గూగుల్ జెమినీ 3తో తీవ్ర పోటీ నెలకొన్న నేపథ్యంలో, 'కోడ్ రెడ్' ప్రకటించిన కొద్ది రోజులకే ఓపెన్ఏఐ సంస్థ తమ సరికొత్త మోడల్ చాట్జీపీటీ-5.2 ను విడుదల చేసింది. గత చాట్జీపీటీ అప్డేట్ అయిన నెల రోజులకే ఈ కొత్త మోడల్ను అందుబాటులోకి రావడం గమనార్హం.
"ప్రొఫెషనల్ నాలెడ్జ్ వర్క్ కోసం ఇప్పటివరకు ఉన్న మోడల్స్లోకెల్లా అత్యంత సమర్థవంతమైన సిరీస్ను మేము ఈ చాట్జీపీటీ-5.2 రూపంలో పరిచయం చేస్తున్నాము," అని ఓపెన్ఏఐ ఒక ప్రకటనలో తెలిపింది.
"మొత్తం మీద, చాట్జీపీటీ-5.2 సాధారణ మేధస్సు, సుదీర్ఘ సందర్భాలను అర్థం చేసుకోవడం, ఏజెంటిక్ టూల్-కాలింగ్, విజన్ వంటి అంశాలలో గణనీయమైన అప్గ్రేడ్స్ని తెస్తుంది. ఇది మునుపటి మోడళ్ల కంటే క్లిష్టమైన, రియల్ వరల్డ్ టాస్క్లను పూర్తి చేయడానికి మెరుగ్గా పనిచేస్తుంది," అని ఓపెన్ఏఐ వివరించింది.
చాట్జీజీపీటీ-5.2 లో కొత్తగా ఏముంది?
చాట్జీపీటీ ఎంటర్ప్రైజ్ను ఉపయోగిస్తున్న వారు వారానికి 10 గంటల వరకు సమయాన్ని ఆదా చేసుకుంటున్నారని ఓపెన్ఏఐ తెలిపింది. అయితే, జీపీటీ-5.2 మోడల్ 5.1 కంటే మరింత సమర్థవంతంగా పనిచేయడానికి రూపొందించడం జరిగింది.
స్ప్రెడ్షీట్ల తయారీ, ప్రెజెంటేషన్లు చేయడం, కోడ్ రాయడం, ఫొటోలను అర్థం చేసుకోవడం, పెద్ద కాంటెక్ట్స్లను గ్రహించడం, టూల్స్ ఉపయోగించడంతో పాటు క్లిష్టమైన, బహుళ-దశల పనులను నిర్వహించడం వంటి విషయాలలో చాట్జీపీటీ-5.2 దాని మునుపటి వెర్షన్ కంటే చాలా మెరుగ్గా ఉంటుందని ఓపెన్ఏఐ పేర్కొంది.
చాట్జీపీటీ 5.2 బెంచ్మార్క్లు..
అబ్స్ట్రాక్ట్ థింకింగ్ కోసం నిర్వహించిన బెంచ్మార్క్ పరీక్షల్లో చాట్జీజీపీటీ-5.1 కంటే తాజా మోడల్ మెరుగైన స్కోర్లను సాధించిందని, తద్వారా కొత్త రికార్డులు నెలకొల్పిందని ఓపెన్ఏఐ వెల్లడించింది.
| బెంచ్మార్క్ | చాట్జీపీటీ 5.2 థింకింగ్ | చాట్జీపీటీ 5.1 థింకింగ్ |
|---|---|---|
| GDPval (wins or ties) Knowledge work tasks | 70.9% | 38.8% |
| SWE-Bench Pro (public) Software engineering | 55.6% | 50.8% |
| SWE-bench Verified Software engineering | 80.0% | 76.3% |
| GPQA Diamond (no tools) Science questions | 92.4% | 88.1% |
| CharXiv Reasoning (w/ Python) Scientific figure questions | 88.7% | 80.3% |
| AIME 2025 (no tools) Competition math | 100.0% | 94.0% |
| FrontierMath (Tier 1–3) Advanced mathematics | 40.3% | 31.0% |
| FrontierMath (Tier 4) Advanced mathematics | 14.6% | 12.5% |
| ARC-AGI-2 (Verified) Abstract reasoning | 52.9% | 17.6% |
పెయిడ్ సబ్స్క్రిప్షన్ ప్లాన్స్ కలిగిన వారికి జీపీటీ-5.2 ఇప్పటికే అందుబాటులోకి వచ్చినట్టు తెలుస్తోంది.
గూగుల్ జెమినీతో పోటీ..
{{/usCountry}}పెయిడ్ సబ్స్క్రిప్షన్ ప్లాన్స్ కలిగిన వారికి జీపీటీ-5.2 ఇప్పటికే అందుబాటులోకి వచ్చినట్టు తెలుస్తోంది.
గూగుల్ జెమినీతో పోటీ..
{{/usCountry}}గూగుల్ జెమినీతో పెరుగుతున్న పోటీ కారణంగా తమ ప్రాడక్ట్కి 'ముప్పు' ఉందని సూచిస్తూ డిసెంబర్ ప్రారంభంలో 'కోడ్ రెడ్' ప్రకటించారు ఓపెన్ఏఐ సీఈఓ సామ్ ఆల్ట్మన్. అయితే "జెమినీ 3 లాంచ్ మేము ఊహించిన దాని కంటే తక్కువ ప్రభావాన్ని చూపించింది," అని ఆల్ట్మన్ తాజాగా ఒక ఇంటర్వ్యూలో తెలిపారు.
"ఒక పోటీ ముప్పు వచ్చినప్పుడు, దానిపై దృష్టి పెట్టాలి, త్వరగా పరిష్కరించాలి అని నేను నమ్ముతాను," అని ఆల్ట్మన్ చెప్పారు. వచ్చే జనవరి నెలాఖరుకు కంపెనీ ఈ 'కోడ్ రెడ్' పరిస్థితి నుంచి బయటపడుతుందని తాను ఆశిస్తున్నట్లు ఆయన తెలిపారు.
ఆల్ఫాబెట్ సంస్థకు చెందిన గూగుల్ నవంబర్ మధ్యలో జెమినీ తాజా వెర్షన్ను విడుదల చేసింది. ఏఐ మోడళ్ల పనితీరును కొలిచే పలు ప్రముఖ పరిశ్రమ లీడర్బోర్డ్లలో జెమినీ 3 ముందంజలో ఉందని ఆ సంస్థ అప్పుడు హైలైట్ చేసింది.
"జెమినీ 3 ప్రో దాని అత్యాధునిక రీజనింగ్, మల్టీమోడల్ సామర్థ్యాలతో ఏ ఆలోచనకైనా ప్రాణం పోయగలదు. ఇది ప్రతి ప్రధాన ఏఐ బెంచ్మార్క్లో 2.5 ప్రో కంటే గణనీయంగా మెరుగైన పనితీరును కనబరుస్తుంది," అని గూగుల్ ప్రకటించింది.
జెమినీ 3 విడుదల ఆర్టిఫిషియల్ జనరల్ ఇంటెలిజెన్స్ (ఏజీఐ) వైపు మరో పెద్ద అడుగు అని కూడా గూగుల్ పేర్కొంది.