Jaunākais OpenAI modelis iemaina tīru IQ pret strādnieku darba ētiku

Standarta stāsts par mākslīgo intelektu liecina, ka katrs jauns izlaidums ir milzīgs lēciens intelektuālajās spējās. Mēs gaidām, ka modeļi risinās sarežģītākus matemātikas uzdevumus, rakstīs labāku dzeju un galu galā pārspēs savus radītājus. OpenAI GPT-5.6 Sol izlaidums apstrīd šo pieņēmumu. Tā vietā, lai piedāvātu tikai intelektuālu uzlabojumu, Sol ir pāreja uz praktisku, uzticamu darbaspēku. Šis modelis ir mazāk norūpējies par to, lai būtu gudrākā būtne telpā, un vairāk koncentrējas uz to, lai faktiski pabeigtu darbus jūsu digitālajā uzdevumu sarakstā.

Pēc divu nedēļu perioda, kurā ASV Tirdzniecības departaments ierobežoja modeļa pieejamību nelielai partneru grupai, Sol tagad ir pieejams plašai sabiedrībai. Tas parādās kopā ar diviem mazākiem modeļiem — Terra un Luna —, iezīmējot būtiskas izmaiņas tajā, kā OpenAI nosauc un organizē savas tehnoloģijas. Šis izlaidums ir tieša atbilde tirgum, kas arvien vairāk nogurst no tērzēšanas robotiem, kuri halucinē, un tā vietā meklē rīkus, kas spēj tikt galā ar sarežģītiem, daudzpakāpju uzdevumiem bez pastāvīgas uzraudzības.

Jaunais debesu ķermeņu sastāvs jūsu pārlūkprogrammā

OpenAI ir atteikusies no numurētās versiju sistēmas, kas definēja GPT ēru. Tās vietā ir ieviesta trīs līmeņu sistēma, kas nosaukta debesu ķermeņu vārdā. Sol ir flagmanis, augstas veiktspējas modelis sarežģītam inženiertehniskajam un radošajam darbam. Terra ir vidusceļa modelis, kas izstrādāts, lai atbilstu iepriekšējā GPT-5.5 iespējām, taču par pusi lētāk. Luna ir budžetam draudzīga iespēja, kas paredzēta vienkāršiem uzdevumiem un ātrdarbīgām atbildēm.

Šī pakāpeniskā pieeja atspoguļo to, kā mēs pērkam klēpjdatorus vai automašīnas. Ne katram uzdevumam ir nepieciešams superdators. Studentam, kurš apkopo lekcijas saturu, pietiek ar Luna. Izstrādātājam, kurš veido jaunu lietotni, Sol ir nepieciešamā izvēle. Šāda struktūra ļauj OpenAI atjaunināt atsevišķus modeļus dažādos laika posmos. Ja viņi atrod veidu, kā padarīt Luna ātrāku, viņi var to atjaunināt, negaidot izrāvienu Sol pamata loģikā.

Zem pārsega Sol ievieš funkciju, ko sauc par ultra režīmu. Šī konfigurācija ļauj modelim darboties kā apakšaģentu vadītājam. Vienkāršāk sakot, Sol ir nenogurdināms praktikants, kurš prot deleģēt uzdevumus. Ja uzticat tam sarežģītu projektu, tas nemēģina to atrisināt vienā piegājienā. Tas sadala projektu mazākos gabalos un piešķir šos gabalus iekšējiem apakšmodeļiem. Šī metode ļauj tam koncentrēties uz uzdevumu stundām vai pat dienām, nepazaudējot sākotnējo mērķi.

Digitālā darba izmaksu analīze

MI ekonomika bieži vien ir paslēpta aiz ikmēneša abonēšanas maksām, taču reālā kustība notiek API tirgū. OpenAI ir noteikusi Sol cenu 5 USD par miljonu ievades žetonu un 30 USD par miljonu izvades žetonu. Lai to aplūkotu perspektīvā, miljons žetonu ir aptuveni 750 000 vārdu. Uzņēmumam tā ir digitālās jēlnaftas cena, kas darbina to automatizētās sistēmas.

Raugoties uz kopējo ainu, OpenAI pozicionē Sol kā premium, taču pieejamu variantu. Tas ir ievērojami lētāks nekā Anthropic Fable 5 un xAI Grok 4.5. Tomēr tas joprojām maksā dārgāk nekā Google novecojošais Gemini 3 un agresīvie zemo izmaksu modeļi no Ķīnas ražotājiem, piemēram, Xiaomi un DeepSeek. Vidējam lietotājam tas nozīmē, ka augstākās klases MI izmaksas krītas, taču plaisa starp ASV flagmaņiem un globālajām budžeta alternatīvām palielinās.

Veiktspēja komandrindas ierakumos

Veiktspējas testi sniedz vienīgo objektīvo veidu, kā salīdzināt šos modeļus, un Sol izceļas jomās, kas saistītas ar faktisku darbu. Terminal-Bench 2.1 testā, kas mēra to, cik labi MI izmanto datora termināļus un komandrindas rīkus, Sol sasniedza 91,9% rezultātu savā ultra konfigurācijā. Šis tests ir grūts, jo tam nepieciešams, lai modelis plānotu daudzpakāpju darba plūsmu un labotu savas kļūdas procesa gaitā.

Sol pašlaik apsteidz konkurentus šajā konkrētajā jomā. Tas pārspēj Claude Fable 5 un ierobežoto Claude Mythos 5. Šī veiktspēja ir iemesls, kāpēc agrīnie testētāji, piemēram, Teo, T3 Chat izpilddirektors, raksturo Sol kā pasaules līderi datora lietošanā. Tas ir rīks, kas paredzēts cilvēkiem, kuriem nepieciešams automatizēt darbvirsmas uzdevumus — no tūkstošiem failu šķirošanas līdz koda rakstīšanai un testēšanai dažādās vidēs.

Drošības jomā OpenAI testēja Sol ar ExploitBench. Šis tests mēra modeļa spēju atrast un izmantot programmatūras ievainojamības. Sol atbilda vismodernāko ierobežoto modeļu veiktspējai, taču izmantoja tikai trešdaļu žetonu. Būtībā Sol efektīvāk pamana problēmas nekā tā priekšgājēji. OpenAI apgalvo, ka, lai gan Sol ir labāks kiberuzdevumos, tas nepārkāpj robežu, lai kļūtu par bīstamu rīku liela mēroga kiberkaram. Tas joprojām ir aizsardzības un izmeklēšanas palīgs, nevis digitālais ierocis.

Ikdienas auto pret pārgaismas dzinēju

Lietotāju atsauksmes izceļ skaidru sadalījumu MI tirgū. Dens Šipers no Every salīdzināja Sol ar Porsche, bet Fable ar pārgaismas dzinēju (warp drive). Sol ir transportlīdzeklis, kuru vēlaties ikdienas braucieniem caur zināšanu darbu. Tas ir ātrs, uzticams un pietiekami jaudīgs gandrīz visam. Fable joprojām ir izvēle abstraktākajām, sarežģītākajām problēmām, kurām nepieciešams lēciens spriešanā.

Lielākajai daļai cilvēku pamanāmākais faktors ir rakstīšanas kvalitātes atšķirība. Pētnieki, piemēram, Daiči Konno, atzīmē, ka, lai gan Sol ir izcils bioloģijā un kodēšanā, Anthropic joprojām ir neliels pārsvars radošajā un niansētajā rakstīšanā. Sol ir utilitārs modelis. Tas ir neredzamais mugurkauls produktīvai darba dienai. Tas apstrādā bioloģijas jautājumus un dzīvības zinātņu datus, nepaklūpot aiz agresīvajiem drošības filtriem, kas bieži padara citus modeļus nederīgus zinātniskiem pētījumiem.

Interesanti, ka Sol parādījās tieši tad, kad Anthropic mainīja abonēšanas noteikumus. Fable 5 nesen pārgāja uz lietošanas kredītu sistēmu daudziem lietotājiem, padarot to par dārgāku un ierobežotāku resursu. Šis laiks padara Sol par ļoti pievilcīgu alternatīvu profesionāļiem, kuriem nepieciešams flagmaņa modelis, ko viņi var izmantot visu dienu, neuztraucoties par stingru iknedēļas ziņojumu ierobežojumu sasniegšanu.

Kāpēc Google un Meta ir izņēmumi

MI tirgus pašlaik attīstās tādā tempā, ka seši mēneši šķiet kā desmitgade. Sol ir jaunākais flagmanis, kas izlaists tikai dažas stundas pēc Meta Muse Spark 1.1 un vienu dienu pēc xAI Grok 4.5. Šis izlaidumu kopums ir atstājis Google neparastā pozīcijā. Tā Gemini 3 modelis tagad ir vecākais flagmanis, kas joprojām darbojas ASV tirgū, jo tika izlaists 2025. gada beigās.

Patērētājam šī konkurence ir milzīgs ieguvums. Mēs redzam sacensību uz leju cenā un sacensību uz augšu lietderībā. Meta ienākšana maksas modeļu telpā ar Muse Spark 1.1 rada papildu spiedienu. Pat ja šie modeļi nav ievērojami gudrāki par to, kas mums bija pagājušajā mēnesī, tie kļūst daudz spējīgāki mijiedarboties ar reālo pasauli. Tie iziet no tērzēšanas lodziņa un nonāk mūsu failu sistēmās, pārlūkprogrammās un koda redaktoros.

Praktiskā ietekme uz jūsu digitālajiem paradumiem

Jums tas nozīmē pārmaiņas tajā, kā būtu jāpārvalda savi MI rīki. Mēs attālināmies no ēras, kurā viens 20 USD abonements sedz visu. Ar tādiem modeļiem kā Sol, Terra un Luna jums tagad ir izvēles iespējas, pamatojoties uz uzdevuma intensitāti. Ja esat parasts lietotājs, lētākie Luna modeļi, visticamāk, kļūs par noklusējuma izvēli lietotnēs, kuras izmantojat katru dienu. Ja esat pieredzējis lietotājs, jaunais ultra režīms Sol nodrošina tādu automatizācijas līmeni, kas iepriekš nebija iespējams bez cilvēku asistentu komandas.

Būtība ir tāda, ka šo modeļu intelekts nostabilizējas, bet to lietderība strauji pieaug. Jums vajadzētu novērot savus paradumus. Ja pamanāt, ka izmantojat MI vienkāršiem kopsavilkumiem, pārbaudiet, vai jūsu pakalpojumu sniedzējs nav pārslēdzis jūs uz tādu modeli kā Terra vai Luna, lai ietaupītu naudu. Ja esat izstrādātājs, sāciet eksperimentēt ar maksimālās spriešanas piepūles iestatījumiem. MI nākotne nav saistīta ar sarunām ar dievišķu būtni. Tā ir saistīta ar augsti efektīva, automatizēta personāla vadīšanu, kas strādā par santīmiem stundā.

Avoti: OpenAI produktu paziņojums, Anthropic abonēšanas atjauninājumi, xAI oficiālie izlaidumi, Terminal-Bench 2.1 publiskie dati, ExploitBench metodoloģijas ziņojumi.