ورقة بحثية من OpenAI تسرب تفاصيل مجموعة نماذج GPT-5.6 Pro الجديدة متعددة المستويات

كشفت ورقة بحثية حديثة حول معايير الجينوم أصدرتها OpenAI، عن طريق الخطأ، الستار عن مستقبل ChatGPT Pro. وبدلاً من نموذج رائد واحد، تشير البيانات إلى أن OpenAI تُعد مجموعة "Pro" متطورة مكونة من ثلاثة مستويات، صُممت لتحقيق التوازن بين قوة الاستنتاج، والإنتاجية، والتكلفة.

الركائز الثلاث: Sol و Terra و Luna Pro

طوال معظم تاريخها، كان عرض "Pro" من OpenAI يعمل كمستوى واحد متجانس — وهو أفضل نموذج متاح للمستخدمين المتقدمين. ومع ذلك، تقدم ورقة الجينوم المسربة ثلاثة متغيرات "Pro (Extended)" متميزة تعكس بنية GPT-5.6 الحالية: Sol Pro، و Terra Pro، و Luna Pro.

بناءً على معايير القياس، يتم تصنيف هذه النماذج حسب فائدتها المنشودة:

  • Sol Pro: القوة الضاربة في الاستنتاج العالي، والمصممة للمهام التحليلية الأكثر تعقيداً ومتعددة الخطوات.
  • Terra Pro: متغير عالي الحجم مُحسَّن لأعباء العمل التجارية الضخمة والإنتاجية على مستوى المؤسسات.
  • Luna Pro: متغير خفيف وسريع وفعال من حيث التكلفة، مخصص للاستفسارات اليومية عالية التكرار.

قياس قفزة الأداء

توفر معايير الجينوم دليلاً ملموساً على فارق الأداء بين النماذج القياسية ونظيراتها من فئة Pro. وقد قامت الدراسة بقياس "معدل النجاح" (pass rate) — أي القدرة على إكمال تحليل متعدد الخطوات دون خطأ — عبر مجموعة تضم 129 مهمة.

تشير النتائج إلى أن متغيرات Pro توفر تعزيزات كبيرة في الذكاء، لا سيما في المستويات الأدنى. وقد برز Sol Pro كقائد بلا منازع، حيث حقق معدل نجاح بنسبة 31.5%. وهذا يتفوق على نموذج Sol القياسي (28.7%) ويتجاوز بشكل كبير العمالقة الحاليين في الصناعة، مثل Claude Opus 4.8، الذي سجل 16.0%.

ومن المثير للاهتمام أن "تعزيز Pro" ليس موحداً؛ إذ تظهر البيانات أن الحوسبة الإضافية تحقق عوائد متناقصة مع زيادة تعقيد النموذج. فبينما شهد Luna Pro قفزة هائلة قدرها 7 نقاط مقارنة بنسخته القياسية، شهد Sol Pro زيادة أكثر تواضعاً بأقل من 3 نقاط. ومن الجدير بالذكر أن Terra Pro وصل إلى معدل نجاح بنسبة 28.5%، مما يعني أن نموذج Pro عالي الحجم من OpenAI يعمل بشكل يقارب أداء نموذج Sol الرائد القياسي.

تحول استراتيجي في نشر الذكاء الاصطناعي

يمثل هذا الكشف تحولاً جوهرياً في استراتيجية منتجات OpenAI. فمن خلال الابتعاد عن مستوى Pro الذي يتبع مبدأ "مقاس واحد يناسب الجميع"، تعالج OpenAI نقطة الاحتكاك الرئيسية للمطورين والمؤسسات: المفاضلة بين الذكاء والكفاءة.

إن توفير "Terra Pro" الذي يضاهي ذكاء النماذج الرائدة ولكنه مُحسَّن للكميات الكبيرة، يسمح للشركات بتوسيع نطاق وكلاء الذكاء الاصطناعي (AI agents) دون التكاليف الباهظة لنماذج الاستنتاج الصرفة. وبالمثل، يوفر "Luna Pro" حلاً وسطاً للمستخدمين الذين يحتاجون إلى موثوقية أكبر من النموذج القياسي ولكن لا يمكنهم تحمل زمن الاستجابة (latency) الخاص بتشغيل نموذج Sol الكامل.

ورغم أن OpenAI لم تعلق رسمياً على هذه الأسماء أو تكاليف الرموز (tokens) المحددة — والتي غابت بشكل ملحوظ عن حسابات الحوسبة في الورقة البحثية — إلا أن خارطة الطريق التقنية واضحة. إن عصر النموذج الرائد الوحيد ينتهي، ليحل محله نظام بيئي متخصص من النماذج ذات المستوى الاحترافي.

أهم النقاط المستخلصة

  • بنية Pro متعددة المستويات: من المرجح أن تتجه OpenAI نحو مجموعة Pro مكونة من ثلاثة نماذج (Sol و Terra و Luna) بدلاً من اشتراك واحد من الفئة العليا.
  • استنتاج فائق: وضع Sol Pro معياراً جديداً في علم الجينوم بمعدل نجاح قدره 31.5%، متفوقاً بشكل كبير على المنافسين مثل Claude Opus 4.8.
  • مكاسب الكفاءة: تتيح البنية الجديدة للمستخدمين الاختيار بين أقصى قوة استنتاج، أو إنتاجية عالية الحجم، أو سرعة فعالة من حيث التكلفة.