هوش مصنوعی GPT-5.2 منتشر شد

معرفی GPT-5.2: پیشرفته‌ترین مدل مرزی اوپن‌ای‌آی برای کارهای حرفه‌ای

در یک اعلامیه مهم که در تاریخ ۱۱ دسامبر ۲۰۲۵ منتشر شد، شرکت OpenAI از مدل جدید و پیشرفته خود با نام GPT-5.2 رونمایی کرد. این مدل به عنوان توانمندترین سری مدل‌های مرزی تا به امروز، به طور خاص برای فعالیت‌های دانش‌بنیان حرفه‌ای و همچنین برای استفاده در عامل‌های (Agents) بلندمدت طراحی شده است. تمرکز اصلی این به‌روزرسانی بر این بوده است که کاربران بتوانند ارزش اقتصادی بیشتری از هوش مصنوعی استخراج کنند، به طوری که حتی کاربران سنگین‌وزن چت‌جی‌پی‌تی اکنون اعلام کرده‌اند که هوش مصنوعی در هفته بیش از ۱۰ ساعت از وقت آن‌ها را ذخیره می‌کند.

ارتقای بی‌سابقه نسخه جدید چت جی پی تی در عملکرد و ارزش اقتصادی

GPT-5.2 Thinking، که یکی از سطوح کلیدی این مدل است، بهترین مدل برای استفاده‌های حرفه‌ای و دنیای واقعی شناخته می‌شود. اوپن‌ای‌آی برای اندازه‌گیری عملکرد حرفه‌ای، از یک معیار جدید به نام GDPval استفاده می‌کند؛ این ارزیابی، وظایف دانش‌بنیان مشخصی را در ۴۴ شغل مختلف پوشش می‌دهد.

در این ارزیابی حیاتی، GPT-5.2 Thinking رکورد جدیدی ثبت کرده و به عنوان اولین مدل اوپن‌ای‌آی شناخته می‌شود که در سطح یک متخصص انسانی یا بالاتر از آن عمل می‌کند. طبق قضاوت کارشناسان انسانی، این مدل در ۷۰.۹٪ از مقایسه‌ها در وظایف دانش‌بنیان GDPval، متخصصان برتر صنعت را شکست داده یا با آن‌ها برابر بوده است. این وظایف شامل ساخت اسلایدها و ارائه‌ها، ایجاد صفحات گسترده (Spreadsheets) و سایر محصولات کاری واقعی است. نکته قابل توجه این است که GPT-5.2 Thinking خروجی‌های خود را با سرعتی بیش از ۱۱ برابر و با کمتر از ۱٪ هزینه متخصصان حرفه‌ای تولید می‌کند.

بهبودهای عملکردی در حوزه‌های تخصصی مالی نیز مشهود است؛ در معیار داخلی مدل‌سازی صفحات گسترده برای تحلیلگران بانکداری سرمایه‌گذاری تازه‌کار، میانگین امتیاز GPT-5.2 Thinking نسبت به مدل قبلی ۹.۳٪ افزایش یافته و از ۵۹.۱٪ به ۶۸.۴٪ رسیده است. این پیشرفت شامل توانایی‌هایی مانند تدوین مدل‌های سه بیانیه (Three-statement model) برای شرکت‌های Fortune 500 با قالب‌بندی و استنادات مناسب است.

قدرت بی‌رقیب Chat GPT 5.2 در کدنویسی و توسعه نرم‌افزار

GPT-5.2 Thinking یک جهش بزرگ در زمینه کدنویسی عامل‌محور (Agentic Coding) ایجاد کرده است. این مدل با کسب نمره ۵۵.۶٪ در SWE-Bench Pro، که یک ارزیابی بسیار دقیق از وظایف مهندسی نرم‌افزار دنیای واقعی است، استاندارد جدیدی را تعریف می‌کند. برخلاف ارزیابی‌های قبلی که فقط زبان پایتون را تست می‌کردند، SWE-Bench Pro چهار زبان را مورد آزمایش قرار می‌دهد و از نظر صنعتی مرتبط‌تر، چالش‌برانگیزتر و مقاوم‌تر در برابر آلودگی داده است.

این بهبود در عمل به این معناست که مدل می‌تواند با اتکای بیشتری به رفع اشکال کدهای تولیدی، پیاده‌سازی درخواست‌های ویژگی‌های جدید (Feature Requests)، بازسازی پایگاه‌های کد بزرگ (Refactoring) و اجرای کامل اصلاحات، با دخالت دستی کمتر بپردازد. علاوه بر این، تست‌کنندگان اولیه دریافته‌اند که GPT-5.2 Thinking در مهندسی نرم‌افزار فرانت‌اند (Front-End)، به ویژه در کارهای پیچیده و غیرمتعارف رابط کاربری (UI) که شامل عناصر سه‌بعدی هستند، به طور قابل توجهی قوی‌تر عمل می‌کند.

عملکرد کلیدی مدل GPT-5.2 Thinking (مقایسه با مدل قبلی)

این جدول مهم‌ترین پیشرفت‌های GPT-5.2 Thinking را در برابر GPT-5.1 Thinking در حوزه‌های اصلی (مانند کارهای دانش‌بنیان، کدنویسی، و ریاضیات) نشان می‌دهد,.

معیار ارزیابی	حوزه	GPT-5.2 Thinking	GPT-5.1 Thinking
GDPval (برد یا مساوی)	کارهای دانش‌بنیان حرفه‌ای در ۴۴ شغل	۷۰.۹٪	۳۸.۸٪ (GPT-5)
SWE-Bench Pro (Public)	مهندسی نرم‌افزار دنیای واقعی (۴ زبان)	۵۵.۶٪	۵۰.۸٪
GPQA Diamond (بدون ابزار)	سؤالات علمی سطح کارشناسی ارشد	۹۲.۴٪	۸۸.۱٪
FrontierMath (Tier 1–3)	ریاضیات پیشرفته در سطح متخصص	۴۰.۳٪	۳۱.۰٪
ARC-AGI-2 (Verified)	استدلال انتزاعی (Fluid Reasoning)	۵۲.۹٪	۱۷.۶٪

دقت و کاهش توهم در این هوش مصنوعی جدید(Factuality)

یکی از دغدغه‌های اصلی کاربران حرفه‌ای، میزان توهم یا عدم دقت در مدل‌های هوش مصنوعی است. GPT-5.2 Thinking در این زمینه بهبود یافته و نسبت به GPT-5.1 Thinking کمتر دچار توهم می‌شود. در مجموعه‌ای از پرسش‌های ناشناس در چت‌جی‌پی‌تی (با فعال بودن ابزار جستجو)، پاسخ‌های حاوی خطا ۳۰٪ کمتر بوده‌اند. این افزایش قابل اتکا بودن برای متخصصانی که از مدل برای تحقیقات، تحلیل، نگارش و پشتیبانی تصمیم‌گیری استفاده می‌کنند، بسیار حیاتی است.

انقلاب در فهم متون بلند و تحلیل عمیق

مقایسه درک متون طولانی (Long Context)

این مدل در متون طولانی (بیش از ۱۰۰ هزار توکن) دقت خود را حفظ می‌کند.

معیار ارزیابی	حجم توکن ورودی (Needles)	GPT-5.2 Thinking (دقت)	GPT-5.1 Thinking (دقت)
OpenAI MRCRv2 (8 needles)	۴k–۸k	۹۸.۲٪	۶۵.۳٪
OpenAI MRCRv2 (8 needles)	۱۲۸k–۲۵۶k	۷۷.۰٪	۲۹.۶٪

GPT-5.2 Thinking با رسیدن به عملکرد پیشتاز در ارزیابی OpenAI MRCRv2، معیار جدیدی در استدلال با متون طولانی تعریف می‌کند. این ارزیابی توانایی مدل برای ادغام اطلاعات پراکنده در اسناد بسیار بلند را می‌سنجد.

در وظایف دنیای واقعی مانند تحلیل عمیق اسناد که نیازمند اطلاعات مرتبط در صدها هزار توکن است، GPT-5.2 Thinking به طور قابل ملاحظه‌ای دقیق‌تر از GPT-5.1 Thinking عمل می‌کند. به طور خاص، این مدل اولین مدلی است که در نسخه ۴-سوزنه MRCR (تا ۲۵۶ هزار توکن) به دقت نزدیک به ۱۰۰٪ دست یافته است.

از نظر عملی، این قابلیت به متخصصان این امکان را می‌دهد که با اسناد طولانی مانند قراردادها، گزارش‌ها، مقالات تحقیقاتی و پروژه‌های چندفایلی کار کنند و در عین حال انسجام و دقت را در صدها هزار توکن حفظ کنند. این ویژگی GPT-5.2 را برای تحلیل‌های عمیق، سنتز اطلاعات و گردش کارهای پیچیده با منابع متعدد، بسیار مناسب می‌سازد.

بهبود عملکرد در وظایف تخصصی و حرفه‌ای

این جدول عملکرد GPT-5.2 Thinking و GPT-5.2 Pro را در وظایف بسیار تخصصی و اقتصادی نشان می‌دهد.

معیار تخصصی	GPT-5.2 Thinking	GPT-5.2 Pro	GPT-5.1 Thinking
GDPval (بردهای واضح)	۴۹.۸٪	۶۰.۰٪	۳۵.۵٪ (GPT-5)
مدل‌سازی صفحه گسترده بانکداری سرمایه‌گذاری (داخلی)	۶۸.۴٪	۷۱.۷٪	۵۹.۱٪
SWE-bench Verified (مهندسی نرم‌افزار)	۸۰.۰٪	–	۷۶.۳٪
Tau2-bench Telecom (فراخوانی ابزار/پشتیبانی مشتری)	۹۸.۷٪	–	۹۵.۶٪

تقویت توانایی‌های دیداری و بصری (Vision)

GPT-5.2 Thinking به عنوان قوی‌ترین مدل دیداری اوپن‌ای‌آی تا به امروز شناخته می‌شود که نرخ خطاها را در استدلال در مورد نمودارها و درک رابط‌های نرم‌افزاری تقریباً به نصف کاهش داده است.

این پیشرفت برای استفاده روزمره متخصصان به این معنی است که مدل می‌تواند داشبوردها، اسکرین‌شات‌های محصولات، نمودارهای فنی و گزارش‌های بصری را با دقت بیشتری تفسیر کند. این قابلیت از گردش کار در حوزه‌هایی مانند امور مالی، مهندسی، طراحی و پشتیبانی مشتری که اطلاعات بصری در آن‌ها نقشی محوری دارد، پشتیبانی می‌کند. همچنین، درک مدل از نحوه قرارگیری عناصر در یک تصویر، که در حل مسائل مبتنی بر چیدمان کلیدی است، قوی‌تر شده است.

مهارت در فراخوانی ابزار و مدیریت جریان کار پیچیده

مدل GPT-5.2 Thinking با کسب امتیاز ۹۸.۷٪ در معیار Tau2-bench Telecom، توانایی خود را در استفاده قابل اعتماد از ابزارها در طول وظایف طولانی و چندمرحله‌ای نشان می‌دهد.

این عملکرد بالا برای متخصصان به معنای جریان‌های کاری قوی‌تر و پایان به پایان (End-to-End) است. به عنوان مثال، در رسیدگی به موارد پیچیده پشتیبانی مشتری که نیازمند حل چند مرحله‌ای هستند (مانند مسافرانی که پروازشان تاخیر داشته، ارتباط را از دست داده‌اند، نیاز به اقامت شبانه دارند و درخواست صندلی ویژه پزشکی دارند)، GPT-5.2 می‌تواند کل زنجیره وظایف—از رزرو مجدد گرفته تا هماهنگی صندلی ویژه و غرامت—را به طور مؤثر مدیریت کرده و نتیجه‌ای کامل‌تر از مدل‌های پیشین ارائه دهد.

بهبود عملکرد در علم و ریاضیات پیشرفته

اوپن‌ای‌آی امیدوار است هوش مصنوعی تحقیقات علمی را تسریع بخشد. مدل‌های GPT-5.2 Pro و GPT-5.2 Thinking به عنوان بهترین مدل‌های جهان برای کمک به دانشمندان معرفی شده‌اند. در GPQA Diamond (یک معیار پرسش و پاسخ در سطح کارشناسی ارشد)، GPT-5.2 Pro به نمره ۹۳.۲٪ و GPT-5.2 Thinking به نمره ۹۲.۴٪ دست یافته‌اند.

علاوه بر این، در FrontierMath، که یک ارزیابی از مسائل ریاضی در سطح متخصص است، GPT-5.2 Thinking با حل ۴۰.۳٪ از مسائل در سطوح ۱ تا ۳، رکورد جدیدی ثبت کرده است. این پیشرفت‌ها نشان‌دهنده توانایی مدل در تسریع معنادار پیشرفت در حوزه‌های ریاضی و علمی است، حتی تا جایی که محققان با استفاده از GPT-5.2 Pro به یک اثبات پیشنهادی در تئوری یادگیری آماری دست یافتند که توسط متخصصان تأیید شد.

انواع مدل GPT-5.2 در ChatGPT و نحوه دسترسی

این مدل‌ها در تاریخ ۱۱ دسامبر ۲۰۲۵ معرفی شده‌اند،.

نام مدل در ChatGPT (تجربه کاربری)	نام مدل در API (توسعه‌دهندگان)	توضیحات
ChatGPT-5.2 Instant	GPT-5.2-chat-latest	مدل سریع و توانمند برای کارهای روزمره,.
ChatGPT-5.2 Thinking	GPT-5.2	مدل اصلی برای کارهای عمیق، کدنویسی، و اسناد طولانی,.
ChatGPT-5.2 Pro	GPT-5.2 Pro	هوشمندترین و قابل اعتمادترین گزینه برای سؤالات بسیار دشوار,.

GPT-5.2 در چت‌جی‌پی‌تی در سه سطح مختلف عرضه می‌شود که از امروز (با شروع برنامه‌های پولی) در حال ارائه است:

1. GPT-5.2 Instant: یک مدل کاری سریع و توانمند برای وظایف روزمره و یادگیری، با بهبودهای واضح در جستجوی اطلاعات، راهنماها، نگارش فنی و ترجمه.

2. GPT-5.2 Thinking: برای کارهای عمیق‌تر طراحی شده و به کاربران کمک می‌کند تا وظایف پیچیده‌تر را با دقت بالاتر انجام دهند؛ به ویژه در کدنویسی، خلاصه‌سازی اسناد طولانی، پاسخ به سوالات فایل‌های آپلود شده و کار کردن گام به گام با منطق و ریاضیات.

3. GPT-5.2 Pro: هوشمندترین و قابل اعتمادترین گزینه برای سوالات دشواری که کیفیت پاسخ در آن‌ها اهمیت بالایی دارد، با نمایش خطاهای عمده کمتر و عملکرد قوی‌تر در حوزه‌های پیچیده مانند برنامه‌نویسی.

این مدل‌ها در API نیز بلافاصله برای توسعه‌دهندگان در دسترس هستند. اگرچه قیمت GPT-5.2 در API نسبت به GPT-5.1 به ازای هر میلیون توکن بالاتر است، اما به دلیل کارایی بیشتر مدل در تولید خروجی، هزینه کلی برای دستیابی به یک سطح کیفیت مشخص، ارزان‌تر تمام می‌شود.

مقایسه قیمت API چت جی پی تی 5.2 به ازای هر میلیون توکن (بر حسب دلار)

توجه داشته باشید که با وجود قیمت بالاتر هر توکن برای GPT-5.2، به دلیل کارایی بیشتر، هزینه کلی برای دستیابی به یک سطح کیفیت مشخص، ارزان‌تر تمام می‌شود.

مدل	ورودی (Input)	ورودی کش شده (Cached Input)	خروجی (Output)
gpt-5.2 / gpt-5.2-chat-latest	$۱.۷۵	$۰.۱۷۵	$۱۴
gpt-5.2-pro	$۲۱	–	$۱۶۸
gpt-5.1 / gpt-5.1-chat-latest	$۱.۲۵	$۰.۱۲۵	$۱۰
gpt-5-pro	$۱۵	–	$۱۲۰

ایمنی و مسئولیت‌پذیری Chat-GPT 5.2

GPT-5.2 بر مبنای تحقیقات ایمنی مدل‌های قبلی ساخته شده است و بهبودهای قابل توجهی در نحوه پاسخگویی مدل به درخواست‌هایی که نشانه‌هایی از خودکشی یا آسیب به خود، پریشانی سلامت روان، یا وابستگی عاطفی به مدل دارند، مشاهده می‌شود. این مداخلات هدفمند، منجر به کاهش پاسخ‌های نامطلوب در مدل‌های Instant و Thinking نسبت به نسخه‌های قبلی شده است. اوپن‌ای‌آی همچنین در مراحل اولیه اجرای مدل پیش‌بینی سن است تا بتواند حفاظت‌های محتوایی را برای کاربران زیر ۱۸ سال به طور خودکار اعمال کند.

GPT-5.2 یک گام مهم در مسیر توسعه مداوم است و نشان‌دهنده تعهد اوپن‌ای‌آی به افزایش چشمگیر هوش و بهره‌وری، در کنار حفظ ایمنی و قابلیت اطمینان مدل‌ها است.

نتیجه گیری

اگر مدل‌های هوش مصنوعی قبلی مانند یک دستیار ماهر بودند، GPT-5.2 مانند ارتقاء به یک تیم کامل از متخصصان است که نه تنها قادر به انجام وظایف دانش‌بنیان در سطح بالا هستند، بلکه می‌توانند پروژه‌های پیچیده را از ابتدا تا انتها با دقت دیداری، مدیریت کدهای طولانی و هماهنگی ابزارهای متعدد به پایان برسانند. این مدل، دیگر فقط یک ابزار مکالمه نیست، بلکه یک عامل اقتصادی توانمند است که در هزینه‌ها و زمان صرفه‌جویی می‌کند.

با آی لرن آخرین اخبار هوش مصنوعی را دنبال کنید