‏اوپن‌ای‌آی جی‌پی‌تی-۵ را عرضه کرد؛ چند روز پس از نسخه پیشین، در حالی که خروج از «کویت‌جی‌پی‌تی» شدت می‌گیرد.

‏OpenAI روز پنجشنبه، عرضه مدل GPT-5.4 را که پیشرفته‌ترین مدل این شرکت تا به امروز است، آغاز کرد. این اقدام در حالی صورت می‌گیرد که شرکت در تلاش است بحران روابط عمومی را مهار کند؛ بحرانی که باعث شده حدود ۲.۵ میلیون کاربر اقداماتی علیه این شرکت انجام دهند، از جمله لغو اشتراک یا به اشتراک گذاشتن تحریم در شبکه‌های اجتماعی.

جنبش QuitGPT و قرارداد با وزارت دفاع آمریکا

جنبش موسوم به QuitGPT پس از افشای توافق OpenAI با وزارت دفاع ایالات متحده، چند ساعت پس از آنکه Anthropic به طور علنی از همان قرارداد کناره‌گیری کرد، به اوج خود رسید. این اقدام باعث خشم عمومی پرزیدنت ترامپ و سایر مقامات دولتی شد.

نقطه اختلاف Anthropic این بود که وزارت دفاع از گنجاندن زبانی که صریحاً استقرار سلاح‌های خودکار و نظارت گسترده بر شهروندان آمریکایی را ممنوع کند، خودداری کرد.

OpenAI با این وجود، قرارداد را پذیرفت. سم آلتمن، مدیرعامل این شرکت، که به سوالات در مورد شکاف آشکار بین خطوط قرمز ایمنی اعلام شده شرکتش و زبان واقعی قرارداد پاسخ می‌دهد، به دنبال بازگرداندن این کاربران است.

معرفی GPT-5.4 و ویژگی‌های جدید

GPT-5.4، تنها دو روز پس از معرفی GPT-5.3، وارد میدان شد.

مدل جدید، قابلیت‌های استدلال، کدنویسی و عاملیت را در یک نسخه واحد ادغام می‌کند. همچنین دارای یک میلیون توکن ظرفیت زمینه است که به کاربران آزادی بیشتری برای مدیریت حجم زیادی از اطلاعات در یک جلسه می‌دهد.

عملکرد و مقایسه با مدل‌های قبلی

از نظر آماری، اعداد امیدوارکننده به نظر می‌رسند. در GDPval – یک معیار برای آزمایش کار دانش در ۴۴ شغل – GPT-5.4 در ۸۳.۰٪ از مقایسه‌ها با متخصصان صنعت برابری می‌کند یا از آن‌ها پیشی می‌گیرد، در حالی که این رقم برای GPT-5.2، ۷۰.۹٪ بوده است. بزرگترین جهش در استفاده از کامپیوتر مشاهده می‌شود: در OSWorld-Verified، که توانایی یک مدل را در کار با دسکتاپ از طریق اسکرین‌شات‌ها و اقدامات ماوس/صفحه کلید اندازه‌گیری می‌کند، GPT-5.4 به نرخ موفقیت ۷۵.۰٪ می‌رسد، در حالی که این رقم برای GPT-5.2، ۴۷.۳٪ بوده است و از خط پایه انسانی ۷۲.۴٪ نیز فراتر می‌رود.

در BrowseComp، یک آزمایش برای تحقیقات عمیق وب، این مدل ۱۷ درصد نسبت به GPT-5.2 جهش داشته است. پنجره زمینه ۱ میلیون توکنی و ویژگی هدایت در میانه پاسخ – که به کاربران اجازه می‌دهد مدل را در حین تفکر هدایت کنند – از دیگر ویژگی‌های برجسته این مدل هستند.

این ویژگی با جلوگیری از نیاز به دور انداختن تمام توکن‌های تولید شده قبلی در صورت شناسایی خطا، در زمان و محاسبات صرفه‌جویی می‌کند.

مهم است که توجه داشته باشیم که برخی از معیارها عمدتاً GPT-5.4 را با GPT-5.2 مقایسه می‌کنند – و در بیشتر مواقع، استدلال با تلاش فوق‌العاده بالا تنظیم شده است، که کاربران رایگان و Plus از آن بهره‌مند نمی‌شوند – و به طور کامل از GPT-5.3 عبور می‌کنند.

برای کاربرانی که در حال حاضر از GPT-5.3 استفاده می‌کنند، ممکن است چندین پیشرفت نسبت به آنچه نمودارها نشان می‌دهند، تدریجی‌تر به نظر برسد.

انتظارات برنامه‌نویسان و بهینه‌سازی توکن

برنامه‌نویسان بیشترین دلیل را برای تعدیل انتظارات دارند: در SWE-Bench Pro، پیشرفت از GPT-5.3-Codex (56.8%) به GPT-5.4 (57.7%) تقریباً ناچیز است. این مدل همچنین ادعا می‌کند که برای تکمیل وظایف، به توکن‌های بسیار کمتری نسبت به GPT-5.2 نیاز دارد.

OpenAI اعلام کرده است: «GPT-5.4 کارآمدترین مدل استدلال ما تا به امروز است که در مقایسه با GPT-5.2، از توکن‌های بسیار کمتری برای حل مشکلات استفاده می‌کند.»

با این حال، هرگونه پیشرفت در این زمینه برای توسعه‌دهندگانی که از مدل‌های OpenAI از طریق API استفاده می‌کنند و بر اساس توکن‌های استفاده شده هزینه پرداخت می‌کنند، مثبت است. یک مدل با زنجیره فکری کارآمد ممکن است نتایج مشابهی را با کسری از هزینه ارائه دهد، در مقایسه با مدلی که تمایل دارد برای اطمینان از رسیدن به نتیجه صحیح، بیش از حد فکر کند.

زمان‌بندی عرضه و تمرکز بر کاربران سازمانی

یک نکته دیگر برای کسانی که امیدوارند همین حالا از مدل جدید استفاده کنند وجود دارد: OpenAI می‌گوید GPT-5.4 امروز منتشر خواهد شد، اما تا زمان نگارش این مقاله هنوز در دسترس نبود، بنابراین احتمالاً به تدریج عرضه می‌شود. برای اکثر کاربران، بهترین مدل GPT 5.3 است و فقط می‌توان از آن برای پاسخ‌های فوری استفاده کرد، به این معنی که پاسخ‌هایی ارائه می‌دهد که به تلاش زیادی نیاز ندارند.

کاربرانی که به تفکر – اصطلاح OpenAI برای استدلال زنجیره‌ای طولانی‌مدت در مورد وظایف پیچیده – متکی هستند، هنوز از GPT-5.2 استفاده می‌کنند. به عبارت دیگر، کاربرانی که احتمالاً محدودیت‌های مدل را به چالش می‌کشند، آخرین کسانی هستند که آن را دریافت می‌کنند.

بزرگترین ذینفعان، کاربران سازمانی هستند که کارهای سنگین با اسناد انجام می‌دهند. در یک معیار مدل‌سازی صفحه گسترده داخلی، GPT-5.4 امتیاز ۸۷.۳٪ را در مقابل ۶۸.۴٪ GPT-5.2 کسب کرد. شرکت تحقیقات حقوقی Harvey اعلام کرد که در ارزیابی BigLaw Bench خود ۹۱٪ امتیاز کسب کرده است. Mainstay، که عوامل را در ۳۰,۰۰۰ پورتال مالیات بر دارایی اجرا می‌کند، نرخ موفقیت در اولین تلاش ۹۵٪ و جلساتی را که «~۳ برابر سریع‌تر و با استفاده از ~۷۰٪ توکن کمتر» اجرا می‌شوند، گزارش کرد.

این نوع استدلال کارآمدی است که ممکن است برای تیم‌های تدارکات سازمانی اهمیت داشته باشد – اما فروش آن به کاربرانی که در حال تجدید نظر در مورد حذف حساب خود هستند، دشوارتر است.