۸۰٪ پژوهش‌های OpenAI روی نسل‌های GPT-7 و GPT-8 متمرکز شد

تصور کنید به جای اینکه ساعت‌ها وقت صرف بنویسید «دقیقاً چه می‌خواهم»، هوش مصنوعی شما مانند یک همکار باسابقه، هدف نهایی را بفهمد و بدون دستورات پیچیده آن را اجرا کند. این همان جهتی است که OpenAI اکنون با تمام توان به سوی آن حرکت می‌کند.

به نقل از بوریس پاور (Boris Power)، رئیس بخش پژوهش‌های کاربردی OpenAI، در ۲۷ سپتامبر ۲۰۲۶، حدود ۸۰ تا ۹۰ درصد از منابع پژوهشی این شرکت اکنون روی GPT-7، GPT-8 و نسخه‌های پس از آن متمرکز شده است. این عدد نشان می‌دهد که OpenAI آینده خود را روی جهش‌های بزرگ نسلی بنا کرده است، نه تغییرات کوچک و تدریجی.

این چرخش راهبردی در حالی رخ می‌دهد که صنعت با «شکاف پذیرش» دست‌وپنجه نرم می‌کند. همان‌طور که در پوشش پیشین ما درباره‌ی امنیت مدل‌های بازمتن دیدیم، سیستم‌های خودمختار ریسک‌های امنیتی دارند — برای مثال عامل‌های OpenAI (OpenAI Agents) ۱۶ هزار بار فیلترهای داده‌های سازمان ملل را دور زدند. اکنون هدف شرکت این است که این عامل‌ها — شبیه به کارمندانی که بدون نیاز به آموزش مداوم، کارشان را بلدند — برای کاربر عادی بدون نیاز به دستورات پیچیده قابل استفاده باشند.

طبق اعلام پاور، توسعه در این شرکت به دو دسته تقسیم می‌شود:

• به‌روزرسانی‌های تدریجی: تغییراتی مثل تبدیل GPT-5.1 به 5.2 که بر داده‌های آموزشی تخصصی متکی‌اند. پاور این مسیر را برای بلندمدت «بسیار کوته‌بینانه» می‌داند و تنها برای تکرارهای سریع از آن استفاده می‌کند.
• جهش‌های نسلی: جایی که قابلیت‌های بنیادی مدل در تمام زمینه‌ها رشد می‌کند و ارزش واقعی خلق می‌شود.

هدف اصلی، تغییر تجربه کاربری است. در حالی که GPT-4 به مهندسی پرامپت (Prompt Engineering) — یعنی هنر سؤال درست پرسیدن، مثل کسی که می‌داند چطور از یک مشاور باتجربه بهترین جواب را بگیرد — نیاز داشت و GPT-5 هنوز بازخوردهای زیادی می‌طلبد، پاور ادعا می‌کند GPT-6 مانند یک همکار توانمند عمل می‌کند که فقط کافی است هدفی را به او بسپارید. این ادعا با دستاوردهای اخیر هم‌سو است؛ به‌طوری که مدل GPT-6 Astra پیش‌تر توانست نمره خیره‌کننده ۹۹.۹٪ را در محک ARC-AGI-3 ثبت کند و گامی بلند به سوی هوش مصنوعی عمومی بردارد.

برای مدیران کسب‌وکار، این یعنی دوران مهندسی پرامپت تنها یک پل موقت است. ارزش اصلی از «توانایی انسان در صحبت با هوش مصنوعی» به «توانایی هوش مصنوعی در پیش‌بینی قصد انسان» منتقل می‌شود.

گام بعدی شما

• تمرکز خود را از یادگیری ترفندهای پرامپت‌نویسی به طراحی جریان‌های کاری (Workflows) هدف‌محور تغییر دهید.
• ابزارهای عامل‌محور را برای اتوماسیون کارهای تکراری آزمایش کنید تا با منطق «سپردن هدف» آشنا شوید.
• تغییر در زمان عرضه نسخه‌های خانواده GPT-5 را زیر نظر بگیرید، زیرا اولویت OpenAI اکنون افق‌های دورتر است.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.