GPT kulude sein
Viimase nädala jooksul on X-is GPT kohta käiv arutelu keskendunud uuele fookusele: mitte võimekusele, vaid kuludele.
ARC-AGI: intelligentsuse piir
Praegu kõige arenenumate mudelite tulemused ARC-AGI-2-l:
| Mudel | ARC-AGI-2 skoor |
|---|---|
| GPT-5.2 Pro | ~54% |
| GPT-5.2 Refine | ~73% |
| Inimene | 100% |
54% kuni 73% vahe ei ole intelligentsuse küsimus, vaid "täpsustamine" – mudeli korduv kontrollimine oma vastuste üle. See nõuab rohkem arvutusi, mis tähendab suuremaid kulusid.
Agendi tegelikud kulud
24/7 ettevõtte tasemel agendi (20 miljonit sisendit + 20 miljonit väljundit tokenit päevas) aastane kulu:
| Mudel | Aastane kulu |
|---|---|
| Palmyra X5 | ~$48K |
| GPT-5.2 Standard | ~$57K |
| Gemini 2.5 Pro | ~$82K |
| Claude Sonnet 4.5 | ~$131K |
| Claude Opus 4.6 | ~$219K |
| GPT-5.2 Pro | ~$690K |
GPT-5.2 Pro on 12 korda kallim kui GPT-5.2 Standard. See ei ole hinnakujundusstrateegia küsimus, vaid kulustruktuuri küsimus.
"Enne 100 AI agendi kasutuselevõttu arvutage see välja." — @waseem_s
Uus Turingi test
Lihtsast küsimusest on saamas uus intelligentsuse test:
"Autopesula on minu kodust 40 meetri kaugusel. Ma tahan autot pesta. Kas ma peaksin minema jalgsi või autoga?"
Läbinud mudelid: GPT-5.2 Thinking, Opus 4.6, Gemini 3 Pro Läbikukkunud mudelid: GPT-5.2 Instant, GPT-4o, Haiku 4.5, Sonnet 4.5
Miks on see test oluline? Sest see testib "terve mõistuse arutlust" mitte "teadmiste otsingut". 40 meetrit on jalutuskäigu kaugus. Auto on määrdunud ja vajab pesemist. Kuid sa ei sõidaks määrdunud autoga 40 meetrit pesulasse – välja arvatud juhul, kui sa ei tea terve mõistust.
Ajalugu ei kordu, kuid riimub
"Ekspertsüsteemid sündisid 1970ndatel, õitsesid 1980ndatel ja neid peeti laialdaselt AI tulevikuks." — @ChombaBupe
GPT mudelid sündisid 2018. aastal, õitsesid 2020ndatel ja neid peetakse laialdaselt AI tulevikuks.
Ekspertsüsteemide ebaõnnestumine ei olnud tingitud sellest, et need ei olnud piisavalt targad, vaid sellest, et nende hoolduskulud olid liiga kõrged ja skaleeritavus liiga halb. Kui teadmistebaasi on vaja käsitsi hooldada, on suurus vaenlane.
GPT seisab silmitsi peegelpildiga probleemiga: mudelid on targad, kuid arutlemise kulud on liiga kõrged. Kui iga taotlus nõuab suurt hulka arvutusi, on suurus samuti vaenlane.
Järgmine samm
Sel nädalal on oodata mitmete uute mudelite avaldamist: Gemini 3.1 Pro, Claude Sonnet 5, GPT-5.3, DeepSeek V4, Qwen 3.5.
Konkurents on liikumas "kes on targem" pealt "kes on odavam" peale. See on kasutajate jaoks hea uudis. OpenAI jaoks? Mitte tingimata.
