GPT-6 Sol ו-Luna של OpenAI זמינים כעת ב-Amazon Bedrock
שני מודלים חדשים ממשפחת GPT-6 של OpenAI, בשם Sol ו-Luna, זמינים כעת באופן כללי בפלטפורמת Amazon Bedrock. Sol מיועד למשימות קידוד ותכנון מורכבות ותדירות, ו-Luna למשימות ממוקדות בהיקף גבוה כמו סיווג וחילוץ מידע ממסמכים — שני המודלים מתומחרים נמוך משמעותית מהדור הקודם.
כותרת: GPT-6 Sol ו-Luna של OpenAI זמינים כעת ב-Amazon Bedrock תקציר: שני מודלים חדשים ממשפחת GPT-6 של OpenAI, בשם Sol ו-Luna, זמינים כעת באופן כללי בפלטפורמת Amazon Bedrock. Sol מיועד למשימות קידוד ותכנון מורכבות ותדירות, ו-Luna למשימות ממוקדות בהיקף גבוה כמו סיווג וחילוץ מידע ממסמכים — שני המודלים מתומחרים נמוך משמעותית מהדור הקודם.
GPT-6 Sol ו-Luna: שני מודלים חדשים, שני קהלי יעד
OpenAI השיקה שני מודלים חדשים ממשפחת GPT-6 — Sol ו-Luna — וכעת הם זמינים באופן כללי (general availability) בפלטפורמת הענן Amazon Bedrock, כך לפי הודעה רשמית של AWS. המודלים מצטרפים ל-GPT-6 Astra, שהוצג קודם לכן כדגל העליון של המשפחה למשימות שבהן איכות התוצאה חשובה יותר מהעלות.
לפי ההודעה, שני המודלים החדשים פועלים על מנוע ההסקה (inference engine) של Bedrock, שנבנה עבור ביצועים, אבטחה ואמינות בקנה מידה גדול, ומתומחרים "נמוך משמעותית" ביחס לקודמיהם ממשפחת GPT-5.6.
חלוקת תפקידים: מורכבות מול נפח
ההבדל בין שני המודלים, כפי שמתואר במקור, הוא בין עומק לבין תפוצה:
GPT-6 Sol מיועד למשימות תובעניות וחוזרות בפיתוח ותפעול — הטמעת פיצ'רים, איתור באגים, ריפקטורינג וסקירת קוד, ניתוח נתונים ותהליכים מרובי-שלבים על פני כלים שונים. לפי הערכת פנימית של OpenAI שצוטטה בהודעה, GPT-6 Sol טעה בכ-50% פחות מבחינה עובדתית בהשוואה ל-GPT-5.6 Sol.
GPT-6 Luna מיועד למשימות ממוקדות שחוזרות על עצמן בהיקף גבוה — חילוץ מידע ממאגרי מסמכים, סיכום חומרים נכנסים, סיווג קלט ומענה על שאלות ממוקדות עבור מספר גדול של משתמשים או אפליקציות. לפי OpenAI, גם ב-Luna חלו שיפורים באמינות העובדתית ובבהירות הדיווח על תוצאות, וניתן להתאים את "מאמץ ההיסק" (reasoning effort) לכל בקשה בנפרד כדי לאזן בין איכות, זמן תגובה ועלות.
ההודעה של AWS מציגה גם תרחיש שילוב: שימוש ב-Luna לסיווג פניות נכנסות, ב-Sol לחקירת מקרים מורכבים יותר, וב-Astra כאשר נדרש עומק היסק נוסף שיכול לשנות החלטה מהותית — כך שהעצמה המחשובית מרוכזת רק במקומות שבהם היא באמת תורמת.
למה זה חשוב
המשמעות המעשית של המהלך היא הרחבת האפשרויות של ארגונים להתאים בין עוצמת המודל לעלות התפעול השוטפת שלו. עד כה, ארגונים שרצו את מלוא היכולות של GPT-6 נאלצו לרוב לבחור במודל היקר ביותר גם למשימות שגרתיות; חלוקת המשפחה לשכבות מאפשרת, ככל הנראה, להשתמש במודל הזול והמהיר יותר עבור נפחי עבודה גבוהים, ולשמור על המודלים החזקים יותר למקרים שבהם העומק אכן נדרש.
יש לציין כי דיווחים לא מאומתים ברשתות חברתיות מצביעים על כך שהמודלים אולי מופיעים כבר גם בכלים נוספים של OpenAI ובתצורות ענן מתחרות, אך בשלב זה ההודעה הרשמית היחידה מתייחסת לזמינות ב-Amazon Bedrock בלבד.