OpenAI GPT-5.6 Sol وTerra وLuna: تفاصيل الأداء والتسعير والكفاءة
تتضمن سلسلة GPT-5.6 من OpenAI ثلاثة مستويات من النماذج: Sol وTerra وLuna. بدلاً من تقديم نموذج واحد لجميع أحمال العمل، تقوم OpenAI بتقسيم السلسلة حسب القدرة والتكلفة والإنتاجية: - GPT-5.6 Sol هو النموذج الرائد، مناسب للأعمال المهنية المعقدة والبرمجة والبحث والأمن السيبراني ومهام الوكيل طويلة الأجل. - GPT-5.6 Terra موجه لأحمال العمل التي لا تزال تتطلب ذكاءً قويًا ولكن بقيود تكلفة أكثر صرامة. - GPT-5.6 Luna هو العضو الأسرع والأقل سعرًا في السلسلة.
OpenAI GPT-5.6 Sol وTerra وLuna: تفاصيل الأداء والتسعير والكفاءة
مقدمة
تتضمن سلسلة GPT-5.6 من OpenAI ثلاث طبقات من النماذج: Sol وTerra وLuna.
بدلاً من تقديم نموذج واحد لجميع أعباء العمل، تقوم OpenAI بتمييز السلسلة حسب القدرات والتكلفة والإنتاجية:
- GPT-5.6 Sol هو النموذج الرئيسي، المصمم للأعمال المهنية المعقدة والبرمجة والبحث والأمن السيبراني ومهام الوكلاء طويلة الأمد.
- GPT-5.6 Terra موجه لأعباء العمل التي لا تزال تتطلب ذكاءً قوياً ولكن بمتطلبات تكلفة أكثر صرامة.
- GPT-5.6 Luna هو العضو الأسرع والأقل سعراً في السلسلة، ومناسب لأعباء العمل الحساسة للتكلفة وعالية الإنتاجية.
استعرضت OpenAI السلسلة لأول مرة في يونيو 2026، وأطلقتها بالكامل في 9 يوليو. نُشر المقال المصدر لـ AIBase في 30 يوليو، مع التركيز على تحسينات الكفاءة وراء هذا الإطلاق: أداء أفضل لكل رمز مميز، وطبقات نماذج أقل تكلفة، وتحسينات في البنية التحتية ودورات الوكلاء تهدف إلى خفض التكلفة الإجمالية لإنجاز العمل الفعلي.
هذا التركيز حاسم. بالنسبة لأنظمة AI الإنتاجية، فإن المقياس ذا الصلة ليس فقط مدى ذكاء النموذج بمعزل عن الآخرين، بل مقدار العمل المفيد الذي يمكنه إنجازه في وقت وحوسبة وأموال معينة.
ثلاثة نماذج GPT-5.6 لأعباء عمل مختلفة
تصف OpenAI نماذج Sol وTerra وLuna كطبقات قدرة دائمة، وليست لواحق مؤقتة.
يحدد رقم الجيل سلسلة GPT-5.6، بينما تميز الأسماء مستويات الأداء والتكلفة المتوقعة.
| النموذج | التموضع | سعر الإدخال عبر API | سعر الإخراج عبر API | نافذة السياق | أقصى إخراج |
|---|---|---|---|---|---|
| GPT-5.6 Sol | النموذج الرئيسي للأعمال المهنية المعقدة | 5 دولارات لكل مليون رمز مميز | 30 دولاراً لكل مليون رمز مميز | 1,050,000 رمز مميز | 128,000 رمز مميز |
| GPT-5.6 Terra | توازن بين الذكاء والتكلفة | 2.50 دولار لكل مليون رمز مميز | 15 دولاراً لكل مليون رمز مميز | 1,050,000 رمز مميز | 128,000 رمز مميز |
| GPT-5.6 Luna | أعباء العمل عالية الإنتاجية والحساسة للتكلفة | 1 دولار لكل مليون رمز مميز | 6 دولارات لكل مليون رمز مميز | 1,050,000 رمز مميز | 128,000 رمز مميز |
جميع صفحات النماذج الثلاثة تذكر تاريخ قطع المعرفة في 16 فبراير 2026، وتدعم الإدخال النصي مع الصور والإخراج النصي.
اسم gpt-5.6 المستعار لـ API يوجه إلى GPT-5.6 Sol.
GPT-5.6 Sol: النموذج الرئيسي
Sol هو أقوى طبقة GPT-5.6 من OpenAI.
تضعه OpenAI للاستخدام في:
- البرمجة المعقدة
- مهام سير عمل الوكلاء طويلة الأمد
- العمل المهني المتخصص
- البحث العلمي
- الأمن السيبراني
- استخدام الحاسوب
- التحليل متعدد الوسائط
- مهام الاستدلال عالية القيمة
على مؤشر وكلاء البرمجة الاصطناعية v1.1 من Artificial Analysis، تذكر OpenAI أن GPT-5.6 Sol حصل على درجة 80 في وضع الاستدلال الأقصى، مقارنة بـ 77.2 لـ Claude Fable 5 في نفس الجدول.
تشير OpenAI أيضاً إلى أن Sol استخدم في هذه المقارنة أقل من نصف رموز الإخراج وأقل من نصف الوقت، مع تكلفة مهمة تقديرية أقل.
هذا لا يعني أن Sol أفضل بشكل شامل في كل معيار. جداول الإطلاق الخاصة بـ OpenAI تُظهر أن النماذج المنافسة تتصدر في بعض التقييمات. نقطة التسويق الأكثر اتساقاً لـ GPT-5.6 هي الأداء لكل رمز مميز ولكل دولار، وليس التفوق الشامل في كل فئة مهمة.
GPT-5.6 Terra: الطبقة المتوازنة
Terra هو النموذج الوسيط في السلسلة.
تصف OpenAI قدراته بأنها مكافئة لمستوى GPT-5.5، بينما تتقاضى:
- 2.50 دولار لكل مليون رمز إدخال
- 15 دولاراً لكل مليون رمز إخراج
هذا يعادل نصف تسعير الطبقة الرئيسية السابقة البالغ 5 دولارات / 30 دولاراً.
لذلك، Terra مناسب لأعباء العمل التي تحتاج فيها الفرق إلى استدلال قوي وقدرات وكيل، ولكن دون الحاجة إلى استخدام Sol لكل طلب.
تشمل الأمثلة النموذجية:
- وكلاء المؤسسات الداخلية
- الوكلاء الفرعيون للبرمجة
- تحليل المستندات
- سير العمل البحثي
- الأتمتة كثيفة الأدوات
- المهام المهنية عالية الحجم
يدعم النموذج نفس نافذة السياق البالغة 1.05 مليون رمز مميز وأقصى إخراج يبلغ 128,000 رمز مميز مثل Sol.
GPT-5.6 Luna: أقل طبقة GPT-5.6 تكلفة
Luna مصمم لأعباء العمل التي تكون فيها الإنتاجية والتكلفة الأكثر أهمية.
أسعار API الخاصة به هي:
- 1 دولار لكل مليون رمز إدخال
- 6 دولارات لكل مليون رمز إخراج
هذا يجعل تسعير الإدخال والإخراج أقل بنسبة 80% من Sol.
تصف OpenAI Luna بأنه نموذج GPT-5.6 الأسرع والأكثر تكلفة معقولة. إنه مناسب لأعباء العمل التالية:
- التصنيف
- الاستخراج
- التوجيه
- المعالجة عالية الحجم
- الوكلاء خفيفو الوزن
- المهام الهيكلية المتكررة
- التطبيقات التي يمكنها رفع الحالات الصعبة إلى Terra أو Sol
السعر المنخفض لا يعني أن Luna مجرد نموذج عملي غير استدلالي. إنه لا يزال يدعم ميزات الاستدلال في GPT-5.6 ونظام أدوات OpenAI، لكن سقف قدرته أقل من Sol.
الكفاءة هي الموضوع الأساسي لـ GPT-5.6
يؤكد مقال AIBase أن GPT-5.6 ليس مجرد ترقية في جودة النموذج.
الهدف الهندسي الأكبر هو زيادة حجم العمل المفيد المنتج لكل رمز مميز وتقليل النفقات العامة لتنفيذ الوكيل.
تدعم مواد الإطلاق الرسمية لـ OpenAI هذا التوجه الأوسع.
تقول الشركة إن GPT-5.6 تم تدريبه لإنجاز عمل مفيد باستخدام رموز إخراج أقل، ويقترح دليل المطورين أنه عند الانتقال من GPT-5.5 أو GPT-5.4، يجب اختبار نفس مستوى جهد الاستدلال - وغالباً بخفض مستوى واحد.
هذا مهم لأن سعر الرمز المميز المُعلن عنه هو فقط جزء من تكلفة الوكيل.
قد يستهلك سير العمل متعدد الخطوات التكاليف من خلال:
- كمية كبيرة من الرموز المميزة في الإشارات
- سياق متكرر
- رموز استدلال
- تعريفات الأدوات
- مخرجات الأدوات
- حلقات إعادة المحاولة
- جولات نموذج متعددة
- وكلاء فرعيون
- استجابات نهائية طويلة
لذلك، قد يكون النموذج الذي يتطلب خطوات أقل أرخص في التطبيق الفعلي، حتى لو كان سعره الاسمي لكل رمز مميز يبدو متقارباً.
أداء Sol في البرمجة يحسن نسبة الأداء لكل دولار
تركز المقالة الأصلية على أداء وكيل الترميز الخاص بـ Sol.
جدول المعايير الحالي من OpenAI
التقرير:
| تقييم الترميز | GPT-5.6 Sol | GPT-5.6 Terra | GPT-5.6 Luna | GPT-5.5 |
|---|---|---|---|---|
| مؤشر كفاءة الترميز بالذكاء الاصطناعي الإصدار 1.1 | 80 | 77.4 | 74.6 | 76.4 |
| SWE-Bench Pro | 64.6% | 63.4% | 62.7% | 59.4% |
| DeepSWE الإصدار 1.1 | 72.7% | 69.6% | 67.2% | 67.0% |
| Terminal-Bench 2.1 | 88.8% | 87.4% | 84.7% | 85.6% |
هذه البيانات مأخوذة من جدول الإطلاق الذي نشرته OpenAI، ويجب قراءتها في سياق إطار التقييم والإعدادات المحددة.
على سبيل المثال، قد تختلف نتائج المعايير تبعًا لعوامل مثل:
- عمق الاستدلال
- إطار الوكيل
- توفر الأدوات
- القيود الزمنية
- عدد بذور التقييم
- لقطة النموذج
- تنسيق المطالبة
تشير OpenAI أيضًا إلى أن بعض مقارنات التكلفة وزمن الوصول تستند إلى تقديرات غير متصلة بالإنترنت بناءً على سلوك الإنتاج، وليس من الفواتير المباشرة لكل خدمة منافسة.
الدرس العملي هو أنه يجب اختبار النماذج في مهام عمل تمثيلية، بدلاً من اختيار النموذج بناءً على قوائم التصنيف فقط.
مجموعة الاستدلال قيد التحسين، وليس النموذج فقط
يصف مصدر AIBase تحسينات على مجموعة الخدمات بأكملها، بما في ذلك:
- موازنة التحميل
- فك التشفير التخميني
- تحسين التخزين المؤقت
- نوى GPU محسّنة
كما أبلغ أن عمل الاستدلال زاد من كفاءة توليد الرموز بأكثر من 15%.
هذه التفاصيل الخاصة بالخدمات الأساسية واردة في تقرير AIBase. تؤكد صفحة الإطلاق العامة الحالية لـ GPT-5.6 من OpenAI على الجهود الأوسع لتحسين الخدمة وكفاءة البحث، لكن البيانات الأساسية الدقيقة يجب اعتبارها كما ورد في المصدر، ما لم يتم إعادة إنتاجها في منشورات تقنية من OpenAI أو معايير توثق الطريقة بالكامل.
ما يمكن تأكيده بشكل مستقل من وثائق OpenAI هو أن GPT-5.6 أضاف آليات متعددة تهدف إلى تقليل العمل غير الضروري للنموذج.
وتشمل هذه:
- توليد رموز أكثر كفاءة
- التخزين المؤقت الصريح للمطالبات
- الاستدلال المستمر
- استدعاء الأدوات البرمجي
- تنفيذ متعدد الوكلاء لأحمال العمل المناسبة
- عمق استدلال قابل للتكوين
الاتجاه الهندسي واضح: تقليل العمل الزائد حول كل مهمة ناجحة.
أصبح التخزين المؤقت للمطالبات أكثر وضوحًا
قدم GPT-5.6 تخزينًا مؤقتًا للمطالبات أكثر قابلية للتنبؤ.
تدعم وثائق OpenAI نقاط الفصل الصريحة للتخزين المؤقت، مما يسمح للمطورين بتحديد بادئات المطالبات القابلة لإعادة الاستخدام التي يجب تخزينها مؤقتًا.
بالنسبة لنماذج GPT-5.6:
- يتم محاسبة الكتابة إلى ذاكرة التخزين المؤقت بمعدل 1.25 ضعف معدل الإدخال غير المُخزن مؤقتًا.
- يمكن أن تحصل القراءة من ذاكرة التخزين المؤقت على خصم 90% على الإدخال المُخزن مؤقتًا.
- تشير وثائق OpenAI إلى أن الحد الأدنى لعمر دورة الحياة للتخزين المؤقت الجديد هو 30 دقيقة.
هذا يغير طريقة تفكير المطورين في الوكلاء طويلي الأمد.
إذا تم إرسال المطالبات الكبيرة للنظام، أو كتالوجات الأدوات، أو أقسام السياسات، أو السياق الثابت للمشروع بشكل متكرر كإدخال غير مُخزن مؤقتًا، فقد تكون التكلفة عالية.
عندما تظل البادئات القابلة لإعادة الاستخدام مستقرة، يمكن للتخزين المؤقت تقليل تلك التكلفة.
في الوقت نفسه، قد تؤدي عمليات الكتابة غير الضرورية إلى ذاكرة التخزين المؤقت إلى زيادة التكلفة. لذلك، توصي OpenAI بتتبع استخدام كل من الرموز المخزنة مؤقتًا ورموز الكتابة إلى ذاكرة التخزين المؤقت، بدلاً من افتراض أن التخزين المؤقت دائمًا أرخص.
يمكن لتنسيق الأدوات تقليل الركود ذهابًا وإيابًا للنموذج
مجال الكفاءة الرئيسي الثاني هو إطار الوكيل.
عادةً ما تبدو حلقة الأدوات التقليدية كما يلي:
- يقرر النموذج الاتصال.
- ينفذ التطبيق تلك الأداة.
- يتم إرجاع نتيجة الأداة الكاملة إلى النموذج.
- يقرأ النموذج النتيجة ويقرر الخطوة التالية.
- يتم استدعاء أداة أخرى.
- تتكرر الحلقة.
على الرغم من مرونة هذه الطريقة، إلا أنها قد تصبح مكلفة.
قد تدخل مخرجات الأدوات الكبيرة الوسيطة إلى سياق النموذج بشكل متكرر، حتى لو كانت هناك حاجة فقط إلى جزء صغير من البيانات.
يوفر الاستدعاء البرمجي للأدوات في GPT-5.6 بديلاً آخر.
توضح وثائق OpenAI أن GPT-5.6 يمكنه كتابة كود JavaScript في بيئة استضافة مدارة لـ:
- استدعاء الأدوات المؤهلة
- نقل النتائج بين الاستدعاءات
- تصفية البيانات الوسيطة
- دمج السجلات
- فرز النتائج
- إزالة البيانات المكررة
- التحقق من صحة البيانات
- إعادة نتائج هيكلية أصغر إلى النموذج
بالنسبة لسير العمل المحدود، يمكن أن يقلل هذا من:
- جولات النموذج
- نمو المطالبات
- الرموز الوسيطة
- عدد الركود ذهابًا وإيابًا عبر الشبكة
تشير OpenAI إلى أن هذا النمط مفيد بشكل خاص عندما يمكن للكود معالجة نتائج أدوات متعددة وقابلة للتنبؤ دون الحاجة إلى إعادة الحكم الدلالي بعد كل استدعاء.
لا ينطبق على جميع مهام الوكيل.
في الحالات التالية، يظل التفاعل المباشر بين النموذج والأداة هو الخيار الأفضل:
- استدعاء أداة واحد يكفي
- قد تؤدي كل نتيجة إلى تغيير جوهري في خطوة الاستدلال التالية
- الحاجة إلى موافقة بشرية
- النتائج الوسيطة صغيرة بالفعل
- يجب أن تحتفظ الإجابة النهائية بالمراجع الأصلية أو المخرجات
الهدف ليس تقليل عدد الاستدعاءات بأي ثمن، بل تجنب تمرير المعلومات غير الضرورية عبر النموذج.
يمكن إدارة تاريخ المحادثة والاستدلال بشكل أكثر دقة
تشير مقالة AIBase أيضًا إلى أن إدارة تاريخ المحادثة بشكل أكثر صرامة هي طريقة لتحسين معدل إعادة استخدام التخزين المؤقت.
توفر إرشادات تطوير GPT-5.6 الحالية من OpenAI الآلية الرسمية ذات الصلة: الاستدلال المستمر.
يمكن للمطورين تكوين كيفية بقاء استدلال الجولات السابقة متاحًا.
هذا مهم لسير العمل طويل الأمد، لأنه ليست كل الأفكار السابقة مفيدة بنفس القدر دائمًا.
إذا ظلت المهمة مستقرة، يمكن أن يحسن الاستدلال الأقدم الاستمرارية.
إذا تغير الهدف، فإن الاحتفاظ بكل الاستدلال السابق يزيد التكلفة ويقدم افتراضات قديمة.
لذلك، تسمح OpenAI للتطبيقات بالتحكم في سياق الاستدلال، وتوصي بالاحتفاظ بشكل صحيح بعناصر الاستجابة المطلوبة عند إدارة التاريخ يدويًا.
يوفر هذا للمطورين رافعة أخرى لموازنة العناصر التالية:
- الاستمرارية
- كفاءة التخزين المؤقت
- حجم السياق
- التكلفة
- الجودة
يمكن أن يؤدي تبسيط المطالبات أيضًا إلى تقليل تكلفة الوكيل
توصي إرشادات تطوير GPT-5.6 من OpenAI بشكل خاص بتبسيط المطالبات.
في عينة من عمليات تقييم وكيل الترميز الداخلي، أبلغت OpenAI أن تبسيط المطالبات وأوصاف الأدوات أدى إلى:
- تحسن في درجة التقييم بحوالي 10% إلى 15%
- انخفاض في إجمالي عدد الرموز بنسبة 41% إلى 66%
- انخفاض في التكلفة بنسبة 33% إلى 67%
توضح OpenAI صراحة أن هذه الأرقام هي لأغراض مرجعية فقط، وتذكر أن النتائج تختلف باختلاف عبء العمل.
الاقتراح ليس إزالة القيود المفيدة.
الهدف هو إزالة المحتوى المكرر.
عملية الترحيل العملية هي كما يلي:
- ابدأ من مجموعة المطالبات والأدوات التي تعمل بالفعل بشكل صحيح.
- قم بإزالة مجموعة واحدة من التعليمات المكررة في كل مرة.
- أعد تشغيل نفس مهمة التقييم.
- احتفظ بالقيود التي تعمل على تحسين الجودة القابلة للقياس.
- احذف التعليمات التي تزيد من الرموز دون تحسين النتائج.
هذا مهم بشكل خاص لمنتجات الوكيل، حيث قد يتم إرسال نفس مطالبة النظام وأوصاف الأدوات آلاف المرات يوميًا.
يجب أن يتطابق اختيار النموذج مع عبء العمل
توفر سلسلة GPT-5.6 للمطورين ثلاثة خيارات رئيسية للجودة والتكلفة.
استخدم Sol عندما تكون الجودة هي القيد الأساسي
اختر Sol عندما تستفيد المهمة بشكل جوهري من القدرات المتطورة.
تشمل حالات الاستخدام:
- هندسة البرمجيات عالية الصعوبة
- الأبحاث المعقدة
- التخطيط طويل الأمد
- أعمال الأمن السيبراني
- التحليل المهني عالي القيمة
- المهام التي يبرر فيها التحسن الطفيف في الجودة التكلفة الأعلى للنموذج الأكبر
استخدم Terra لمهام الإنتاج العامة القوية
عندما تتطلب المهمة قدرات استدلال قوية ولكن ليس بالضرورة Sol، فإن Terra هو الخيار العملي.
هو مناسب لـ:
- وكلاء المؤسسات اليوميين
- المساعدة في الترميز
- سير عمل المستندات
- الوكلاء الفرعيون للأبحاث
- استخدام الأدوات بمستوى تعقيد متوسط
- المهام المهنية عالية الحجم
استخدم Luna عندما تسود التكلفة والكمية
لونا هو الخيار الطبيعي في السيناريوهات التالية:
- التصنيف
- الاستخراج
- التوجيه
- تحويل البيانات
- سير عمل الأدوات الخفيفة
- أتمتة الخلفية عالية الحجم
المعمارية الشائعة هي توجيه المهام العادية إلى لونا أو تيرا، ورفع المهام الأصعب فقط إلى سول.
السعر ليس سوى نقطة البداية
بالنسبة للأنظمة الوكيلة، قد تكون المقارنة البسيطة بالرموز مضللة.
ضع في اعتبارك نموذجين.
النموذج أ له تكلفة أقل لكل رمز مخرج، ولكنه يتطلب:
- ضعف رموز الاستدلال
- المزيد من استدعاءات الأدوات
- المزيد من إعادة المحاولة
- سياق أكبر
- جولات أكثر
النموذج ب له سعر أعلى، ولكنه ينجز المهمة بنصف الخطوات.
قد يظل النموذج الثاني أرخص عند حسابه لكل مهمة مكتملة.
لذلك، يجب على الفرق التي تقيّم GPT-5.6 تتبع:
- معدل نجاح المهام
- إجمالي رموز الإدخال
- إجمالي رموز الإخراج
- رموز التخزين المؤقت
- رموز كتابة التخزين المؤقت
- عدد جولات النموذج
- عدد استدعاءات الأدوات
- زمن الاستجابة
- معدل إعادة المحاولة
- وقت التصحيح اليدوي
- التكلفة الإجمالية لكل مهمة ناجحة
هذا هو المعنى الحقيقي لـ "الذكاء لكل رمز".
اختبار الهجرة العملي
بالنسبة للفرق التي تستخدم بالفعل GPT-5.5 أو نماذج أقدم، فإن المقارنة الخاضعة للرقابة أكثر فائدة من الهجرة الفورية الشاملة.
الخطوة 1: بناء مجموعة تقييم تمثيلية
تشمل:
- طلبات بسيطة
- طلبات صعبة
- مهام ذات سياق طويل
- سير عمل مكثف بالأدوات
- حالات فشل معروفة
- أمثلة إنتاجية
الخطوة 2: استخدام مستوى الاستدلال الحالي كخط أساس
تقترح OpenAI البدء من نفس مستوى الاستدلال المستخدم في النموذج السابق.
ثم اختبار خفض مستوى واحد.
قد يحافظ GPT-5.6 على الجودة باستخدام رموز استدلال أقل، ولكن يجب التحقق من ذلك على عبء عملك.
الخطوة 3: مقارنة سول وتيرا ولونا
لا تفترض أن النموذج الرائد هو الخيار الإنتاجي الأمثل تلقائيًا.
قيّم ما إذا كان تيرا أو لونا يمكنه تلبية معايير القبول نفسها بتكلفة أقل.
الخطوة 4: اختبار التخزين المؤقت للمطالبات
تتبع قراءات وكتابات التخزين المؤقت.
عندما يكون معدل إعادة الاستخدام مرتفعًا، يمكن أن يصبح السياق الثابت أكثر اقتصادًا بشكل ملحوظ، ولكن بادئات المطالبات المتغيرة بشكل متكرر قد لا تستفيد كثيرًا.
الخطوة 5: اختبار استدعاءات الأدوات البرمجية في الأماكن المناسبة
طبقها على مراحل معالجة محددة جيدًا، مثل:
- التصفية
- التجميع
- الفرز
- الانضمام
- إزالة التكرار
قارن النتائج مع استدعاءات الأدوات المباشرة العادية.
الخطوة 6: قياس اقتصاديات إنجاز المهمة
فقط عندما تظل المهمة النهائية تلبي معايير الجودة، يكون انخفاض فاتورة الرموز منطقيًا.
الهدف الأمثل للتحسين ليس أقل عدد من الرموز.
بل هو الحصول على نتيجة ناجحة بأقل تكلفة موثوقة.
لماذا يعكس GPT-5.6 تحولًا أوسع نحو الكفاءة
لسنوات، كانت المنافسة على النماذج المتطورة تهيمن عليها سؤال واحد: أي نموذج أقوى؟
لا يزال هذا السؤال مهمًا.
ولكن مع دخول الذكاء الاصطناعي الإنتاج على نطاق واسع، أصبح سؤال آخر مهمًا بنفس القدر:
ما مقدار العمل المفيد الذي يمكن للنظام إنجازه لكل وحدة حوسبة ولكل دولار يُنفق؟
تعمل الأنظمة الوكيلة على تضخيم هذا الضغط.
قد يؤدي طلب مستخدم واحد إلى تشغيل:
- جولات استدلال متعددة
- بحث
- تنفيذ كود
- واجهات برمجة تطبيقات خارجية
- وكلاء فرعيين
- نافذة سياق كبيرة
- تحقق متكرر
بدون تنسيق دقيق، يمكن أن تنمو الفاتورة الإجمالية بسرعة.
يعكس GPT-5.6 تحولًا أوسع من مجرد توسيع نطاق القدرات الذكية إلى جعل النشر الذكي أكثر اقتصادًا.
يدفع سول حدود القدرات الذكية العليا.
يخفض تيرا تكلفة الأعمال العامة القوية.
يجلب لونا عائلة النماذج إلى أعباء العمل عالية الإنتاجية.
يستهدف التخزين المؤقت للمطالبات والتنسيق البرمجي للأدوات النفقات العامة حول النموذج نفسه.
والنتيجة هي عائلة نماذج مصممة ليس فقط حول درجات المعايير، ولكن أيضًا حول اقتصاديات الإنتاج.
الأسئلة الشائعة
ما هو GPT-5.6؟
GPT-5.6 هو عائلة نماذج من OpenAI للاستدلال المعقد والبرمجة والعمل المتخصص وسير العمل الوكيل وتطبيقات الذكاء الاصطناعي عالية الإنتاجية. تشمل السلسلة حاليًا سول وتيرا ولونا.
ما الفرق بين GPT-5.6 Sol وTerra وLuna؟
سول هو المستوى الرائد والأقوى. تيرا يوازن بين الذكاء والتكلفة، بينما لونا محسّن لأعباء العمل منخفضة التكلفة وعالية الإنتاجية.
كم تكلفة استخدام GPT-5.6 عبر API؟
تحدد OpenAI سعر سول بـ 5 دولارات لكل مليون رمز إدخال، و30 دولارًا لكل مليون رمز إخراج؛ وتيرا بـ 2.50 دولارًا / 15 دولارًا؛ ولونا بـ 1 دولار / 6 دولارات. أسعار الإدخال المخزن مؤقتًا أقل، وقد تنطبق أسعار مختلفة على المطالبات الطويلة جدًا.
ما حجم نافذة السياق لـ GPT-5.6؟
تشير صفحة نماذج API الحالية من OpenAI إلى أن نافذة السياق لـ سول وتيرا ولونا تبلغ 1,050,000 رمزًا. يدعم كل نموذج ما يصل إلى 128,000 رمز إخراج.
هل GPT-5.6 Sol أفضل في البرمجة من GPT-5.5؟
تشير OpenAI إلى أن سول يسجل درجات أعلى في العديد من تقييمات البرمجة الوكيلة، بما في ذلك مؤشر البرمجة الوكيلة من Artificial Analysis وSWE-Bench Pro وDeepSWE وTerminal-Bench 2.1. لا يزال الأداء الإنتاجي الفعلي يعتمد على المستودع وإطار الوكيل والمطالبات والأدوات.
ما هو استدعاء الأدوات البرمجية؟
يسمح استدعاء الأدوات البرمجية لـ GPT-5.6 بكتابة كود لتنسيق الأدوات المؤهلة ومعالجة النتائج الوسيطة في وقت تشغيل مُستضاف. يمكن أن يقلل من جولات النموذج واستخدام الرموز في سير العمل المحدد جيدًا.
مثل عمليات التصفية والانضمام والفرز والتجميع.
هل يدعم GPT-5.6 التخزين المؤقت للمطالبات؟
نعم. يدعم GPT-5.6 التخزين المؤقت التلقائي ونقاط التخزين المؤقت الصريحة. تذكر OpenAI أن القراءة من التخزين المؤقت تحصل على خصم 90% من سعر الإدخال، بينما تبلغ تكلفة كتابة تخزين مؤقت جديد 1.25 ضعف سعر الإدخال غير المخزن مؤقتًا.
هل يجب استخدام Sol لكل طلب؟
ليس عادةً. إذا كان بإمكان تيرا أو لونا تلبية نفس معايير التقييم بتكلفة أقل، فإن استخدام مستوى النموذج الأصغر يحسن اقتصاديات التطبيق. يجب توجيه المهام المعقدة إلى سول فقط عندما تحقق القدرات الأعلى مكاسب قابلة للقياس.
الأدوات ذات الصلة
- OpenAI API: المنصة الرسمية للمطورين للوصول إلى نماذج GPT-5.6 وأدوات OpenAI.
- دليل نماذج GPT-5.6: دليل الهجرة والتحسين من OpenAI لسلسلة نماذج GPT-5.6.
- GPT-5.6 Sol: المواصفات الرسمية للنموذج والأسعار وحدود السياق والميزات المدعومة لـ سول.
- GPT-5.6 Terra: صفحة النموذج الرسمية لمستوى GPT-5.6 المتوازن.
- GPT-5.6 Luna: صفحة النموذج الرسمية لأقل مستوى تكلفة في GPT-5.6.
- OpenAI Codex: بيئة البرمجة الذكية من OpenAI لسير عمل تطوير البرمجيات.
الروابط ذات الصلة
- إصدار OpenAI GPT-5.6: الإعلان الرسمي للإصدار من OpenAI، يتضمن جداول المعايير وتفاصيل السلامة والأسعار وتوفر المنتج.
- معاينة GPT-5.6 Sol: الإعلان المبكر للمعاينة من OpenAI حول سول وتيرا ولونا.
- نماذج OpenAI API: قائمة نماذج OpenAI الحالية.
الدليل الرسمي للنماذج ومواصفاتها الأساسية.
- دليل نموذج GPT-5.6: إرشادات رسمية حول استهلاك التفكير، وتخزين المطالبات المؤقتة، والتفكير المستمر، واستدعاء أدوات البرمجة.
- صفحة API لـ GPT-5.6 Sol: التسعير الحالي لـ Sol، ونافذة السياق، وتاريخ انتهاء المعرفة، ووظائف API المدعومة.
- صفحة API لـ GPT-5.6 Terra: التسعير الحالي لـ Terra ومواصفات النموذج.
- صفحة API لـ GPT-5.6 Luna: التسعير الحالي لـ Luna ومواصفات النموذج.
ملخص
GPT-5.6 هي سلسلة نماذج تتكون من ثلاث طبقات، وليس نموذجًا واحدًا للأغراض العامة. Sol تستهدف القدرات الأفضل، وTerra توفر توازنًا أكثر فعالية من حيث التكلفة لأعمال الإنتاج المعتادة، بينما تم تحسين Luna لسيناريوهات الإنتاجية العالية.
الموضوع الأكبر هو الكفاءة. قامت OpenAI بتقليل حجم العمل المطلوب من النموذج لإكمال المهام المعقدة من خلال الجمع بين نماذج ذات كفاءة أعلى في token، وتخزين المطالبات الصريحة المؤقتة، والتفكير المستمر، واستهلاك التفكير القابل للتكوين، واستدعاء أدوات البرمجة.
كما أفادت مصادر AIBase بتحسينات إضافية في بنية التفكير، بما في ذلك فك التشفير التخميني وعمل نوى GPU، مما زاد سرعة توليد token بنسبة تتجاوز 15%.
الكفاءة. ما لم يتم إعادة إنتاج هذه البيانات المنخفضة المستوى في منشورات OpenAI التقنية الموثقة بالكامل، يجب التعامل معها كتقارير من مصادر.
أفضل فهم لـ GPT-5.6 ليس مجرد إطلاق نموذج أقوى، بل محاولة لتحسين اقتصاديات الذكاء عبر سير عمل العوامل بالكامل.