اگر امروز برای پردازشهای حجیم در GPT-4 هزینه میدهید، صورتحساب شما از ماه آینده بهشدت کاهش مییابد. OpenAI با کاهش ۸۰ درصدی قیمت توکنها در مدل جدید خود، سد اقتصادی استقرار عاملهای هوشمند را تخریب کرد. در حالی که بهروزرسانیهای قبلی مدلها عمدتاً بر افزایش سطح هوش خالص تمرکز داشتند، GPT-5.6 Luna نشاندهنده تغییر استراتژی به سوی «مرز قیمت-عملکرد» است؛ جایی که مقیاسپذیری دیگر هزینههای بازدارنده ندارد. OpenAI با اتخاذ یک استراتژی قیمتگذاری تهاجمی، در حال تبدیل گردشهای کاری عاملمحور با حجم بالا به مدلهایی اقتصادی و سودآور است.
این تحول در حالی رخ میدهد که شرکتها از رابطهای سادهی چت فاصله گرفته و بهدنبال عاملهای (Agents) خودکار هستند. عاملها — شبیه دستیارهای اداری که نهتنها میفهمند چه کاری باید انجام شود، بلکه خودشان وارد نرمافزار شده و کار را پیش میبرند — برای اجرا به هزاران فراخوانی متوالی نیاز دارند. همانطور که در تحلیل قبلی ما دربارهی تبدیل باتهای اجتماعی به کوپایلتهای عملیاتی توسط YourGPT SDK اشاره کردیم، هزینهٔ این تکرارهای مداوم، بزرگترین مانع رشد این فناوری در مقیاس گسترده بود.
زمینه و بستر بازار
از دیدگاه OpenAI، فراوان و ارزان کردن هوش پیشرفته، بخشی مرکزی از ماموریت این شرکت برای اطمینان از این است که AGI (هوش مصنوعی عام) به نفع تمام بشریت باشد. این بهروزرسانیها حاصل سالها بهبود در نحوه ساخت، سرویسدهی و استقرار مدلهاست. این شرکت اکنون بر استراتژی محاسباتی متمرکزی بنا شده که برای مقیاسپذیری طراحی شده است. این رویکرد شامل ایجاد یک سبد زیرساختی تابآور و تطبیق دادن حجمهای کاری خاص با سیستمهایی است که بهترین عملکرد را برای اجرای آنها دارند تا هر دو نقطه از منحنی قیمت-عملکرد پشتیبانی شوند.
طبق اعلام رسمی OpenAI در پست وبلاگی منتشر شده در ۳۰ ژوئیه ۲۰۲۶، این شرکت خانواده مدلهای ۵.۶ را به سه سطح تقسیم کرده تا با نتایج تجاری خاص سازگار شود. این چیدمان اکنون به عنوان یک سیستم هوشمندی لایهبندی شده عمل میکند:
- GPT-5.6 Luna: سریعترین و ارزانترین مدل با بازدهی بالا. هزینه این مدل اکنون به ۰.۲۰ دلار برای هر میلیون توکن ورودی و ۱.۲۰ دلار برای هر میلیون توکن خروجی کاهش یافته است. این مدل برای حجم کاری بالا طراحی شده و عملکردی مشابه مدلهای پیشرو یک سال پیش را با سرعتی ۹ برابر بیشتر ارائه میدهد. Luna قادر است از ابزارها استفاده کرده و گردشهای کاری چندمرحلهای را به پایان برساند.
- GPT-5.6 Terra: مدل میانرده و متوازن برای کارهای روزمره. قیمت این مدل ۲۰٪ کاهش یافته و اکنون ۲ دلار برای هر میلیون توکن ورودی و ۱۲ دلار برای هر میلیون توکن خروجی است.
- GPT-5.6 Sol: مدل پیشرو با بالاترین سطح هوش. در حالی که قیمت پایه آن بدون تغییر باقی مانده، یک «حالت سریع» (Fast mode) جدید جایگزین پردازش اولویتدار (Priority Processing) شده است. این حالت سرعت را ۲.۵ برابر بیشتر از پردازش استاندارد میکند، در حالی که هزینه آن دو برابر است و هیچ تغییری در سطح هوش ایجاد نمیکند. حالت سریع با درخواستهایی که تگ اولویت دارند، سازگار است.
جزئیات فنی و مکانیسمها
به نقل از مستندات OpenAI، این بهرهوریها از طریق یک «حلقه بازخورد بازگشتی» (Recursive Feedback Loop) حاصل شده است. شرکت همزمان مدلها، سیستمهای استنتاج (Inference) — یعنی همان لحظهای که مدل واقعاً جواب تولید میکند — و چارچوبهای عاملمحور (Agentic Harness) که مدلها را به ابزارها و زمینههای (Context) مختلف متصل میکند، بهینه کرده است.
این بهینهسازیها در سه محور اصلی صورت گرفته است:
- مسیرهای مستقیم (Direct Paths): مدلهای GPT-5.6 با استفاده از مسیریابی (Routing) بهتر، مسیرهای مستقیمتری را برای انجام کارها طی میکنند تا سختافزار در وضعیت بهرهور باقی بماند.
- نرمافزارهای تولیدی (Production Software): استفاده از نرمافزارهای بهینه شده برای تولید توکنها با کارایی بیشتر.
- مدیریت زمینه (Context Management): مدیریت هوشمندانه کمک میکند تا عاملها از تکرار کارهایی که قبلاً به اتمام رسیدهاند، اجتناب کنند.
بهطور مشخص، GPT-5.6 Sol در یک فرآیند تحت نظارت انسانی، برای بهینهسازی خودش به کار گرفته شد. Sol بهطور خودکار کدهای سطح پایین (Production Kernels) را بازنویسی کرد و صدها آزمایش را برای بهبود تولید توکن طراحی و اجرا نمود. همچنین این مدل بر روند آموزش نظارت داشت و هنگام بروز مشکلات مداخله میکرد. کارهای مربوط به هسته (Kernel) منجر به کاهش ۲۰ درصدی هزینه سرورهای مدل شد و آزمایشهای آن کارایی تولید توکن را بیش از ۱۵٪ افزایش داد. این رقابت برای بهینهسازی کدنویسی در مدلهای زبانی، جبههای است که شرکتهای دیگر نیز به شدت دنبال میکنند؛ برای مثال مدل ZCode چینی نیز تلاش کرده است تا در حوزه برنامهنویسی به سطح مدلهای تراز اولی مانند Claude Opus برسد.
این وضعیت یک تغییر استراتژیک متمایز برای توسعهدهندگان ایجاد میکند. بهجای استفاده از یک مدل گرانقیمت برای کل یک تسک، کسبوکارها اکنون میتوانند کار را مسیریابی کنند: استفاده از Sol برای رفع ابهامات و تعریف نقشه راه، و سپس تغییر مسیر به Luna برای اجرای تغییرات دقیق، نوشتن و اجرای تستها و ارزیابی نتایج.
در محکهای حرفهای، کارایی Luna خیرهکننده است. در آزمون Agents’ Last Exam، مدل Luna از Fable 5 پیشی گرفت، در حالی که هزینه تخمینی هر تسک در آن ۹۹٪ کمتر است. در واقع Luna عملکردی مشابه مدلهای کلاس پیشرو یک سال پیش را ارائه میدهد، اما هر تسک را تقریباً با ۶ سنت در هر دلار (۶ درصد هزینه) نسبت به آنها انجام میدهد.
برای کیف پول کاربر، این یعنی «مالیات هوش مصنوعی» روی عملیات روتین — مثل تحلیل انبوه اسناد، طبقهبندی تعاملات مشتری یا پیادهسازیهای روتین — عملاً از بین میرود. هزینه نگهداری یک عامل باکیفیت دیگر یک صعود خطی و ترسناک نیست، بلکه یک هزینه عملیاتی قابل مدیریت است.
دسترسی و در دسترس بودن
مدلهای GPT-5.6 Terra و Luna در ChatGPT Work، Codex و API در دسترس هستند. برای کاربران در محیط ChatGPT Work و Codex:
- کاربران Free و Go میتوانند به Terra دسترسی داشته باشند.
- کاربران Plus، Pro، Business و Enterprise میتوانند هر دو مدل Terra و Luna را انتخاب کنند.
در حالی که قیمت اشتراکها و بودجههای سهمیه (Quota) بدون تغییر باقی ماندهاند، اما استفاده از Terra و Luna اکنون اعتبار (Credit) کمتری مصرف میکند.
آنچه از این اتفاق برداشت میشود این است که OpenAI دیگر فقط بهدنبال شکستن رکوردهای بنچمارک نیست، بلکه در حال جنگ فرسایشی بر سر هزینه استنتاج است. با ارزان کردن «کفِ» هوش مصنوعی تا حدی نزدیک به رایگان، آنها سازمانها را از طریق نیروی گرانش اقتصادی در اکوسیستم خود قفل میکنند.
انتظار میرود سایر فعالان صنعت نیز با کاهش قیمتهای تهاجمی مشابه پاسخ دهند. میدان نبرد بعدی دیگر این نیست که چه کسی هوشمندترین مدل را دارد، بلکه این است که چه کسی میتواند آن هوش را با کمترین مقدار برق و سیلیکون در هر توکن اجرا کند.
منتظر ادغام AWS در ساعات آینده باشید، چرا که این تغییرات قیمتگذاری در سراسر زیرساختهای ابری آنها اعمال خواهد شد.
گفتگو