ഡീപ്പ് റിസേർച്ച് പരിചയപ്പെടുത്തുന്നു
വലിയ അളവിലുള്ള ഓൺലൈൻ വിവരങ്ങൾ സമന്വയിപ്പിക്കുന്നതിനും നിങ്ങൾക്കായി മൾട്ടി-സ്റ്റെപ്പ് ഗവേഷണ ടാസ്കുകൾ പൂർത്തിയാക്കുന്നതിനും റീസണിംഗ് ഉപയോഗിക്കുന്ന ഒരു ഏജൻ്റ്. ഇന്ന് Pro ഉപയോക്താക്കൾക്ക് ലഭ്യമാണ്, അടുത്തത് Plus, Team ഉപയോക്താക്കൾക്ക്.
ഫെബ്രുവരി 10, 2026 അപ്ഡേറ്റ്: ഇപ്പോൾ നിങ്ങൾക്ക് ഡീപ് റിസർച്ച് ഏതെങ്കിലും MCP അല്ലെങ്കിൽ ആപ്പുമായി ബന്ധിപ്പിക്കാനും വെബ് തിരയലുകൾ വിശ്വസനീയ സൈറ്റുകളിലേക്ക് മാത്രമായി പരിമിതപ്പെടുത്താനും കഴിയും, അതിനാൽ നിങ്ങൾക്ക് സ്ഥിരീകരിച്ച, വ്യവസായ-സ്റ്റാൻഡേർഡ് സ്രോതസ്സുകളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാം. ഇപ്പോൾ നിങ്ങൾക്ക് തത്സമയ പുരോഗതി ട്രാക്ക് ചെയ്യാനും ഫോളോ-അപ്പ് പ്രോംപ്റ്റ്കളോ പുതിയ സ്രോതസ്സുകളോ ഉപയോഗിച്ച് മെച്ചപ്പെടുത്തല് ഇടയിൽ തടസ്സപ്പെടുത്താനും കഴിയും. തുടക്കം മുതൽ അവസാനം വരെ നിങ്ങളുടെ ഗവേഷണം ആരംഭിക്കുന്നതും ട്രാക്ക് ചെയ്യുന്നതും അവലോകനം ചെയ്യുന്നതും എളുപ്പമാക്കുന്നതിനായി ഞങ്ങൾ വിഷ്വല് അനുഭവവും അപ്ഡേറ്റ് ചെയ്തിട്ടുണ്ട്.
2025 ജൂലൈ 17 അപ്ഡേറ്റ്: ChatGPT ഏജൻ്റിന്റെ ഭാഗമായ ഒരു ദൃശ്യ ബ്രൗസറിലേക്കുള്ള ആക്സസ് ഉപയോഗിച്ച്, ഡീപ്പ് റിസേർച്ച് ഇപ്പോൾ കൂടുതൽ ആഴത്തിലും വിശാലമായും നടത്താൻ കഴിയും. ഈ പുതുക്കിയ കഴിവുകൾ ആക്സസ് ചെയ്യുന്നതിന്, കമ്പോസറിലെ ഡ്രോപ്പ്ഡൗണിൽ നിന്ന് “ഏജന്റ് മോഡ്” തിരഞ്ഞെടുക്കുക, നിങ്ങളുടെ ചോദ്യം നേരിട്ട് നൽകുക. ടൂൾസ് മെനുവിലെ “ഡീപ്പ് റിസേർച്ച്” ഓപ്ഷൻ വഴി യഥാർത്ഥ ഡീപ്പ് റിസേർച്ച് പ്രവർത്തനം ഇപ്പോഴും ലഭ്യമാണ്.
ഏപ്രിൽ 24, 2025 അപ്ഡേറ്റ്: നിങ്ങൾക്ക് ഡീപ്പ് റിസേർച്ച് എത്ര തവണ ഉപയോഗിക്കാമെന്നത് ഞങ്ങൾ ഗണ്യമായി വർദ്ധിപ്പിച്ചുകൊണ്ടിരിക്കുകയാണ്—Plus, Team, Enterprise, Edu ഉപയോക്താക്കൾക്ക് ഇപ്പോൾ പ്രതിമാസം 25 അന്വേഷണങ്ങളും, Pro ഉപയോക്താക്കൾക്ക് 250 ഉം, Free ഉപയോക്താക്കൾക്ക് 5 ഉം ലഭിക്കുന്നു. ഉയർന്ന നിലവാരം നിലനിർത്തിക്കൊണ്ട് കൂടുതൽ ചെലവ് കുറഞ്ഞ രീതിയിൽ രൂപകൽപ്പന ചെയ്തിരിക്കുന്ന o4-മിനി പതിപ്പ് നൽകുന്ന ഡീപ്പ് റിസേർച്ചിന്റെ പുതിയ ലൈറ്റ്വെയ്റ്റ് പതിപ്പിലൂടെയാണ് ഇത് സാധ്യമാകുന്നത്. പൂർണ്ണ പതിപ്പിനുള്ള നിങ്ങളുടെ പരിധിയിൽ എത്തിക്കഴിഞ്ഞാൽ, നിങ്ങളുടെ അന്വേഷണങ്ങൾ സ്വയമേവ ലൈറ്റ്വെയ്റ്റ് പതിപ്പിലേക്ക് മാറും.
ഫെബ്രുവരി 25, 2025 അപ്ഡേറ്റ്: എല്ലാ Plus ഉപയോക്താക്കൾക്ക് ഇപ്പോൾ ഡീപ്പ് റിസേർച്ച് ഉപയോഗിക്കാൻ കഴിയും.
ഫെബ്രുവരി 5, 2025 അപ്ഡേറ്റ്: യുണൈറ്റഡ് കിംഗ്ഡം, സ്വിറ്റ്സർലൻഡ്, യൂറോപ്യൻ ഇക്കണോമിക് ഏരിയയിലെ Pro ഉപയോക്താക്കൾക്ക് ഇപ്പോൾ ഡീപ്പ് റിസേർച്ച് ലഭ്യമാണ്.
ഇന്ന് ഞങ്ങൾ ChatGPT‑യിൽ ഡീപ്പ് റിസേർച്ച് ആരംഭിക്കുന്നു, സങ്കീർണ്ണമായ ടാസ്ക്-കൾക്കായി ഇന്റർനെറ്റിൽ മൾട്ടി-സ്റ്റെപ്പ് ഗവേഷണം നടത്തുന്ന ഒരു പുതിയ ഏജന്റിക് കഴിവാണിത്. ഒരു മനുഷ്യന് മണിക്കൂറുകൾ കൊണ്ടു ചെയ്യാൻ കഴിയുന്ന ജോലി മിനിറ്റുകളുടെ പത്തിൽ ഇത് പൂർത്തിയാക്കുന്നു.
ഡീപ്പ് റിസേർച്ച് OpenAIയുടെ അടുത്തത് ഏജൻ്റാണ്, അത് നിങ്ങൾക്കായി സ്വതന്ത്രമായി പ്രവർത്തിക്കാൻ കഴിയും - നിങ്ങൾ അതിന് ഒരു പ്രോംപ്റ്റ് നൽകുന്നു, കൂടാതെ ഒരു ഗവേഷണ അനലിസ്റ്റിന്റെ തലത്തിൽ ഒരു സമഗ്ര റിപ്പോർട്ട് സൃഷ്ടിക്കുന്നതിന് ChatGPT നൂറുകണക്കിന് ഓൺലൈൻ ഉറവിടങ്ങൾ കണ്ടെത്തുകയും വിശകലനം ചെയ്യുകയും സമന്വയിപ്പിക്കുകയും ചെയ്യും. വെബ് ബ്രൗസിംഗിനും data വിശകലനത്തിനുമായി ഒപ്റ്റിമൈസ് ചെയ്ത വരാനിരിക്കുന്ന OpenAI o3 മോഡലിന്റെ ഒരു പതിപ്പ് നൽകുന്ന ഇത്, ഇന്റർനെറ്റിൽ വലിയ അളവിലുള്ള ടെക്സ്റ്റ്, ചിത്രങ്ങൾ, PDF-കൾ എന്നിവ തിരയാനും വ്യാഖ്യാനിക്കാനും വിശകലനം ചെയ്യാനും അത് റീസണിംഗ് ഉപയോഗപ്പെടുത്തുന്നു, അത് നേരിടുന്ന വിവരങ്ങളോടുള്ള പ്രതികരണമായി ആവശ്യാനുസരണം പിവറ്റ് ചെയ്യുന്നു.
അറിവ് സംശ്ലേഷണം ചെയ്യാനുള്ള കഴിവ് പുതിയ അറിവ് സൃഷ്ടിക്കുന്നതിന് ഒരു മുൻവ്യവസ്ഥയാണ്. ഈ കാരണം കൊണ്ടാണ്, നൂതന ശാസ്ത്രീയ ഗവേഷണങ്ങൾ സൃഷ്ടിക്കാൻ കഴിവുള്ള AGI വികസിപ്പിക്കുക എന്ന ഞങ്ങളുടെ വിശാലമായ ലക്ഷ്യത്തിലേക്കുള്ള ഒരു സുപ്രധാന ചുവടുവയ്പ്പായി ഡീപ്പ് റിസേർച്ച് മാറുന്നത്, ഇത് ഞങ്ങൾ വളരെക്കാലമായി വിഭാവനം ചെയ്തതാണ്.
Deep research is built for people who do intensive knowledge work in areas like finance, science, policy, and engineering and need thorough, precise, and reliable research. It can be equally useful for discerning shoppers looking for hyper-personalized recommendations on purchases that typically require careful research, like cars, appliances, and furniture. Every output is fully documented, with clear citations and a summary of its thinking, making it easy to reference and verify the information. It is particularly effective at finding niche, non-intuitive information that would require browsing numerous websites. Deep research frees up valuable time by allowing you to offload and expedite complex, time-intensive web research with just one query.
Deep research independently discovers, reasons about, and consolidates insights from across the web. To accomplish this, it was trained on real-world tasks requiring browser and Python tool use, using the same reinforcement learning methods behind OpenAI o1, our first reasoning model. While o1 demonstrates impressive capabilities in coding, math, and other technical domains, many real-world challenges demand extensive context and information gathering from diverse online sources. Deep research builds on these reasoning capabilities to bridge that gap, allowing it to take on the types of problems people face in work and everyday life.
In ChatGPT, select ‘deep research’ in the message composer and enter your query. Tell ChatGPT what you need—whether it’s a competitive analysis on streaming platforms or a personalized report on the best commuter bike. You can attach files or spreadsheets to add context to your question. Once it starts running, a sidebar appears with a summary of the steps taken and sources used.
Deep research may take anywhere from 5 to 30 minutes to complete its work, taking the time needed to dive deep into the web. In the meantime, you can step away or work on other tasks—you’ll get a notification once the research is complete. The final output arrives as a report within the chat – in the next few weeks, we will also be adding embedded images, data visualizations, and other analytic outputs in these reports for additional clarity and context.
Compared to deep research, GPT‑4o is ideal for real-time, multimodal conversations. For multi-faceted, domain-specific inquiries where depth and detail are critical, deep research’s ability to conduct extensive exploration and cite each claim is the difference between a quick summary and a well-documented, verified answer that can be usable as a work product.
GPT-4o
Deep research
Deep research responds to the prompt in a highly detailed manner, providing side-by-side country-specific data for both top 10 developed and top 10 developing countries for easy reference and comparison. It uses that information to offer detailed market-entry recommendations that are informed and usable.
വിവിധ ഡൊമെയ്നുകളിലുടനീളമുള്ള കഠിനമായ ബ്രൗസിംഗ്, റീസണിംഗ് ടാസ്ക്-കളിൽ എൻഡ്-ടു-എൻഡ് റീഇൻഫോഴ്സ്മെന്റ് ലേണിംഗ് ഉപയോഗിച്ച് ഡീപ്പ് റിസേർച്ച് പരിശീലിപ്പിക്കപ്പെട്ടു. ആ പരിശീലനത്തിലൂടെ, ആവശ്യമുള്ളിടത്ത് തത്സമയ വിവരങ്ങളോട് പിന്നോട്ട് പോയി പ്രതികരിക്കുന്നതിലൂടെ, ആവശ്യമായ data കണ്ടെത്തുന്നതിനായി ഒരു മൾട്ടി-സ്റ്റെപ്പ് ട്രാജക്ടറി പദ്ധതി ചെയ്യാനും നടപ്പിലാക്കാനും അത് പഠിച്ചു. മോഡലിന് ഉപയോക്താവ് അപ്ലോഡ് ചെയ്ത ഫയൽ-കൾ ബ്രൗസ് ചെയ്യാനും, പൈത്തൺ ഉപകരണം ഉപയോഗിച്ച് ഗ്രാഫുകൾ പ്ലോട്ട് ചെയ്യാനും ആവർത്തിക്കാനും, അതിന്റെ മറുപടികളിൽ വെബ്സൈറ്റുകളിൽ നിന്നുള്ള സൃഷ്ടിച്ച ഗ്രാഫുകളും ചിത്രങ്ങളും ഉൾപ്പെടുത്താനും, അതിന്റെ ഉറവിടങ്ങളിൽ നിന്നുള്ള നിർദ്ദിഷ്ട വാചകങ്ങളോ ഭാഗങ്ങളോ ഉദ്ധരിക്കാനും കഴിയും. ഈ പരിശീലനത്തിന്റെ ഫലമായി, യഥാർത്ഥ ലോക പ്രശ്നങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചുള്ള നിരവധി പൊതു വിലയിരുത്തലുകളിൽ ഇത് പുതിയ ഉയരങ്ങളിലെത്തുന്നു.
വിദഗ്ദ്ധ തലത്തിലുള്ള ചോദ്യങ്ങളിൽ വിവിധ വിഷയങ്ങളിൽ AI പരീക്ഷിക്കുന്ന, അടുത്തിടെ release ആയ ഒരു മൂല്യനിർണ്ണയമായ ഹ്യുമാനിറ്റിയീസ് ലാസ്റ്റ് എക്സാമിൽ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു), ഡീപ്പ് റിസേർച്ച്-ന് ശക്തി നൽകുന്ന മോഡൽ 26.6% കൃത്യതയോടെ പുതിയ ഉയർന്ന സ്കോർ നേടുന്നു. ഈ പരീക്ഷയിൽ ഭാഷാശാസ്ത്രം മുതൽ റോക്കറ്റ് സയൻസ് വരെയും, ക്ലാസിക്കുകൾ മുതൽ പരിസ്ഥിതി ശാസ്ത്രം വരെയും 100-ലധികം വിഷയങ്ങളിലായി 3,000-ത്തിലധികം മൾട്ടിപ്പിൾ ചോയ്സ്, ഹ്രസ്വ ഉത്തര ചോദ്യങ്ങൾ ഉൾപ്പെടുന്നു. OpenAI o1 നെ അപേക്ഷിച്ച്, രസതന്ത്രം, മാനവിക ശാസ്ത്രങ്ങൾ, മാനവിക ശാസ്ത്രങ്ങൾ, ഗണിതശാസ്ത്രം എന്നിവയിൽ ഏറ്റവും വലിയ നേട്ടങ്ങൾ കണ്ടു. ഡീപ്പ് റിസേർച്ച്-ന് ശക്തി പകരുന്ന മോഡൽ, ആവശ്യമായപ്പോൾ പ്രത്യേക വിവരങ്ങൾ ഫലപ്രദമായി തേടുന്നതിലൂടെ, മനുഷ്യനെപ്പോലെ ഒരു സമീപനം പ്രദർശിപ്പിച്ചു.
| മോഡൽ | കൃത്യത (%) |
|---|---|
| GPT-4o | 3.3 |
| Grok-2 | 3.8 |
| Claude 3.5 Sonnet | 4.3 |
| Gemini Thinking | 6.2 |
| OpenAI o1 | 9.1 |
| DeepSeek-R1* | 9.4 |
| OpenAI o3-mini (മീഡിയം)* | 10.5 |
| OpenAI o3-mini (high)* | 13.0 |
| OpenAI ഡീപ്പ് റിസേർച്ച്** | 26.6 |
GAIA(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു)1 എന്ന യഥാർത്ഥ ലോക ചോദ്യങ്ങളിൽ AI-നെ വിലയിരുത്തുന്ന ഒരു പൊതു മാനദണ്ഡത്തിൽ, ഡീപ്പ് റിസേർച്ച്-ന് ശക്തി പകരുന്ന മോഡൽ ബാഹ്യ ലീഡർബോർഡിൽ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ഒന്നാമതെത്തി, അത്യാധുനികമായ ഒരു പുതിയ അവസ്ഥ (SOTA) കൈവരിക്കുന്നു. മൂന്ന് തലങ്ങളിലായി ബുദ്ധിമുട്ടുള്ള ചോദ്യങ്ങൾ ഉൾക്കൊള്ളുന്ന ഈ ടാസ്ക്-കൾ വിജയകരമായി പൂർത്തിയാക്കാൻ റീസണിംഗ്, മൾട്ടി-മോഡൽ പ്രാവീണ്യം, വെബ് ബ്രൗസിംഗ്, ഉപകരണ പ്രാവീണ്യം എന്നിവയുൾപ്പെടെയുള്ള കഴിവുകൾ ആവശ്യമാണ്.
| GAIA | ||||
|---|---|---|---|---|
| ലെവൽ 1 | ലെവൽ 2 | ലെവൽ 3 | ശരാശരി. | |
| മുൻ SOTA(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) | 67.92 | 67.44 | 42.31 | 63.64 |
| ഡീപ്പ് റിസേർച്ച് (pass@1) | 74.29 | 69.06 | 47.6 | 67.36 |
| ഡീപ്പ് റിസേർച്ച് (cons@64) | 78.66 | 73.21 | 58.03 | 72.57 |
GAIA ടാസ്ക് ഉദാഹരണങ്ങൾ
വിവിധ മേഖലകളിലായി വിദഗ്ദ്ധ തലത്തിലുള്ള ടാസ്ക്-കളുടെ ഒരു ആന്തരിക വിലയിരുത്തലിൽ, ഡീപ്പ് റിസേർച്ച് ഒന്നിലധികം മണിക്കൂർ നീണ്ടുനിൽക്കുന്ന, ബുദ്ധിമുട്ടുള്ളതും മാനുവൽ അന്വേഷണവും ഓട്ടോമേറ്റ് ചെയ്തതായി ഡൊമെയ്ൻ വിദഗ്ധർ വിലയിരുത്തി.
പാസ് നിരക്ക് vs പരമാവധി ഉപകരണ കോളുകൾ
വിദഗ്ദ്ധ-നിലവാരത്തിലുള്ള ടാസ്ക് ഉദാഹരണങ്ങൾ
കണക്കാക്കിയ സാമ്പത്തിക മൂല്യത്തിന്റെ അടിസ്ഥാനത്തിൽ വിദഗ്ധ-തല ടാസ്ക്-കളിലെ വിജയ നിരക്ക്
വിദഗ്ധ തലത്തിലുള്ള ടാസ്ക്-കളിൽ കണക്കാക്കിയ മണിക്കൂറുകൾ അനുസരിച്ച് വിജയ നിരക്ക്
Deep research unlocks significant new capabilities, but it’s still early and has limitations. It can sometimes hallucinate facts in responses or make incorrect inferences, though at a notably lower rate than existing ChatGPT models, according to internal evaluations. It may struggle with distinguishing authoritative information from rumors, and currently shows weakness in confidence calibration, often failing to convey uncertainty accurately. At launch, there may be minor formatting errors in reports and citations, and tasks may take longer to kick off. We expect all these issues to quickly improve with more usage and time.
Deep research in ChatGPT is currently very compute intensive. The longer it takes to research a query, the more inference compute is required. We are starting with a version optimized for Pro users today, with up to 100 queries per month. Plus and Team users will get access next, followed by Enterprise. We are still working on bringing access to users in the United Kingdom, Switzerland, and the European Economic Area.
All paid users will soon get significantly higher rate limits when we release a faster, more cost-effective version of deep research powered by a smaller model that still provides high quality results.
In the coming weeks and months, we’ll be working on the technical infrastructure, closely monitoring the current release, and conducting even more rigorous testing. This aligns with our principle of iterative deployment. If all safety checks continue to meet our release standards, we anticipate releasing deep research to Plus users in about a month.
ഇന്ന് ChatGPT വെബിൽ ഡീപ്പ് റിസേർച്ച് ലഭ്യമാണ്, ഇത് ഒരു മാസത്തിനുള്ളിൽ മൊബൈൽ, ഡെസ്ക്ടോപ്പ് ആപ്പുകളിലേക്ക് പ്രചരിക്കും. നിലവിൽ, ഡീപ്പ് റിസേർച്ചിന് ഓപ്പൺ വെബും അപ്ലോഡ് ചെയ്ത ഏതെങ്കിലും ഫയൽകളും ആക്സസ് ചെയ്യാൻ കഴിയും. ഭാവിയിൽ, നിങ്ങൾക്ക് കൂടുതൽ പ്രത്യേക data സ്രോതസ്സുകളുമായി ബന്ധിപ്പിക്കാൻ കഴിയും - സബ്സ്ക്രിപ്ഷൻ അടിസ്ഥാനമാക്കിയുള്ള അല്ലെങ്കിൽ ആന്തരിക ഉറവിടങ്ങളിലേക്കുള്ള ആക്സസ് വികസിപ്പിക്കുന്നതിലൂടെ - അതിന്റെ ഔട്ട്പുട്ട് കൂടുതൽ ശക്തവും personalized ആക്കാൻ കഴിയും.
കൂടുതൽ മുന്നോട്ട് നോക്കുമ്പോൾ, അസിങ്ക്രോണസ്, യഥാർത്ഥ ലോക ഗവേഷണത്തിനും നിർവഹണത്തിനുമായി ChatGPT‑ൽ ഏജന്റിക് അനുഭവങ്ങൾ ഒത്തുചേരുമെന്ന് ഞങ്ങൾ പ്രതീക്ഷിക്കുന്നു. അസിൻക്രണസ് ഓൺലൈൻ അന്വേഷണം നടത്താൻ കഴിയുന്ന ഡീപ്പ് റിസേർച്ച്ന്റെയും യഥാർത്ഥ നടപടി സ്വീകരിക്കാൻ കഴിയുന്ന Operatorടെയും സംയോജനം, നിങ്ങൾക്കായി കൂടുതൽ സങ്കീർണ്ണമായ ടാസ്ക്-കൾ നിർവഹിക്കാൻ ChatGPT‑യെ പ്രവർത്തന സജ്ജമാക്കുക.
ഫെബ്രുവരി 3, 2025 അനുബന്ധം: ഡീപ്പ് റിസേർച്ച്-ന് ശക്തി നൽകുന്ന o3 ന്റെ ആദ്യകാല പതിപ്പിൽ ഞങ്ങൾ കർശനമായ safety പരിശോധന, തയ്യാറെടുപ്പ് വിലയിരുത്തലുകൾ, ഭരണ അവലോകനങ്ങൾ എന്നിവ നടത്തി, അത് മീഡിയം(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) റിസ്ക് ആണെന്ന് തിരിച്ചറിഞ്ഞു. ഡീപ്പ് റിസേർച്ച്-ന്റെ വെബ് ബ്രൗസ് കഴിവുമായി ബന്ധപ്പെട്ട വർദ്ധിച്ചുവരുന്ന അപകടസാധ്യതകൾ നന്നായി മനസ്സിലാക്കാൻ ഞങ്ങൾ അധിക safety പരിശോധനയും നടത്തി, പുതിയ ലഘൂകരണങ്ങൾ ചേർത്തിട്ടുണ്ട്. നിലവിലെ പരിമിതമായ പതിപ്പ് സമഗ്രമായി പരിശോധിക്കുകയും സൂക്ഷ്മമായി നിരീക്ഷിക്കുകയും ചെയ്യുന്നത് തുടരും. Plus ഉപയോക്താക്കളിലേക്ക് ആക്സസ് വിശാലമാക്കുമ്പോൾ, ഒരു system cardൽ ഡീപ്പ് റിസേർച്ച്-നായുള്ള ഞങ്ങളുടെ safety ഉൾക്കാഴ്ചകളും മുൻകരുതലുകളും പങ്കിടും.
Footnotes
- 1
We found that the ground-truth answers for this dataset were widely leaked online and have blocked several websites or URLs accordingly to ensure a fair evaluation of the model.
Authors
Research Leads
Isa Fulford, Zhiqing Sun
Foundational Contributors
Alex Tachard Passos, Alexandra Barr, Allison Tam, Charlotte Cole, Hyung Won Chung, Jason Wei, Jon Blackman, Scott Mayer McKinney, Valerie Qi
Core Contributors
Research
Elaine Ya Le, Eric Mitchell, Eric Wallace, Hyung Won Chung, Ignasi Clavera, Leo Liu, Lorenz Kuhn, Louis Feuvrier, Max Schwarzer, Saachi Jain, Scottie Yan, Shunyu Yao, Vitchyr Pong
Deployment
Carpus Chang, Harry Zhao, Joseph Trasatti, Joshua Dickens, Matt Kaufer, Mike Trpcic, Minnia Feng, Neel Ajjarapu, Peter Vidani, Sean Fitzgerald
Contributors
Research
Ahmed El-Kishky, AJ Ostrow, Alexander Wei, Andrei Gheorghe, Andrew Kondrich, Andrey Mishchenko, Anuj Nair, Behrooz Ghorbani, Brydon Eastman, Chak Li, Foivos Tsimpourlas, Francis Song, Giambattista Parascandolo,Gildas Chabot, Hessam Bagherinezhad, Haitang Hu, Hongyu Ren, Henry Aspegren, Hunter Lightman, Ilya Kostrikov, Ilge Akkaya, James Lennon, Jean Harb, Jonathan Ward, Kai Chen, Katy Shi, Kevin Liu, Kevin Yu, Manuka Stratta, Marvin Zhang, Mengyuan Yan, Mostafa Rohaninejad, Noam Brown, Phoebe Thacker, Raz Goan, Reah Miyara, Spencer Papay, Taylor Gordon, Wenda Zhou, Wenlei Xie, Yash Patil, Yann Dubois, Youlong Cheng, Yushi Wang, Wyatt Thompson
+ all the contributors to o3.
Safety Systems
Adam Kalai, Alex Beutel, Andrea Vallone, Andy Applebaum, David Robinson, Elizabeth Proehl, Evan Mays, Grace Zhao, Irina Kofman, Jason Phang, Joaquin Quinonero Candela, Joel Parish, Kevin Liu, Kristen Ying, Lama Ahmad, Leon Maksin, Leyton Ho, Meghan Shah, Michele Wang, Miles Wang, Phillip Guo, Olivia Watkins, Owen Campbell-Moore, Patrick Chao, Sam Toizer, Samuel Miserendino, Sandhini Agarwal, Tejal Patwardhan, Tina Sriskandarajah, Troy Peterson, Yaodong Yu, Yunyun Wang
Deployment
Adam Koppel, Adam Wells, Adele Li, Andy Applebaum, Andrey Malevich, Andrew Duberstein, Andrew Howell, Anton Tananaev, Ashley Tyra, Brandon Walkin, Bryan Ashley, Cary Bassin, Cary Hudson, Cory Decareaux, Cristina Scheau, Derek Chen, Dibya Bhattacharjee, Drea Lopez, Eric Antonow, Eric Burke, Filippo Raso, Fotis Chantzis, Freddie Sulit, Harris Cohen, Heather Whitney, Jay Dixit, Jeffrey Han, Jen Robinson, Jessica Shieh, Joel Parish, Kan Wu, Kevin Gladstone, Kshitij Wadhwa, Leo Vandriel, Leyton Ho, Liang Chen, Madeline Christian, Mamie Rheingold, Matt Jones, Michelle Fradin, Mike McClay, Mingxuan Wang, Nacho Soto, Niko Felix, Patrick Delaney, Paul McMillan, Philip Pronin, Rodrigo Riaza Perez, Samuel Miserendino, Scott Ethersmith, Steven Baldwin, Thomas Dimson, Tomo Hiratsuka, Yaming Lin, Yara Khakbaz, Yining Chen
Leadership
Akshay Nathan, Greg Brockman, Hannah Wong, Jakub Pachocki, Jerry Tworek, Johannes Heidecke, Josh Tobin, Liam Fedus, Mark Chen, Mia Glaese, Nick Turley, Sam Altman, Wojciech Zaremba