GPT‑5.6-ის გზამკვლევი შემქმნელებისთვის

GPT‑5.6‑ის მოდელების ოჯახი მოწინავე დონის აგენტების წარმადობას მკვეთრად უფრო ხელმისაწვდომს ხდის და, ამავდროულად, შესაძლებლის საზღვრებს აფართოებს.

ამ გზამკვლევში გაჩვენებთ, როგორ იყენებენ სტარტაპები მოდელის უფრო გონივრულ შერჩევასა და API-ს ახალ მართვის საშუალებებს, რომლებიც ხელს უწყობს მსჯელობის უწყვეტობას, მრავალი აგენტის ორკესტრირებასა და ხელსაწყოების პროგრამულ გამოძახებას, რათა გაცილებით ნაკლებ ფასად შექმნან უფრო სწრაფი და შესაძლებლობებით მდიდარი აგენტები.

GPT‑5‑ის შემდეგ მოდელების ყოველი ახალი თაობა ცდილობს, უფრო ხანგრძლივ ამოცანებს ნაკლები ტოკენით გაუმკლავდეს. GPT‑5.6 ამ მიმართულებას აგრძელებს: აგენტების უფრო მაღალი წარმადობა და ნაკლები ხარჯი, ძირითად სარტყელში მინიმალური ცვლილებებით.

ხარჯთეფექტიანობის საერთო გაუმჯობესებას მსჯელობის ნაკლები ძალისხმევისას გაზრდილი სიზუსტეც ემატება. მაგალითად, Agents’ Last Exam-ში, უცვლელი სარტყლის პირობებში, GPT‑5.6 Sol-მა მსჯელობის „დაბალი“ დონით აჯობა GPT‑5.5‑ს მსჯელობის „მაღალი“ დონით. მსგავსი წარმატება ვიხილეთ საწარმოო გარემოს ტესტირებაშიც: სტარტაპების ცნობით, მსჯელობის ძალისხმევის ადრინდელ ნაგულისხმევ დონეებთან შედარებით შემცირებამ სხვადასხვა სამუშაო პროცესში ხარჯები მნიშვნელოვნად შეამცირა.

ტრადიციულად, ხანგრძლივი ამოცანებისთვის საუკეთესო არჩევანი ხელმისაწვდომი მსჯელობის უმაღლესი დონით მომუშავე ფლაგმანურ მოდელზე გადასვლა იყო. ეს დიდწილად იმიტომ ხდებოდა, რომ გრძელი კონტექსტებისა და ხელსაწყოების გამოძახების მართვაში ამ მოდელების შესაძლებლობები ხარჯებზე ოპტიმიზებულ მოდელებს მნიშვნელოვნად აღემატებოდა. 5.6-ის ოჯახმა ეს შეცვალა: ტესტირებისას მეტი გამოთვლითი რესურსის გამოყენებით Luna-სა და Terra-ს ხშირად GPT‑5.4‑ისა და 5.5-ის მსგავსი შედეგების მიღწევა შეუძლიათ, თანაც მნიშვნელოვნად იაფად.

განვიხილოთ BrowseComp-ის ამოცანები — ძიებაზე დაფუძნებული საორიენტაციო ტესტი, რომელიც ბუნდოვანი ფაქტების მოძიების მოდელისეულ უნარს ამოწმებს. სამი თვის წინ GPT‑5.5‑მა (ძალიან მაღალი) ამ ტესტში 84,36% მიიღო, ხოლო ჯამურმა ხარჯმა $33,27 შეადგინა. გამოშვებისას GPT‑5.6 Luna (ძალიან მაღალი) პრაქტიკულად იმავე შედეგს აჩვენებს: 84,04%, სულ რაღაც $1,33-ად. მას შემდეგ ფასები კიდევ უფრო შევამცირეთ. ჩვენი ფასების უახლესი შემცირების შესახებ იხილეთ ვრცლად.

5.6-ის ოჯახის უფრო მცირე მოდელები განსაკუთრებით გამოდგება დიდი მოცულობის დატვირთვებისთვის, დაყოვნების მიმართ მგრძნობიარე ინტერაქციებისა და აგენტურ სამუშაო პროცესებში განმეორებადი ნაბიჯებისთვის. მაგალითად, თუ იურიდიული ტექნოლოგიების სტარტაპს მართავთ, რომელიც აგენტურ ანალიზამდე ხელნაწერ ჩანაწერებს ამუშავებს, მთელი პროცესისთვის მოწინავე მოდელის გამოყენების ნაცვლად, მონაცემების ამოსაღებად Terra ან Luna შეგიძლიათ გამოიყენოთ და ხარჯები მნიშვნელოვნად შეამციროთ.

GPT‑5.6‑ის მზა სახით უფრო წარმადობის გარდა, დამატებითი გაუმჯობესებების მისაღებად Responses API-ში ახალი საბაზისო კომპონენტებიც დავამატეთ. GPT‑5.6 თავიდან ბოლომდე სამი ურთიერთშემავსებელი არქიტექტურული მიდგომით გავწვრთენით, რომლებიც აგენტებს უფრო ეფექტიანად მუშაობის საშუალებას აძლევს:

1. უკვე შესრულებული სამუშაოს ხელახლა გამოყენება: მოდელის ცვლებს შორის მსჯელობის შენარჩუნებისა⁠(იხსნება ახალ ფანჯარაში) და ხანგრძლივი საუბრების ჩაშენებული შეკუმშვით⁠(იხსნება ახალ ფანჯარაში) შემოკლების დამსახურებით, მოდელს შეუძლია უფრო ხანგრძლივ ამოცანებზე თანმიმდევრულად იმუშაოს დაბნევისა და წინა კონტექსტის ხელახლა აღდგენის გარეშე.

2. საჭიროებისამებრ პარალელური დაყოფა: მრავალი აგენტის ჩაშენებული ორკესტრირება⁠(იხსნება ახალ ფანჯარაში) რამდენიმე აგენტის პარალელურ სამუშაო ნაკადებში კოორდინირების საშუალებას იძლევა, რათა რთული ამოცანები უფრო სწრაფად დასრულდეს.

3. დეტერმინისტული სამუშაოს კოდში გადატანა: ხელსაწყოების პროგრამული გამოძახება⁠(იხსნება ახალ ფანჯარაში) მოდელის კონტექსტური ფანჯრის გარეთ ფილტრავს, აერთიანებს და აორკესტრირებს ხელსაწყოების შედეგებს. შედეგად, მოდელის ტოკენები განსჯისთვის რჩება, ხოლო ხარჯი, დაყოვნება და კონტექსტის დეგრადაცია მცირდება.

ერთად გამოყენებისას განსხვავება შეიძლება საოცარი იყოს. მაგალითად, ARC-AGI-3-ზე GPT‑5.6 Sol-მა სტანდარტული სარტყლით 13,3% მიიღო. თუმცა შენარჩუნებული მსჯელობისა და შეკუმშვის ჩართვის შემდეგ შედეგი 38,3%-მდე გაიზარდა, თანაც დაახლოებით 6-ჯერ ნაკლები გამომავალი ტოკენის გამოყენებით. მოდელში ცვლილებების გარეშე — თითქმის სამჯერ უკეთესი შედეგი. დამატებითი ინფორმაცია იხილეთ ჩვენს ARC-AGI-3-ის სარტყლის კვლევაში.

აგენტური სამუშაო პროცესები ხშირად ორი სახის სამუშაოს მოიცავს:

1. ამოცანები, რომლებიც განსჯას მოითხოვს

2. სამუშაო, რომელიც ძირითადად მონაცემების გადატანას, გაფილტვრასა და გაერთიანებას მოითხოვს

როდესაც აგენტი 100 ანგარიშგებას მოიპოვებს, თარიღის მიხედვით გაფილტრავს და შესაბამის ტრანზაქციებს გამოავლენს, მოდელს თავის კონტექსტურ ფანჯარაში ყოველი შუალედური შედეგის გაანალიზება არ უნდა უწევდეს. ხელსაწყოების პროგრამული გამოძახება GPT‑5.6‑ს საშუალებას აძლევს, ხელსაწყოების საორკესტრირებლად JavaScript დაწეროს, დამოუკიდებელი გამოძახებები პარალელურად გაუშვას და მათი შედეგები კონტექსტური ფანჯრის გარეთ დაამუშაოს. ამგვარად, მოდელი ყურადღებას იმაზე ამახვილებს, რასაც ინტელექტი სჭირდება: განსჯაზე.

რთულ, პარალელურად შესრულებად ამოცანებში მოქმედებებისა და მსჯელობის რამდენიმე აგენტურ სამუშაო ნაკადზე განაწილება ამოცანის უფრო სწრაფად დასრულებასა და ინტელექტის უფრო მაღალ დონეს უზრუნველყოფს. ასეთ კონფიგურაციებში მთავარი აგენტი ქვეაგენტების ორკესტრირებასა და მათთვის ამოცანების დელეგირებაზეა პასუხისმგებელი. ქვეაგენტები თავიანთ მიზნებზე პარალელურად მუშაობენ, ბოლოს კი შედეგებს საბოლოო სინთეზისთვის მთავარ აგენტს უბრუნებენ. გუნდებს მრავალი აგენტის ჩაშენებული შესაძლებლობით სარგებლობა Responses API-ში მრავალი აგენტის ჩართვით⁠(იხსნება ახალ ფანჯარაში) შეუძლიათ. ChatGPT‑ში ულტრა შესაძლებლობის პარამეტრიც სწორედ ასე მუშაობს.

მართალია, GPT‑5.6 კარგად განსაზღვრავს ქვეაგენტების საჭირო რაოდენობასა და მათი გაშვების დროს, მაგრამ მრავალი აგენტის ქცევის მართვა მარტივად შეიძლება. თუ მოდელს მივუთითებთ, როდის გამოიძახოს ქვეაგენტები, იზრდება ალბათობა, რომ აგენტები მხოლოდ მაშინ გაეშვება, როცა დამატებითი ტოკენების ხარჯვა უკეთეს შედეგს მოიტანს.

მოდელების მთელ ოჯახში პრომპტის კეშის TTL მინიმუმ 30 წუთამდე გახანგრძლივდა, ხოლო კეშის საკონტროლო წერტილების დეტერმინისტულად დაყენება ახლა მოდელის კონტექსტურ ფანჯარაშიც შეიძლება. ამან სტარტაპებს კეშში დამთხვევის სიხშირის მნიშვნელოვნად გაზრდის საშუალება მისცა.

კეშის საკონტროლო წერტილების დაყენებასთან ერთად, შესაბამისი prompt_cache_key⁠(იხსნება ახალ ფანჯარაში)-ს გამოყენების გაგრძელება ზრდის ალბათობას, რომ მოთხოვნები მოხვდეს იმავე ინფერენციის ძრავაზე, რომელმაც ადრე იგივე პრეფიქსი დაამუშავა, და ამით ამცირებს დაყოვნებას.

ამ მაგალითებში განსაკუთრებით თვალსაჩინოა, რამდენად შეიცვალა აგენტების შექმნის ეკონომიკა.

გამოყენების სცენარებს, რომლებსაც ადრე ყოველ ნაბიჯზე მოწინავე მოდელი სჭირდებოდა, ახლა მცირე მოდელების გამოყენებით, მსჯელობის ძალისხმევის მორგებითა და ეფექტიანი არქიტექტურული გადაწყვეტილებებით გაცილებით ნაკლებ ფასად შეუძლიაა მსგავსი ან უკეთესი შედეგების მიღწევა.

მოუთმენლად ველით, რას შექმნით!