GPT-6 Sol-ը և GPT-6 Luna-ն հասանելի են Amazon Bedrock-ում

OpenAI-ի GPT-6 Sol և GPT-6 Luna մոդելներն այժմ ընդհանուր հասանելիությամբ ներկայացված են Amazon Bedrock-ում. Ինչպես նշված է AWS-ի բլոգային գրառման մեջ, դրանով հարթակում ընդլայնվում է GPT-6 ընտանիքը, որը սկիզբ է առել ավելի վաղ՝ ամենապահանջկոտ նախագծերի համար ներկայացված GPT-6 Astra-ով։

Երկու մոդել՝ երկու նպատակ

Ըստ AWS-ի՝ մոդելները ծածկում են ինտելեկտի և արդյունավետության սանդղակի տարբեր կետեր։ GPT-6 Sol-ը նախատեսված է մշակման ցիկլում կրկնվող բարդ աշխատանքի համար՝ ֆունկցիաների իրականացում, սխալների ուղղում, կոդի վերակառուցում և ստուգում, տվյալների վերլուծություն և բազմաքայլ գործընթացներ տարբեր գործիքներում։ GPT-6 Luna-ն նախատեսված է մեծ ծավալով կրկնվող խնդիրների համար՝ փաստաթղթերից տեղեկատվության արտահանում, նյութերի ամփոփում, տվյալների դասակարգում և կոնկրետ հարցերի պատասխաններ։

AWS-ը նշում է, որ երկու մոդելների API գները զգալիորեն ցածր են նախորդող GPT-5.6 մոդելներից, և ընկերության գնահատմամբ հենց դա է գլխավոր լծակը՝ ավելի ուժեղ մոդելներն առօրյա արտադրական օգտագործման մեջ մտցնելու համար։

Ճշգրտություն և մեկ արդյունքի արժեք

Փաստացի ճշգրտության ներքին գնահատման ժամանակ OpenAI-ն պարզել է, որ GPT-6 Sol-ը թույլ է տվել մոտավորապես կիսով չափ ավելի քիչ փաստացի սխալ, քան GPT-5.6 Sol-ը։ Ընկերությունը նաև նշում է, որ մոդելը ավելի հստակ է հաղորդում, թե ինչ է փոխել, ինչ է ստուգել և ինչ չի կարողացել հաստատել. ըստ AWS-ի՝ դա կարևոր է երկար առաջադրանքներում, որտեղ դեռ մարդու որոշում է անհրաժեշտ։ GPT-6 Luna-ի դեպքում գնահատումները ցույց են տալիս փաստացի հուսալիության բարելավում, իսկ մտածողության մակարդակը կարգավորվում է յուրաքանչյուր հարցման համար՝ հավասարակշռելով որակը, արագությունն ու ծախսը։

Մոդելների համադրում և prompt caching

Քանի որ մեկ հավելվածին տարբեր փուլերում կարող է պետք լինել ինտելեկտի տարբեր մակարդակ, AWS-ը մոդելների երթուղավորումը ներկայացնում է որպես գործնական մոտեցում՝ Luna՝ հարցումները դասակարգելու, Sol՝ բարդ դեպքերն ուսումնասիրելու, Astra՝ երբ լրացուցիչ խորությունը կարող է փոխել որոշումը։ Սխեման արդյունավետ պահելու համար երկու նոր մոդելները Bedrock-ում աջակցում են prompt caching-ին. մշակողները կարող են նշել կրկնակի օգտագործվող բովանդակությունը՝ ռեպոզիտորիայի հրահանգներ կամ քաղաքականության փաստաթղթեր, որպեսզի հաջորդ հարցումները մշակեն հիմնականում նոր մուտքագրումը։

Կառավարում և տվյալների մշակում

Վերահսկողության մասում AWS-ը թվարկում է IAM քաղաքականություններով հասանելիության կառավարում, յուրաքանչյուր կանչի աուդիտ CloudTrail-ով, AWS PrivateLink-ի վրա հիմնված VPC endpoint-ներ և inference ապարատային մակարդակով մեկուսացված ենթակառուցվածքում՝ առանց օպերատորի հասանելիության։ Ընկերության խոսքով՝ inference-ի տվյալները չեն օգտագործվում մոդելների ուսուցման համար, և օգտագործումը չի պահանջում համաձայնություն տվյալները OpenAI-ի հետ կիսելու համար. չարաշահումների հայտնաբերման համար նշված տրաֆիկը AWS-ը պահում է մինչև 30 օր։ Երկու մոդելները հասանելի են Bedrock-ի կոնսոլում և աջակցվող API-ների միջոցով։