U utorak je OpenAI objavio da je o3-pro, nova verzija svog najmoćnijeg modela simuliranog rasuđivanja, sada dostupna korisnicima ChatGPT Pro i Team, zamjenjujući o1-pro u odabiru modela. Tvrtka je također smanjila cijene API-a za o3-pro za 87 posto u odnosu na o1-pro, dok su cijene o3 smanjene za 80 posto. Dok je “rasuđivanje” korisno za neke analitičke zadatke, nove studije postavljaju temeljna pitanja o tome što ta riječ zapravo znači kada se primjenjuje na ove AI sustave.
OpenAI je izvorno pokrenuo o3 (ne-pro) u travnju, a model o3-pro fokusira se na matematiku, znanost i programiranje, dodajući nove sposobnosti poput pretraživanja weba, analize datoteka, analize slika i izvršavanja Pythona. Budući da ove integracije alata usporavaju vrijeme odgovora (duže od već sporog o1-pro), OpenAI preporučuje korištenje modela za složene probleme gdje je točnost važnija od brzine. Ipak, ne moraju nužno manje pogrešno tumačiti podatke od “ne-rasuđivačkih” AI modela, što je značajna napomena kada tražite točne rezultate.
Osim prijavljenih poboljšanja u performansama, OpenAI je najavio značajno smanjenje cijena za programere. O3-pro košta 20 USD po milijun ulaznih tokena i 80 USD po milijun izlaznih tokena u API-ju, što ga čini 87 posto jeftinijim od o1-pro. Cijena standardnog o3 modela također je smanjena za 80 posto.
Ova smanjenja rješavaju jednu od glavnih briga oko modela rasuđivanja – njihovu visoku cijenu u usporedbi sa standardnim modelima. Izvorni o1 koštao je 15 USD po milijun ulaznih tokena i 60 USD po milijun izlaznih tokena, dok je o3-mini koštao 1,10 USD po milijun ulaznih tokena i 4,40 USD po milijun izlaznih tokena.
Zašto koristiti o3-pro? Za razliku od generalnih modela poput GPT-4o koji prioritet daju brzini, širokom znanju i osjećaju ugode kod korisnika, o3-pro koristi simulirani proces rasuđivanja kako bi posvetio više izlaznih tokena rješavanju složenih problema, čineći ga općenito boljim za tehničke izazove koji zahtijevaju dublju analizu. Ipak, još uvijek nije savršen.
Mjerenje takozvane “sposobnosti rasuđivanja” je teško jer se benchmarkovi lako mogu manipulirati odabirom podataka ili kontaminacijom podataka, ali OpenAI izvještava da je o3-pro popularan među testerima. “U stručnim evaluacijama, recenzenti dosljedno preferiraju o3-pro u svakoj testiranoj kategoriji, posebno u ključnim domenama poput znanosti, obrazovanja, programiranja, poslovanja i pomoći u pisanju,” piše OpenAI u svojim bilješkama o izdanju.
