Gradimo obilje inteligence

Infrastruktura umetne inteligence ni dragocena zato, ker je obsežna. Dragocena je zaradi tega, kar omogoča: zmogljivejšo inteligenco, ki je po nižji ceni na voljo več ljudem.

Tako razumem obilje. Vgrajeno je tako v naše poslanstvo – zagotoviti, da splošna umetna inteligenca koristi vsemu človeštvu – kot v gospodarski pogon našega poslovanja.

Ko se stroški uporabne inteligence znižajo, se splača opraviti več dela. Ko modeli postanejo zmogljivejši, to delo ustvari več vrednosti. Z rastjo uporabe pridobivamo prihodke, povratne informacije iz resničnega sveta in vpogled v povpraševanje, kar nam omogoča nadaljnje vlaganje v naslednjo generacijo raziskav in infrastrukture.

Boljša inteligenca spodbuja širšo uporabo. Širša uporaba omogoča več naložb. Več naložb izboljšuje inteligenco in učinkovitost. To je cikel, ki ga gradimo.

Naša nedavna objava cen kaže, kako hitro ta cikel koristi strankam. Včeraj smo ceno modela GPT‑5.6 Luna znižali za 80 odstotkov, ceno modela GPT‑5.6 Terra pa za 20 odstotkov. Luna zdaj stane 0,20 USD na milijon vhodnih žetonov in 1,20 USD na milijon izhodnih žetonov, Terra pa 2 oziroma 12 USD.

Pri modelu GPT‑5.6 Sol hitri način zagotavlja do 2,5-krat večjo hitrost od standardne obdelave za dvakratno ceno, ne da bi se inteligenca spremenila.

To niso le spremembe cenika. Razširjajo nabor dela, ki ga je smiselno opravljati, strankam pa omogočajo več prilagodljivosti pri usklajevanju inteligence, hitrosti, zanesljivosti in stroškov.

Pravo vprašanje ni, kateri model je primeren za katero nalogo. Vprašati se moramo, koliko inteligence zahteva želeni rezultat, kako hitro jo potrebujemo in koliko naj stane doseganje tega rezultata. To ravnovesje se lahko v istem delovnem postopku večkrat spremeni.

Stranke žetonov ne kupujejo zaradi njih samih. Želijo rešeno težavo s podporo, izdano programsko opremo, pregledano pogodbo ali odgovor na znanstveno vprašanje. Pravo merilo so stroški uspešnega rezultata, vključno s časom, ponovnimi poskusi, nadzorom in napakami na poti do njega.

Zmogljivejši model, ki delo opravi pravilno in učinkovito, je lahko na koncu gospodarnejši od cenejšega modela, ki zahteva ponavljajoče se poskuse ali obsežno človeško posredovanje. Nasprotno pa lahko cenejši model močno razširi dostop, kadar dosega enako raven kakovosti. Priložnost je v tem, da po pravi ceni uporabimo čim več koristne inteligence.

Za zagotavljanje te vrednosti ni dovolj graditi dodatnih podatkovnih centrov. Vsaka enota računske moči mora postati produktivnejša.

Naše nedavno inženirsko delo ponazarja, kako je to videti. GPT‑5.6 Sol je v sodelovanju z našimi tehničnimi ekipami pomagal optimizirati produkcijsko programsko opremo za zagotavljanje naših modelov in tako znižal skupne stroške zagotavljanja za 20 odstotkov. Pomagal je tudi izboljšati špekulativno dekodiranje, s čimer se je učinkovitost ustvarjanja žetonov povečala za več kot 15 odstotkov.

Enako pomembno je, da učinkovitosti ne določa le model. Pomemben je tudi sistem, ki ga obdaja. Boljše usmerjanje zagotavlja produktivno uporabo strojne opreme. Pametnejše upravljanje konteksta preprečuje, da bi agenti ponavljali delo. Zmogljivejša orodja in boljša zasnova izdelkov zmanjšujejo število korakov, potrebnih za dokončanje naloge.

V nedavni analizi primerjalnih preizkusov so izboljšave ohranjanja sklepanja in upravljanja konteksta zvišale rezultat modela GPT‑5.6 Sol na javnem naboru nalog ARC-AGI-3 s 13,3 na 38,3 odstotka, pri tem pa je porabil šestkrat manj izhodnih žetonov. Model se ni spremenil. Spremenil se je sistem okoli njega.

Te izboljšave se seštevajo. Zmogljivejši modeli našim ekipam pomagajo odkrivati nove načine za večjo učinkovitost. Te izboljšave učinkovitosti znižujejo stroške zagotavljanja storitev strankam in širijo obseg dela, ki ga lahko podpremo z isto infrastrukturo. To pa omogoča širši dostop do naslednje generacije inteligence.

Prednost razvoja infrastrukture, modelov, platforme in izdelkov ni le v tem, da smo dejavni na vsaki od teh ravni. Ključno je, da vsaka raven izboljšuje druge.

Uporaba izdelkov v resničnem svetu nam pokaže, kje stranke prepoznajo vrednost in kje naletijo na ovire. Te povratne informacije usmerjajo naše raziskave. Napredek v raziskavah izboljšuje naše izdelke in znižuje stroške njihovega zagotavljanja. Povpraševanje po ChatGPT, ChatGPT Work, Codexu in vmesniku API nam pomaga sprejemati boljše odločitve o tem, kje povečati zmogljivosti.

Obseg tega učenja je pomemben. Naši modeli zdaj dosegajo več kot milijardo aktivnih uporabnikov in več kot dva milijona podjetij. Ko ljudje pridobivajo zaupanje v tehnologijo, jo začnejo uporabljati bolj poglobljeno. Šest mesecev po prijavi ljudje vsak dan pošljejo približno 50 odstotkov več sporočil in ChatGPT uporabljajo za približno dvakrat več vrst dela. ChatGPT Work spreminja pomen dela z znanjem: ne odgovarja več le na vprašanja, temveč opravlja kompleksno delo v več korakih – od »spraševanja« k »izvajanju«. V OpenAI delo z agenti prek Codexa zdaj predstavlja 99,8 % tedenskih izhodnih žetonov, finančna ekipa pa je med tistimi, ki so agentska orodja vključile med osrednje načine dela.

V organizacijah opažamo podoben vzorec. Podjetje lahko začne z eno ekipo ali enim delovnim postopkom. Ko se kakovost in ekonomičnost izboljšujeta, se uporaba razširi med različne funkcije, umetna inteligenca pa postane del poslovanja.

Tako nastane dragocena povratna zanka med povpraševanjem, izboljševanjem izdelkov, učinkovitostjo in načrtovanjem infrastrukture. Za to nam ni treba imeti v lasti vsakega sredstva ali samostojno razviti vsake komponente. Glede na to, kaj najbolje koristi strankam in je ekonomsko najbolj smiselno, se lahko odločimo za lastništvo, partnerstvo ali nakup. Pomembno je, da sistem usklajujemo in se učimo iz vseh njegovih delov.

Infrastrukturo umetne inteligence je treba načrtovati več let vnaprej, medtem ko se modeli, izdelki in povpraševanje strank razvijajo veliko hitreje. Zaradi tega neskladja je disciplina nujna.

Naložbene odločitve utemeljujemo z dokazi: rastjo števila uporabnikov in delovnih obremenitev, zavezami podjetij, porabo prek vmesnika API, izkoriščenostjo, prihodki ter napredkom pri zmogljivosti in učinkovitosti modelov. Tehnični in poslovni mejniki pomagajo določiti, kdaj projekti napredujejo. Dolgoročna partnerstva združujejo financiranje, infrastrukturo in operativno strokovno znanje, potrebno za zagotavljanje storitev v velikem obsegu.

Prihodki od izdelkov, zasebni kapital in poslovna partnerstva imajo pri podpiranju te rasti različne vloge. Cilj ni zgraditi čim več infrastrukture. Cilj je zagotoviti prave zmogljivosti ob pravem času in glede na verodostojno povpraševanje.

Zame so ključna vprašanja preprosta: Kako hitro začnejo nove zmogljivosti ustvarjati vrednost? Kako učinkovito jih uporabljamo? Katero povpraševanje strank podpirajo? Kako hitro lahko tehnični napredek zniža stroške zagotavljanja uporabne inteligence?

Ta vprašanja povezujejo dolgoročne ambicije z operativno disciplino.

Še vedno smo na začetku. Zmogljivejši sistemi bodo izvajali daljše projekte, usklajevali delo med orodji in prevzeli več dela na poti od zamisli do končnega rezultata. Posamezniki in mala podjetja bodo dobili zmogljivosti, ki so bile nekoč na voljo le veliko večjim organizacijam. Podjetja bodo inteligenco širše uporabljala v svojem poslovanju.

Naš cilj ni le več računske moči, večji modeli ali nižje cene žetonov. Cilj je dostopnejša in uporabnejša inteligenca.

To pomeni obilje: inteligenca, ki postaja vse zmogljivejša, dostopnejša in dragocenejša za ljudi, ki jo uporabljajo. Napredek bomo merili po tem, koliko koristnega dela omogoča, kako učinkovito ga zagotavljamo in kako široko je mogoče deliti njegove koristi.