ChatGPT ‘nin Yeni o1-preview Modelini Denedim ve Henüz Buna Geçmemeniz Gerektiğinin Nedenleri

Yeni o1-preview ChatGPT modeli nedir?

OpenAI’nin o1-preview ve o1-mini , karmaşık muhakeme görevleri ve problem çözme için tasarlanmış ChatGPT’de bulunan en son modellerdir . Adlarından da anlaşılacağı gibi, bu modeller GPT-4’ün veya OpenAI’nin önceki dil modellerinin nesilsel halefleri değildir. Aslında, GPT-4o yalnızca var olmaya devam etmeyecek, aynı zamanda tüm sohbetler için varsayılan model olmaya devam edecektir.

İstemlerinize olabildiğince hızlı yanıt veren önceki modellerin aksine, o1 serisi, bir insanın düşünce sürecine benzer şekilde, sorunları düşünmek için daha fazla zaman harcamak üzere tasarlanmıştır. Bu, doğal olarak matematik ve kodlamayla ilgili istemlerde daha fazla doğruluk sağlar, ancak aşağıdaki testlerimde göstereceğim gibi gerçek dünya soruları ve senaryoları için de faydalıdır.

o1 model serisini ilk olarak Temmuz ayında, Reuters’ın Strawberry kod adlı gizli bir dahili projeye aşina araştırmacılarla röportaj yapmasıyla duyduk . Projenin amacı, şirketin yapay genel zeka (AGI) elde etme misyonuyla uyumlu olarak “derin araştırma” gerçekleştirebilen bir AI geliştirmekti. İkincisi, birden fazla konuda insanları alt edebilecek kadar zeki bir AI sistemini ifade eder. Strawberry projesinin, hala geliştirilmekte olan GPT-5’ten önce geleceği söyleniyordu.

Yeni o1 serisi gerçek AGI’ye ulaşmaktan hâlâ çok uzak — OpenAI CEO’su Sam Altman, “o1 hâlâ kusurlu, hâlâ sınırlı ve hâlâ ilk kullanımda, daha fazla zaman geçirdikten sonra olduğundan daha etkileyici görünüyor.” diye itiraf etti. Ancak, birçok kişinin matematik problemlerini veya mantıksal alıştırmaları çözmede asla başarılı olamayacağına inandığı en eski ChatGPT sürümünden bu yana büyük bir sıçrama.

o1-preview en yeni amiral gemisi modeli olsa da, çok daha yalın ve hızlı bir o1-mini de beraberinde geliyor. OpenAI, serinin kodlamada mükemmel olduğunu keşfetti, bu yüzden kodu doğru bir şekilde üretebilen ve hata ayıklayabilen ikinci bir model de yayınladı. Çoğunlukla geliştiricilere yönelik olan o1-mini, o1-preview’dan %80 daha ucuz.

o1-preview vs GPT-4o test edildi: Gerçekten daha mı iyi?

o1-preview’un önceki modellerden çok daha önde olduğuna dair şüpheleriniz varsa, iyi bir haberimiz var: chatbot yanıt vermeden önce bazen bir dakikadan fazla düşünmek için duraklıyor. Karmaşık sorunları parçalara ayırıyor ve bu da hataları düzeltmesine yardımcı oluyor

Ancak kötü haberler de var: o1 serisi genel olarak daha iyi değil. Özellikle, eski GPT-4o modeli gibi internette yeni bilgiler arayamıyor veya gelişmiş veri analizi yapamıyor. Ayrıca dosya ve resim yükleyemiyorsunuz, yani her bir istemi mümkün olduğunca fazla bilgi ve bağlamla önceden yüklemeniz gerekiyor. OpenAI, birçok ChatGPT kullanıcısının şimdilik GPT-4o’ya bağlı kalmak isteyeceğini bile kabul ediyor.

Soru 1: Kaç bacağım var?

Kolay bir soruyla başlayarak, ChatGPT’ye 4 ineğim, 3 köpeğim, 2 kedim olsaydı kaç bacağım olacağını sordum. Cevap açıkça ikiydi, GPT-4o bunu ancak 36 hayvan bacağım olacağını söyledikten sonra söyledi. Buna karşılık, o1-preview modelinin doğru (ve kendinden emin) bir şekilde iki bacağım olacağını söylemeden önce beş saniye boyunca “düşünmesini” izledim. Ayrıca sorunun bir bilmece olduğunu da kabul etti.

Aynı soruyu OpenAI’nin daha küçük GPT-4o mini modeline de sordum ve feci şekilde başarısız oldu. Sadece 38 bacağım olacağını ve benimkini hayvanların sayısına ekleyeceğini söyledi.

İstem 2: Döviz kurunun değer kaybetmesi hesaba katılarak yatırım getirisinin hesaplanması

Basit istemler yalnızca birkaç saniye düşünmeyi gerektirdiğinden, işleri bir adım öteye taşımaya karar verdim. Bu istemde, ChatGPT’den farklı getiri ve risklere sahip iki varlık arasında daha iyi yatırımı bulmasını istedim. Chatbot bu sefer yanıt vermeden önce düşünmek için 11 saniye harcadı. Bir kez daha, her adımı açıklayarak doğru yanıtı verdi.

Soru 3: Ev satın almak mı yoksa kiralamak mı daha iyidir?

Finansal olarak bilgili insanlarla takılırsanız, bir evi kiralamak ile satın almak arasındaki farkın, hem finansal hem de başka türlü birçok değişkeni içeren aşırı derecede ayrıştırıcı bir konu olduğunu bilirsiniz. Neyse ki, ChatGPT’den bizim için hesaplamayı yapmasını isteyebiliriz — o1-preview modeli bu soruya 37 saniyelik düşünce koydu ve 12 farklı adıma böldü.

Peşinat miktarım, faiz oranım, kiraya verirsem beklenen yatırım getirisi ve daha fazlası dahil olmak üzere birkaç rakam verdim. Bu, soruyu çok daha karmaşık hale getirdi — ChatGPT’nin önce 200.000 dolarlık peşinatla 800.000 dolarlık bir evin maliyetini hesaplaması gerekiyordu. Kalan miktar %3,5 faizle 20 yıllık bir ipotekle finanse edilecekti. Bunun yerine kiraya verirsem, 200.000 doların tamamını bir endeks fonuna yatırabilir ve kirayı ödedikten sonra kalan geliri de biriktirebilirdim.

o1-önizleme modeli, sorunun 1.000 kelimelik bir dökümüyle yanıt verdi ve bir ev satın almak yerine kiraya verirsem 20 yıl sonra net servetimin yaklaşık 716.620 dolar daha fazla olacağı sonucuna vardı.

Aynı istemi GPT-4o’ya beslemek çok daha hayal kırıklığı yaratan bir sonuç verdi. Model bu sorunu çözmek için Python kodu üretmeye ve çalıştırmaya çalıştı ancak üçüncü denemede başarılı olmadan önce iki kez başarısız oldu. O zaman bile yanlış yanıt verdi ve bunun yerine bir ev satın alarak para biriktirebileceğimi önerdi. Sadece hesaplamalarında bir tutarsızlığa işaret ettiğimde hatasını kabul etti.

Aslında, model o kadar pahalı ki OpenAI, aylık 20 dolarlık ödeme duvarının üstüne haftada 50 mesajlık bir sabit sınır da koydu. Bu kotayı tükettiğinizde, tek seçeneğiniz beklemek veya ikinci bir ChatGPT Plus hesabı için ödeme yapmaktır. OpenAI geçmişte, özellikle GPT-4’ün ilk tanıtıldığı zamanlarda bu tür oran sınırlamaları koymuştu, ancak bu örnek şu ana kadarki en agresif olanı.

Neyse ki, ChatGPT istemlerinin büyük çoğunluğu o1’in düşünme yeteneklerinden faydalanmıyor. Ve eğer bir programcıysanız, ChatGPT içindeki o1-mini modeli de sınırlı bir kapasitede ücretsiz plana ekleniyor.

Sonuç olarak, ChatGPT’nin yeni o1-preview modeli çok etkileyici ve matematik ve programlama sorularınız varsa bir göz atmaya değer. Çoğu görev veya görevlerin büyük çoğunluğu için en iyi seçim olmayabilir, ancak insan muhakemesini ve düşüncesini taklit etmeye en yakın olanıdır. Ancak, kullanıcıların büyük çoğunluğu o1-preview’in gelişmiş mantıksal muhakeme becerilerinden veya matematik yeteneklerinden yararlanmayacak, bu nedenle tam zamanlı olarak buna geçmenizi öneremem. Haftalık yanıt sınırı ve web tarama desteğinin olmaması da GPT-4o’yu kullanmaya devam edeceğim anlamına geliyor. Ve ChatGPT’yi her gün yalnızca birkaç kez kullanıyorsanız, ücretsiz bir hesapla kolayca idare edebilirsiniz.