OpenAI از نسخه سبک‌تر جستجوی عمیق با امکان دفعات منفعت گیری زیاد تر رونمایی کرد_آفتاب وطن

شرکت OpenAI به‌تازگی از نسخه تازه قابلیت جستجوی عمیق در ChatGPT پرده‌برداری کرده است که محدودیت تعداد دفعات منفعت گیری در آن برای کاربران رایگان و مطرح‌های اشتراکی، زیاد تر از قبل است.

نسخه تازه جستجوی عمیق ChatGPT چه قابلیت‌هایی دارد؟

جستجوی عمیق یا دیپ ریسرچ، یکی از قابلیت‌های نسبتاً نوین در چت‌بات‌های هوش مصنوعی به حساب می اید که امکان اراعه جستجوهای پیشرفته و جامع حوالی یک نوشته را برای کاربران فراهم می‌سازد. از ویژگی مذکور می‌توان برای نوشتن مقاله‌های مختصر یا بازدید سریع و کلی یک نوشته از جنبه‌های گوناگون، پشتیبانی گرفت. با این حال، به علت نیاز به قوت پردازشی بالا، محدودیت‌هایی در تعداد دفعات منفعت گیری از آن در نظر گرفته شده است. اکنون شرکت OpenAI ادعا کرده که نسخه سبک‌تری از ویژگی جستجوی عمیق را گسترش داده است که با نیاز پردازشی کمتر، می‌تواند تعداد دفعات منفعت گیری بیشتری را برای کاربران به ارمغان آورد.

سیستم تازه جستجوی عمیق ChatGPT بر پایه مدل تازه o4-mini گسترش یافته است که در قیاس با مدل‌های قبلی OpenAI، از بهینه‌سازی بیشتری برخوردار است. همین قضیه علتشده تا منفعت گیری از قابلیت دیپ ریسرچ، هزینه کمتری در پی داشته باشد و این شرکت بتواند تعداد دفعات منفعت گیری از آن را برای کاربران افزایش دهد. یقیناً جواب‌ها کمی در قیاس با قبل، مختصر‌تر خواهند می بود؛ اما وعده داده شده که از کیفیت و عمق شبیهی برخوردار باشند.

از این بعد به لطف امکان منفعت گیری از نسخه سبک جستجوی عمیق، کاربران رایگان هم می‌توانند در هر روز به ۵ مرتبه منفعت گیری از آن دسترسی داشته باشند که هر بار امکان پذیر به ۵ الی ۳۰ دقیقه زمان برای نمایش نتیجه نیاز داشته باشد. محدودیت‌های قبلی برای کاربران پولی هم ارتقا اشکار کرده‌اند و دارندگان اشتراک‌های پرو می‌توانند ۲۵۰ بار در روز از دیپ ریسرچ منفعت گیری کنند؛ درحالی‌که این مقدار برای اشتراک‌های تیم، پلاس، دانشجویی و سازمانی برابر با ۲۵ بار خواهد می بود. در صورتی که سقف منفعت گیری از این قابلیت توسط کاربر تکمیل شود، منفعت گیری از نسخه سبک‌تر o4-mini به شکل خودکار اغاز خواهد شد.

اکنون چت‌بات‌های جمینای، گراک، Perplexity و کوپایلوت در کنار ChatGPT عمل به اراعه قابلیت جستجوی عمیق در مطرح‌های گوناگون می‌کنند. این ویژگی زیاد تر از مدل‌های استدلالی برای پردازش جواب‌ها منفعت می‌گیرد که می‌تواند با فهمیدن بهتر سوالات کاربران، نتایج دقیق‌تری را برای آنها به همراه داشته باشد؛ اما نیاز به قوت پردازشی بیشتری در قیاس با مدل‌های معمولی دارد.