GPT-6 Astra در Codex برای پروژههای طولانی، کار با ابزار و حفظ جهت مسئله بهبود یافته است. این مدل میتواند هنگام نیاز سؤال دقیق بپرسد و در همان زمان بخشهای مستقل کار را ادامه دهد. برای مهاجرت API نیز شناسه gpt-6-astra و Responses API نقطه شروع رسمی هستند.
- Astra از reasoning در سطح low، medium، high، xhigh و max پشتیبانی میکند.
- پارامترهای temperature، top_p و top_logprobs پشتیبانی نمیشوند.
- قابلیت آزمایشی حافظه Codex زمینه را میان پنجرههای طولانی حفظ و قابل جستوجو میکند.
Astra چه چیزی را در Codex بهتر میکند؟
OpenAI در راهنمای رسمی GPT-6 Astra این مدل را برای گردشهای چندمرحلهای میان کد، مرورگر و نرمافزارهای حرفهای معرفی کرده است. مدل در دنبالکردن دستور، تغییر مسیر پس از پیام اصلاحی و حفظ هدف اصلی در گفتگوی طولانی بهتر شده است.
در کار برنامهنویسی، ارزش این رفتار زمانی دیده میشود که مسئله فقط نوشتن یک تابع نیست: خواندن قوانین مخزن، اجرای تست، بررسی رابط، اصلاح خطا و تحویل نتیجهای که با تغییرات موجود سازگار باشد. Astra برای همین نوع کار عاملمحور طراحی شده است.
حافظه میان پنجرههای زمینه چگونه کار میکند؟
در جلسههای طولانی، مدلها معمولاً با compaction گفتگو و خروجی ابزار را خلاصه میکنند. هر خلاصه ممکن است جزئیاتی مانند دلیل شکست یک راهحل یا نتیجه یک تست را حذف کند. Astra در Codex میتواند میان پنجرهها یادداشت نگه دارد و زمینه قدیمی را برای بازیابی دوباره جستوجو کند.
این قابلیت آزمایشی از تنظیمات Codex قابل فعالسازی است و OpenAI اعلام کرده طی هفتههای آینده برای Astra به پیشفرض تبدیل میشود. حافظه زمینه جای مستندسازی مخزن را نمیگیرد؛ تصمیمهای مهم همچنان باید در کد، issue یا فایل راهنما ثبت شوند.
reasoning effort را چگونه انتخاب کنیم؟
اگر مدل قبلی شما none یا minimal بود، راهنمای OpenAI پیشنهاد میکند مهاجرت را از low آغاز کنید. در بقیه حالتها، سطح مؤثر فعلی را نگه دارید و نتیجه را مقایسه کنید. افزایش effort برای هر کار ضروری نیست و میتواند زمان و هزینه را بالا ببرد.
برای تغییر effort در میانه گفتگو بدون شکستن پیشوند کش، میتوان از ورودی configuration_update در Responses API استفاده کرد. این روش برای جریانهایی مفید است که بخشهای ساده و پیچیده را در یک جلسه ترکیب میکنند.
Async tool calling و mid-turn steering
در async tool calling، Astra میتواند وقتی برنامه شما یک ابزار زمانبر را اجرا میکند، روی بخش مستقل دیگری فکر کند یا پاسخ دهد. برنامه همچنان مسئول اجرای ابزار و تحویل نتیجه با همان call_id است. این الگو انتظار بیفایده در جریانهای طولانی را کم میکند.
Mid-turn steering نیز اجازه میدهد هنگام اجرای مدل، اصلاح یا نیاز تازهای ارسال کنید. در اتصال WebSocket، کار انجامشده حفظ میشود و پیام تازه ادامه مسیر را هدایت میکند. این قابلیت برای پروژههایی مناسب است که بازخورد انسان در میانه اجرا طبیعی است.
پارامترهای ناسازگار در مهاجرت
برای Astra باید temperature، top_p و top_logprobs حذف شوند. در Chat Completions پارامتر logprobs و در Responses گزینه مربوط به output_text logprobs نیز پشتیبانی نمیشود. tool calling باید با Responses API پیاده شود.
Fast mode برای اقامت داده اتحادیه اروپا در دسترس نیست و تضمین SLA تأخیر ندارد. پیش از انتقال، رفتار خطا، توقف ایمنی و fallback به مدل قبلی را آزمایش کنید.
چکلیست مهاجرت امن
- شناسه مدل را به
gpt-6-astraتغییر دهید و پارامترهای ناسازگار را حذف کنید. - مجموعه کوچکی از کارهای واقعی و تستهای فعلی را اجرا کنید.
- کیفیت، زمان، توکن، هزینه و دفعات دخالت انسان را با مدل قبلی مقایسه کنید.
- ابزارها و مجوزها را محدود و مسیر fallback را حفظ کنید.
- پس از عبور از معیارها، سهم ترافیک را مرحلهای افزایش دهید.
در گپجیپیتی نیز فعالبودن مدل از طریق انتخابگر مشخص میشود. بهترین مهاجرت، جایگزینی ناگهانی همه ترافیک نیست؛ ابتدا Astra را روی سختترین وظایفی به کار بگیرید که افزایش کیفیت میتواند هزینه بالاتر را توجیه کند.
مدل مناسب کارتان را انتخاب کنید
مدلهای فعال و امکانات هرکدام را در گپجیپیتی بررسی کنید.
