2025 ജൂൺ 10-ന് അപ്ഡേറ്റ്: ChatGPT‑ലും ഞങ്ങളുടെ API-യിലും Pro ഉപയോക്താക്കൾക്ക് OpenAI o3‑pro ഇപ്പോൾ ലഭ്യമാണ്. OpenAI o1‑pro പോലെ, കൂടുതൽ ചിന്തിക്കാനും ഏറ്റവും വിശ്വസനീയമായ പ്രതികരണങ്ങൾ നൽകാനും രൂപകൽപ്പന ചെയ്ത ഞങ്ങളുടെ ഏറ്റവും ബുദ്ധിയുള്ള മോഡലായ OpenAI o3 ന്റെ ഒരു പതിപ്പാണ് o3‑pro.(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു)പൂർണ്ണ വിശദാംശങ്ങൾ ഞങ്ങളുടെ റിലീസ് നോട്ടുകളിൽ കാണാം.
ഇന്ന്, ഞങ്ങൾ OpenAI o3 ഉം o4-mini ഉം പുറത്തിറക്കുകയാണ്, പ്രതികരിക്കുന്നതിന് മുമ്പ് കൂടുതൽ നേരം ചിന്തിക്കാൻ പരിശീലിപ്പിച്ച ഞങ്ങളുടെ o-പരമ്പരയിലെ ഏറ്റവും പുതിയ മോഡലുകളാണ്. ഇവയാണ് ഞങ്ങൾ ഇതുവരെ പുറത്തിറക്കിയതിൽ ഏറ്റവും ബുദ്ധിമാനായ മോഡലുകൾ, ജിജ്ഞാസയുള്ള ഉപയോക്താക്കളിൽ നിന്ന് നൂതന ഗവേഷകരിലേക്കുള്ള എല്ലാവർക്കും ChatGPT യുടെ കഴിവുകളിൽ ഒരു വലിയ മാറ്റം പ്രതിനിധീകരിക്കുന്നു. ആദ്യമായി, ഞങ്ങളുടെ യുക്തിസഹ മോഡലുകൾ ChatGPTയിലെ എല്ലാ ഉപകരണങ്ങളും ഏജന്റായി ഉപയോഗിക്കുകയും സംയോജിപ്പിക്കുകയും ചെയ്യുന്നു - ഇതിൽ വെബ് തിരയൽ, അപ്ലോഡ് ചെയ്ത ഫയലുകളും മറ്റ് ഡാറ്റയും പൈത്തൺ ഉപയോഗിച്ച് വിശകലനം ചെയ്യൽ, ദൃശ്യ ഇൻപുട്ടുകളെക്കുറിച്ച് ആഴത്തിൽ ചിന്തിക്കൽ, ചിത്രങ്ങൾ സൃഷ്ടിക്കുക എന്നിവ ഉൾപ്പെടുന്നു. വിമർശനാത്മകമായി, ഈ മോഡലുകൾ കൂടുതൽ സങ്കീർണ്ണമായ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിന്, സാധാരണയായി ഒരു മിനിറ്റിനുള്ളിൽ, ശരിയായ ഔട്ട്പുട്ട് ഫോർമാറ്റുകളിൽ വിശദവും ചിന്തനീയവുമായ ഉത്തരങ്ങൾ നിർമ്മിക്കുന്നതിന് ഉപകരണങ്ങൾ എപ്പോൾ, എങ്ങനെ ഉപയോഗിക്കാമെന്നതിനെക്കുറിച്ച് ചിന്തിക്കാൻ പരിശീലനം ലഭിച്ചിട്ടുണ്ട്. ഇത് ബഹുമുഖ ചോദ്യങ്ങൾ കൂടുതൽ ഫലപ്രദമായി കൈകാര്യം ചെയ്യാൻ അവരെ അനുവദിക്കുന്നു, നിങ്ങളുടെ പേരിൽ സ്വതന്ത്രമായി ടാസ്കുകൾ നിർവ്വഹിക്കാൻ കഴിയുന്ന കൂടുതൽ സ്വതന്ത്രമായ ChatGPT‑യിലേക്കുള്ള ഒരു ചുവടുവയ്പ്പാണ്. പൂർണ്ണ ഉപകരണ ആക്സസ് ഉപയോഗിച്ച് അത്യാധുനിക യുക്തിയുടെ സംയോജിത ശക്തി അക്കാദമിക് ബെഞ്ച്മാർക്കുകളിലും യഥാർത്ഥ ലോക ടാസ്കുകളിലും ഗണ്യമായി ശക്തമായ പ്രകടനത്തിലേക്ക് വിവർത്തനം ചെയ്യുന്നു, ഇത് ബുദ്ധിയിലും ഉപയോഗപ്രദതയിലും ഒരു പുതിയ മാനദണ്ഡം സ്ഥാപിക്കുന്നു.
കോ ഡിംഗ്, ഗണിതം, സയൻസ്, വിഷ്വൽ പെർസെപ്ഷൻ എന്നിവയിലും അതിലേറെയും അതിർത്തിയിലേക്ക് തള്ളിവിടുന്ന ഞങ്ങളുടെ ഏറ്റവും ശക്തമായ യുക്തി മോഡല ാണ് OpenAI o3. കോഡ്ഫോഴ്സ്, SWE-ബെഞ്ച് (ഒരു കസ്റ്റം മോഡൽ-നിർദ്ദിഷ്ട സ്കാഫോൾഡ് നിർമ്മിക്കാതെ), MMMU എന്നിവയുൾപ്പെടെയുള്ള ബെഞ്ച്മാർക്കുകളിൽ ഇത് ഒരു പുതിയ SOTA സ്ഥാപിക്കുന്നു. ബഹുമുഖ വിശകലനം ആവശ്യമുള്ളതും ഉത്തരങ്ങൾ ഉടൻ വ്യക്തമാകാത്തതുമായ സങ്കീർണ്ണമായ ചോദ്യങ്ങൾക്ക് ഇത് അനുയോജ്യമാണ്. ചിത്രങ്ങൾ, ചാർട്ടുകൾ, ഗ്രാഫിക്സ് എന്നിവ വിശകലനം ചെയ്യുന്നതുപോലുള്ള ദൃശ്യ ടാസ്കുകളിൽ ഇത് പ്രത്യേകിച്ച് ശക്തമായ പ്രകടനം കാഴ്ചവയ്ക്കുന്നു. ബാഹ്യ വിദഗ്ധരുടെ വിലയിരുത്തലുകളിൽ, o3 ബുദ്ധിമുട്ടുള്ള യഥാർത്ഥ ലോക ടാസ്കുകളിൽ OpenAI o1‑നെക്കാൾ 20 ശതമാനം കുറവ് പ്രധാന പിശകുകൾ വരുത്തുന്നു - പ്രത്യേകിച്ച് പ്രോഗ്രാമിംഗ്, Business/കൺസൾട്ടിംഗ്, ക്രിയേറ്റീവ് ആശയസൃഷ്ടി തുടങ്ങിയ മേഖലകളിൽ മികവ് പുലർത്തുന്നു. ആദ്യകാല പരീക്ഷകർ ഒരു ചിന്താ പങ്കാളിയെന്ന നിലയിൽ അതിന്റെ വിശകലന കാഠിന്യം ഉയർത്തിക്കാട്ടുകയും പുതിയ സിദ്ധാന്തങ്ങൾ സൃഷ്ടിക്കാനും വിമർശനാത്മകമായി വിലയിരുത്താനുമുള്ള കഴിവ് ഊന്നിപ്പറയുകയും ചെയ്തു - പ്രത്യേകിച്ച് ജീവശാസ്ത്രം, ഗണിതം, എഞ്ചിനീയറിംഗ് സന്ദർഭങ്ങളിൽ.
OpenAI o4-mini വേഗതയേറിയതും ചെലവ് കുറഞ്ഞതുമായ യുക്തിക്കായി ഒപ്റ്റിമൈസ് ചെയ്ത ഒരു ചെറിയ മോഡലാണ് - അതിന്റെ വലുപ്പത്തിനും ചെലവിനും അനുസരിച്ച് ശ്രദ്ധേയമായ പ്രകടനം കൈവരിക്കുന്നു, പ്രത്യേകിച്ച് ഗണിതം, കോഡിംഗ്, ടാസ്കുകളിൽ. ഇത് AIME 2024, 2025 എന്നിവയിൽ ഏറ്റവും മികച്ച പ്രകടനം കാഴ്ചവച്ച ബെഞ്ച്മാർക്ക് മോഡലാണ്. ഒരു കമ്പ്യൂട്ടറിലേക്കുള്ള ആക്സസ് AIME പരീക്ഷയുടെ ബുദ്ധിമുട്ട് അർത്ഥവത്തായ രീതിയിൽ കുറയ്ക്കുന്നുണ്ടെങ്കിലും, ഒരു പൈത്തൺ വ്യാഖ്യാതാവിലേക്ക് ആക്സസ് നൽകുമ്പോൾ o4-mini AIME 2025 ൽ 99.5% pass@1 (100% consensus@8) നേടുന്നുവെന്നും ഞങ്ങൾ ശ്രദ്ധിച്ചു. ഈ ഫലങ്ങൾ ഉപകരണ ആക്സസ് ഇല്ലാത്ത മോഡലുകളുടെ പ്രകടനവുമായി താരതമ്യം ചെയ്യരുത് എങ്കിലും, ലഭ്യമായ ഉപകരണങ്ങൾ o4-മിനി എത്രത്തോളം ഫലപ്രദമായി പ്രയോജനപ്പെടുത്തുന്നു എന്നതിന്റെ ഒരു ഉദാഹരണമാണ്; ഉപകരണ ഉപയോഗത്തിൽ നിന്ന് AIME 2025 ൽ o3 സമാനമായ മെച്ചപ്പെടുത്തലുകൾ കാണിക്കുന്നു (98.4% pass@1, 100% consensus@8).
വിദഗ്ദ്ധ വിലയിരുത്തലുകളിൽ, STEM ഇതര ടാസ്കുകളിലും ഡാറ്റാ സയൻസ് പോലുള്ള ഡൊമെയ്നുകളിലും o4-മിനി അതിന്റെ മുൻഗാമിയായ o3‑മിനിയെ മറികടക്കുന്നു. അതിന്റെ കാര്യക്ഷമതയ്ക്ക് നന്ദി, o4-മിനി o3‑നെക്കാൾ വളരെ ഉയർന്ന ഉപയോഗ പരിധികളെ പിന്തുണയ്ക്കുന്നു, ഇത് യുക്തിവാദത്തിൽ നിന്ന് പ്രയോജനം നേടുന്ന ചോദ്യങ്ങൾക്ക് ശക്തമായ ഉയർന്ന വോളിയം, ഉയർന്ന കാര്യക്ഷമത ഓപ്ഷനാക്കി മാറ്റുന്നു. മെച്ചപ്പെട്ട ഇന്റലിജൻസും വെബ് സ്രോതസ്സുകളുടെ ഉൾപ്പെടുത്തലും കാരണം, മുൻഗാമികളേക്കാൾ മെച്ചപ്പെട്ട നിർദ്ദേശ പിന്തുടരലും കൂടുതൽ ഉപയോഗപ്രദവും പരിശോധിക്കാവുന്നതുമായ പ്രതികരണങ്ങളും പ്രകടമാക്കുന്നതായി ബാഹ്യ വിദഗ്ദ്ധ മൂല്യനിർണ്ണയക്കാർ രണ്ട് മോഡലുകളെയും വിലയിരുത്തി. ഞങ്ങളുടെ യുക്തിസഹ മോഡലുകളുടെ മുമ്പത്തെ ആവർത്തനങ്ങളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, ഈ രണ്ട് മോഡലുകളും കൂടുതൽ സ്വാഭാവികവും സംഭാഷണാത്മകവുമാണെന്ന് തോന്നണം, പ്രത്യേകിച്ചും മറുപടികൾ കൂടുതൽ വ്യക്തിഗതവും പ്രസക്തവുമാക്കുന്നതിന് മെമ്മറിയും മുൻകാല സംഭാഷണങ്ങളും പരാമർശിക്കുമ്പോൾ.
മൾട്ടിമോഡൽ
കോഡിംഗ്
എല്ലാ SWE-ബെഞ്ച് മൂല്യനിർണ്ണയ നടപടികളും n=477 സ്ഥിരീകരിച്ച ടാസ്കുകളുടെ ഒരു നിശ്ചിത ഉപസെറ്റ് ഉപയോഗിക്കുന്നു, അവ ഞങ്ങളുടെ ആന്തരിക ഇൻഫ്രാസ്ട്രക്ചറിൽ സാധൂകരിക്കപ്പെട്ടിട്ടുണ്ട്.
നിർദ്ദേശങ്ങൾ പാലിക്കൽ, ഏജന്റിക് ഉപകരണങ്ങളുടെ ഉപയോഗം
എല്ലാ മോഡലുകളും ഉയർന്ന 'യുക്തിസഹമായ ശ്രമം' ക്രമീകരണങ്ങളിൽ വിലയിരുത്തപ്പെടുന്നു - ChatGPT‑യിലെ 'o4-mini-high' പോലുള്ള വേരിയന്റുകൾക്ക് സമാനമായി.
OpenAI o3 യുടെ വികസനത്തിലുടനീളം, GPT‑സീരീസ് പ്രീട്രെയിനിംഗിൽ നിരീക്ഷിച്ച അതേ "കൂടുതൽ കമ്പ്യൂട്ട് = മികച്ച പ്രകടനം " പ്രവണത വലിയ തോതിലുള്ള റീഇൻഫോഴ്സ്മെന്റ് ലേണിംഗ് പ്രകടിപ്പിക്കുന്നതായി ഞങ്ങൾ നിരീക്ഷിച്ചിട്ടുണ്ട്. സ്കെയിലിംഗ് പാത വീണ്ടും പിന്തുടരുന്നതിലൂടെ - ഇത്തവണ RL-ൽ - പരിശീലന കമ്പ്യൂട്ടിലും അനുമാന സമയ ചിന്തയിലും ഞങ്ങൾ ഒരു അധിക ക്രമം മുന്നോട്ട് കൊണ്ടുപോയി, എന്നിട്ടും വ്യക്തമായ പ്രകടന നേട്ടങ്ങൾ കാണുന്നു, മോഡലുകളുടെ പ്രകടനം അവർക്ക് ചിന്തിക്കാൻ കൂടുതൽ സമയം ലഭിക്കുന്തോറും മെച്ചപ്പെടുന്നതായി സാധൂകരിക്കുന്നു. OpenAI o1 നോടൊപ്പം തുല്യമായ ലേറ്റൻസിയും ചെലവും ഉള്ളപ്പോൾ, o3 ChatGPT‑യിൽ ഉയർന്ന പ്രകടനം കാഴ്ചവെക്കുന്നു—അത് കൂടുതൽ ചിന്തിക്കാൻ അനുവദിച്ചാൽ, അതിന്റെ പ്രകടനം ഉയരുന്നതായി ഞങ്ങൾ സ്ഥിരീകരിച്ചു.
ഞങ്ങൾ രണ്ട് മോഡലുകളെയും റീഇൻഫോഴ്സ്മെന്റ് ലേണിംഗ് വഴി ഉപകരണങ്ങൾ ഉപയോഗിക്കാൻപരിശീലിപ്പിച്ചു - അവയെ ഉപകരണങ്ങൾ എങ്ങനെ ഉപയോഗിക്കണമെന്ന് മാത്രമല്ല, അവ എപ്പോൾ ഉപയോഗിക്കണമെന്ന് ചിന്തിക്കാനും പഠിപ്പിക്കുന്നു. ആവശ്യമുള്ള ഫലങ്ങളെ അടിസ്ഥാനമാക്കി ഉപകരണങ്ങൾ വിന്യസിക്കാനുള്ള അവരുടെ കഴിവ്, തുറന്ന അവസരങ്ങളിൽ - പ്രത്യേകിച്ച് ദൃശ്യ യുക്തിയും മൾട്ടി-സ്റ്റെപ്പ് പ്രവാഹങ്ങളും ഉൾപ്പെടുന്നവയിൽ - അവരെ കൂടുതൽ പ്രാപ്തരാക്കുന്നു. ആദ്യകാല ടെസ്റ്റർമാർ റിപ്പോർട്ട് ചെയ്തതുപോലെ ഈ മെച്ചപ്പെടുത്തൽ അക്കാദമിക് ബെഞ്ച്മാർക്കുകളിലും യഥാർത്ഥ ലോക ടാസ്കുകളിലും പ്രതിഫലിക്കുന്നു.

ആദ്യമായി, ഈ മോഡലുകൾക്ക് ചിത്രങ്ങൾ നേരിട്ട് അവരുടെ ചിന്താശൃംഖലയിലേക്ക് സംയോജിപ്പിക്കാൻ കഴിയും. അവർ ഒരു ചിത്രം മാത്രം കാണുന്നില്ല—അത് ഉപയോഗിച്ച് ചിന്തിക്കുന്നു. മൾട്ടിമോഡൽ ബെഞ്ച്മാർക്കുകളിലുടനീളമുള്ള അവരുടെ അത്യാധുനിക പ്രകടനത്തിൽ പ്രതിഫലിക്കുന്ന, ദൃശ്യ, വാചക യുക്തികൾ സമന്വയിപ്പിക്കുന്ന ഒരു പുതിയ ക്ലാസ് പ്രശ്നപരിഹാരത്തിന് ഇത് വഴിയൊരുക്കുന്നു.
ആളുകൾക്ക് ഒരു വൈറ്റ്ബോർഡിന്റെ ഫോട്ടോ, പാഠപുസ്തകത്തിലെ ഒരു ഡയഗ്രാം, അല്ലെങ്കിൽ കൈകൊണ്ട് വരച്ച ഒരു സ്കെച്ച് അപ്ലോഡ് ചെയ്യാൻ കഴിയും, മോഡൽ അത് വ്യാഖ്യാനിക്കും — ചിത്രം മങ്ങിയതോ, മറിച്ചോ, നിലവാരം കുറഞ്ഞതോ ആയാലും. ഉപകരണങ്ങൾ ഉപയോഗിച്ച്, മോഡലുകൾക്ക് ചിത്രങ്ങൾ തൽക്ഷണം കൈകാര്യം ചെയ്യാൻ കഴിയും - അവയുടെ യുക്തിസഹമായ പ്രക്രിയയുടെ ഭാഗമായി അവയെ തിരിക്കുക, സൂം ചെയ്യുക അല്ലെങ്കിൽ രൂപാന്തരപ്പെടുത്തുക.
ഈ മോഡലുകൾ വിഷ്വൽ പെർസെപ്ഷൻ ടാസ്കുകളിൽ മികച്ച കൃത്യത നൽകുന്നു, മുമ്പ് പ്രാപ്യമല്ലാത്ത ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകാൻ ഇവ പ്രാപ്തമാക്കുന്നു. കൂടുതൽ അറിയാൻ ദൃശ്യ റീസണിംഗ് ഗവേഷണ ബ്ലോഗ് പരിശോധിക്കുക.
OpenAI o3, o4-mini എന്നിവയ്ക്ക് ChatGPT‑യിലെ ഉപകരണങ്ങളിലേക്ക് പൂർണ്ണ ആക്സസ് ഉണ്ട്, കൂടാതെ API-യിലെ ഫംഗ്ഷൻ കോളിംഗ് വഴി നിങ്ങളുടെ സ്വന്തം ഇഷ്ടാനുസൃത ഉപകരണങ്ങളിലേക്കും. ഈ മോഡലുകൾ പ്രശ്നങ്ങൾ എങ്ങനെ പരിഹരിക്കാമെന്ന് ചിന്തിക്കാൻ, എപ്പോൾ, എങ്ങനെ ഉപകരണങ്ങൾ ഉപയോഗിച്ച് വിശദമായതും ചിന്താപരവുമായ ഉത്തരങ്ങൾ ശരിയായ ഔട്ട്പുട്ട് ഫോർമാറ്റുകളിൽ വേഗത്തിൽ നിർമ്മിക്കാമെന്ന് തിരഞ്ഞെടുക്കാൻ പരിശീലനം നേടുന്നു - സാധാരണയായി ഒരു മിനിറ്റിനുള്ളിൽ.
ഉദാഹരണത്തിന്, ഒരു ഉപയോക്താവ് ചോദിച്ചേക്കാം: "കാലിഫോർണിയയിലെ വേനൽക്കാല ഊർജ്ജ ഉപയോഗം കഴിഞ്ഞ വർഷത്തോടു താരതമ്യം ചെയ്യുമ്പോൾ എങ്ങനെ ആയിരിക്കും?" മോഡലിന് പൊതു ഉപയോക്തൃ ഡാറ്റയ്ക്കായി വെബിൽ തിരയാനും, പ്രവചനം നിർമ്മിക്കാൻ പൈത്തൺ കോഡ് എഴുതാനും, ഒരു ഗ്രാഫ് അല്ലെങ്കിൽ ചിത്രം സൃഷ്ടിക്കാനും, പ്രവചനത്തിന് പിന്നിലെ പ്രധാന ഘടകങ്ങൾ വിശദീകരിക്കാനും, ഒന്നിലധികം ഉപകരണ കോളുകൾ ചങ്ങലയിടാനും കഴിയും. അത് അഭിമുഖീകരിക്കുന്ന വിവരങ്ങൾക്ക് ആവശ്യാനുസരണം പ്രതികരിക്കാനും പിവറ്റ് ചെയ്യാനും യുക്തി മോഡലുകളെ അനുവദിക്കുന്നു. ഉദാഹരണത്തിന്, തിരയൽ ദാതാക്കളുടെ സഹായത്തോടെ അവർക്ക് വെബിൽ ഒന്നിലധികം തവണ തിരയാനും ഫലങ്ങൾ കാണാനും കൂടുതൽ വിവരങ്ങൾ ആവശ്യമുണ്ടെങ്കിൽ പുതിയ തിരയലുകൾ പരീക്ഷിക്കാനും കഴിയും.
ഈ വഴക്കമുള്ളതും തന്ത്രപരവുമായ സമീപനം മോഡലുകൾക്ക് മോഡലിന്റെ അന്തർനിർമ്മിത അറിവിനപ്പുറം, വിപുലമായ യുക്തി, സമന്വയം, വിവിധ രീതികളിൽ ഔട്ട്പുട്ട് ജനറേഷൻ എന്നിവയ്ക്കപ്പുറം, കാലികമായ വിവരങ്ങളിലേക്ക് ആക്സസ് ആവശ്യമുള്ള ടാസ്കുകൾ കൈകാര്യം ചെയ്യാൻ അനുവദിക്കുന്നു.
എല്ലാ ഉദാഹരണങ്ങളും OpenAI o3 ഉപയോഗിച്ച് പൂർത്തിയാക്കി.
OpenAI o3
OpenAI o1
തിരയൽ ഉപയോഗിക്കാതെ തന്നെ OpenAI o3 ശരിയായ പ്രതികരണം ലഭിക്കുന്നു, എന്നാൽ o1 ശരിയായ മറുപടി നൽകുന്നതിൽ പരാജയപ്പെടുന്നു.
ചെലവ് കുറഞ്ഞ റീസണിംഗ് മുന്നോട്ട് കൊണ്ടുപോകൽ
ചെലവ് vs പ്രകടനം: o3‑mini, o4-mini


ചെലവ് vs പ്രകടനം: o1, o3


OpenAI o3 ഉം o4-mini ഉം ഞങ്ങൾ ഇതുവരെ പുറത്തിറക്കിയിട്ടുള്ളതിൽ വച്ച് ഏറ്റവും ബുദ്ധിമാനായ മോഡലുകളാണ്, കൂടാതെ അവ പലപ്പോഴും അവരുടെ മുൻഗാമികളായ OpenAI o1 ഉം o3‑mini ഉം കൂടുതൽ കാര്യക്ഷമവുമാണ്. ഉദാഹരണത്തിന്, 2025 ലെ AIME ഗണിത മത്സരത്തിൽ, o3‑നുള്ള ചെലവ്-പ്രകടന അതിർത്തി o1‑നേക്കാൾ കർശനമായി മെച്ചപ്പെടുന്നു, അതുപോലെ, o4-mini യുടെ അതിർത്തി o3‑mini യേക്കാൾ കർശനമായി മെച്ചപ്പെടുന്നു. പൊതുവായി, മിക്ക യഥാർത്ഥ ലോക ഉപയോഗത്തിനും o3 ഉം o4-miniയും യഥാക്രമം o1, o3‑mini എന്നിവയേക്കാൾ കൂടുതൽ ബുദ്ധിമാനായതും വിലകുറഞ്ഞതുമായിരിക്കുമെന്ന് ഞങ്ങൾ പ്രതീക്ഷിക്കുന്നു.
മോഡൽ ശേഷികളിലെ ഓരോ പുരോഗതിയും സുരക്ഷയിലും ആനുപാതികമായ മെച്ചപ്പെടുത്തലുകൾ ആവശ്യമാണ്. OpenAI o3, o4-mini എന്നിവയ്ക്കായി, ബയോളജിക്കൽ ഭീഷണികൾ (ബയോറിസ്ക്), മാൽവെയർ ജനറേഷൻ, ജയിൽബ്രേക്കുകൾ തുടങ്ങിയ മേഖലകളിൽ പുതിയ നിരസിക്കൽ പ്രോംപ്റ്റുകൾ ചേർത്ത്, ഞങ്ങളുടെ സുരക്ഷാ പരിശീലന ഡാറ്റ പൂർണ്ണമായും പുനർനിർമ്മിച്ചു. ഈ പുതുക്കിയ ഡാറ്റ o3, o4-മിനി എന്നിവ ഞങ്ങളുടെ ഇന്റേണൽ റിഫ്യൂസൽ ബെഞ്ച്മാർക്കുകളിൽ (ഉദാ: ഇൻസ്ട്രക്ഷൻ ഹിയറാർക്കി, ജയിൽബ്രേക്കുകൾ) ശക്തമായ പ്രകടനം കൈവരിക്കാൻ കാരണമായി. മോഡൽ നിരസിക്കലുകൾക്കുള്ള ശക്തമായ പ്രകടനത്തിന് പുറമേ, അതിർത്തി അപകടസാധ്യതയുള്ള പ്രദേശങ്ങളിലെ അപകടകരമായ പ്രോംപ്റ്റുകൾ ഫ്ലാഗ് ചെയ്യുന്നതിനുള്ള സിസ്റ്റം-തല ലഘൂകരണങ്ങളും ഞങ്ങൾ വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്. ചിത്ര നിർമ്മാണം എന്ന മേഖലയിൽ ഞങ്ങളുടെ മുൻകാല പ്രവർത്തനത്തിന് സമാനമായി, മനുഷ്യർ എഴുതിയതും വ്യാഖ്യാനിക്കാവുന്നതുമായ സുരക്ഷാ സവിശേഷതകളിൽ നിന്ന് പ്രവർത്തിക്കുന്ന ഒരു റീസണിംഗ് LLM മോണിറ്റർ ഞങ്ങൾ പരിശീലിപ്പിച്ചു. ബയോറിസ്കിന് പ്രയോഗിച്ചപ്പോൾ, ഈ മോണിറ്റർ ഞങ്ങളുടെ ഹ്യൂമൻ റെഡ്-ടീമിംഗ് കാമ്പെയ്നിലെ ~99% സംഭാഷണങ്ങൾ വിജയകരമായി ഫ്ലാഗ് ചെയ്തു.
ഇന്നുവരെ ഞങ്ങളുടെ ഏറ്റവും കർശനമായ സുരക്ഷാ പ്രോഗ്രാം ഉപയോഗിച്ച് ഞങ്ങൾ രണ്ട് മോഡലുകളും സ്ട്രെസ് ടെസ്റ്റ് ചെയ്തു. ഞങ്ങളുടെ പുതുക്കിയ തയ്യാറെടുപ്പ് ചട്ടക്കൂട് അനുസരിച്ച്, ഫ്രെയിംവർക്കിൽ ഉൾപ്പെടുന്ന മൂന്ന് ട്രാക്ക് ചെയ്ത ശേഷി മേഖലകളിലായി o3, o4-മിനി എന്നിവ ഞങ്ങൾ വിലയിരുത്തി: ജൈവശാസ്ത്രപരവും രാസപരവും, സൈബർസുരക്ഷ, AI സ്വയം മെച്ചപ്പെടുത്തൽ. ഈ വിലയിരുത്തലുകളുടെ ഫലങ്ങളെ അടിസ്ഥാനമാക്കി, ഞങ്ങൾ മൂന്ന് വിഭാഗങ്ങളിലും o3 ഉം o4‑mini ഉം ഫ്രെയിംവർക്കിന്റെ "ഉയർന്ന" പരിധിക്ക് താഴെയാണെന്ന് നിർണ്ണയിച്ചു. ഈ വിലയിരുത്തലുകളിൽ നിന്നുള്ള വിശദമായ ഫലങ്ങൾ ഇതോടൊപ്പമുള്ള സിസ്റ്റം കാർഡിൽഞങ്ങൾ പ്രസിദ്ധീകരിച്ചിട്ടുണ്ട്.
ഞങ്ങൾ ഒരു പുതിയ പരീക്ഷണവും പങ്കിടുന്നു: നിങ്ങളുടെ ടെർമിനലിൽ നിന്ന് പ്രവർത്തിപ്പിക്കാൻ കഴിയുന്ന ഒരു ഭാരം കുറഞ്ഞ കോഡിംഗ് ഏജൻ്റായ കോഡെക്സ് CLI. ഇത് നിങ്ങളുടെ കമ്പ്യൂട്ടറിൽ നേരിട്ട് പ്രവർത്തിക്കുന്നു, കൂടാതെ GPT‑4.1 പോലുള്ള അധിക API മോഡലുകൾക്ക് വരാനിരിക്കുന്ന പിന്തുണയോടെ o3, o4-മിനി പോലുള്ള മോഡലുകളുടെ യുക്തിസഹമായ കഴിവുകൾ പരമാവധി വർദ്ധിപ്പിക്കുന്നതിന് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നു.
പ്രാദേശികമായി നിങ്ങളുടെ കോഡിലേക്കുള്ള ആക്സസിനൊപ്പം സ്ക്രീൻഷോട്ടുകളോ ലോ ഫിഡിലിറ്റി സ്കെച്ചുകളോ മോഡലിലേക്ക് കൈമാറുന്നതിലൂടെ നിങ്ങൾക്ക് കമാൻഡ് ലൈനിൽ നിന്ന് മൾട്ടിമോഡൽ റീസണിംഗ്-ൻ്റെ പ്രയോജനങ്ങൾ ലഭിക്കും. ഞങ്ങൾ ഇതിനെ ഉപയോക്താക്കളെയും അവരുടെ കമ്പ്യൂട്ടറുകളെയും ഞങ്ങളുടെ മോഡലുകളുമായി ബന്ധിപ്പിക്കുന്നതിനുള്ള ഒരു ലഘു ഇന്റർഫേസായി കരുതുന്നു. Codex CLI github.com/openai/codex(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ൽ പൂർണ്ണമായും ഓപ്പൺ സോഴ്സാണ്. ഇന്ന്.
അതോടൊപ്പം, കോഡെക്സ് CLI, OpenAI മോഡലുകൾ ഉപയോഗിച്ച് പദ്ധതികളെ പിന്തുണയ്ക്കുന്നതിനായി ഞങ്ങൾ 1 മില്യൺ ഡോളർ സംരംഭം ആരംഭിക്കുന്നു. API ക്രെഡിറ്റുകളുടെ രൂപത്തിൽ $25,000 USD വീതം ഗ്രാന്റുകൾക്കായുള്ള ആപ്ലിക്കേഷനുകൾ ഞങ്ങൾ വിലയിരുത്തുകയും സ്വീകരിക്കുകയും ചെയ്യും. നിർദ്ദേശങ്ങൾ ഇവിടെ സമർപ്പിക്കാം.
ChatGPT Plus, Pro, Team ഉപയോക്താക്കൾ ഇന്ന് മുതൽ മോഡൽ സെലക്ടറിൽ o3, o4-mini, o4-mini-high എന്നിവ o1, o3‑mini, o3‑mini‑high എന്നിവയ്ക്ക് പകരം കാണും. ChatGPT Enterprise, Edu ഉപയോക്താക്കൾക്ക് ഒരു ആഴ്ചയ്ക്കുള്ളിൽ ആക്സസ് ലഭിക്കും. Free ഉപയോക്താക്കൾക്ക് അവരുടെ ചോദ്യം സമർപ്പിക്കുന്നതിന് മുമ്പ് കമ്പോസറിൽ 'ചിന്തിക്കുക' തിരഞ്ഞെടുക്കുന്നതിലൂടെ o4-മിനി പരീക്ഷിക്കാൻ കഴിയും. എല്ലാ പദ്ധതികളിലുമുള്ള നിരക്ക് പരിധികൾ മുൻ മോഡലുകളുടെ സെറ്റിൽ നിന്ന് മാറ്റമില്ലാതെ തുടരുന്നു.
ഞങ്ങൾ പൂർണ്ണ ഉപകരണ പിന്തുണയോടെ ഏതാനും ആഴ്ചകൾക്കുള്ളിൽ OpenAI o3‑pro പുറത്തിറക്കുമെന്ന് പ്രതീക്ഷിക്കുന്നു. ഇപ്പോൾ, Pro ഉപയോക്താക്കൾക്ക് ഇപ്പോഴും o1‑pro ആക്സസ് ചെയ്യാൻ കഴിയുന്നു.
o3, o4-mini എന്നിവ ഇന്ന് ഡെവലപ്പർമാർക്ക് ചാറ്റ് കംപ്ലീഷൻസ് API, റെസ്പോൺസസ് API എന്നിവയിലൂടെ ലഭ്യമാണ് (ചില ഡെവലപ്പർമാർക്ക് ഈ മോഡലുകൾ ആക്സസ് ചെയ്യുന്നതിന് അവരുടെ ഓർഗനൈസേഷനുകൾ സ്ഥിരീകരിക്കേണ്ടതുണ്ട്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു)). മറുപടി API യുക്തിവാദ സംഗ്രഹങ്ങൾ, ഫംഗ്ഷൻ കോൾസിനോട് ചേർന്ന റീസണിംഗ് tokenകൾ സംരക്ഷിക്കുന്ന കഴിവ്, കൂടാതെ മോഡലിന്റെ യുക്തിയിൽ വെബ് തിരയൽ, ഫയൽ തിരയൽ, കോഡ് ഇൻ്റർപ്രെറ്റർ പോലുള്ള ബിൽറ്റ്-ഇൻ ഉപകരണങ്ങൾ ഉടൻ പിന്തുണയ്ക്കും. ആരംഭിക്കുന്നതിന്, ഞങ്ങളുടെ ഡോക്യുമെന്റുകൾ കണ്ടെത്തുക(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) , കൂടുതൽ അപ്ഡേറ്റുകൾക്കായി കാത്തിരിക്കുക.
ഇന്നത്തെ അപ്ഡേറ്റുകൾ ഞങ്ങളുടെ മോഡലുകൾ മുന്നോട്ട് പോകുന്ന ദിശയെ പ്രതിഫലിപ്പിക്കുന്നു: GPT‑സീരീസിന്റെ കൂടുതൽ സ്വാഭാവിക സംഭാഷണ കഴിവുകളും ഉപകരണ ഉപയോഗവും ഒ-സീരീസിന്റെ പ്രത്യേക യുക്തിവാദ കഴിവുകളുമായി സംയോജിപ്പിക്കുന്നു. ഈ ശക്തികൾ ഏകീകരിക്കുന്നതിലൂടെ, ഞങ്ങളുടെ ഭാവി മോഡലുകൾ സജീവമായ ഉപകരണ ഉപയോഗത്തിനും വിപുലമായ പ്രശ്ന പരിഹാരത്തിനും ഒപ്പം തടസ്സമില്ലാത്തതും സ്വാഭാവികവുമായ സംഭാഷണങ്ങളെ പിന്തുണയ്ക്കും.
2025 ജൂലൈ 28-ന് അപ്ഡേറ്റ്: SWE-Lancer ഡാറ്റാസെറ്റും ഫലങ്ങളും 2025 ജൂലൈ 17-ന് അപ്ഡേറ്റ് ചെയ്തിട്ടുണ്ട്, https://github.com/openai/preparedness(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എന്ന വിലാസത്തിലും ഞങ്ങളുടെ സിസ്റ്റം കാർഡുകളിലും ലഭ്യമാണ്. ഈ അപ്ഡേറ്റ് ഡോളർ വരുമാന ഫലങ്ങളെ ബാധിച്ച പ്രശ്നങ്ങൾ പരിഹരിക്കുകയും, നിർവഹണ സമയത്ത് ഇന്റർനെറ്റ് കണക്റ്റിവിറ്റിയുടെ ആവശ്യം നീക്കം ചെയ്യുകയും, മോഡൽ പ്രകടനത്തിലെ വ്യതിയാനത്തിന്റെ പ്രധാന ഉറവിടം ഇല്ലാതാക്കുകയും ചെയ്യുന്നു.
2025 ഏപ്രിൽ 16-ന് അപ്ഡേറ്റ്: യഥാർത്ഥ മൂല്യനിർണ്ണയത്തിൽ ഇല്ലാതിരുന്ന ഒരു സിസ്റ്റം പ്രോംപ്റ്റ് മാറ്റം പ്രതിഫലിപ്പിക്കുന്നതിനായി Charxiv-r, Mathvista എന്നിവയിലെ o3‑നുള്ള ഫലങ്ങൾ പുതുക്കി.
രചയിതാവ്
അടിക്കുറിപ്പുകൾ
* വേരിയൻസ് കുറയ്ക്കുന്നതിനായി ടൗ-ബെഞ്ച് മൂല്യനിർണ്ണയ സംഖ്യകൾ 5 റൺസിൽ ശരാശരി കണക്കാക്കി, കസ്റ്റം ടൂളുകളോ പ്രോംപ്റ്റിംഗോ ഇല്ലാതെയാണ് പ്രവർത്തിക്കുന്നത്. ടൗ-ബെഞ്ച് റീട്ടെയിൽ റോളൗട്ടുകൾ ഉപയോക്താവ് മോഡൽ പിശകുകൾക്ക് കൂടുതൽ സാധ്യതയുള്ളതായി ഞങ്ങൾ കണ്ടെത്തി. ഷേഡഡ് ബാറിനുള്ള സംഖ്യകൾ ഉപയോക്താവ് മോഡലായി GPT-4.1 ഉപയോഗിച്ചാണ് പ്രവർത്തിപ്പിക്കുന്നത്, കാരണം നിർദ്ദേശങ്ങൾ പിന്തുടരുന്നതിൽ ഇത് GPT-4o-നെക്കാൾ വളരെ മികച്ചതാണ്.
* SWE-ബെഞ്ച് പരമാവധി 256k സന്ദർഭം ദൈർഘ്യം ഉപയോഗിക്കുന്നു, ഇത് o4-മിനിയുടെ പരിഹാര നിരക്ക് ഏകദേശം 3% മെച്ചപ്പെടുത്തുകയും o3-ന്റെ പരിഹാര നിരക്കിനെ <1% ബാധിക്കുകയും ചെയ്യുന്നു. ഞങ്ങളുടെ ആന്തരിക ഇൻഫ്രാസ്ട്രക്ചറിൽ പ്രവർത്തിപ്പിക്കാൻ കഴിയാത്ത 23 സാമ്പിളുകളും ഞങ്ങൾ ഒഴിവാക്കുന്നു.
ബ്രൗസിംഗ് പ്രവർത്തനക്ഷമമാക്കുമ്പോൾ, മോഡലിന് ചിലപ്പോൾ ഓൺലൈനിൽ കൃത്യമായ ഉത്തരങ്ങൾ കണ്ടെത്താൻ കഴിയും, ഉദാഹരണത്തിന്, ഒരു ഡാറ്റാസെറ്റിൽ നിന്ന് സാമ്പിൾ പ്രശ്നങ്ങളുള്ള ബ്ലോഗ് പോസ്റ്റുകൾ വായിച്ച്. രണ്ട് തന്ത്രങ്ങൾ ഉപയോഗിച്ച് ബ്രൗസ് ചെയ്യുമ്പോൾ മോഡൽ തട്ടിപ്പിനെക്കുറിച്ചുള്ള ആശങ്കകൾ ഞങ്ങൾ ലഘൂകരിക്കുന്നു:
മോഡൽ മുമ്പ് ചീറ്റ് ചെയ്തതായി ഞങ്ങൾ ശ്രദ്ധിച്ച ഡൊമെയിനുകൾ നിരോധിച്ചവ.
ഒരു റീസണിംഗ് മോഡൽ മോണിറ്ററായി ഉപയോഗിച്ച് ഓരോ ശ്രമത്തിലും എല്ലാ token- കളും പരിശോധിച്ച് സംശയാസ്പദമായ പെരുമാറ്റം തിരിച്ചറിയാൻ ശ്രമിച്ചു. സംശയാസ്പദമായ പെരുമാറ്റം എന്നത് "ഈ പ്രത്യേക ചോദ്യത്തിന് കൃത്യമായ ഉത്തരം നൽകുക എന്നതാണ് പ്രധാന ഉദ്ദേശ്യം ഉള്ള ഒരു പേജ്, ഫയൽ, അല്ലെങ്കിൽ സ്നിപ്പെറ്റ് — ഉദാഹരണത്തിന്, ഔദ്യോഗിക ഗ്രേഡിംഗ് കീ, ചോർന്ന “പരിഹാരങ്ങൾ” ഗിസ്റ്റ്, അല്ലെങ്കിൽ പൂർത്തിയായ ഉത്തരം വാക്കു വാക്കായി ഉദ്ധരിക്കുന്ന ചർച്ച." നിഷ്കളങ്കമായ പെരുമാറ്റം എന്നത് "ഒരു ശ്രദ്ധയുള്ള മനുഷ്യൻ ആലോചിക്കാവുന്ന ഏതൊരു ആധികാരിക വിഭവവും (ഡോക്യുമെന്റേഷൻ, മാനുവലുകൾ, ശാസ്ത്രീയ പ്രബന്ധങ്ങൾ, വിശ്വസനീയമായ ലേഖനങ്ങൾ) യാദൃശ്ചികമായി ശരിയായ ഉത്തരം ഉൾക്കൊള്ളുന്നുണ്ടെങ്കിലും" എന്നർത്ഥമാണ്.മോണിറ്റർ റോൾഔട്ട് സംശയാസ്പദമെന്ന് കരുതുന്ന ഏതെങ്കിലും ശ്രമങ്ങൾ തെറ്റായി കണക്കാക്കപ്പെടുന്നു. ഈ പരിശോധനയിൽ പരാജയപ്പെട്ട മിക്ക സാമ്പിളുകളും എച്ച്എൽഇയുമായി ബന്ധമില്ലാത്ത പല ഇന്റർനെറ്റ് ഉറവിടങ്ങളിലും കൃത്യമായ പരിഹാരം ലഭ്യമായ പ്രശ്നങ്ങളായിരുന്നു.
അവസാനമായി, ChatGPT-യും OpenAI API-യും തമ്മിലുള്ള തിരയൽ എഞ്ചിൻ ബാക്കെൻഡുകളിലെ വ്യത്യാസം കാരണം ബ്രൗസിംഗുമായി ബന്ധപ്പെട്ട ഞങ്ങളുടെ വിലയിരുത്തലുകൾ OpenAI API-യിൽ പൂർണ്ണമായും പുനർനിർമ്മിക്കാൻ കഴിയില്ല. ഈ ഫലങ്ങൾ ChatGPT ഉപയോക്തൃ അനുഭവത്തെ പ്രതിനിധീകരിക്കാൻ ഉദ്ദേശിച്ചുള്ളതാണ്, പക്ഷേ ആവശ്യകതയെ ആശ്രയിച്ച്, തിരയൽ ക്രമീകരണം കാലക്രമേണ മാറാം.
സംഭാവകർ
ആദിത്യ സിംഗ്, ആരോൺ ഷ്ലെസിംഗർ, ആദം ഫ്രൈ, ആദം ലെറർ, ആദം പെരെൽമാൻ, ആദം വാക്കർ, അഹമ്മദ് എൽ-കിഷ്കി, ഐഡൻ ക്ലാർക്ക്, ഐഡൻ മക്ലൗഗ്ലിൻ, ഐഡൻ ലോ, അകില വെലിഹിന്ദ, അക്ഷയ് നാഥൻ, അലക്സാണ്ടർ മാഡ്രി, അലക്സാണ്ട്ര സ്പൈറ, അലക്സ് കാർപെങ്കോ, അലക്സ് നീറ്റ്സ്, അലക്സ് ടാച്ചാർഡ് പാസോസ്, അലക്സ് വെയ്, അലക്സാണ്ടർ പ്രോകോഫീവ്, അലക്സാണ്ടർ സീലെൻസ്കി, അലക്സാണ്ട്ര ബാർ, അലക്സി ഇവാനോവ്, അലക്സി ക്രിസ്റ്റാക്കിസ്, ആൽഫ്രഡ് സൂ, ആലിസൺ ടാം, ആലി ബെന്നറ്റ്, ആലി ബെന്നറ്റ്, അമേലിയ ലിയു, ആമി മക്ഡൊണാൾഡ് സാൻഡ്ജിദെ, അനന്യ കുമാർ, ആന്ദ്രേ സറൈവ, ആൻഡ്രിയ വല്ലോൺ, ആൻഡ്രൂ ചെൻ, ആൻഡ്രൂ ഡ്യൂബർസ്റ്റൈൻ, ആൻഡ്രൂ ഗിബിയാൻസ്കി, ആൻഡ്രൂ കോണ്ട്രിച്ച്, ആൻഡ്രൂ ടുള്ളോക്ക്, ആൻഡ്രി മിഷ്ചെങ്കോ, ആൻഡി ആപ്പിൾബോം, ആൻഡി വാങ്, ആഞ്ചല ബെയ്ക്ക്, ആനി വെയ്, ആന്റിംഗ് ഷെൻ, അന്റോയിൻ പെലിസ്, അനുജ് സഹാറൻ, അരുൺ വിജയ്വേർഗിയ, ആഷ്ലി ടൈറ, അശ്വിൻ നായർ, അവി നായക്, അവിറ്റൽ ഒലിവർ, ബെഹ്റൂസ് ഘോർബാനി, ബെലിൻഡ ട്രൂങ്, ബെൻ സൊകോലോവ്സ്കി, ബെത്ത് ഹൂവർ, ബോ സൂ, ബോവാസ് ബരാക്, ബോഹാൻ ഷാങ്, ബോറിസ് മിനായ്വ്, ബോട്ടാവോ ഹാവോ, ബോവൻ ബേക്കർ, ബോവൻ ചെങ്, ബ്രാൻഡൻ മക്കിൻസി, ബ്രാൻഡൻ വാങ്, ബ്രയാൻ ഹ്സു, ബ്രയാൻ യാങ്, ബ്രയാൻ യു, ബ്രയാൻ ഷാങ്, കാമിലോ ലുഗാരെസി, കരോലിന പാസ്, കാർപ്പസ് ചാങ്, കാരി ബാസിൻ, കാരി ഹഡ്സൺ, കേസി ചു, ചാക് ലി, ചാൾസ് ഷാവോ, ചാർലി ജാട്ട്, ഷാർലറ്റ് കോൾ, ചെൽസി വോസ്, ചെൻ ഷെൻ, ചെങ്സു ഷുവാങ്, ക്രിസ് കോൾബി, ക്രിസ് ഹാലസി, ക്രിസ് കോച്ച്, ക്രിസ്റ്റീന കപ്ലാൻ, ക്രിസ്റ്റീന കിം, കോളിൻ റീഡ്, കോളിൻ വെയ്, ക്രിസ്റ്റീന ഷീയു, ഡി. സ്കല്ലി, ഡാമിയൻ ഡെവിൽ, ഡാൻ റോബർട്ട്സ്, ഡാന പാൽമി, ഡെയ്ൻ സ്റ്റക്കി, ഡാനിയൽ ലെവിൻ, ഡേവിഡ് ഹു, ഡേവിഡ് മാർട്ടിൻ, ഡേവിഡ് റോബിൻസൺ, ഡേവിഡ് സസാക്കി, ഡേവിസ് വു, ഡെറക് ചെൻ, ദിബ്യ ഭട്ടാചാരി, ദിമിത്രിസ് സിപ്രാസ്, ഡിങ്ഹുവാ ലി, ഡിജെ ഹിൻ്റെഡിനാങ്, ഡോ. എഡ്മണ്ട് വോങ്, എലെയ്ൻ യാ ലെ, എലി യാനി, എലിസബത്ത് പ്രോഹൽ, എമിലി സോകോലോവ, ഇനോക്ക് ചിയുങ്, എറി ഷ്വാർട്സ്, എറിക് മിച്ചൽ, എറിക് നിംഗ്, എറിക് സിഗ്ലർ, എറിക് വാലസ്, യൂജിനിയോ പനേറോ, ഇവാൻ മെയ്സ്, എവ്ജെനി നികിഷിൻ, ഫിലിപോസ്, ഫാൻ വാങ്, ഫിലിപോസ് വാങ് സിംപൗർലാസ്, ഫൗഡ് മാറ്റിൻ, ഫ്രാൻസിസ് സോംഗ്, ഫ്രാൻസിസ് ഷാങ്, ഗാരി യാങ്, ജീൻ ഓഡൻ, ജിയാംബറ്റിസ്റ്റ പരസ്കാൻഡോളോ, ഗിൽദാസ് ചാബോട്ട്, ഗ്രേസ് കിം, ഗ്രേസ് ഷാവോ, ഗ്രെഗ് ബ്രോക്ക്മാൻ, ഗ്രിഗറി വാലിയൻ്റ്, ഗില്ലൂം ലെക്ലർക്ക്, ഹാദി സൽമാൻ, ഹൈതാങ് ഹു, ഹന്നാ ഷെഹാൻ, ഹാവോ ഷെങ്, ഹായു വാങ്, ഹെൻറിക് പോണ്ടെ ഡി ഒലിവേര പിൻ്റോ, ഹെൻറി ആസ്പെഗ്രെൻ, ഹെക്കിംഗ് യാൻ, ഹെസ്സം ബാഗെറിനേഷാദ്, ഹോങ്യു റെൻ, ഹണ്ടർ ലൈറ്റ്മാൻ, ഹ്യോൻവൂ നോ, ഇയാൻ കിവ്ലിച്ചൻ, ഇഗ്നാസി ലാവ്ലികായൻ, ഇഗ്നസി ലാവ്ലികായ, ഇഗ്നാസി ലാവ്ലികായ കോസ്ട്രിക്കോവ്, ഐറിന കോഫ്മാൻ, ഇസ ഫുൾഫോർഡ്, ജെയ്ക്ക് ബ്രിൽ, ജാക്കൂബ് പച്ചോക്കി, ജെയിംസ് ബെറ്റ്കർ, ജെയിംസ് ലീ, ജെയിംസ് ക്വിൻ, ജാമി കിറോസ്, ജേസൺ ഐ, ജെയ് വാങ്, ജീൻ ഹാർബ്, ജെഫ് മിക്കി, ജെഫ്രി ഹാൻ, ജെഫ്രി വാങ്, ജെഫ്രി ലീ വാങ്, ജെറിക ജെസ്, ജെറിക്ക, ജെറിക്ക, ജെറിക്ക ലിൻ, ജിയാഹുയി യു, ജിയാൻഫെങ് വാങ്, ജി ടാങ്, ജിഹാൻ യിൻ, ജിംഗ് ലി, ജോവാൻ ജാങ്, ജോയൽ മോറിസ്, ജോഹന്നാസ് ഫെർസ്റ്റാഡ്, ജോഹന്നാസ് ഹൈഡെക്കെ, ജോൺ ഫിഷ്ബെയിൻ, ജോൺ ഒകുൻ, ജോനാഥൻ ഗോർഡൻ, ജൂസ്റ്റ് ഹുയിംഗ, ജോസ് ക്രെയ്ജെവെൽഡ്, ജോസഫ് മോ, ജോഷ് ലോസൺ, ജോഷ് ടോബിൻ, ജുൻവാ മാവോ, കൈ ചെൻ, കൈ ഹയാഷി, കരൺ സിംഗാൽ, കരീന എൻഗുയെൻ, കാറ്റി ഷി, കെല്ലി സ്റ്റിർമാൻ, കെൻജി ഹത, കെന്നി എൻഗുയെൻ, കെറൻ ഗു-ലെംബർഗ്, കെവിൻ ഗ്ലാഡ്സ്റ്റോൺ, കെവിൻ കിംഗ്, കെവിൻ ലിയു, കെവിൻ, കെവിൻ, കെവിൻ, കെവിൻ, കെവിൻ, കെവിൻ, കെവിൻ, വിന്നറി, കെവിൻ യു, കോട്ടെ മുഷേഗിയാനി, ക്രിസ്റ്റൻ യിംഗ്, ക്രിസ്റ്റ്യൻ ജോർജീവ്, ക്ഷിതിജ് ഗുപ്ത, കൈൽ കോസിക്, ലാമ അഹമ്മദ്, ലാറി എൽവി, ലോറൻ ഇറ്റോവ്, ലോറൻ യാങ്, ലീ ബൈറോൺ, ലിയോ ചെൻ, ലിയോ ലിയു, ലിയോൺ മാക്സിൻ, ലെയ്ൻ, ലിയോൺ, ലിയോൺ, ലിയോൺ, എൽ. കുഹ്ൻ, ലൂയിസ് ഫ്യൂവറിയർ, ലു ഷാങ്, ലുക്കാസ് കൈസർ, മഹ്മൂദ് ഈറിബി, മജ ട്രൈബക്സ്, മനസ് ജോഗ്ലേക്കർ, മനോലി ലിയോഡാകിസ്, മനുക സ്ട്രാറ്റ, മാർക്ക് ചെൻ, മാർക്ക് ഹഡ്നാൽ, മാർക്ക് സൺ, മാർക്ക് വാങ്, മാർട്ടിൻ ലി, മാർവിൻ ഷാങ്, മാറ്റ്യൂസ് ലിറ്റ്വിൻ, മാറ്റ് ജോൺസ്, മാറ്റ് ലിം, മാക്സ് ജോൺസൺ, മാക്സ് ഷ്വാർസർ, മായങ്ക് ഗുപ്ത, മേഗൻ ഷാ, മെങ്ക്വിംഗ് വാങ്, മെങ്യുവാൻ യാൻ, മിയ ഗ്ലെയ്സ്, മൈക്കൽ ബൊലിൻ, മൈക്കൽ ലാംപെ, മൈക്കൽ മാലെക്, മൈക്കൽ ഷർമൻ, മൈക്കൽ ഷാങ്, മിഷേൽ വാങ്, മിഷേൽ പോക്രസ്, മിഗുവൽ ഊം ടെമുഡോ ഡി കാസ്ട്രോ, മിഹായ് ഫ്ലോറിയൻ, മൈക്ക് മക്ലേ, മൈക്ക് ട്രോപ്സിക്, മിക്കി ഹാബ്രിൻ, മൈൽസ് വാങ്, മിംഗ് ചെൻ, മിങ്ക്സുവാൻ വാങ്, മിന്നിയ ഫെങ്, മിച്ചൽ ഗോർഡൻ, മോ ബവേറിയൻ, മോസ്റ്റഫ രോഹണിനെജാദ്, നാച്ചോ സോട്ടോ, നകുൽ ഖന്ന, നാറ്റ് മക്അലീസ്, നതാലി സ്റ്റൗഡാച്ചർ, നടൻ ലാഫോണ്ടൈൻ, നീൽ അജ്ജാരപു, നിക്ക് ഫെൽറ്റ്, നിക്ക് ടർലി, നികിൽ പഞ്ച, നികിത മിഖായ്ലിൻ, നിക്കോ ഫെലിക്സ്, നികുഞ്ച് ഹാൻഡ, നിംഗ് ലിയു, നിഷാന്ത് റായ്, നോഹ ജോർഗെൻസൺ, നോം ബ്രൗൺ, ഒലെഗ് ബോയ്കോ, ഒലെഗ് മുർക്ക്, ഒലിവിയ വാട്ട്കിൻസ്, ഒലിവിയർ ഗോഡ്മെൻ്റ്, ഊന ഗ്ലീസൺ, പോൾ ആഷ്ബോൺ, പാവൽ ബെലോവ്, പീറ്റർ ഫ്ലോക്ക്ഹാർട്ട്, പീറ്റർ ഹോഷെലെ, പീറ്റർ സോഖോവ്, ഫിലിപ്പ് പ്രോനിൻ, ഫിലിപ്പ് ഗുവോ, ഫോബ് താക്കർ, പ്രഫുല്ല ധാരിവാൾ, പ്രശാന്ത് ആർ, റേച്ചൽ ഡയസ്, രാഹുൽ അറോറ, രാജ്കുമാർ സാമുവൽ, റാസ്മസ് റാസ്മോൻ, മുല്ലാർഡ്, റാസ്മുസ് റിജാലി ഗാവ്, റിയാ മിയാര, റെയ്ചിറോ നകാനോ, റെയ്മർ ലെയ്കെ, റെന്നി സോംഗ്, റിഥം ഗാർഗ്, ആർജെ മാർസൻ, റോബർട്ട് സിയോങ്, റോബിൻ ബ്രൗൺ, റോമൻ സിയുപ, റൂയി ഷു, റുസ്ലാൻ നിഗ്മത്തുള്ളിൻ, സാച്ചി ജെയിൻ, സാഗർ പട്ടേൽ, സാം ആൾട്ട്മാൻ, സാം ടോയ്സർ, സാമുർ, സാം ടോമി വോൾറിച്ച്, സന്ധിനി അഗർവാൾ, സാൻ്റിയാഗോ ഹെർണാണ്ടസ്, സാറാ ഡോങ്, സവന്ന ഹിയോൺ, സ്കോട്ട് എതർസ്മിത്ത്, സ്കോട്ട് മേയർ മക്കിന്നി, സീൻ ഫിറ്റ്സ്ജെറാൾഡ്, സെവർ ബനേസിയു, ഷമേസ് ഹെമാനി, ഷെങ്ജിയ ഷാവോ, ഷെങ്ലി ഹു, ഷിബാനി സന്തുർക്കർ, ശ്രേയസ് കൃഷ്ണസ്വാമി, ഷുചാവോ ബി, ഷുന്യു യാവോ, ഷുയുവാൻ ഷാങ്, സൈമൺ പൊസാഡ ഫിഷ്മാൻ, സ്പെൻസർ പപ്പേ, സ്പഗ് ഗോൾഡൻ, ശ്രീനിവാസ് നാരായണൻ, സ്റ്റാൻലി ഹ്സിഹ്, സ്റ്റീഫൻ ലോഗ്സ്ഡൺ, സുന്ദീപ് തിരുമലറെഡ്ഡി, ടാൽ സ്ട്രാമർ, താവോ വാങ്, താവോ സിൻ, ടെയ്ലർ ഗോർഡൻ, തേജൽ പട്വർദ്ധൻ, തിബോൾട്ട് സോട്ടിയോക്സ്, ടിന ശ്രീസ്കന്ദരാജ, ടോണി കാസ്പാരോ, ടോണി ഷാവോ, ട്രെവർ ക്രീച്ച്, ഉസൈർ നാവിദ് ഇഫ്തിഖർ, വലേരി ക്വി, വിനീത് കൊസരാജു, വിശാൽ കുവോ, വിച്ചിർ പോങ്, വിവേക് വർമ്മ, വ്ലാഡ് പെട്രോവ്, വെൻഡ ഷൗ, വെൻലെയ് സീ, വെന്റിങ് ഷാൻ, വിൽ ഡെപ്യൂ, വിൽ എൽസ്വർത്ത്, വില്യം ഷ്യൂ, വ്യാറ്റ് തോംസൺ, യാമിംഗ് ലിൻ, യാൻ ഡുബോയിസ്, യാവോഡോങ് യു, യാര ഖക്ബാസ്, യാഷ് പാട്ടീൽ, യിഫാൻ വു, യിലോംഗ് ക്വിൻ, യിനിംഗ് ചെൻ, യിറുയി ഷാങ്, യോ ഷാവിറ്റ്, യംഗ് ചാ, യുൻയുൻ വാങ്, യുഷി വാങ്, സാക്ക് സുൽത്താൻ, സെഹാവോ ഡൗ, സെവെയ് ചു, ഷെങ് ഷാവോ, സിഗാങ് വാങ്, ഷിഷുവായ് ഷാങ്, സിഹാവോ ഷാങ്