تصور کنید وبسایتی سهبعدی را که آناتومی بدن انسان را به ۲۲۳۴ قطعه مجزا تقسیم کرده است؛ پروژهای که در ۵ سپتامبر ۲۰۲۶ تنها با کمک GPT-6 Astra ساخته شد. این عرضه، آغاز عصر خانواده GPT-6 است که در آن تمرکز از تولید سادهی متن به تعاملات سریع و خودمختار با محیط کامپیوتر تغییر یافته است.
بر اساس پوشش پیشین ما دربارهی استدلالهای عمیق و تکرارشونده در Astra، این استقرار جدید مدل را از فضای تئوری به اجرای عملی و عاملمحور (Agentic) منتقل کرده است. برای یک کاربر تجاری، این تغییر شبیه تبدیل یک مشاور است که فقط به شما میگوید چگونه یک خانه بسازید، به پیمانکاری که واقعاً ماشینآلات ساختمانی را هدایت میکند. در واقع، هوش مصنوعی دیگر فقط پیشنهاد نمیدهد، بلکه مستقیماً روی نرمافزارها کلیک میکند و کار را پیش میبرد.
عملکرد و محکهای فنی
به گزارش Ben's Bites در ۸ سپتامبر ۲۰۲۶، مدل Astra در حوزههای فنی خاص جهشهای بزرگی داشته است:
- ARC-AGI-3: طبق گزارشها، این مدل در این محک بهطور کامل بر رقبای خود غلبه کرده (یا به قول گزارش، آنها را «میسوزاند») که نشاندهندهی جهشی قابل توجه در هوش عمومی است.
- AutomationBench: Astra بالاترین امتیاز تاریخ را در محک اتوماسیون شرکت Zapier کسب کرد.
- هزینه: با وجود افزایش چشمگیر قدرت، قیمت استنتاج آن با مدل Fable 5.1 یکسان باقی مانده است.
قابلیتهای دنیای واقعی
کاربران هماکنون Astra را برای گردشکارهای پیچیدهای به کار میگیرند که پیشتر برای مدلهای زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن کتابها جواب میدهد — غیرممکن بود. برخی از خیرهکنندهترین نمونههای ثبتشده، بازسازی شهر منهتن در محیط Unreal Engine و چاپ سهبعدی قطعات سختافزاری سفارشی، مانند یک قطعه سفارشی برای تخلیه آب حمام است.
در فضای خلاقانه، این مدل میتواند بهطور خودمختار رابطهای کاربری (UI) را طراحی کند و محصولات واقعی را در Blender مدلسازی نماید. تأخیر در استفاده از کامپیوتر اکنون چنان پایین است که مدل میتواند کارهایی با دقت بسیار بالا، حتی در حد نواختن پیانو، انجام دهد. Astra حتی میتواند در Canva پرترهای بکشد؛ دقیقاً همانطور که یک انسان از موس و کیبورد استفاده میکند، اما با بازدهی و سرعت بیشتر.
فراتر از هنرهای بصری، Astra استدلالهای حسی منحصربهفردی نشان میدهد. این مدل میتواند صداها را از روی طیفنگاشتها (Mel Spectrograms) — که در واقع تصاویری از فرکانسهای صوتی هستند — بهصورت Zero-shot (بدون نیاز به مثالهای قبلی) شناسایی کند. این قابلیت نشان میدهد مهارتهای استدلالی مدل در حوزههایی وجود دارد که هنوز بهطور کامل کشف و بررسی نشدهاند.
مشکل «اسب نمایش»
با وجود این نقاط قوت، برخی Astra را «اسب نمایش» مینامند، نه «اسب کاری». کاربران اولیه گزارش دادهاند که عملکرد مدل «پیکدار» یا نوسانی است؛ یعنی ممکن است در یک پرامپت معجزهای خلق کند، اما در دستور بعدی در یک امر ابتدایی شکست بخورد. تئو، یکی از کاربران مدل، تجربهاش را ترکیبی از عشق و نفرت مطلق توصیف کرده است.
یک کاربر اشاره کرد که در یک آخر هفته ۴ میلیارد توکن (Token) — تکههای کوچکی از متن که مدل تکهتکه میخورد — مصرف کرده اما در نهایت به هیچ محصول تمامشدهای نرسیده است. این ماهیت «توکنخوار» مدل میتواند برای گردشکارهای ناکارآمد، بسیار هزینهبر باشد. این کاربر همچنین اشاره کرد که با ارسال ترکیبی از درخواستهای طولانیمدت و کوتاه، تمام «ریستهای ذخیره شده» (Banked Resets) خود را هدر داده است.
برای رفع این مشکلات، برخی کاربران به ترفندهای خاص روی آوردهاند. دن مکاتیر پیشنهاد میکند کپی کردن اسکرینشاتهای خاص در Codex میتواند اکثر خطاهای Astra در پیروی از دستورات را حل کند. همچنین هشدار داده شده که دستورالعملهای قدیمیِ مربوط به عاملها (Agent Instructions) ممکن است در واقع مانع از رسیدن Astra به پتانسیل کاملش شوند.
تکامل عاملمحور
اوپنایآی همچنین Astra را با Codex ادغام کرده است تا مدل بتواند بدون توقف برای دریافت پاسخ، سؤال بپرسد. اکنون مدل میتواند پاسخهای احتمالی را فرض کند و کار را پیش ببرد و هرگاه پاسخ واقعی کاربر رسید، آن را بدون گم کردن مسیر اصلی در جریان کار ادغام کند.
علاوه بر این, OpenAI اعلام کرد که به هدف «کارآموز پژوهشی خودکار» رسیده است. این عاملها اکنون میتوانند کارهای پژوهشی را که برای یک انسان متخصص چندین روز زمان میبرد، مدیریت کنند؛ هرچند انسان هنوز باید مسیر کلی را تعیین و نتایج نهایی را قضاوت کند. هدف بعدی شرکت، توسعه یک پژوهشگر کاملاً خودکار تا مارس ۲۰۲۸ است.
چشمانداز رقابتی
در حالی که OpenAI روی عاملها فشار میآورد، Anthropic در حال آزمایش راهی است تا Claude Code بتواند افزونههای (Plugin) خودش را بنویسد. این قابلیت به عامل اجازه میدهد رابط کاربری خود را تغییر دهد، اقداماتش را ثبت (Log) کند و دسترسیهای خود را بهطور خودمختار محدود نماید. این قابلیت هنوز عرضه نشده و تیم توسعه در حال حاضر در جستجوی بازخوردهای کاربران است.
در حوزه زیرساخت، Inworld سیستم Realtime TTS-2 را برای اپلیکیشنهای مصرفکننده ساخته است. این سیستم دارای طراحی صدای متنمحور، یک هویت صوتی واحد برای بیش از ۲۰۰ زبان و تأخیر زیر ۱۰۰ میلیثانیه در سطح P99 است.
همزمان، Mistral پس از جذب سرمایه ۳ میلیارد یورویی به رهبری Samsung، در حال گسترش زیرساختهای خود است و ارزش این شرکت اکنون بیش از ۲۱ میلیارد یورو برآورد میشود.
ابزارهای نوظهور و اکوسیستم
در کنار عصر GPT-6، ابزارهای دیگری نیز در حال ظهور هستند:
- Uzu by Mirai: اجرای مدلهای محلی ۲ تا ۳ برابر سریعتر روی مکهای اپل. در این راستا، بحث بر سر برتری مدلهای کوچک تخصصی در برابر مدلهای جامع برای میزبانی شخصی شدت گرفته است تا بهینهترین راه برای اجرای محلی هوش مصنوعی پیدا شود.
- Tangerine: تبدیل فایلها برای کاربران مک تنها با نگه داشتن کلید Shift و کشیدن فایل.
- Baseten: راهاندازی یک آزمایشگاه پژوهشی بازمتن (Open-source) برای هوش مصنوعی.
- SuperAstra: امکان ویرایش زنده بازیهای کنسول سوپر نینتندو.
- ChatGPT Work: اکنون قادر است سبک نوشتاری خاص کاربر را از روی ایمیلها، پیامها و فایلهای او یاد بگیرد.
این چرخش به سمت «استفاده از کامپیوتر» یعنی ارزش یک هوش مصنوعی دیگر فقط در دانش آن نیست، بلکه در تواناییاش برای مدیریت و دستکاری نرمافزارهاست. برای یک صاحب کسبوکار، گلوگاه دیگر توانایی AI نیست، بلکه مهارت کاربر در سازماندهی این عاملها بدون هدر دادن میلیونها توکن است.
منتظر عرضه GPT-6.3 در ماههای آینده باشید؛ الگوهای تاریخی زمان عرضه GPT-5 نشان میدهد که این «پیکداری» و نوسانات اولیه معمولاً در بهروزرسانیهای تکمیلی برطرف میشوند.
گام بعدی شما
- اگر از ابزارهای اتوماسیون استفاده میکنید، جریانهای کاری خود را از «دریافت دستور» به «اجرای مستقیم در نرمافزار» تغییر دهید.
- برای کاهش هزینهها، از ترفند اسکرینشات در Codex برای هدایت دقیقتر مدل استفاده کنید.
- خروجیهای Astra را در محیطهای سهبعدی مثل Blender تست کنید تا سرعت تولید پروتوتایپ خود را بسنجید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو