Prezantimi i GPT‑5

Po prezantojmë GPT‑5, sistemin tonë më të mirë të inteligjencës artificiale deri më tani. GPT‑5 përfaqëson një përparim të madh në inteligjencë mbi të gjitha modelet tona të mëparshme, duke ofruar performancë të avancuar në kodim, matematikë, shkrim, shëndet, perceptim vizual e të tjera. Është një sistem i unifikuar që di kur të përgjigjet shpejt dhe kur të mendojë më gjatë për të ofruar përgjigje në nivel eksperti. GPT‑5 është në dispozicion për të gjithë përdoruesit, me abonentët Plus që përfitojnë më shumë përdorim, dhe abonentët Pro që kanë qasje në GPT‑5 Pro, një version me arsyetim të zgjeruar për përgjigje edhe më gjithëpërfshirëse dhe të sakta.

GPT‑5 është një sistem i unifikuar me një model inteligjent dhe efikas që u përgjigjet shumicës së pyetjeve, një model arsyetimi më i thellë (aftësia menduese e GPT‑5) për probleme më të vështira dhe një router në kohë reale që vendos shpejt se cilin të përdorë bazuar në llojin e bisedës, kompleksitetin, nevojat për mjetet dhe qëllimin tënd të qartë (për shembull, nëse thua “mendo thellë për këtë” në kërkesë). Routeri trajnohet vazhdimisht me sinjale reale, duke përfshirë kur përdoruesit ndërrojnë modele, normat e preferencave për përgjigjet dhe saktësinë e matur, duke u përmirësuar me kalimin e kohës. Pasi të arrihen kufijtë e përdorimit, një version i reduktuar i secilit model merret me pyetjet e mbetura. Në të ardhmen e afërt, planifikojmë t'i integrojmë këto aftësi në një model të vetëm.

GPT‑5 jo vetëm që tejkalon modelet e mëparshme në testet e performancës dhe i përgjigjet pyetjeve më shpejt, por—më e rëndësishmja—është më i dobishëm për pyetjet e botës reale. Kemi bërë përparime të mëdha në zvogëlimin e halucinacioneve, përmirësimin e ndjekjes së udhëzimeve dhe minimizimin e lajkave, duke përmirësuar performancën e GPT‑5 në tre nga përdorimet më të zakonshme të ChatGPT: shkrimi, kodimi dhe shëndeti.

GPT‑5 është modeli ynë më i fuqishëm i kodimit deri më sot. Tregon përmirësime të veçanta në gjenerimin kompleks të front-end dhe korrigjimin e depove më të mëdha. Shpesh mund të krijojë faqe interneti, aplikacione dhe lojëra të bukura dhe të përgjegjshme me një sy për ndjeshmëri estetike në vetëm një kërkesë, duke i kthyer idetë në realitet në mënyrë intuitive dhe me shije. Testuesit e hershëm vunë re gjithashtu zgjedhjet e dizajnit, me një kuptim shumë më të mirë të elementeve si hapësira, tipografia dhe hapësira e bardhë. Shiko këtu për detaje të plota se çfarë ofron GPT‑5 për zhvilluesit.

Këtu janë disa shembuj të asaj që GPT‑5 ka krijuar me vetëm një kërkesë të vetme:

GPT‑5 është bashkëpunëtori ynë më i aftë i të shkruarit deri tani, i aftë të të ndihmojë të drejtosh dhe të përkthesh idetë e përafërta në shkrim bindës dhe rezonues me thellësi dhe ritëm letrar. Ai e trajton më me besueshmëri shkrimin që përfshin paqartësi strukturore, siç është mbajtja e pentametrit jambik pa rimë ose vargu i lirë që rrjedh natyrshëm, duke kombinuar respektin për formën me qartësinë shprehëse. Këto aftësi të përmirësuara të të shkruarit do të thonë që ChatGPT është më i mirë për të të ndihmuar me detyrat e përditshme si hartimi dhe redaktimi i raporteve, emaileve, memorandumeve e të tjera. Stilet e shkrimit të GPT‑5 dhe GPT‑4o mund të krahasohen në tabelën më poshtë.

GPT‑5 është modeli ynë më i mirë deri tani për pyetjet që lidhen me shëndetin, duke u mundësuar përdoruesve që të informohen dhe të mbrojnë shëndetin e tyre. Modeli shënon dukshëm më shumë pikë se çdo model i mëparshëm në HealthBench⁠, një vlerësim që e publikuam më herët këtë vit bazuar në skenarë realistë dhe kritere të përcaktuara nga mjekët. Krahasuar me modelet e mëparshme, ai vepron më shumë si një partner aktiv i mendimit, duke identifikuar në mënyrë proaktive shqetësimet e mundshme dhe duke bërë pyetje për të dhënë përgjigje më të dobishme. Modeli tani ofron përgjigje më të sakta dhe të besueshme, duke u përshtatur me kontekstin, nivelin e njohurive dhe gjeografinë e përdoruesit, duke e bërë të mundur ofrimin e përgjigjeve më të sigurta dhe më të dobishme në një gamë të gjerë skenarësh. E rëndësishmja, ChatGPT nuk zëvendëson një profesionist mjekësor—mendoje atë si një partner për të të ndihmuar të kuptosh rezultatet, të bësh pyetjet e duhura në kohën që ke me ofruesit e shërbimit dhe për të peshuar opsionet ndërsa merr vendime.

Mund të shohësh disa nga mënyrat se si GPT‑5 është më i mirë se modelet tona të mëparshme në të gjithë domenet—më i pasur, më i detajuar dhe më i dobishëm—në këto shembuj:

GPT‑5 është shumë më inteligjent në të gjitha fushat, siç tregohet nga performanca e tij në standardet akademike dhe të vlerësuara nga njerëzit, veçanërisht në matematikë, kodim, perceptim vizual dhe shëndet. Ai vendos një standard të ri në matematikë (94.6% në AIME 2025 pa mjete), kodimin e botës reale (74.9% në SWE-bench Verified, 88% në Aider Polyglot), kuptimin multimodal (84.2% në MMMU) dhe shëndetin (46.2% në HealthBench Hard)—dhe këto përfitime shfaqen në përdorim të përditshëm. Me arsyetimin e zgjeruar të GPT‑5 pro, modeli gjithashtu vendos një SOTA të ri në GPQA, duke shënuar 88.4% pa mjete.

GPT‑5 tregon përmirësime të mëdha në testet që vlerësojnë ndjekjen e udhëzimeve dhe përdorimin e mjeteve agjentike, aftësitë që e lejojnë atë të kryejë me besueshmëri kërkesa me shumë hapa, të koordinojë me mjete të ndryshme dhe të përshtatet me ndryshimet në kontekst. Në praktikë, kjo do të thotë se është më e mirë në trajtimin e detyrave komplekse dhe në zhvillim; GPT‑5 mund të ndjekë udhëzimet e tua me më shumë besnikëri dhe të përfundojë më shumë punë nga fillimi në fund duke përdorur mjetet në dispozicion.

Modeli shkëlqen në një gamë të gjerë standardesh multimodale, duke përfshirë arsyetimin vizual, të bazuar në video, hapësinor dhe shkencor. Performanca më e fortë multimodale do të thotë që ChatGPT mund të arsyetojë më saktë mbi imazhet dhe hyrjet e tjera të të dhënave jo-tekstuale—qoftë ky interpretimi i një grafiku, përmbledhja e një fotoje të një prezantimi, ose përgjigjja e pyetjeve rreth një diagrami.

GPT‑5 është gjithashtu modeli ynë me performancën më të mirë në një standard të brendshëm që mat performancën në punën komplekse dhe me vlerë ekonomike të njohurive. Kur përdor arsyetimin, GPT‑5 është i krahasueshëm ose më i mirë se ekspertët në afërsisht gjysmën e rasteve, ndërsa tejkalon o3 dhe agjentin e ChatGPT, në detyra që përfshijnë mbi 40 profesione, duke përfshirë ligjin, logjistikën, shitjet dhe inxhinierinë.

GPT‑5 nxjerr më shumë vlerë në më pak kohë të menduari. Në vlerësimet tona, GPT‑5 (me aftësi menduese) performon më mirë se OpenAI o3 me 50-80% më pak kode daljeje në të gjitha aftësitë, duke përfshirë arsyetimin vizual, kodimin agjentik dhe zgjidhjen e problemeve shkencore në nivelin e diplomuar.

GPT‑5 është trajnuat në superkompjuterët e IA të Microsoft Azure.

GPT‑5 ka shumë më pak gjasa të halucinojë sesa modelet tona të mëparshme.  Me kërkimin në internet të aktivizuar në kërkesat anonime përfaqësuese të trafikut të prodhimit të ChatGPT, përgjigjet e GPT‑5 kanë ~45% më pak të ngjarë të përmbajnë një gabim faktik sesa GPT‑4o, dhe kur mendon, përgjigjet e GPT‑5 kanë ~80% më pak të ngjarë të përmbajnë një gabim faktik sesa OpenAI o3.

Ne kemi investuar veçanërisht në bërjen e modeleve tona më të besueshme kur arsyetojmë mbi pyetje komplekse dhe të hapura. Prandaj, kemi shtuar vlerësime të reja për të testuar qëndrueshmërinë ndaj faktualitetit të hapur. Ne matëm shkallën e halucinacioneve të GPT‑5 kur mendonim për kërkesa të hapura për kërkimin e fakteve nga dy standarde të fakteve publike: LongFact⁠(hapet në një dritare të re) (koncepte dhe objekte) dhe FActScore⁠(hapet në një dritare të re).  Në të gjitha këto standarde, “aftësia menduese e GPT‑5” tregon një rënie të mprehtë të halucinacioneve - rreth gjashtë herë më pak se o3—duke shënuar një hap të qartë përpara në prodhimin e përmbajtjeve vazhdimisht të sakta në formë të gjatë. Detajet e zbatimit dhe vlerësimit për testimet tona në këto standarde mund të gjenden në kartën e sistemit.

Përveç përmirësimit të faktualitetit, GPT‑5 (me aftësinë menduese) i komunikon më sinqerisht veprimet dhe aftësitë e tij te përdoruesi—veçanërisht për detyra që janë të pamundura, të nënspecifikuara ose që u mungojnë mjete kyçe. Për të arritur një shpërblim të lartë gjatë trajnimit, modelet e arsyetimit mund të mësojnë të gënjejnë për përfundimin me sukses të një detyre ose të jenë tepër të sigurta për një përgjigje të pasigurt. Për shembull, për ta testuar këtë, ne hoqëm të gjitha imazhet nga kërkesat e referencës multimodale CharXiv dhe zbuluam se OpenAI o3 ende jepte përgjigje të sigurta për imazhet joekzistente 86.7% të kohës, krahasuar me vetëm 9% për GPT‑5.

Kur arsyeton, GPT‑5 kupton më saktë kur detyrat nuk mund të përfundojnë dhe i komunikon qartë kufijtë e veta. Ne vlerësuam normat e mashtrimit në mjedise që përfshijnë detyra të pamundura kodimi dhe mungesë të aseteve multimodale, dhe zbuluam se GPT‑5 (me mendim) është më pak mashtrues se o3 në të gjitha aspektet. Në një grup të madh bisedash përfaqësuese të trafikut real të prodhimit të ChatGPT, kemi ulur normat e mashtrimit nga 4.8% për o3 në 2.1% të përgjigjeve të arsyetimit të GPT‑5. Ndërsa kjo përfaqëson një përmirësim domethënës për përdoruesit, mbetet më shumë punë për t'u bërë dhe ne po vazhdojmë kërkimet për të përmirësuar saktësinë dhe ndershmërinë e modeleve tona. Detaje të mëtejshme mund të gjenden në kartën e sistemit.

GPT‑5 përparon kufirin në fushën e sigurisë. Në të kaluarën, ChatGPT mbështetej kryesisht në trajnimin e sigurisë të bazuar në refuzim: bazuar në kërkesën e përdoruesit, modeli duhet ose të përputhej ose të refuzonte. Ndërsa ky lloj trajnimi funksionon mirë për kërkesa qartësisht me qëllim të keq, ai mund të ketë vështirësi në trajtimin e situatave ku qëllimi i përdoruesit është i paqartë, ose informacioni mund të përdoret në mënyra të padëmshme ose me qëllim të keq. Trajnimi i refuzimit është veçanërisht i ngurtë për domenet me përdorim të dyfishtë si virologjia, ku një kërkesë e padëmshme mund të përfundohet në mënyrë të sigurt në një nivel të lartë, por mund të aktivizojë një aktor të keq nëse plotësohet në detaje.

Për GPT‑5, ne prezantuam një formë të re të trajnimit të sigurisë — përfundime të sigurta — që mëson modelin të japë përgjigjen më të dobishme kur është e mundur, duke qëndruar brenda kufijve të sigurisë. Ndonjëherë, kjo mund të nënkuptojë t'i përgjigjesh pjesërisht pyetjes së një përdoruesi ose t'i përgjigjesh vetëm në një nivel të lartë. Nëse modeli duhet të refuzojë, GPT‑5 është trajnuar për të të treguar në mënyrë transparente pse po refuzon, si dhe për të ofruar alternativa të sigurta. Si në eksperimentet e kontrolluara ashtu edhe në modelet tona të prodhimit, ne zbulojmë se kjo qasje është më e nuancuar, duke mundësuar lundrim më të mirë të pyetjeve me përdorim të dyfishtë, qëndrueshmëri më të fortë ndaj qëllimit të paqartë dhe më pak refuzime të panevojshme. Lexo më shumë rreth qasjes sonë të re për trajnimin e sigurisë, si dhe detaje të plota mbi metodologjinë, metrikat dhe rezultatet, në dokumentin tonë për përfundimin e sigurt⁠.

Në përgjithësi, GPT‑5 është më pak i prirur të bjerë dakord me entuziazëm, përdor më pak emoji të panevojshëm dhe është më delikat dhe i më i kujdesshëm në ndjekjet e tij krahasuar me GPT‑4o. Duhet të ndihet më pak si “bisedë me IA” dhe më shumë si bisedë me një mik të dobishëm me inteligjencë të nivelit PhD.

Në fillim të këtij viti, ne nxorëm një përditësim për GPT‑4o⁠ që pa dashje e bëri modelin tepër servil, ose tepër lajkatar apo të prirur të binte dakord. E kthyem prapa ndryshimin shpejt⁠ dhe që atëherë kemi punuar për ta kuptuar dhe reduktuar këtë sjellje me mënyrat e mëposhtme:

• Zhvillimi i vlerësimeve të reja për të matur nivelet e servilizmit
• Përmirësimi i trajnimit tonë që modeli të mos jetë aq servil—për shembull, duke shtuar shembuj që zakonisht do të çonin në pajtim të tepruar, dhe pastaj duke e mësuar atë të mos e bëjë këtë.

Në vlerësimet e synuara të lajkave duke përdorur kërkesa të krijuara posaçërisht për të nxitur përgjigje lajkatare, GPT‑5 i reduktoi në mënyrë të ndjeshme përgjigjet lajkatare (nga 14.5% në më pak se 6%). Ndonjëherë, reduktimi i servilizmit mund të sjellë ulje të kënaqësisë së përdoruesve, por përmirësimet që bëmë e ulën servilizmin me më shumë se gjysmën, duke ofruar gjithashtu përfitime të tjera të matshme, në mënyrë që përdoruesit të vazhdojnë të kenë biseda konstruktive me cilësi të lartë—në përputhje me qëllimin tonë për të ndihmuar njerëzit ta përdorin mirë ChatGPT⁠.

GPT‑5 është dukshëm më i mirë në ndjekjen e udhëzimeve, dhe ne shohim një përmirësim përkatësisht në aftësinë e tij për të ndjekur udhëzimet e përshtatura.

Ne po nxjerrim gjithashtu një pamje paraprake studimore të katër personaliteteve të reja të paracaktuara për të gjithë përdoruesit e ChatGPT, të mundësuara nga përmirësimet në drejtueshmëri. Këto personalitete, të disponueshme fillimisht për bisedë me tekst dhe që vijnë më vonë me zë, të lejojnë të vendosësh se si ndërvepron ChatGPT—qoftë konciz dhe profesional, i menduar dhe mbështetës, ose pak sarkastik—pa shkruar kërkesa të personalizuara. Katër opsionet fillestare, Cynic, Robot, Listener dhe Nerd, janë opsione që mund të zgjidhen, të rregullueshme në çdo kohë tek cilësimet dhe të krijuara për t'u përputhur me stilin tënd të komunikimit.

Të gjitha këto personalitete të reja plotësojnë ose tejkalojnë standardin tonë në vlerësimet e brendshme për reduktimin e servilizmit.

Ne presim me padurim të mësojmë dhe të përshtatemi bazuar në përshtypje të hershme.

Ne vendosëm ta trajtojmë "GPT‑5 me aftësi menduese" si modelin me aftësi të larta në domenin biologjik dhe kimik dhe kemi zbatuar masa mbrojtëse të forta për të minimizuar mjaftueshëm rreziqet e lidhura. Ne testuam me rigorozitet modelin me vlerësimet tona të sigurisë në kuadrin e përgatitjes⁠, duke përfunduar 5000 orë "red-teaming" me partnerë si CAISI dhe UK AISI.

Ngjashëm me qasjen tonë për agjentin e ChatGPT, edhe pse nuk kemi prova përfundimtare që ky model mund të ndihmojë në mënyrë domethënëse një fillestar për të krijuar dëm të rëndë biologjik— pragu ynë i përcaktuar⁠(hapet në një dritare të re) për aftësi të larta—po ndërmarrim një qasje paraprake dhe po aktivizojmë masat mbrojtëse të kërkuara tani për të rritur gatishmërinë kur të jenë të disponueshme aftësi të tilla. Si rezultat, “GPT‑5 me aftësi menduese” ka një strukturë të fuqishme sigurie me një sistem mbrojtjeje me shumë shtresa për biologjinë: modelim gjithëpërfshirës të kërcënimeve, trajnim të modelit për të mos nxjerrë përmbajtjeje të dëmshme përmes paradigmës sonë të re të përfundimeve të sigurta, klasifikues dhe monitorues të arsyetimit gjithmonë aktivë, dhe kanale të qarta zbatimi.

Lexo më shumë rreth qasjes sonë të fuqishme të sigurisë për GPT‑5 në kartën tonë të sistemit.

Për detyrat më sfiduese dhe komplekse, ne po nxjerrim gjithashtu GPT‑5 pro, duke zëvendësuar OpenAI o3‑pro, një variant i GPT‑5 që mendon për një kohë më të gjatë, duke përdorur llogaritje të shkallëzuar por efikase gjatë kohës së testimit paralel, për të siguruar përgjigjet më cilësore dhe më gjithëpërfshirëse. GPT‑5 pro arrin performancën më të lartë në familjen GPT‑5 në disa standarde sfiduese të inteligjencës, duke përfshirë performancën më të avancuar në GPQA, e cila përmban pyetje jashtëzakonisht të vështira shkencore.

Në vlerësimet mbi 1000 kërkesa të arsyetimit me vlerë ekonomike në botën reale, ekspertët e jashtëm preferuan GPT‑5 pro në vend të "GPT‑5 me aftësi menduese" në 67.8% të rasteve. GPT‑5 pro bëri 22% më pak gabime të mëdha dhe shkëlqeu në shëndetësi, shkencë, matematikë dhe kodim. Ekspertët i vlerësuan përgjigjet e saj si relevante, të dobishme dhe gjithëpërfshirëse.

GPT‑5 është parazgjedhja e re në ChatGPT, duke zëvendësuar GPT‑4o, OpenAI o3, OpenAI o4-mini, GPT‑4.1 dhe GPT‑4.5 për përdoruesit e regjistruar. Thjesht hap ChatGPT dhe shkruaj pyetjen tënde; GPT‑5 merret me pjesën tjetër, duke aplikuar arsyetimin automatikisht kur përgjigjja do të përfitonte prej tij. Përdoruesit me pagesë mund të zgjedhin ende “GPT‑5 me aftësi menduese” nga zgjedhësi i modelit, ose të shkruajnë diçka si ‘mendo thellë për këtë’ në kërkesë për t'u siguruar që do të përdoret arsyetimi kur përftohet një përgjigje.

GPT‑5 po fillon të shpërndahet sot për të gjithë përdoruesit Plus, Pro, Team dhe Free, me qasje për Enterprise dhe Edu javën e ardhshme. Përdoruesit Pro, Plus dhe Team mund të fillojnë gjithashtu kodimin me GPT‑5 në Codex CLI⁠(hapet në një dritare të re) duke u identifikuar me ChatGPT.

Ashtu si me GPT‑4o, ndryshimi midis qasjes falas dhe asaj me pagesë në GPT‑5 është vëllimi i përdorimit. Abonentët Pro marrin qasje të pakufizuar në GPT‑5 dhe qasje në GPT‑5 Pro. Përdoruesit Plus mund ta përdorin atë me lehtësi si modelin e tyre të parazgjedhur për pyetjet e përditshme, me një përdorim dukshëm më të lartë se përdoruesit pa pagesë. Klientët e Team, Enterprise dhe Edu mund të përdorin GPT‑5 me lehtësi si modelin e tyre të parazgjedhur për punën e përditshme, me kufizime bujare që e bëjnë të lehtë për të gjitha organizatat të mbështeten në GPT‑5. Për përdoruesit e ChatGPT pa pagesë, aftësitë e plota të arsyetimit mund të duhen disa ditë për t'u shfaqur plotësisht. Pasi përdoruesit pa pagesë të arrijnë kufijtë e përdorimit të GPT‑5, ata do të kalojnë në GPT‑5 mini, një model më i vogël, më i shpejtë dhe shumë i aftë.