Tíz dollárra csökkentette az AI-ügynökök költségét az OpenAI
Az új GPT-5.6 modellek drasztikusan csökkentik az AI-ügynökök futtatásának költségeit, miközben javítják a teljesítményt. A Luna modell például 1,33 dollárért 84,04%-os eredményt ért el egy teljesítményteszten, szemben a korábbi 33,27 dolláros költséggel.
Az OpenAI bemutatta a GPT-5.6 modellcsaládot, amely új mércét állít a mesterséges intelligencia ár-teljesítmény arányában. A modellek célja, hogy a csúcskategóriás AI-ügynökök teljesítményét drasztikusan megfizethetőbbé tegyék, miközben a lehetséges határokat is kitolják.
Az induló vállalatok már most is sikeresen alkalmazzák az új modelleket. A Hypha, a Browser Use és a PlayerZero is arról számolt be, hogy a GPT-5.6 család tagjai, különösen a Luna modell, jelentős költségmegtakarítást és jobb eredményeket hoznak. A Luna például 98%-ban megőrizte a GPT-5.5 extrakciós pontosságát, miközben a költsége egyhatodára csökkent. A Browser Use szerint a Luna 106 nehéz böngészési feladatból 78%-ot oldott meg 14 dollárért, míg a korábbi legjobb modell ugyanezt 235 dollárért érte el.
Költséghatékony alternatívák a nagyobb modellek helyett
A korábbi gyakorlattal ellentétben, ahol a leghosszabb távú feladatokhoz a legmagasabb szintű, legdrágább modelleket használták, a GPT-5.6 család új lehetőségeket kínál. A Luna és a Terra modellek tesztidőben elegendő számítási kapacitással hasonló teljesítményt nyújtanak, mint a GPT-5.4 és GPT-5.5, de lényegesen olcsóbban. Ez különösen a nagy mennyiségű adatot feldolgozó, vagy ismétlődő lépéseket tartalmazó munkafolyamatoknál jelentős megtakarítást eredményezhet.
Új API-vezérlők a hatékonyabb ügynökökért
Az OpenAI továbbfejlesztette a Responses API-t is, hogy lehetővé tegye a még hatékonyabb ügynökarchitektúrák építését. Az új primitívek közé tartozik a korábbi munka újrahasznosítása a modellhívások között, a hosszú beszélgetések tömörítése, a párhuzamos feladatvégzés több ügynökkel, valamint a determinisztikus feladatok kódba helyezése programmatikus eszközök hívásával. Ezek az újítások lehetővé teszik, hogy az ügynökök kevesebb token felhasználásával, gyorsabban és pontosabban végezzék el a feladatokat.
Példaként említhető az ARC-AGI-3 teljesítményteszt, ahol a GPT-5.6 Sol 13,3%-os eredményt ért el a standard harness-szel. Azonban a megőrzött érvelés és a tömörítés engedélyezésével az eredmény 38,3%-ra ugrott, miközben hatszor kevesebb kimeneti tokent használt fel. Ez a fejlesztés a modell megváltoztatása nélkül közel megháromszorozta a teljesítményt.
Programmatikus eszközök és többügynökös rendszerek
A programmatikus eszközök hívása lehetővé teszi a GPT-5.6 számára, hogy JavaScript segítségével orchestrálja az eszközöket, párhuzamosan futtasson hívásokat, és a kimeneteket a kontextusablakon kívül dolgozza fel. Ez lehetővé teszi az ügynökök számára, hogy az intelligenciát igénylő feladatokra, mint a döntéshozatal, koncentráljanak. A Rogo nevű cég szerint ez a megközelítés 21%-kal kevesebb bemeneti tokent használt fel pénzügyi kutatások során, miközben a minőség megegyezett a korábbi modellekkel.
A többügynökös rendszerek pedig a párhuzamosan osztható feladatoknál gyorsabb teljesítést és magasabb intelligenciát tesznek lehetővé. A Qualia nevű cég szerint a GPT-5.6 Sol a legjobb orchestrátor, amit az OpenAI-tól láttak, és gyorsabban végzett a teszteken, mint a legtöbb más modell.