GPT-5.6 Sol phiên bản xem trước đã ra mắt được nửa tháng, và báo cáo nội bộ từ những người dùng thử nghiệm đầu tiên cuối cùng cũng đã có!
Kỹ sư trưởng của Nvidia đã nói với bạn một cách thẳng thắn và không vòng vo nhất:
Sol rất mạnh! Chỉ trong 30 giờ, nó đã đạt được hiệu quả tăng tốc CUDA mà Opus phải mất 64 giờ mới đạt được.
Sau khi phiên bản sau được tối ưu hóa, nó có thể sẽ hoàn toàn nghiền nát Opus......
Các cư dân mạng cũng không ngồi yên, họ đã trực tiếp lên đồ và tạo ra vô số phép so sánh (châm biếm):
Cùng là chế tạo tàu vũ trụ, hãy nhìn hành lang bên trong của GPT-5.6, sự phối màu và lựa chọn ánh sáng rất có cảm giác công nghệ, sự phân cấp sáng tối rõ ràng; ngược lại, phiên bản 5.5 có tông màu ấm và xám hơn, tổng thể bức tranh phẳng hơn nhiều, trông giống phòng thay đồ của công ty hơn.
Chưa kể đến cảnh vũ trụ bên ngoài tàu vũ trụ, GPT-5.5 giống như một bữa tiệc mosaic. (doge)
Ván này GPT-5.6 thắng tuyệt đối!
Nói về lý do tại sao gần đây GPT-5.6 lại bùng nổ nhiệt độ một lần nữa, một là đối thủ cũ Fable 5 trở lại, hai là mô hình cuối cùng cũng đã có động thái!
Chờ đợi nhiều ngày như vậy, cuối cùng cũng có tin đồn rằng mô hình sẽ chính thức ra mắt trong vài ngày tới.
Lúc đó sẽ không còn chỉ là một số "đối tác" có thể sử dụng, lần này tất cả mọi người đều có!
(Những người chờ đợi đã thắng~)
Altman cũng tự mình xuống sàn phô trương, đẩy không khí lên đến cao trào:
Đứa con trai yêu quý của tôi lần đầu tiên trong đời biết nói từ hai chữ, mức độ chấn động đó giống hệt như khi GPT-5.6 phát hiện ra lý thuyết toán học hoàn toàn mới.
Không sai! Đều là con đẻ cả (doge)
Kết quả thử nghiệm nội bộ đầu tiên được công bố
Lướt qua các bài đăng của người dùng thử nghiệm nội bộ, có một vài điểm đồng thuận khá nhất quán.
Điều đầu tiên, chính là điều mà kỹ sư Nvidia đã đề cập trước đó: Mã nguồn sạch hơn, tổng lượng mã ít hơn.
Cùng một yêu cầu, các mô hình khác có thể viết một đống, trong khi Sol rõ ràng kiềm chế hơn nhiều, có thể giải quyết bằng ba dòng thì tuyệt đối không viết năm dòng, số dòng mã chỉ bằng 1/5 của Opus. Đặc biệt là C++, cách viết rất giống với người thực sự viết, và cũng có ít chú thích hơn.
Đối với các dự án cần bảo trì lâu dài, lợi thế thuộc về Sol.
Tất nhiên, về mặt viết mã cũng không phải là không có điểm trừ, chẳng hạn như tốc độ tiến triển lặp lại chậm hơn, số lần thất bại cũng nhiều hơn, bởi vì Sol luôn cố gắng thử những nhiệm vụ khó hơn.
So với Opus, nó cũng có ít ý tưởng thử sai và khám phá hơn, một khi đã xác định hướng đi thì sẽ theo đuổi đến cùng.
Nói một cách đơn giản, mô hình đã từ bỏ việc thử sai vô não quy mô lớn, chuyển sang đào sâu dài hạn, không theo đuổi kết quả đầu ra bề mặt đẹp mắt, cốt lõi là tập trung vào tối ưu hóa hiệu suất cơ bản.
Điều này cũng phù hợp với định vị của OpenAI dành cho Sol——
Hướng đến các nhiệm vụ có chuỗi dài như lý luận độ khó cao, mã phức tạp, đặc biệt phù hợp với quy trình công việc phức tạp cần lập kế hoạch, lặp lại, gọi công cụ, điều phối bước.
Cùng một prompt, ném cho Sol và GPT-5.5 Pro, hiệu ứng so sánh cũng rất trực quan:
Cho dù là SVG tương tác, mô hình 3D hay tạo trò chơi, khả năng tuân thủ hướng dẫn và lý luận không gian của Sol đều vượt trội hơn, và tính nhất quán cũng tốt hơn.
Trong đó, về phần thiết kế front-end, Sol cũng đã nộp một bản đáp án sạch sẽ và gọn gàng hơn.
So với GPT-5.5, bố cục trang, phân cấp và khoảng trống của Sol đều được xử lý khá tốt, hình ảnh cũng tinh tế hơn. Về mặt thị giác, Sol vượt qua với điểm số cao.
Bắn tỉa Fable 5 thành công?
Tuy nhiên, để nói về vấn đề mà cư dân mạng quan tâm nhất - so sánh với Fable 5 như thế nào?
Hiệu quả có thể vẫn hơi kém hơn một chút.
Trên một số bài kiểm tra chuẩn, Sol và Fable 5 có điểm ngang bằng hoặc thậm chí vượt qua, nhưng về trải nghiệm tổng thể mô hình và chất lượng mã vẫn còn khoảng cách nhất định so với Fable 5.
Ví dụ, người dùng Gipp đã thực hiện một phép so sánh trò chơi FPS 3D.
Khi GPT 5.6 vẫn đang cố gắng thích ứng với thế giới trò chơi, ánh sáng và lối chơi, thì Fable 5 đã có thể biến một prompt thành một trò chơi hoàn chỉnh có thể chơi được.
Tuy nhiên, chi phí của Fable 5 cao hơn nhiều, 10 USD cho mỗi triệu token đầu vào, 50 USD cho token đầu ra, trong khi chi phí đầu tư của Sol chỉ là 5 USD cho mỗi triệu token, chi phí đầu ra là 30 USD.
Sol rẻ hơn gần một nửa!
Vì vậy, trong trường hợp khả năng mô hình tương đương, thực sự khó nói Sol và Fable 5 ai sẽ thắng ai thua.
Đáng sợ hơn là hạn chế an toàn, kể từ khi Fable 5 bị trừng phạt, lần trở lại thứ hai này, cư dân mạng rõ ràng cảm thấy Fable 5 hoàn toàn không làm việc.
Viết mã bình thường, debug, chỉ cần sơ suất một chút là bị hệ thống đánh giá là rủi ro cao, nhiệm vụ trực tiếp bị giảm xuống cho Opus 4.8 xử lý, ngay cả câu hỏi "có bao nhiêu chữ r trong 'raspberry'" cũng bị chặn.
Cư dân mạng lập tức cho Fable 5 một đánh giá tiêu cực......
Về phía GPT-5.6, tình hình tốt hơn một chút. Chính thức đã xác nhận rõ ràng rằng đã bổ sung hệ thống an toàn mạnh mẽ hơn, cũng sẽ cấu hình các chiến lược bảo vệ khác nhau tùy theo khả năng của từng mô hình, và các hạn chế cũng sẽ nhỏ hơn so với Fable 5.
Tóm lại, hãy kiên nhẫn chờ đợi GPT-5.6 ra mắt toàn bộ, lúc đó chúng ta sẽ kiểm tra thực tế để thấy rõ kết quả~
Liên kết tham khảo:
[1]https://x.com/mark_k/status/2073467892889272609?s=20
[2]https://x.com/kimmonismus/status/2073799386535006210
[3]https://x.com/gippp69/status/2073697790723596469
Bài viết này đến từ tài khoản công chúng WeChat "Lượng Tử Vị", tác giả: Lộ Vũ
