OpenAI ได้เปิดตัว GPT-5.4 mini และ nano ซึ่งเป็นโมเดลขนาดเล็กที่มีความสามารถสูงที่สุดของพวกเขา ณ ขณะนี้
โมเดลเหล่านี้มีความสามารถในการจัดการงานด้านโค้ด เช่น การแก้ไข การนำทางโค้ด และการดีบัก ด้วยความหน่วงต่ำ ทำให้เหมาะสำหรับงานที่ต้องการความเร็วและต้นทุนที่ต่ำ
ในส่วนของ Subagents โมเดลใหญ่ GPT-5.4 สามารถวางแผนและตัดสินใจหลัก ขณะที่ GPT-5.4 mini จะรับผิดชอบงานย่อยเฉพาะทาง เช่น การค้นหาโค้ดเบส หรือการประมวลผลเอกสารสนับสนุน
ตารางเปรียบเทียบแสดงให้เห็นถึงประสิทธิภาพของโมเดลต่างๆ ในด้านต่างๆ เช่น SWE-bench Pro, Terminal-Bench 2.0 และการจัดการบริบทที่ยาวนาน
ศัพท์ที่ควรรู้
- GPT-5.4 mini และ nano – คือโมเดลขนาดเล็กที่ถูกเปิดตัวพร้อมกับ GPT-5.4 ซึ่งมีความสามารถสูงที่สุดของ OpenAI
- Subagents – คือการมอบหมายงานย่อยเฉพาะทางให้กับโมเดลขนาดเล็ก (GPT-5.4 mini) เพื่อทำงานพร้อมกันภายใต้การควบคุมของโมเดลใหญ่
- Latency – คือความหน่วงในการตอบสนองของโมเดล ซึ่งโมเดลเหล่านี้ทำได้ต่ำ
- SWE-bench Pro – คือหนึ่งในเกณฑ์มาตรฐานที่ใช้วัดประสิทธิภาพของโมเดลในการทำงานด้านการเขียนโค้ด
- Codex – คือหนึ่งในบริบทที่ใช้ในการทำงานร่วมกันระหว่างโมเดลใหญ่และโมเดลย่อย
ที่มา: OpenAI