Gartner: GPT-5 ada di sini, tetapi infrastruktur untuk mendukung AIC AIC True Agence belum (belum).

Inilah analogi: Jalan raya tidak ada di Amerika Serikat bahkan setelah tahun 1956, kapan membayangkan Ditulis oleh Presiden Dwit de Ezenhower – Namun, mobil super tinggi seperti Porsche, BMW, Jaguar, Ferrari dan lainnya telah ada selama beberapa dekade.

Anda dapat mengatakan bahwa kecerdasan buatan pada titik sentral yang sama: sementara model telah menjadi lebih mampu, kinerja dan pengembangan, infrastruktur penentu yang mereka butuhkan untuk mencapai inovasi nyata di dunia nyata belum dibangun.

“Yang telah kami lakukan adalah membuat beberapa mesin mobil yang sangat bagus, dan kami sangat bersemangat, seolah -olah kami memiliki sistem jalan raya yang sepenuhnya di tempat,” Aaron Chandrasikran, seorang analis wakil presiden terkemuka di Gartner, mengatakan kepada VentureBeat.

Ini mengarah ke dataran tinggi, dari beberapa jenis, dalam kemampuan khas seperti Openai’s GPT-5: Meskipun ini merupakan langkah maju yang penting, ia hanya memiliki kilau Ai Agence yang pudar.

“Ini adalah model yang sangat mampu, ini adalah model yang sangat fleksibel, dan beberapa kemajuan yang sangat baik telah dibuat di bidang -bidang tertentu,” kata Chandrasikran. “Tetapi pendapat saya adalah bahwa itu lebih dari sekadar kemajuan bertahap, alih -alih kemajuan radikal atau peningkatan radikal, mengingat semua harapan tinggi yang telah diberikan Openai di masa lalu.”

GPT-5 meningkat di tiga bidang utama

Untuk lebih jelasnya, Openai membuat langkah-langkah dengan GPT-5, menurut Gartner, termasuk tugas pengkodean dan kemampuan multimedia.

Chandrasekaran menunjukkan bahwa Openai telah difokuskan untuk membuat GPT-5 “sangat baik” dalam pengkodean, karena dengan jelas merasakan peluang Gen AI yang sangat besar dalam rekayasa perangkat lunak untuk lembaga dan konsumsi dalam memimpin lawan antropier di bidang ini.

Sementara itu, kemajuan GPT-5 dalam metode yang melebihi teks, terutama dalam pidato dan gambar, memberikan peluang integrasi baru untuk lembaga, ditunjukkan oleh Chandrasikran.

GPT-5 juga tidak menawarkan, jika agen kecerdasan yang terampil dan buatan dan desain koordinasi, berkat penggunaan alat yang ditingkatkan; Model ini dapat memanggil aplikasi dan pemrograman aplikasi pihak ketiga dan melakukan alat paralel (berurusan dengan beberapa tugas secara bersamaan). Namun, ini berarti bahwa sistem lembaga harus memiliki kemampuan untuk menangani permintaan API sinkron dalam satu sesi, seperti yang dicatat oleh Chandrasekaran.

Beberapa langkah dalam GPT-5 memberikan lebih banyak logika bisnis dalam bentuk yang sama, yang mengurangi kebutuhan akan mesin alur kerja eksternal, Windows konteks terbesar (8k untuk pengguna gratis, 32 ribu untuk $ 20 per bulan dan 128.000 profesional dengan 200 dolar per bulan), dapat “membentuk kembali pola teknik perusahaan AI”.

Ini berarti bahwa aplikasi yang sebelumnya bergantung pada garis generasi berbasis Rag (RAG) (RAG) untuk bekerja pada batas konteks, sekarang dapat melewati set data yang jauh lebih besar langsung ke model dan menyederhanakan beberapa aliran kerja. Tetapi ini tidak berarti bahwa kain tidak relevan; “Pemulihan data yang paling relevan masih lebih cepat dan lebih mahal daripada selalu mengirimkan input besar,” ditunjukkan oleh Chandrasikran.

Gartner melihat transformasi menjadi pendekatan hibrida dengan pengambilan yang kurang ketat, dengan penggunaan Dev-GPT-5 untuk menangani konteks “lebih besar dan lebih kekacauan” dengan peningkatan efisiensi.

Di depan biaya, GPT-5 sangat mengurangi biaya penggunaan API; Biaya tingkat yang lebih tinggi adalah $ 1,25 per juta kode input dan simbol output $ 10 per juta, yang membuatnya mirip dengan model seperti Guemini 2.5, tetapi secara serius mengurangi Claude obus. Namun, laju inklusi/output dalam GTP-5 lebih tinggi dari model sebelumnya, yang harus dipertimbangkan oleh para pemimpin kecerdasan buatan ketika melihat GTP-5 untuk skenario penggunaan tinggi, seperti yang disarankan Candrasekaran.

Perpisahan dengan versi GPT sebelumnya (agak)

Pada akhirnya, GPT-5 dirancang untuk menggantikan GPT-4O pada akhirnya dan OS (awalnya matahari terbenam, kemudian beberapa dari mereka diterapkan kembali oleh OpenAI karena oposisi pengguna). Tiga ukuran model (Pro, Mini, Nano) akan memungkinkan arsitek dengan layanan berdasarkan biaya dan kebutuhan jintan; Informasi sederhana dapat ditangani melalui model yang lebih kecil dan tugas -tugas kompleks melalui model lengkap, catatan Gartner.

Namun, perbedaan dalam format output, memori dan perilaku fungsional mungkin memerlukan dan memodifikasi kode, dan karena GPT-5 dapat membuat beberapa solusi sebelumnya lama, devs harus meninjau templat cepat dan instruksi sistem mereka.

Pada akhirnya, Chandrasikran berkata: “Saya pikir apa yang Openai coba abstrak melalui matahari terbenam,” Saya pikir apa yang Openai coba ringkas tingkat kompleksitas ini dari pengguna. “Seringkali, kita bukan orang terbaik yang membuat keputusan ini, dan kadang -kadang kita dapat membuat keputusan yang salah, saya ingin berdebat.”

Dia mengatakan ada fakta lain di balik pembuangan bertahap: “Kita semua tahu bahwa Openai memiliki masalah dengan kapasitas,” dan dengan demikian memalsukan kemitraan dengan Microsoft, Oracle (Project Stargate), Google dan lainnya untuk memberikan kapasitas akun. Pengoperasian beberapa generasi model membutuhkan beberapa generasi infrastruktur, menciptakan efek baru dari biaya dan pembatasan material.

Risiko baru, saran untuk mengadopsi GPT-5

Openai mengklaim mengurangi halusinasi hingga 65 % di GPT-5 dibandingkan dengan model sebelumnya; Ini dapat membantu mengurangi risiko kepatuhan dan membuat model lebih cocok untuk penggunaan institusi, COT Chain Clarifications (COT) yang mendukung pengawasan dan penyelarasan organisasi, Gartner Notes.

Pada saat yang sama, tingkat halusinasi yang rendah ini selain pemikiran lanjutan dan multimedia tentang GPT-5 dapat membesar-besarkan penyalahgunaan seperti penipuan canggih dan generasi generasi. Analis menyarankan agar aliran alur kerja yang kritis tetap di bawah tinjauan manusia, bahkan jika itu dengan lebih sedikit sampel.

Perusahaan juga memberi nasihat kepada para pemimpin lembaga:

• Eksperimental GPT-5 Dalam kasus penggunaan penting, evaluasi penilaian berdampingan terhadap model lain untuk menentukan perbedaan dalam akurasi, kecepatan, dan pengalaman pengguna.
• Praktik pemantauan seperti pengkodean di Libya yang mengambil risiko paparan data (tetapi tanpa menyinggung itu, mempertaruhkan cacat atau kegagalan pegangan).
• Tinjau kebijakan tata kelola dan pedoman untuk mengatasi perilaku model baru, jendela konteks yang diperluas, pencapaian yang aman, dan kalibrasi mekanisme pemantauan.
• Coba integrasi alat, parameter berpikir, penyimpanan sementara, ubah ukuran model untuk meningkatkan kinerja, dan menggunakan panduan dinamis dalam faktor lipatannya untuk menentukan model yang sesuai untuk tugas yang benar.
• Rencana audit dan promosi untuk GPT-5 yang diperluas. Ini termasuk validitas kelas API, jalur audit dan pipa data multimedia untuk mendukung fitur baru dan meningkatkan produktivitas. Tes integrasi yang ketat juga penting.

Agen tidak hanya membutuhkan lebih banyak akun; Mereka membutuhkan infrastruktur

Tidak ada keraguan bahwa agensi AI adalah “tema super panas hari ini,” yang ditunjukkan oleh Chandricicran, yang merupakan salah satu bidang investasi terbaik di Gartner. 2025 siklus kebisingan untuk gen ai. Pada saat yang sama, teknologi ini telah mencapai “puncak ekspektasi yang diperbesar” dari Gartner, yang berarti bahwa ia telah menyaksikan propaganda yang meluas karena kisah sukses awal, pada gilirannya membangun harapan yang tidak realistis.

Tren ini biasanya mengikuti Gartner, “cekungan kekecewaan”, ketika minat, kegembiraan dan investasi gagal dengan kegagalan eksperimen dan aplikasi (ingat: ada dua musim dingin yang menonjol sejak 1980 -an).

“Banyak penjual adalah produk yang melebihi produk yang mampu,” kata Chandrasikran. “Sepertinya mereka menempatkan mereka sebagai siap untuk diproduksi, siap untuk lembaga dan mereka akan benar -benar memberikan nilai pekerjaan dalam waktu singkat.”

Namun, pada kenyataannya, kesenjangan antara kualitas produk untuk harapan telah luas. Gartner tidak melihat publikasi agen di tingkat institusi; Mereka yang melihatnya di “kantong kecil dan sempit” dan bidang spesifik seperti rekayasa perangkat lunak atau pembelian.

“Tetapi bahkan jalan kerja tidak sepenuhnya mandiri; sering kali didorong oleh manusia atau hampir mandiri,” jelas oleh Chandricicran.

Salah satu pelaku utama adalah kurangnya infrastruktur. Agen memerlukan akses ke berbagai alat lembaga dan harus memiliki kemampuan untuk berkomunikasi dengan penyimpanan data dan aplikasi SaaS. Pada saat yang sama, harus ada sistem manajemen identitas dan akses yang cukup untuk mengendalikan dan mengakses perilaku agen, serta mengawasi jenis data yang dapat mereka akses (bukan definisi pribadi atau sensitif).

Akhirnya, lembaga harus yakin bahwa informasi yang dihasilkan oleh agen layak, yang berarti bahwa mereka bebas dari bias dan tidak mengandung halusinasi atau informasi yang salah.

Untuk sampai di sana, penjual harus bekerja sama dan mengadopsi lebih banyak standar terbuka untuk menghubungi alat agen ke lembaga dan agen ke agen.

“Sementara agen atau teknologi dasar dapat membuat kemajuan, sinkronisasi, aturan dan lapisan data masih menunggu agen dibangun untuk berkembang.” “Di sinilah kita melihat banyak gesekan hari ini.”

Ya, industri ini membuat kemajuan dengan berpikir tentang kecerdasan buatan, tetapi masih berjuang untuk mendapatkan Amnesty International untuk memahami bagaimana dunia material bekerja. Kecerdasan buatan sebagian besar bekerja di dunia digital; Itu tidak memiliki fasad yang kuat untuk dunia material, meskipun perbaikan terjadi pada robot spasial.

Namun, “kami adalah tahap yang sangat awal untuk jenis lingkungan ini.”

Mengambil langkah besar membutuhkan “revolusi” dalam arsitektur atau pemikiran khas. Dia berkata: “Anda tidak bisa berada pada kurva saat ini dan mengharapkan lebih banyak data, lebih banyak akun, dan saya berharap untuk mencapai AGI.”

Ini terbukti dalam pertunjukan GPT-5 yang telah lama ditunggu-tunggu: Tujuan akhir Openai adalah AGI, tetapi “sangat jelas bahwa kita tidak dekat dengan itu,” kata Chandrasekaran. Pada akhirnya, “kami masih jauh dari AGI”.

Visi harian tentang kasus penggunaan bisnis dengan VB setiap hari

Jika Anda ingin membujuk bos Anda di tempat kerja, Anda telah membahas VB setiap hari. Kami memberi Anda prioritas jurnalistik internal atas apa yang dilakukan perusahaan dengan kecerdasan buatan kebidanan, dari transformasi organisasi hingga operasi penerbitan praktis, sehingga Anda dapat berbagi visi pengembalian investasi maksimum.

Baca Kebijakan Privasi Kami

Terima kasih telah berlangganan. Periksa lebih banyak buletin VB di sini.

Terjadi kesalahan.