تصور کنید در حال سرهم کردن یک قفسه پیچیده هستید و متوجه می‌شوید قطعات با نقشه هم‌خوانی ندارند؛ حالا یک دستیار دیجیتال می‌تواند دقیقاً بگوید کدام پیچ را در جای اشتباه بسته‌اید. GPT-6 Astra اکنون می‌تواند خطاهای مونتاژ مبلمان ایکیا را با صحت ۸۰ درصدی شناسایی کند.
به گزارش وب‌سایت the-decoder.com در ۲۶ سپتامبر ۲۰۲۶، این مدل قادر است عکس‌های یک محصول نیمه‌ساخته را با دستورالعمل‌های رسمی مقایسه کند و نقطه دقیق خطا را بیابد. این پیشرفت در حالی رخ می‌دهد که آزمایشگاه‌های هوش مصنوعی از تولید متن صرف به سمت استدلال در دنیای فیزیکی حرکت می‌کنند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت عامل‌های هوش مصنوعی اشاره کردیم، تمرکز صنعت اکنون از محیط‌های مجازی به تعامل با محیط‌های فیزیکی تغییر یافته است. این جهش در درک محیطی، در کنار بهبود نرخ موفقیت این مدل در اجرای وظایف پیچیده سیستم‌عامل، نشان‌دهنده تکامل Astra در مدیریت محیط‌های عملیاتی است.
هوش مصنوعی زاینده (Generative AI) — شبیه هنرمندی که با یادگیری الگوهای میلیون‌ها اثر، می‌تواند چیزهای جدید خلق کند — در این مدل به لایه‌ای از درک مکانیکی مجهز شده است. پژوهشگران برای سنجش این توانایی از محک مونتاژ مبلمان (FAB) متعلق به Epoch AI استفاده کردند. در این آزمون، عکس‌هایی از سه محصول ایکیا که عمداً اشتباه سرهم شده بودند، به مدل‌ها داده شد. نتایج طبق مستندات این پژوهش به شرح زیر است:
- GPT-6 Astra: صحت ۸۰٪ (زمان پردازش: ۳ دقیقه برای هر عکس)
- Claude Fable 5.1: صحت ۷۰٪
- Claude Opus 5: صحت ۶۱٪. این مدل پیش‌تر در زمینه طراحی مدارات الکترونیکی نیز عملکرد قابل توجهی از خود نشان داده بود.
- Claude Opus 4.5: صحت ۲۸٪ (ثبت شده در نوامبر ۲۰۲۵)
مدل‌های با وزن‌های باز (Open Weights) — یعنی مدل‌هایی که دستور پخت یا ساختار داخلی‌شان علناً منتشر شده — مانند Kimi K3 چینی، در حال حاضر دست‌کم هفت ماه از این پیشروها عقب‌تر هستند. این رشد خیره‌کننده است، چون مدل‌های قبلی حتی در ساده‌ترین کارهای بصری هم شکست می‌خوردند. این پیشرفت‌ها در حالی حاصل شده که OpenAI در نسخه‌های جدید Astra، بهره‌وری توکن و حافظه پایدار را بر هوش مطلق اولویت داده است تا کاربرد عملی مدل در دنیای واقعی افزایش یابد.
برای کاربر عادی، این یعنی هوش مصنوعی به یک دستیار تعمیرات خانگی تبدیل می‌شود. اگرچه Astra فعلاً برای راهنمایی زنده بیش از حد کند است، اما منطق آن می‌تواند به تعمیرات پیچیده خودرو یا لوازم خانگی گسترش یابد. در واقع مدل دیگر فقط تصویر را توصیف نمی‌کند، بلکه منطق مکانیکی اتصال قطعات را می‌فهمد.
گام بعدی شما
- دنبال کنید که آیا این قابلیت‌ها به سخت‌افزارهای پوشیدنی (مانند عینک‌های هوشمند) منتقل می‌شوند یا خیر.
- اگر توسعه‌دهنده هستید، بررسی کنید که چگونه مدل‌های بینایی-زبانی می‌توانند در کنترل کیفیت خط تولید صنعتی کاربرد داشته باشند.
- قابلیت‌های استدلال بصری را در نسخه‌های بتای مدل‌های چندوجهی تست کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو