukan pengeditan dan revisi. Kanvas menawarkan antarmuka baru untuk jenis pekerjaan ini.

Dengan kanvas, ChatGPT dapat lebih memahami konteks dari apa yang ingin Anda capai. Anda bisa menyorot bagian tertentu untuk menunjukkan dengan tepat apa yang Anda inginkan agar ChatGPT fokuskan. Seperti editor naskah atau peninjau kode, ChatGPT dapat memberikan masukan dan saran secara langsung dengan mempertimbangkan keseluruhan proyek.

Anda mengendalikan proyek dalam kanvas. Anda dapat langsung mengedit teks atau kode. Ada menu pintasan untuk Anda meminta ChatGPT menyesuaikan panjang tulisan, merunut kode, dan melakukan tindakan berguna lainnya dengan cepat. Anda juga dapat memulihkan versi sebelumnya dari pekerjaan Anda dengan menggunakan tombol kembali di kanvas.

Kanvas akan terbuka secara otomatis saat ChatGPT mendeteksi skenario di mana ia bisa membantu. Anda juga dapat menyertakan "gunakan kanvas" pada prompt Anda untuk membuka kanvas dan menggunakannya untuk mengerjakan proyek yang sudah ada.

Pintasan untuk menulis meliputi:

• Anjurkan edit: ChatGPT memberikan saran dan masukan secara langsung.
• Sesuaikan panjang: Mengedit panjang dokumen agar lebih pendek atau lebih panjang.
• Ubah level bacaan: Menyesuaikan tingkat baca, dari Taman Kanak-kanak hingga Pascasarjana.
• Tambahkan sentuhan akhir: Memeriksa tata bahasa, kejelasan, dan konsistensi.
• Tambahkan emoji: Menambahkan emoji yang relevan untuk penekanan dan warna.

Koding adalah proses berulang, dan bisa sulit untuk mengikuti semua revisi pada kode Anda di obrolan. Kanvas memudahkan untuk melacak dan memahami perubahan yang dilakukan ChatGPT, dan kami berencana untuk terus meningkatkan transparansi dalam jenis pengeditan ini.

Pintasan untuk koding meliputi:

• Tinjau kode: ChatGPT memberikan saran langsung untuk meningkatkan kode Anda.
• Tambahkan log: Menambahkan pernyataan cetak untuk membantu Anda merunut dan memahami kode Anda.
• Tambahkan komentar: Menambahkan komentar pada kode agar lebih mudah dipahami.
• Perbaiki bug: Mendeteksi dan menulis ulang kode bermasalah untuk menyelesaikan kesalahan.
• Port ke sebuah bahasa: Terjemahkan kode Anda ke JavaScript, TypeScript, Python, Java, C++, atau PHP.

Kami melatih GPT‑4o agar dapat berkolaborasi sebagai mitra kreatif. Model ini mengetahui kapan harus membuka kanvas, melakukan pengeditan terarah, dan menulis ulang secara penuh. Model ini juga memahami konteks yang lebih luas untuk memberikan masukan dan saran yang lebih tepat.

Untuk mendukung hal ini, tim riset kami mengembangkan perilaku inti berikut:

• Memicu kanvas untuk penulisan dan koding 
• Menghasilkan berbagai jenis konten
• Melakukan pengeditan terarah
• Menulis ulang dokumen
• Memberikan kritik langsung

Kami mengukur kemajuan dengan lebih dari 20 evaluasi internal otomatis. Kami menggunakan teknik pembuatan data sintetis yang inovatif, seperti distilasi keluaran dari OpenAI o1‑preview, untuk melatih pasca-model agar memiliki perilaku intinya. Pendekatan ini memungkinkan kami menangani kualitas tulisan dan interaksi pengguna baru secara cepat tanpa bergantung pada data yang dihasilkan manusia.

Tantangan utama adalah menentukan kapan kanvas harus diaktifkan. Kami melatih model untuk membuka kanvas untuk prompt seperti "Write a blog post about the history of coffee beans" sambil menghindari terlalu sering mengaktifkan untuk tugas Tanya Jawab umum, seperti “Help me cook a new recipe for dinner.” Untuk tugas penulisan, kami memprioritaskan peningkatan "pemicu yang tepat" (dengan mengorbankan "bukan pemicu yang tepat"), mencapai 83% dibandingkan dengan GPT‑4o zero-shot patokan awal dengan instruksi prompt.

Perlu dicatat bahwa patokan awal tersebut sangat sensitif terhadap prompt spesifik yang digunakan. Dengan prompt yang berbeda, kinerja patokan awal ini mungkin belum bagus tetapi dengan cara yang berbeda—misalnya, dengan ketidakakuratan yang seimbang di seluruh tugas penulisan dan koding, yang menghasilkan distribusi kesalahan yang berbeda dan bentuk kinerja suboptimal alternatif. Untuk koding, kami sengaja membiaskan model agar tidak terlalu sering memicu demi menghindari gangguan bagi pengguna ahli kami. Kami akan terus menyempurnakannya berdasarkan masukan dari pengguna.

Tantangan kedua melibatkan penyetelan perilaku pengeditan model setelah kanvas dipicu—khususnya dalam memutuskan kapan harus melakukan pengeditan terarah dibandingkan menulis ulang seluruh konten. Kami melatih model untuk melakukan pengeditan terarah ketika pengguna secara eksplisit memilih teks melalui antarmuka; jika tidak, model akan lebih mengutamakan penulisan ulang. Perilaku ini terus berkembang seiring dengan penyempurnaan model.

Akhirnya, melatih model untuk menghasilkan komentar berkualitas tinggi memerlukan iterasi yang cermat. Berbeda dengan dua kasus pertama yang mudah disesuaikan untuk evaluasi otomatis dengan tinjauan manual yang menyeluruh, mengukur kualitas secara otomatis sangatlah menantang. Oleh karena itu, kami menggunakan evaluasi manusia untuk menilai kualitas dan akurasi komentar. Model kanvas terintegrasi kami melampaui GPT‑4o zero-shot dengan instruksi prompt, meningkatkan akurasi sebesar 30% dan kualitas sebesar 16%. Hal ini menunjukkan bahwa pelatihan sintetis secara signifikan meningkatkan kualitas respons dan perilaku dibandingkan dengan pemberian prompt zero-shot dengan instruksi terperinci.

Membuat AI lebih berguna dan dapat diakses memerlukan pemikiran ulang tentang cara kita berinteraksi dengannya. Kanvas adalah pendekatan baru dan pembaruan besar pertama untuk antarmuka visual ChatGPT sejak kami meluncurkannya dua tahun lalu.

Canvas masih dalam tahap beta awal, dan kami akan terus meningkatkan kemampuannya dengan pesat.