شرکت OpenAI با اعلام بازنشانی ذخیره‌شونده سقف توکن‌ها، نشانه‌هایی از عرضه قریب‌الوقوع GPT-6.1 Astra بروز داده است؛ مدلی که احتمال دارد هفته آینده منتشر شود. هم‌زمان، نام GPT-6.2 Betelgeuse در ردیاب داخلی مدل‌های این شرکت دیده شده است. شباهت سبک پاسخ‌گویی Kimi K3.1 Pro و GLM-5.3 به مدل‌های OpenAI و Anthropic نیز گمانه‌زنی‌ها درباره تقطیر را افزایش داده؛ هرچند این شباهت به‌تنهایی چیزی را ثابت نمی‌کند.
🔷 مدل GPT-6.1 Astra محتمل‌ترین گزینه برای عرضه بعدی OpenAI است و ممکن است هفته آینده منتشر شود.
🔷 نام مدل GPT-6.2 Betelgeuse در ردیاب داخلی مدل‌های OpenAI ظاهر شده است.
🔷 مدل پایه Bel احتمالاً با بیش از ۱۰ تریلیون پارامتر، زیربنای GPT-6.2 Betelgeuse خواهد بود.
🔷 شاخص‌های شخصیت مدل‌ها شباهت‌هایی میان Kimi K3.1 Pro و GPT-6 Astra و نیز GLM-5.3 و Claude 5 نشان می‌دهند.
🔷 مدل DeepSeek V4.1-Flash-1017 چنین شباهتی نشان نداده است؛ این نتیجه با شواهدی که بر توسعه مستقل مدل‌های DeepSeek دلالت دارند، هم‌خوانی دارد.
GPT-6.1 Astra درحال‌حاضر محتمل‌ترین گزینه برای عرضه بعدی OpenAI به‌شمار می‌رود و ممکن است هفته آینده منتشر شود. بااین‌حال، شرکت هنوز زمان عرضه یا جزئیات این مدل را رسماً تأیید نکرده است.
شرکت OpenAI اخیراً از بازنشانی سقف توکن‌ها به‌شکل «ذخیره‌شونده» (banked) خبر داده است. این تغییر در کنار نشانه‌های عرضه یک مدل تازه، این احتمال را مطرح کرده که شرکت می‌خواهد کاربران برای استفاده پرحجم‌تر از مدل بعدی آماده باشند؛ اما OpenAI ارتباط این سازوکار با GPT-6.1 Astra را تأیید نکرده است.
نام GPT-6.2 Betelgeuse در ردیاب داخلی مدل‌های OpenAI دیده شده است. این مدل هنوز عرضه نشده و مشاهده نامش در ردیاب داخلی به‌معنای انتشار رسمی یا مشخص‌شدن زمان عرضه آن نیست.
چند هفته پیش خبرهایی درباره پایان‌یافتن مرحله پیش‌آموزش مدل پایه بعدی OpenAI منتشر شد. این مدل در داخل شرکت Bel نام دارد و گفته می‌شود بیش از ۱۰ تریلیون پارامتر دارد. احتمال می‌رود Bel پایه‌ای باشد که OpenAI، GPT-6.2 Betelgeuse را بر مبنای آن می‌سازد.
شرکت‌های OpenAI و Anthropic در سطح رقابت و عرضه مدل‌ها، با انتشار پی‌درپی محصولات تازه فعالیت می‌کنند؛ اما وضعیت مالی کلان آن‌ها به همان اندازه مساعد نیست. OpenAI در دور اخیر جذب سرمایه، هدف ۳۰ میلیارد دلار را دنبال می‌کرده و تاکنون برای ۱۱ میلیارد دلار تعهد قطعی سرمایه‌گذاری دریافت کرده است؛ رقمی کمتر از نیمی از هدف تعیین‌شده. این تعهد قطعی را نباید با سرمایه‌ای که تماماً پرداخت شده باشد یکی دانست.
شرکت OpenAI اکنون ظاهراً به‌دنبال جذب ۲۰ میلیارد دلار سرمایه با ارزش‌گذاری ۱٫۲۵ تریلیون دلاری است. این ارقام نشان می‌دهند که شرکت، هم‌زمان با عرضه مدل‌های تازه، به جذب سرمایه قابل‌توجهی نیاز دارد.
برای Anthropic نیز احتمال چالش‌های مالی مطرح است. این شرکت ممکن است پس از عرضه اولیه سهام در نوامبر (آبان و آذر)، با رتبه اعتباری بدهی در سطح «غیرسرمایه‌گذاری» (junk) روبه‌رو شود. چنین رتبه‌ای می‌تواند محدودیت مهمی ایجاد کند؛ به‌خصوص که Anthropic تعهدهایی برای تأمین توان محاسباتی به ارزش صدها میلیارد دلار دارد که منابع مالی آن‌ها هنوز تأمین نشده است.
شاخص‌های شخصیتی Artificial Analysis، ازجمله نمودارهای راداری AA-PersonalityBench، شباهت چشمگیری میان Kimi K3.1 Pro و GPT-6 Astra نشان داده‌اند. این شاخص‌ها همچنین GLM-5.3 را از نظر سبک به سری Claude 5 نزدیک می‌دانند. این شباهت‌ها ممکن است نشان‌دهنده آموزش با استفاده از خروجی‌های مدل‌های دیگر باشند؛ اما به‌تنهایی چنین چیزی را ثابت نمی‌کنند.
این شباهت‌ها می‌توانند نشانه‌ای از تقطیر مدل یا دست‌کم تأثیرگذاری سبکی قابل‌توجه از راه داده‌های مصنوعی باشند. در فرایند تقطیر، خروجی‌ها یا داده‌های تولیدشده به‌کمک یک مدل می‌توانند برای آموزش مدل دیگری به کار بروند.
بااین‌حال، نمودارهای شخصیتی فقط شباهت در سبک پاسخ‌گویی را نشان می‌دهند و به‌تنهایی ثابت نمی‌کنند که یک مدل از دیگری تقطیر شده است. پس‌آموزش هم‌گرا، ترجیح‌های مشابه برای پاسخ‌های مفید و خوش‌بیان، داده‌های ترجیحی مشترک یا الگوبرداری عمدی از یک سبک نیز می‌توانند پاسخ‌هایی شبیه به‌هم ایجاد کنند؛ حتی اگر تقطیر کاملی در کار نباشد.
شاخص‌های بررسی‌شده، برای DeepSeek V4.1-Flash-1017 شباهت مشابهی با مدل‌های یادشده نشان نداده‌اند. این نتیجه با شواهد جانبی دیگری هم‌خوانی دارد که نشان می‌دهند مدل‌های DeepSeek عمدتاً حاصل تلاش‌های داخلی این شرکت هستند؛ هرچند این شباهت‌نداشتن به‌تنهایی استقلال کامل فرایند آموزش را ثابت نمی‌کند.
نشانه‌های موجود از عرضه احتمالی GPT-6.1 Astra و ظهور نام GPT-6.2 Betelgeuse در ردیاب داخلی OpenAI حکایت دارند؛ اما شرکت هنوز زمان عرضه یا مشخصات این مدل‌ها را رسماً اعلام نکرده است. شاخص‌های شخصیتی نیز شباهت‌هایی میان Kimi K3.1 Pro، GLM-5.3 و مدل‌های GPT و Claude نشان می‌دهند، اما برای اثبات تقطیر به شواهد بیشتری نیاز است.
به‌نظر شما شباهت سبک پاسخ‌گویی مدل‌های هوش مصنوعی برای نتیجه‌گیری درباره شیوه آموزش آن‌ها کافی است؟
