సమృద్ధమైన ఇంటెలిజెన్స్ నిర్మాణం

AI మౌలిక సదుపాయాలు భారీగా ఉన్నంత మాత్రాన విలువైనవి కావు. అవి సాధ్యం చేసే దానివల్లే విలువైనవి: తక్కువ ఖర్చుతో ఎక్కువ మందికి అందుబాటులో ఉండే, మరింత సామర్థ్యవంతమైన ఇంటెలిజెన్స్.

సమృద్ధి గురించి నేను ఈ విధంగానే ఆలోచిస్తాను. ఆర్టిఫిషియల్ జనరల్ ఇంటెలిజెన్స్ మానవాళి మొత్తానికి ప్రయోజనం చేకూర్చేలా చూడాలనే మా లక్ష్యంలోనూ, మా వ్యాపారాన్ని నడిపించే ఆర్థిక చోదకశక్తిలోనూ ఇది అంతర్భాగం.

ఉపయోగకరమైన ఇంటెలిజెన్స్ ఖర్చు తగ్గినప్పుడు, మరిన్ని పనులు చేయడం ప్రయోజనకరమవుతుంది. మోడళ్లు మరింత సామర్థ్యవంతమైనప్పుడు, ఆ పని మరింత విలువను సృష్టిస్తుంది. వినియోగం పెరిగేకొద్దీ, తదుపరి తరం పరిశోధన, మౌలిక సదుపాయాల్లో పెట్టుబడులు కొనసాగించడానికి అవసరమైన ఆదాయం, వాస్తవ ప్రపంచ అభిప్రాయాలు, డిమాండ్‌పై స్పష్టత మాకు లభిస్తాయి.

మెరుగైన ఇంటెలిజెన్స్ విస్తృత వినియోగానికి దారితీస్తుంది. విస్తృత వినియోగం మరిన్ని పెట్టుబడులకు మద్దతిస్తుంది. మరిన్ని పెట్టుబడులు ఇంటెలిజెన్స్‌ను, సమర్థతను మెరుగుపరుస్తాయి. మేము నిర్మిస్తున్న చక్రం ఇదే.

ఆ చక్రం వినియోగదారులకు ఎంత త్వరగా ప్రయోజనం చేకూరుస్తుందో మా ఇటీవలి ధరల ప్రకటన చూపిస్తుంది. నిన్న మేము GPT‑5.6 Luna ధరను 80 శాతం, GPT‑5.6 Terra ధరను 20 శాతం తగ్గించాం. ఇప్పుడు Lunaకు ప్రతి పది లక్షల ఇన్‌పుట్ టోకెన్లకు $0.20, ప్రతి పది లక్షల అవుట్‌పుట్ టోకెన్లకు $1.20 ఖర్చవుతుంది; Terraకు వరుసగా $2, $12 ఖర్చవుతుంది.

GPT‑5.6 Sol కోసం వేగవంతమైన మోడ్, ఇంటెలిజెన్స్‌లో ఎలాంటి మార్పు లేకుండా, సాధారణ ప్రాసెసింగ్ కంటే రెండింతల ధరకు గరిష్ఠంగా 2.5 రెట్ల వేగాన్ని అందిస్తుంది.

ఇవి కేవలం ధరల జాబితాలో చేసిన మార్పులు కావు. ఇవి ఆచరణ సాధ్యమయ్యే పనుల పరిధిని విస్తరించి, ఇంటెలిజెన్స్, వేగం, విశ్వసనీయత, ఖర్చుల మధ్య సమతుల్యత సాధించేందుకు వినియోగదారులకు మరింత సౌలభ్యాన్ని ఇస్తాయి.

ఏ పనికి ఏ మోడల్ సరిపోతుందనేది సరైన ప్రశ్న కాదు. కావాల్సిన ఫలితాన్ని సాధించడానికి ఎంత ఇంటెలిజెన్స్ అవసరం, అది ఎంత త్వరగా కావాలి, దాన్ని సాధించడానికి ఎంత ఖర్చవ్వాలి అనేవే సరైన ప్రశ్నలు. ఒకే పని ప్రక్రియలో ఈ సమతుల్యత అనేకసార్లు మారవచ్చు.

వినియోగదారులు కేవలం టోకెన్ల కోసమే వాటిని కొనరు. మద్దతు సమస్య పరిష్కారం కావాలని, సాఫ్ట్‌వేర్ విడుదల కావాలని, ఒప్పందం సమీక్షించబడాలని లేదా శాస్త్రీయ ప్రశ్నకు సమాధానం రావాలని వారు కోరుకుంటారు. విజయవంతమైన ఫలితాన్ని సాధించడానికి పట్టే సమయం, పునఃప్రయత్నాలు, పర్యవేక్షణ, లోపాలతో సహా మొత్తం ఖర్చే సరైన కొలమానం.

పనిని సరిగ్గా, సమర్థంగా పూర్తి చేసే శక్తిమంతమైన మోడల్, పదేపదే ప్రయత్నాలు లేదా విస్తృత మానవ జోక్యం అవసరమయ్యే చౌక మోడల్ కంటే చివరికి తక్కువ ఖర్చుతో కూడుకున్నది కావచ్చు. అదే నాణ్యతా ప్రమాణాన్ని అందుకోగలిగితే, తక్కువ ఖర్చు మోడల్ అందుబాటును గణనీయంగా విస్తరించగలదు. సరైన ధరకు గరిష్ఠంగా ఉపయోగపడే ఇంటెలిజెన్స్‌ను వినియోగించడమే మన ముందున్న అవకాశం.

ఆ విలువను అందించడానికి అదనపు డేటా కేంద్రాలను నిర్మించడం మాత్రమే సరిపోదు. ప్రతి కంప్యూటింగ్ యూనిట్‌ను మరింత ఉత్పాదకంగా మార్చాలి.

అది ఎలా ఉంటుందో మా ఇటీవలి ఇంజినీరింగ్ పని వివరిస్తుంది. మా సాంకేతిక బృందాలతో కలిసి GPT‑5.6 Sol, మా మోడళ్లను అందించడానికి ఉపయోగించే ప్రొడక్షన్ సాఫ్ట్‌వేర్‌ను అనుకూలీకరించడంలో సహాయపడి, ప్రారంభం నుంచి ముగింపు వరకు సేవల ఖర్చును 20 శాతం తగ్గించింది. ఇది ఊహాత్మక డీకోడింగ్‌ను మెరుగుపరచడంలో కూడా సహాయపడి, టోకెన్ ఉత్పాదన సమర్థతను 15 శాతానికి పైగా పెంచింది.

అంతే ముఖ్యంగా, సమర్థతను మోడల్ ఒక్కటే నిర్ణయించదు. దాని చుట్టూ ఉన్న వ్యవస్థ కూడా ముఖ్యం. మెరుగైన మార్గనిర్దేశం హార్డ్‌వేర్‌ను ఉత్పాదకంగా ఉంచుతుంది. తెలివైన సందర్భ నిర్వహణ వల్ల ఏజెంట్లు పనిని మళ్లీ చేయాల్సిన అవసరం ఉండదు. మెరుగైన సాధనాలు, ఉత్పత్తి రూపకల్పన ఒక పనిని పూర్తి చేయడానికి అవసరమైన దశల సంఖ్యను తగ్గిస్తాయి.

ఒక ఇటీవలి ప్రమాణ పరీక్ష విశ్లేషణలో, నిలుపుకున్న రీజనింగ్, సందర్భ నిర్వహణలోని మెరుగుదలలు ఆరు రెట్లు తక్కువ అవుట్‌పుట్ టోకెన్లను ఉపయోగిస్తూనే, బహిరంగ ARC-AGI-3 కార్యసమితిలో GPT‑5.6 Sol స్కోర్‌ను 13.3 శాతం నుంచి 38.3 శాతానికి పెంచాయి. మోడల్ మారలేదు. దాని చుట్టూ ఉన్న వ్యవస్థ మారింది.

ఈ ప్రయోజనాలు ఒకదానిపై మరొకటి పెరుగుతాయి. మరింత సామర్థ్యవంతమైన మోడళ్లు కొత్త సమర్థతా మార్గాలను కనుగొనడంలో మా బృందాలకు సహాయపడతాయి. ఆ సమర్థతలు వినియోగదారులకు సేవలందించే ఖర్చును తగ్గించి, అవే మౌలిక సదుపాయాలతో మేము తోడ్పడగల పనుల పరిధిని విస్తరిస్తాయి. అది తదుపరి తరం ఇంటెలిజెన్స్‌ను మరింత అందుబాటులోకి తెస్తుంది.

మౌలిక సదుపాయాలు, మోడళ్లు, ప్లాట్‌ఫామ్, ఉత్పత్తులు—వీటన్నింటినీ అభివృద్ధి చేయడంలో ప్రయోజనం ప్రతి అంచెలో మనం భాగస్వాములం కావడం మాత్రమే కాదు. ప్రతి అంచె మిగతావాటిని మెరుగుపరుస్తుంది.

వాస్తవ ప్రపంచంలో ఉత్పత్తుల వినియోగం ద్వారా వినియోగదారులకు ఎక్కడ విలువ లభిస్తుందో, ఎక్కడ ఆటంకాలు ఎదురవుతున్నాయో తెలుస్తుంది. ఆ అభిప్రాయాలు మా పరిశోధనకు రూపమివ్వడంలో సహాయపడతాయి. పరిశోధనలో మెరుగుదలలు మా ఉత్పత్తులను బలోపేతం చేసి, వాటిని అందించే ఖర్చును తగ్గిస్తాయి. ChatGPT, ChatGPT Work, Codex, ఏపీఐలలోని డిమాండ్, సామర్థ్యాన్ని ఎక్కడ పెంచాలనే విషయంలో మెరుగైన నిర్ణయాలు తీసుకోవడానికి తోడ్పడుతుంది.

ఆ స్థాయి అభ్యాసం ఎంతో ముఖ్యం. మా మోడళ్లు ఇప్పుడు వంద కోట్లకు పైగా క్రియాశీల వినియోగదారులకు, ఇరవై లక్షలకు పైగా వ్యాపారాలకు చేరుతున్నాయి. సాంకేతికతపై నమ్మకం పెరిగేకొద్దీ ప్రజలు దాన్ని మరింత విస్తృతంగా ఉపయోగిస్తారు. నమోదైన ఆరు నెలల తర్వాత, ప్రజలు ప్రతిరోజూ సుమారు 50 శాతం ఎక్కువ సందేశాలు పంపుతున్నారు; దాదాపు రెండింతల రకాల పనులకు ChatGPTని ఉపయోగిస్తున్నారు. ChatGPT Work జ్ఞానాధారిత ఉద్యోగి పాత్ర అర్థాన్నే మారుస్తోంది. ప్రశ్నలకు సమాధానాలు ఇవ్వడం నుంచి సంక్లిష్టమైన, అనేక దశల పనులను పూర్తి చేసే దిశగా—“అడగడం” నుంచి “చేయడం” వైపు—తీసుకెళ్తోంది. OpenAI అంతటా Codex ద్వారా జరిగే ఏజెంట్ ఆధారిత పని ఇప్పుడు వారపు ఉత్పాదన టోకెన్లలో 99.8% వాటా కలిగి ఉంది. ఏజెంట్ ఆధారిత సాధనాలను తమ పని విధానంలో ప్రధాన భాగంగా చేసుకున్న బృందాల్లో ఆర్థిక విభాగం కూడా ఉంది.

సంస్థల లోపల కూడా ఇదే ధోరణి కనిపిస్తోంది. ఒక కంపెనీ ఒక బృందం లేదా ఒక పని ప్రక్రియతో ప్రారంభించవచ్చు. నాణ్యత, ఆర్థిక ప్రయోజనాలు మెరుగుపడేకొద్దీ వినియోగం వివిధ విభాగాలకు విస్తరిస్తుంది; AI వ్యాపార నిర్వహణలో భాగమవుతుంది.

దీనివల్ల డిమాండ్, ఉత్పత్తి మెరుగుదల, సామర్థ్యం, మౌలిక సదుపాయాల ప్రణాళిక మధ్య విలువైన అభిప్రాయ చక్రం ఏర్పడుతుంది. దీనికోసం ప్రతి ఆస్తినీ సొంతం చేసుకోవాల్సిన లేదా ప్రతి భాగాన్నీ మనమే నిర్మించాల్సిన అవసరం లేదు. వినియోగదారులకు ఏది ఉత్తమంగా ఉపయోగపడుతుందో, ఆర్థికంగా ఏది అత్యంత సమంజసమో బట్టి మనం సొంతం చేసుకోవచ్చు, భాగస్వామ్యం కుదుర్చుకోవచ్చు లేదా కొనుగోలు చేయవచ్చు. వ్యవస్థను సమన్వయం చేయడం, దానిలోని అన్ని భాగాల నుంచి నేర్చుకోవడమే ముఖ్యం.

AI మౌలిక సదుపాయాలను అవసరానికి ఏళ్ల ముందే ప్రణాళిక చేయాలి. అయితే మోడళ్లు, ఉత్పత్తులు, వినియోగదారుల డిమాండ్ మరింత వేగంగా మారుతాయి. ఈ వేగాల్లోని వ్యత్యాసం వల్ల క్రమశిక్షణ అత్యవసరమవుతుంది.

వినియోగదారులు, పనిభారం పెరుగుదల, సంస్థల నిబద్ధతలు, ఏపీఐ వినియోగం, వనరుల వినియోగ స్థాయి, ఆదాయం, మోడల్ సామర్థ్యం మరియు సమర్థతలో పురోగతి వంటి ఆధారాలపైనే మా పెట్టుబడి నిర్ణయాలు ఉంటాయి. ప్రాజెక్టులను ఎప్పుడు ముందుకు తీసుకెళ్లాలో నిర్ణయించడంలో సాంకేతిక, వాణిజ్య మైలురాళ్లు సహాయపడతాయి. భారీ స్థాయిలో అందించడానికి అవసరమైన ఆర్థిక వనరులు, మౌలిక సదుపాయాలు, నిర్వహణ నైపుణ్యాన్ని దీర్ఘకాలిక భాగస్వామ్యాలు ఏకతాటిపైకి తెస్తాయి.

ఆ వృద్ధికి మద్దతివ్వడంలో ఉత్పత్తుల ఆదాయం, ప్రైవేట్ పెట్టుబడి, వాణిజ్య భాగస్వామ్యాలు వేర్వేరు పాత్రలు పోషిస్తాయి. అత్యధిక మౌలిక సదుపాయాలను నిర్మించడం మా లక్ష్యం కాదు. విశ్వసనీయమైన డిమాండ్‌కు అనుగుణంగా, సరైన సమయంలో, సరైన సామర్థ్యాన్ని అమలు చేయడమే లక్ష్యం.

నా దృష్టిలో కీలక ప్రశ్నలు సూటిగా ఉంటాయి: కొత్త సామర్థ్యం ఎంత త్వరగా ఉత్పాదకంగా మారుతుంది? దాన్ని ఎంత సమర్థంగా ఉపయోగిస్తున్నాం? అది వినియోగదారుల ఏ డిమాండ్‌కు మద్దతిస్తుంది? ఉపయోగకరమైన ఇంటెలిజెన్స్‌ను అందించే ఖర్చును సాంకేతిక పురోగతి ఎంత వేగంగా తగ్గించగలదు?

ఆ ప్రశ్నలు దీర్ఘకాలిక ఆకాంక్షను నిర్వహణ క్రమశిక్షణతో అనుసంధానిస్తాయి.

మనం ఇంకా ప్రారంభ దశలోనే ఉన్నాం. మరింత సామర్థ్యమున్న వ్యవస్థలు సుదీర్ఘ ప్రాజెక్టులను పూర్తి చేస్తాయి, వివిధ సాధనాల మధ్య సమన్వయం చేస్తాయి, ఒక ఆలోచన నుంచి తుది ఫలితం వరకు అవసరమైన మరింత పనిని నిర్వహిస్తాయి. ఇప్పటివరకు చాలా పెద్ద సంస్థలకే అందుబాటులో ఉన్న సామర్థ్యాలు వ్యక్తులకు, చిన్న వ్యాపారాలకు లభిస్తాయి. సంస్థలు తమ కార్యకలాపాలన్నింటిలో ఇంటెలిజెన్స్‌ను మరింత విస్తృతంగా ఉపయోగిస్తాయి.

ఎక్కువ కంప్యూటింగ్ శక్తి, పెద్ద మోడళ్లు లేదా తక్కువ టోకెన్ ధరలు మాత్రమే మా లక్ష్యం కాదు. మరింత ఉపయోగకరమైన ఇంటెలిజెన్స్‌ను అందుబాటులోకి తీసుకురావడమే లక్ష్యం.

సమృద్ధి అంటే ఇదే: నిరంతరం మరింత సామర్థ్యవంతంగా, మరింత చౌకగా మారుతూ, ఉపయోగించే వారికి మరింత విలువనిచ్చే ఇంటెలిజెన్స్. ఇది ఎంత ఉపయోగకరమైన పనిని సాధ్యం చేస్తోంది, ఎంత సమర్థంగా అందిస్తున్నాం, దీని ప్రయోజనాలను ఎంత విస్తృతంగా పంచగలుగుతున్నాం అనే అంశాల ఆధారంగా మా పురోగతిని కొలుస్తాం.