Создаем изобилие интеллекта

Ценность инфраструктуры ИИ не в её масштабе. Она ценна благодаря возможностям, которые открывает: более совершенный интеллект становится доступен большему числу людей по более низкой цене.

Именно так я понимаю изобилие. Эта идея заложена и в нашей миссии — сделать так, чтобы общий искусственный интеллект приносил пользу всему человечеству, — и в экономическом механизме, обеспечивающем развитие нашего бизнеса.

Когда стоимость полезного интеллекта снижается, становится целесообразно выполнять больше работы. Когда модели становятся совершеннее, эта работа приносит больше пользы. По мере распространения технологии мы получаем выручку, обратную связь из реального мира и более ясное представление о спросе, чтобы продолжать инвестировать в исследования и инфраструктуру следующего поколения.

Более совершенный интеллект способствует широкому внедрению. Широкое внедрение позволяет увеличивать инвестиции. Рост инвестиций повышает качество интеллекта и эффективность. Именно такой цикл мы и создаём.

Наше недавнее объявление о ценах показывает, как быстро этот цикл начинает приносить пользу клиентам. Вчера мы снизили цену на GPT‑5.6 Luna на 80 %, а на GPT‑5.6 Terra — на 20 %. Теперь Luna стоит 0,20 доллара США за миллион входных токенов и 1,20 доллара США за миллион выходных токенов, а Terra — 2 и 12 долларов США соответственно.

Для GPT‑5.6 Sol Быстрый режим обеспечивает до 2,5 раза более высокую скорость по сравнению со стандартной обработкой при двукратной цене и без изменения уровня интеллекта.

Это не просто изменения в прайс-листе. Они расширяют круг задач, которые становится целесообразно выполнять, и дают клиентам больше возможностей выбирать оптимальное соотношение интеллекта, скорости, надёжности и стоимости.

Правильный вопрос — не в том, какая модель подходит для конкретной задачи. Важно понять, какой уровень интеллекта нужен для требуемого результата, как быстро его необходимо получить и сколько должно стоить его применение. Это соотношение может несколько раз меняться даже в рамках одного рабочего процесса.

Клиенты покупают токены не ради самих токенов. Им нужно решить проблему пользователя, выпустить программный продукт, проверить договор или ответить на научный вопрос. Верный показатель — стоимость успешного результата с учётом времени, повторных попыток, контроля и ошибок, необходимых для его достижения.

Более мощная модель, которая правильно и эффективно выполняет работу, в итоге может оказаться экономичнее дешёвой модели, требующей многократных попыток или значительного вмешательства человека. И наоборот, более доступная модель может значительно расширить доступ, если обеспечивает тот же уровень качества. Возможность заключается в том, чтобы применять максимум полезного интеллекта по оптимальной цене.

Чтобы обеспечить такую ценность, недостаточно строить новые центры обработки данных. Необходимо повышать отдачу от каждой единицы вычислительных ресурсов.

Наша недавняя инженерная разработка наглядно показывает, как это выглядит. Работая вместе с нашими техническими командами, GPT‑5.6 Sol помогла оптимизировать производственное ПО, обслуживающее наши модели, и снизить совокупные затраты на их работу на 20 процентов. Она также помогла усовершенствовать спекулятивное декодирование, повысив эффективность генерации токенов более чем на 15 процентов.

Не менее важно и то, что эффективность зависит не только от модели. Имеет значение и окружающая её система. Улучшенная маршрутизация обеспечивает эффективную загрузку оборудования. Продуманное управление контекстом не позволяет агентам повторно выполнять одну и ту же работу. Более эффективные инструменты и продуманный дизайн продукта сокращают число шагов, необходимых для выполнения задачи.

В ходе недавнего анализа результатов тестирования улучшения в сохранении рассуждений и управлении контекстом повысили результат GPT‑5.6 Sol в общедоступном наборе задач ARC-AGI-3 с 13,3 до 38,3 процента при шестикратном сокращении числа выходных токенов. Сама модель не изменилась. Изменилась окружающая её система.

Эти преимущества усиливают друг друга. Более совершенные модели помогают нашим командам находить новые способы повышения эффективности. Эти улучшения снижают затраты на обслуживание клиентов и расширяют круг задач, которые можно решать с помощью той же инфраструктуры. А это, в свою очередь, делает интеллект следующего поколения доступнее.

Преимущество разработки на всех уровнях — от инфраструктуры и моделей до платформы и продуктов — не просто в том, что мы работаем с каждым из них. Главное — каждый уровень помогает совершенствовать остальные.

Использование продуктов в реальных условиях показывает нам, в чём клиенты видят ценность и с какими трудностями сталкиваются. Эта обратная связь помогает определять направление наших исследований. Исследовательские достижения улучшают наши продукты и снижают затраты на их работу. Спрос на ChatGPT, ChatGPT Work, Codex и API помогает нам точнее определять, где наращивать мощности.

Масштаб такого обучения имеет значение. Нашими моделями уже пользуются более миллиарда активных пользователей и свыше двух миллионов компаний. По мере того как люди начинают больше доверять технологии, они применяют её всё шире и глубже. Через шесть месяцев после регистрации пользователи ежедневно отправляют примерно на 50 процентов больше сообщений и применяют ChatGPT примерно для вдвое большего числа видов работы. ChatGPT Work меняет само представление об интеллектуальном труде: теперь это не только ответы на вопросы, но и выполнение сложных многоэтапных задач — переход от «запроса» к «действию». В масштабах OpenAI на агентную работу с помощью Codex сейчас приходится 99,8 % выходных токенов за неделю, а финансовая команда входит в число тех, для кого агентные инструменты стали основной частью рабочего процесса.

Внутри организаций наблюдается похожая картина. Компания может начать с одной команды или одного рабочего процесса. По мере повышения качества и экономической эффективности технология распространяется на другие функции, а ИИ становится частью работы компании.

Так возникает ценная обратная связь между спросом, совершенствованием продуктов, эффективностью и планированием инфраструктуры. Для этого необязательно владеть всеми активами или самостоятельно создавать каждый компонент. Мы можем владеть активами, сотрудничать с партнёрами или покупать необходимое — в зависимости от того, что лучше отвечает интересам клиентов и экономически целесообразнее. Главное — координировать всю систему и извлекать знания из каждого её элемента.

Инфраструктуру ИИ необходимо планировать за годы до того, как она понадобится, тогда как модели, продукты и клиентский спрос меняются гораздо быстрее. Из-за этого несоответствия дисциплина особенно важна.

Наши инвестиционные решения опираются на факты: рост числа пользователей и объёма задач, обязательства корпоративных клиентов, потребление API, загрузку мощностей, выручку, а также прогресс в возможностях и эффективности моделей. Технические и коммерческие показатели помогают определить, когда переводить проекты на следующий этап. Долгосрочные партнёрства объединяют финансирование, инфраструктуру и операционную экспертизу, необходимые для работы в крупном масштабе.

Доходы от продуктов, частный капитал и коммерческие партнёрства играют разные роли в обеспечении этого роста. Наша цель — не построить как можно больше инфраструктуры. Нужно вводить необходимые мощности в нужное время, ориентируясь на подтверждённый спрос.

Для меня ключевые вопросы просты: как быстро новые мощности начинают приносить пользу? Насколько эффективно они используются? Какой клиентский спрос они обеспечивают? Насколько быстро технический прогресс может снизить стоимость предоставления полезного интеллекта?

Эти вопросы связывают долгосрочные амбиции с операционной дисциплиной.

Мы всё ещё в начале пути. Более совершенные системы смогут выполнять длительные проекты, координировать работу разных инструментов и брать на себя больше задач на пути от идеи до готового результата. Люди и малые предприятия получат возможности, прежде доступные только гораздо более крупным организациям. Крупные компании будут шире применять интеллект в своей деятельности.

Наша цель — не просто увеличить вычислительные мощности и модели или снизить цены на токены. Наша цель — сделать полезный интеллект доступнее.

В этом и заключается изобилие: интеллект становится всё более совершенным, доступным и ценным для тех, кто им пользуется. Мы будем оценивать свой прогресс по тому, сколько полезной работы он позволяет выполнять, насколько эффективно мы его предоставляем и насколько широко распространяются его преимущества.