تنها یک هفته پس از عرضه GPT-6 Astra، گزارش‌های متعددی از سوی کاربران و توسعه‌دهندگان درباره افت کیفیت عملکرد این مدل منتشر شده است. برخی کاربران حرفه‌ای می‌گویند Astra در مقایسه با روزهای ابتدایی عرضه، پاسخ‌هایی سریع‌تر اما سطحی‌تر و گاهی همراه با خطا ارائه می‌دهد.
این ادعاها در حالی مطرح شده‌اند که هنوز مشخص نیست تغییر محسوسی در مدل اصلی ایجاد شده یا کاربران پس از فروکش کردن هیجان اولیه، عملکرد Astra را با دقت بیشتری ارزیابی می‌کنند.
| موضوع | جزئیات |
|---|---|
| مدل مورد بحث | GPT-6 Astra |
| شرکت سازنده | OpenAI |
| مشکل گزارش‌شده | افت کیفیت پاسخ‌ها و کدنویسی |
| تغییر ادعایی | پاسخ‌های سریع‌تر اما سطحی‌تر |
| گروه‌های منتقد | کاربران حرفه‌ای، توسعه‌دهندگان و برخی محققان |
| علت احتمالی | کاهش منابع پردازشی یا کوانتیزه‌سازی |
| وضعیت ادعاها | تأییدنشده |
کاربران از افت کیفیت GPT-6 Astra می‌گویند
برخی کاربران با انتشار نمونه‌هایی در شبکه‌های اجتماعی مدعی شده‌اند که کیفیت پاسخ‌های GPT-6 Astra نسبت به روزهای ابتدایی عرضه کاهش یافته است.
به گفته این کاربران، مدل اکنون پاسخ‌ها را با سرعت بیشتری تولید می‌کند، اما در مقابل، خروجی‌ها در برخی موارد سطحی‌تر شده و احتمال خطا در آن‌ها افزایش یافته است. این مسئله به‌خصوص در برنامه‌نویسی و انجام وظایف پیچیده بیشتر مورد توجه قرار گرفته است.
برخی توسعه‌دهندگان نیز اعلام کرده‌اند که پرامپت‌هایی را که در نخستین روزهای عرضه روی Astra آزمایش کرده بودند، دوباره اجرا کرده‌اند و به نتایج ضعیف‌تری رسیده‌اند.
حتی گزارش‌هایی درباره بازگشت برخی شرکت‌های نرم‌افزاری به نسخه‌های قدیمی‌تر مدل‌های هوش مصنوعی منتشر شده است؛ هرچند میزان گستردگی این اتفاق مشخص نیست.
یک توسعه‌دهنده: مدل هم‌زمان بسیار باهوش و ناتوان است
پرانجل پالیوال، توسعه‌دهنده نرم‌افزار، نیز در شبکه اجتماعی ایکس نسبت به عملکرد فعلی Astra واکنش نشان داده است.
او با اشاره به کدهایی که GPT-6 Astra برایش تولید کرده، عملکرد مدل را متناقض توصیف کرده و این پرسش را مطرح کرده است که چگونه یک مدل می‌تواند در برخی زمینه‌ها بسیار قدرتمند و در برخی وظایف، هم‌زمان ناتوان باشد.
این واکنش‌ها نشان می‌دهد بخشی از انتقادها بیشتر به ثبات عملکرد مدل مربوط می‌شود؛ یعنی کاربران انتظار دارند مدل در اجرای یک درخواست مشابه، عملکردی نزدیک به نتایج اولیه خود داشته باشد.
آیا OpenAI عمداً GPT-6 Astra را ضعیف کرده است؟
یکی از فرضیه‌هایی که در واکنش به این گزارش‌ها مطرح شده، کاهش منابع پردازشی اختصاص‌یافته به هر درخواست است.
مدل‌های هوش مصنوعی پیشرفته برای تولید پاسخ به منابع محاسباتی قابل توجهی نیاز دارند. در مقیاس میلیون‌ها یا حتی میلیاردها درخواست، افزایش تعداد کاربران می‌تواند هزینه‌های زیرساختی بسیار بالایی ایجاد کند.
بر همین اساس، برخی کارشناسان احتمال می‌دهند OpenAI برای کنترل هزینه‌ها، میزان توان محاسباتی اختصاص‌یافته به هر درخواست را کاهش داده باشد.
با این حال، هیچ مدرک رسمی برای تأیید این فرضیه منتشر نشده است و نمی‌توان کاهش منابع پردازشی را به‌عنوان علت قطعی افت عملکرد Astra معرفی کرد.
کوانتیزه‌سازی؛ فرضیه دیگری که مطرح شده است
احتمال دیگری که در این بحث مطرح شده، استفاده از روش‌های فشرده‌سازی مدل مانند کوانتیزه‌سازی (Quantization) است.
کوانتیزه‌سازی می‌تواند حجم و هزینه اجرای مدل‌های هوش مصنوعی را کاهش دهد و اجرای آن‌ها را از نظر محاسباتی بهینه‌تر کند. در برخی شرایط، چنین فشرده‌سازی‌هایی ممکن است با تغییراتی در دقت خروجی همراه شوند.
با این حال، درباره اینکه آیا OpenAI واقعاً برای GPT-6 Astra از چنین روشی استفاده کرده یا نه، اطلاعات تأییدشده‌ای وجود ندارد.
هزینه بالاتر GPT-6 Astra به بحث‌ها دامن زده است
این گمانه‌زنی‌ها با توجه به هزینه بالای استفاده از GPT-6 Astra اهمیت بیشتری پیدا کرده‌اند.
طبق اطلاعات مطرح‌شده در گزارش، هزینه استفاده از این مدل ۱۰ دلار برای هر یک میلیون توکن ورودی و ۵۰ دلار برای هر یک میلیون توکن خروجی است. این قیمت‌ها حدود ۲.۵ برابر نسل‌های قبلی عنوان شده‌اند.
بنابراین، اگر تعداد کاربران مدل افزایش چشمگیری پیدا کرده باشد، مدیریت هزینه‌های پردازشی می‌تواند به یکی از چالش‌های مهم OpenAI تبدیل شود؛ البته این موضوع به‌تنهایی اثبات نمی‌کند که شرکت برای کاهش هزینه‌ها عملکرد مدل را تغییر داده است.
شاید مشکل از فروکش کردن هیجان اولیه باشد
همه کاربران و تحلیل‌گران با فرضیه «ضعیف شدن مدل» موافق نیستند.
گروهی معتقدند در روزهای نخست عرضه یک مدل جدید، کاربران معمولاً نمونه‌های موفق و چشمگیر آن را بیشتر به اشتراک می‌گذارند. همین مسئله می‌تواند تصویری بسیار مثبت از توانایی‌های مدل ایجاد کند.
پس از فروکش کردن هیجان اولیه، کاربران سراغ وظایف روزمره و پیچیده‌تر می‌روند و نقاط ضعف مدل نیز بیشتر نمایان می‌شود.
از این دیدگاه، آنچه به‌عنوان افت کیفیت GPT-6 Astra توصیف می‌شود، لزوماً به معنای تغییر مدل توسط OpenAI نیست و می‌تواند نتیجه ارزیابی واقع‌بینانه‌تر عملکرد آن پس از عرضه اولیه باشد.
مشکل اصلی؛ شفاف نبودن عملکرد مدل‌ها
تکرار چنین بحث‌هایی درباره مدل‌های هوش مصنوعی، یک مسئله مهم‌تر را نیز برجسته می‌کند: شفافیت درباره نحوه ارائه و مدیریت مدل‌ها.
کاربران معمولاً نمی‌دانند در هر لحظه دقیقاً چه نسخه‌ای از یک مدل را دریافت می‌کنند، چه میزان منابع پردازشی به درخواست آن‌ها اختصاص یافته یا آیا تنظیمات زیرساختی مدل در طول زمان تغییر کرده است.
به همین دلیل، تشخیص اینکه افت کیفیت واقعاً ناشی از تغییرات فنی است یا صرفاً نتیجه تغییر نوع استفاده کاربران، دشوار خواهد بود.
