Membangunkan kecerdasan yang melimpah

Infrastruktur AI bukan bernilai kerana saiznya yang besar. Infrastruktur itu bernilai kerana perkara yang dapat diwujudkannya: kecerdasan yang lebih berkeupayaan, tersedia kepada lebih ramai orang pada kos yang lebih rendah.

Begitulah cara saya memikirkan tentang kelimpahan. Prinsip ini dibenamkan dalam misi kami—memastikan kecerdasan am buatan memberi manfaat kepada seluruh manusia—dan dalam jentera ekonomi yang memacu perniagaan kami.

Apabila kos kecerdasan yang berguna menurun, lebih banyak kerja menjadi berbaloi untuk dilakukan. Apabila model menjadi lebih berkeupayaan, kerja itu menghasilkan lebih banyak nilai. Apabila penggunaan berkembang, kami memperoleh hasil, maklum balas dunia sebenar dan gambaran permintaan yang diperlukan untuk terus melabur dalam penyelidikan dan infrastruktur generasi yang seterusnya.

Kecerdasan yang lebih baik mendorong penggunaan yang lebih meluas. Penggunaan yang lebih meluas menyokong peningkatan pelaburan. Peningkatan pelaburan menambah baik kecerdasan dan kecekapan. Itulah kitaran yang sedang kami bina.

Pengumuman harga terbaharu kami menunjukkan cara kitaran itu memberi manfaat kepada pelanggan dengan cepat. Semalam, kami menurunkan harga GPT‑5.6 Luna sebanyak 80 peratus dan GPT‑5.6 Terra sebanyak 20 peratus. Luna kini berharga $0.20 bagi setiap sejuta token input dan $1.20 bagi setiap sejuta token output; Terra masing-masing berharga $2 dan $12.

Bagi GPT‑5.6 Sol, Mod pantas menyampaikan kelajuan sehingga 2.5 kali ganda berbanding pemprosesan standard pada harga dua kali ganda, tanpa perubahan pada kecerdasan.

Ini bukan sekadar perubahan pada senarai harga. Perubahan ini meluaskan jenis kerja yang praktikal untuk dilakukan dan memberi pelanggan lebih kefleksibelan untuk mengimbangi kecerdasan, kelajuan, kebolehpercayaan dan kos.

Soalan yang tepat bukanlah model mana yang sesuai untuk sesuatu tugas. Ia tentang berapa banyak kecerdasan yang diperlukan untuk mencapai hasil yang dikehendaki, sepantas mana kecerdasan itu diperlukan dan kos yang wajar untuk mencapainya. Keseimbangan itu mungkin berubah beberapa kali dalam aliran kerja yang sama.

Pelanggan tidak membeli token semata-mata untuk memilikinya. Mereka mahu isu sokongan diselesaikan, perisian dilancarkan, kontrak disemak atau persoalan saintifik dijawab. Ukuran yang tepat ialah kos untuk mencapai hasil yang berjaya, termasuk masa, percubaan semula, pemantauan dan ralat sepanjang proses tersebut.

Model lebih berkuasa yang menyelesaikan kerja dengan betul dan cekap akhirnya boleh menjadi lebih ekonomik daripada model lebih murah yang memerlukan percubaan berulang atau campur tangan manusia secara meluas. Sebaliknya, model berkos lebih rendah dapat meluaskan akses dengan ketara apabila memenuhi piawaian mutu yang sama. Peluangnya adalah untuk menerapkan kecerdasan berguna yang maksimum pada harga yang tepat.

Penyampaian nilai tersebut memerlukan lebih daripada sekadar membina pusat data tambahan. Setiap unit pengkomputeran perlu dijadikan lebih produktif.

Kerja kejuruteraan terbaru kami menggambarkan hasilnya. Dengan kerjasama pasukan teknikal kami, GPT‑5.6 Sol membantu mengoptimumkan perisian pengeluaran yang digunakan untuk menyediakan model kami, sekali gus mengurangkan kos penyediaan menyeluruh sebanyak 20 peratus. Ia juga membantu menambah baik penyahkodan spekulatif, meningkatkan kecekapan penjanaan token sebanyak lebih daripada 15 peratus.

Sama pentingnya, kecekapan tidak ditentukan oleh model semata-mata. Sistem di sekelilingnya juga penting. Penghalaan yang lebih baik memastikan perkakasan kekal produktif. Pengurusan konteks yang lebih pintar menghalang ejen daripada mengulangi kerja. Alat dan reka bentuk produk yang lebih mantap mengurangkan bilangan langkah yang diperlukan untuk menyelesaikan tugas.

Dalam analisis penanda aras terbaharu, penambahbaikan pada penaakulan dikekalkan dan pengurusan konteks meningkatkan skor GPT‑5.6 Sol bagi set tugas awam ARC-AGI-3 daripada 13.3 peratus kepada 38.3 peratus sambil menggunakan enam kali token output yang berkurangan. Model itu tidak berubah. Sistem di sekelilingnya yang berubah.

Manfaat ini terus berganda. Model yang lebih berkeupayaan membantu pasukan kami menemukan kecekapan baharu. Kecekapan tersebut mengurangkan kos perkhidmatan kepada pelanggan dan meluaskan kerja yang dapat kami sokong dengan infrastruktur yang sama. Seterusnya, ini menjadikan kecerdasan generasi baharu lebih mudah diakses.

Kelebihan membangunkan infrastruktur, model, platform dan produk bukan sekadar kerana kami terlibat pada setiap lapisan. Sebaliknya, setiap lapisan menjadikan lapisan lain lebih baik.

Penggunaan produk dalam dunia sebenar menunjukkan perkara yang bernilai kepada pelanggan dan halangan yang mereka hadapi. Maklum balas itu membantu membentuk penyelidikan kami. Peningkatan penyelidikan memperkukuh produk kami dan mengurangkan kos penyediaannya. Permintaan di seluruh ChatGPT, ChatGPT Kerja, Codex dan API membantu kami membuat keputusan yang lebih baik tentang bidang yang memerlukan penambahan kapasiti.

Skala pembelajaran itu penting. Model kami kini digunakan oleh lebih daripada satu bilion pengguna aktif dan lebih dua juta perniagaan. Apabila keyakinan terhadap teknologi ini meningkat, orang ramai menggunakannya dengan lebih mendalam. Enam bulan selepas mendaftar, pengguna menghantar kira-kira 50 peratus lebih banyak mesej setiap hari dan menggunakan ChatGPT untuk sekitar dua kali ganda lebih banyak bagi jenis kerja. ChatGPT Kerja mengubah makna menjadi pekerja berpengetahuan, beralih melangkaui daripada sekadar menjawab soalan kepada menyelesaikan kerja rumit yang berbilang langkah—daripada “bertanya” kepada “melakukan”. Di seluruh OpenAI, kerja agentic melalui Codex kini merangkumi 99.8% daripada token output mingguan, dengan Kewangan antara pasukan yang menjadikan alat agentic sebagai bahagian utama dalam cara mereka bekerja.

Coraknya serupa dalam organisasi. Syarikat mungkin bermula dengan satu pasukan atau satu aliran kerja. Apabila kualiti dan nilai ekonomi bertambah baik, penggunaan berkembang di seluruh fungsi dan AI menjadi sebahagian daripada cara perniagaan beroperasi.

Ini mewujudkan kitaran maklum balas yang bernilai antara permintaan, penambahbaikan produk, kecekapan dan perancangan infrastruktur. Ini tidak memerlukan kami memiliki setiap aset atau membangunkan sendiri setiap komponen. Kami boleh memiliki, bekerjasama atau membeli, bergantung pada pilihan yang terbaik untuk pelanggan dan paling munasabah dari segi ekonomi. Paling penting ialah menyelaraskan sistem tersebut dan belajar daripada keseluruhannya.

Infrastruktur AI mesti dirancang bertahun-tahun sebelum ia diperlukan, sementara model, produk dan permintaan pelanggan berkembang jauh lebih pantas. Ketidakpadanan itu menjadikan disiplin amat penting.

Keputusan pelaburan kami berasaskan bukti: pertumbuhan pengguna dan beban kerja, komitmen perusahaan, penggunaan API, penggunaan, hasil serta kemajuan dari segi keupayaan dan kecekapan model. Pencapaian teknikal dan komersial membantu menentukan masa sesuatu projek diteruskan. Kerjasama jangka panjang menggabungkan pembiayaan, infrastruktur dan kepakaran operasi yang diperlukan untuk pelaksanaan pada skala besar.

Hasil produk, modal swasta dan kerjasama komersial memainkan peranan berbeza dalam menyokong pertumbuhan tersebut. Matlamatnya bukan untuk membangunkan infrastruktur yang paling banyak. Matlamatnya adalah untuk menyediakan kapasiti yang tepat, pada masa yang tepat, bagi memenuhi permintaan yang diyakini.

Bagi saya, soalan utamanya adalah mudah: Seberapa pantaskah kapasiti baharu menjadi produktif? Sejauh manakah kecekapan digunakan? Apakah permintaan pelanggan yang disokongnya? Seberapa pantaskah kemajuan teknikal dapat mengurangkan kos penyediaan kecerdasan yang berguna?

Soalan tersebut menghubungkan cita-cita jangka panjang dengan disiplin operasi.

Kami masih di peringkat awal. Sistem yang lebih berkeupayaan akan menyelesaikan projek lebih panjang, menyelaras pelbagai alat dan mengendalikan lebih banyak kerja antara tercetusnya idea dengan terhasilnya hasil akhir. Individu dan perniagaan kecil akan memperoleh keupayaan yang dahulunya hanya tersedia kepada organisasi yang jauh lebih besar. Perusahaan akan menggunakan kecerdasan dengan lebih meluas dalam operasi mereka.

Matlamat kami bukan sekadar lebih banyak pengkomputeran, model yang lebih besar atau harga token yang lebih rendah. Matlamatnya ialah menjadikan kecerdasan yang lebih berguna mudah dicapai.

Itulah erti kelimpahan: kecerdasan yang terus menjadi lebih berkeupayaan, lebih mampu milik dan lebih bernilai kepada penggunanya. Kami akan mengukur kemajuan berdasarkan jumlah kerja berguna yang dapat dilaksanakan, kecekapan kami menyediakannya dan sejauh mana manfaatnya dapat dikongsi.