GPT‑5.6 Sol، Terra و Luna؛ راهنمای واقعی انتخاب مدل، نه فقط مقایسه قیمت

OpenAI خانواده GPT‑5.6 را با سه رده پایدار معرفی کرده است: Sol، Terra و Luna. نام‌ها شاعرانه‌اند، اما تفاوت‌شان صرفاً در برند نیست. Sol پرچم‌دار خانواده و برای کار پیچیده، استدلال طولانی و جریان‌های حرفه‌ای طراحی شده است. Terra نقش متعادل را دارد؛ مدلی برای کار روزمره که فاصله میان کیفیت، سرعت و هزینه را پر می‌کند. Luna سریع‌ترین و اقتصادی‌ترین عضو خانواده است. اشتباه رایج این است که این سه را سه درجه از یک «جواب» بدانیم؛ در عمل، آن‌ها باید سه تصمیم متفاوت در معماری محصول باشند.

OpenAI می‌گوید شماره 5.6 نسل مدل را نشان می‌دهد و Sol، Terra و Luna رده‌های قابلیتی هستند که می‌توانند با ریتم خودشان پیش بروند. این نکته برای تیم‌ها مهم است، چون نباید همه‌چیز را با مدل پرچم‌دار اجرا کنند. محصول بالغ به جای پرسیدن «کدام مدل قوی‌تر است؟» می‌پرسد «کدام مدل برای این تصمیم، این داده و این پیامد کافی است؟» همین تغییر پرسش، هزینه، تأخیر و ریسک را هم‌زمان قابل مدیریت می‌کند.

Sol برای کارهایی است که خطای ظاهراً کوچک در آن‌ها پرهزینه می‌شود: تحلیل کد چندفایلی، پژوهش با منابع متعدد، کار دانشی حرفه‌ای، استفاده از رایانه، طراحی و بعضی جریان‌های علمی یا امنیتی. در ChatGPT، گزینه‌های Medium، High و Extra High برای حساب‌های واجد شرایط با Sol کار می‌کنند و Sol Pro برای دشوارترین کارها و فرایندهای طولانی‌تر در دسترس است. این به معنی آن نیست که Sol باید پیش‌فرض هر درخواست باشد. یعنی وقتی مسئله به برنامه‌ریزی، بررسی تناقض، ابزارهای متعدد یا بازبینی انسانی جدی نیاز دارد، Sol جای بهتری در صف دارد.

کاربرد خوب Sol یک مسئله تعریف‌شده با خروجی قابل ارزیابی است. مثلاً عامل باید یک تغییر نرم‌افزاری را بررسی کند، تست پیشنهاد دهد و قبل از هر عمل حساس توقف کند؛ یا پژوهشگر باید فرضیه‌ها را از منابع مشخص جمع کند و عدم قطعیت‌ها را جدا نگه دارد. کاربرد بد Sol این است که تنها به خاطر «باهوش‌تر بودن» برای دسته‌بندی ساده، پیش‌نویس‌های روتین یا خلاصه‌سازی‌های کم‌خطر فراخوانی شود. مدل قوی‌تر بدون مرزبندی، فقط هزینه بیشتر و اعتماد کاذب تولید می‌کند.

Terra انتخابی است که بسیاری از تیم‌ها باید ابتدا به آن نگاه کنند. OpenAI آن را مدل متعادل برای کارهای روزمره معرفی کرده و می‌گوید عملکردش با GPT‑5.5 رقابتی است، در حالی که هزینه کمتری دارد. در API، قیمت ورودی Terra 2.50 دلار و خروجی آن 15 دلار به ازای هر یک میلیون توکن است؛ نصف قیمت Sol. این تفاوت وقتی یک ویژگی هزاران بار در روز اجرا می‌شود، فقط عدد حسابداری نیست؛ بخشی از طراحی محصول است.

Terra برای پیش‌نویس پاسخ پشتیبانی، خلاصه‌سازی اسناد، استخراج ساختاریافته، تحلیل اولیه داده، کمک به برنامه‌نویسی با بازبینی و اتوماسیون‌هایی که هنوز انسان آخرین تأیید را می‌دهد، نقطه شروع خوبی است. اما «تعادل» با «بی‌نیازی از کنترل» فرق دارد. اگر Terra به ایمیل، پرونده مشتری یا ابزار داخلی وصل است، محدوده ابزار، داده مجاز، لاگ و تأیید انسانی همچنان لازم‌اند. مدلی که اقتصادی است می‌تواند در مقیاس بزرگ‌تر اجرا شود؛ پس خطای آن هم می‌تواند در مقیاس بزرگ‌تر تکرار شود.

نام درست مدل سوم Luna است. OpenAI آن را سریع‌ترین و کم‌هزینه‌ترین مدل خانواده GPT‑5.6 معرفی می‌کند: یک دلار ورودی و شش دلار خروجی به ازای هر میلیون توکن. Luna برای جایی مناسب است که درخواست‌ها پرتعداد، ساختار خروجی روشن و پیامد خطا محدود یا به‌سادگی قابل بازبینی باشد؛ مانند برچسب‌گذاری، مسیریابی اولیه، استخراج فیلد، آماده‌سازی پیش‌نویس، پاسخ‌های کوتاه با دانش محدود و تبدیل قالب.

وسوسه استفاده از Luna برای همه‌چیز قابل درک است، چون سرعت تجربه کاربر را بهتر می‌کند و هزینه را پایین می‌آورد. اما در کارهای چندمرحله‌ای، تحلیل مبهم، اقدام با ابزار یا موقعیت‌هایی که نیاز به قضاوت دقیق دارند، صرفه‌جویی اولیه ممکن است با اصلاح دستی، پاسخ اشتباه یا پشتیبانی بیشتر از بین برود. Luna یک «Sol ارزان‌تر» نیست؛ یک ابزار برای کلاس دیگری از مسئله است. بهترین استفاده از آن این است که کار ساده را واقعاً ساده نگه دارید.

برای انتخاب مدل، سه پرسش را قبل از هر بنچمارک بپرسید. نخست: اگر پاسخ اشتباه باشد، اثر آن چیست؟ دوم: مسئله چند مرحله، چند ابزار و چه مقدار ابهام دارد؟ سوم: آیا انسان خروجی را پیش از اقدام می‌بیند؟ کار کم‌خطر، پرتکرار و ساختارمند معمولاً با Luna شروع می‌شود. کار روزمره‌ای که کیفیت متن، فهم زمینه یا تحلیل متوسط می‌خواهد، جای Terra است. کار حساس، چندمرحله‌ای، پژوهشی یا عاملی که باید درباره مسیر تصمیم فکر کند، کاندید Sol است.

بعد از این مسیردهی اولیه، ارزیابی داخلی را جایگزین حدس کنید. برای هر مسیر چند نمونه واقعی، چند ورودی ناقص و چند سناریوی شکست بسازید. نرخ اصلاح انسان، زمان پاسخ، هزینه هر نتیجه درست، شکایت کاربر و زمان بازیابی را کنار هم ببینید. مدل خوب مدلی نیست که فقط در یک جدول برنده باشد؛ مدلی است که در فرایند شما نتیجه درست را با هزینه و نظارت قابل قبول تولید کند.

در ChatGPT استاندارد، Terra و Luna انتخاب‌پذیر نیستند؛ اما در ChatGPT Work، Codex و API بسته به طرح و دسترسی در دسترس‌اند. OpenAI همچنین برای GPT‑5.6 امکان cache breakpoint صریح و حداقل عمر کش 30 دقیقه‌ای را اعلام کرده است. برای محصولاتی که بارها زمینه ثابت مانند دستورالعمل، کاتالوگ یا سیاست سازمان را می‌فرستند، این می‌تواند هزینه را به‌طور معنی‌داری تغییر دهد. با این حال، کش جای طراحی زمینه خوب را نمی‌گیرد؛ داده قدیمی یا ناهمگون اگر کش شود، خطا را سریع‌تر تکرار می‌کند.

خانواده GPT‑5.6 همراه با محافظت‌های درون‌مدلی، بررسی‌های لحظه‌ای و پایش عرضه شده است و بعضی درخواست‌های پرریسک زیستی یا سایبری ممکن است رد یا نیازمند بررسی بیشتر شوند. این محافظت‌ها مسئولیت تیم محصول را حذف نمی‌کنند. سطح دسترسی عامل، تأیید کاربر برای اقدام حساس، ثبت رخداد و امکان توقف، هنوز باید در خود محصول طراحی شود. انتخاب بین Sol، Terra و Luna در نهایت انتخاب میان سه قیمت نیست؛ انتخاب یک قرارداد عملیاتی برای هر نوع کار است. منبع: https://openai.com/index/gpt-5-6/ و https://help.openai.com/en/articles/20001354-gpt-56-in-chatgpt