GPT-6 क्या है, और बड़े भाषा मॉडल वास्तव में कैसे काम करते हैं?

GPT-6 एक एकल उत्पाद नहीं है जो एक दिन लॉन्च किया गया हो। OpenAI ने इसे दो चरणों में जारी किया: एक frontier-level संस्करण जिसे GPT-6 Astra कहा जाता है सितंबर 2026 की शुरुआत में, इसके बाद दो consumer-facing संस्करण, GPT-6 Sol और GPT-6 Luna, जिन्होंने अक्टूबर 2026 में ChatGPT के अंदर पिछले मॉडल को प्रतिस्थापित किया।

पहले Astra, फिर सभी के लिए Sol और Luna

OpenAI के अपने खाते के अनुसार जो Wikipedia पर संक्षेपित है, GPT-6 Astra 3 सितंबर 2026 को सीमित पूर्वावलोकन में गया, और अगले दिन सशुल्क ChatGPT उपयोगकर्ताओं तक पहुंचा। OpenAI ने इसे अपनी सबसे सक्षम प्रणाली तक कहा, कोडिंग, गणित और स्वायत्त कंप्यूटर उपयोग में लाभ की ओर इशारा करते हुए। OpenAI उपाध्यक्ष Aidan Clark ने कहा कि मॉडल कंपनी का सबसे बड़ा प्रशिक्षण प्रयास था, इसे कहते हुए कि यह पहली बार था कि OpenAI ने 100,000 से अधिक GPUs पर एक मॉडल को प्रशिक्षित किया था, Texas में अपनी Stargate साइट पर।

OpenAI ने Astra को अपनी आंतरिक Preparedness Framework के तहत 'Critical' साइबरसुरक्षा क्षमता स्तर पर वर्गीकृत किया, OpenAI की प्रकाशित सामग्री की DataCamp की समीक्षा के अनुसार। DataCamp ने बताया कि यह रेटिंग Astra की साइबर शोषण बनाने में मदद करने की क्षमता को दर्शाती है न कि hardened systems में अज्ञात खामियों की स्वचालित रूप से खोज करने की क्षमता को, और यह कि OpenAI ने मॉडल के अधिक उन्नत साइबरसुरक्षा कार्यों को प्रतिबंधित किया, जैसे कि proof-of-concept शोषण का उत्पादन, अपने Daybreak access program के पीछे। OpenAI अध्यक्ष Greg Brockman ने पत्रकारों से कहा कि उन्हें लगता है कि यह कहना उचित है कि उद्योग को AGI युग में प्रवेश किया है, लेकिन वह यह कहने से रुक गए कि OpenAI ने artificial general intelligence प्राप्त कर लिया है।

7 अक्टूबर 2026 को, OpenAI ने GPT-6 की दूसरी लहर को मुख्य ChatGPT ऐप में लाया, इस बार रोजमर्रा की बातचीत के लिए बनाया गया न कि विशेष agentic कार्य के लिए, अपने developer community forum पर OpenAI की घोषणा और TechCrunch की रिपोर्टिंग के अनुसार। इसके अलावा, Pro, Business और Enterprise ग्राहकों को तुरंत GPT-6 Sol नामक एक संस्करण प्राप्त हुआ; free और Go-tier उपयोगकर्ताओं को अगले दिन GPT-6 Luna प्राप्त होना शुरू हुआ।

दृश्यमान परिवर्तन: एक 'Intelligent UI'

मॉडल स्वैप के साथ, OpenAI ने एक विशेषता को पेश किया जिसे यह Intelligent UI कहता है। केवल पैराग्राफ में जवाब देने के बजाय, ChatGPT अब पाठ, चार्ट, tappable buttons, forms और calculators जैसे छोटे interactive tools से एक जवाब को इकट्ठा कर सकता है, OpenAI की community post और TechCrunch की रिपोर्टिंग के अनुसार। OpenAI product manager Aarush Selvan ने कहा कि लक्ष्य जटिल विषयों को समझना आसान बनाना था, यह बताते हुए कि कई सवालों के सबसे सहायक जवाब सादा पाठ अकेले नहीं हैं, जैसा कि TechCrunch ने रिपोर्ट किया। सिस्टम प्रत्येक आधार पर निर्णय लेता है कि diagram, interactive chart या सादा पाठ किसी सवाल के लिए सबसे अच्छा फिट है, और उपयोगकर्ता समायोजित कर सकते हैं कि ये दृश्य तत्व कितनी बार दिखाई दें।

OpenAI की अपनी सुरक्षा परीक्षण ने क्या पाया

अक्टूबर रिलीज़ के लिए OpenAI का system card, अपने Deployment Safety Hub पर प्रकाशित, कहता है कि GPT-6 Sol और Luna ने पिछले GPT-5.6 मॉडलों की तुलना में कई सुरक्षा उपायों में सुधार किया: jailbreak प्रयासों के खिलाफ मजबूत प्रतिरोध, जिसमें multi-turn attacks शामिल हैं, कम बेईमान या भ्रामक व्यवहार, और अधिकांश metrics पर बेहतर factual accuracy। यही दस्तावेज़ sensitive evaluation categories के एक संकीर्ण सेट में मॉडलों के व्यवहार में statistically significant regressions की रिपोर्ट भी करता है, जिसमें self-harm-related prompts शामिल हैं, Luna ने आंतरिक परीक्षण में gore और sexual content पर अतिरिक्त regressions दिखाए; OpenAI के अपने आकलन ने जिन समस्याग्रस्त आउटपुट की समीक्षा की वह low-severity थे और अभी भी इसकी सामान्य सुरक्षा अपेक्षाओं के भीतर थे।

OpenAI के Preparedness Framework के तहत, system card Sol और Luna दोनों को biological/chemical और cybersecurity risk categories में 'High' क्षमता के र��प में वर्गीकृत करता है, लेकिन 'Critical' threshold से नीचे — पिछले महीने में जारी Astra मॉडल की तुलना में एक कम जोखिम वाला tier, जिसे OpenAI ने साइबरसुरक्षा के लिए Critical के रूप में रेट किया था।

बड़े भाषा मॉडल वास्तव में कैसे काम करते हैं

GPT-6, GPT-4, Claude या Llama की तरह, एक neural network architecture पर बनाया गया है जिसे transformer कहा जाता है, जिसे Google researchers ने 2017 में पेश किया था, IBM के research explainer के अनुसार। एक transformer पाठ को छोटी इकाइयों में तोड़ता है जिसे tokens कहा जाता है, प्रत्येक token को एक संख्यात्मक vector में परिवर्तित करता है, और फिर self-attention नामक एक तंत्र का उपयोग करता है यह काम करने के लिए कि कितनी दृढ़ता से हर token इनपुट में हर दूसरे token से संबंधित है — जिसमें पाठ में दूर के भी शामिल हैं।

इससे पहले कि कुछ भी होता है, मॉडल को प्रशिक्षित करने की आवश्यकता होती है। IBM का explainer इसे विशाल डेटासेट के साथ शुरू करने के रूप में वर्णित करता है — पुस्तकों, वेबसाइटों और कोड से लाखों अरब या खरब शब्द — जो साफ किए जाते हैं, tokenised किए जाते हैं और self-supervised learning का उपयोग करके नेटवर्क के माध्यम से fed किए जाते हैं, एक विधि जिसमें मनुष्यों को हर उदाहरण के लिए सही उत्तर लेबल करने की आवश्यकता नहीं होती है।

प्रशिक्षण के बाद, मॉडल एक prompt लेकर काम करता है, इसे tokens में परिवर्तित करता है, और बार-बार सबसे संभावित अगले token की भविष्यवाणी करता है, एक समय में एक, जब तक उत्तर पूर्ण नहीं हो जाता। जैसा कि IBM के explainer ने इसे रखा है, प्रणाली अपने अंतिम उत्तर को पहले से नहीं जानती; यह प्रशिक्षण के दौरान सीखे गए statistical relationships का उपयोग करके प्रतिक्रिया को टुकड़ों में उत्पन्न करता है, बजाय stored fact को प्राप्त करने या उस तरीके से reasoning करने के जो एक व्यक्ति करता है।

आउटपुट पर विश्वास करने का क्या मतलब है

क्योंकि प्रणाली सत्य को सत्यापित करने के बजाय प्रशंसनीय पाठ की भविष्यवाणी कर रही है, IBM का explainer hallucination को सूचीबद्ध करता है — confidently generated लेकिन false information — आर्किटेक्चर की inherent limitation के रूप में, साथ ही यह जोखिम कि training data में मौजूद biases outputs में reflect या amplified हो। इस scale पर मॉडलों को प्रशिक्षित करना और चलाना भी computing power और energy की बहुत बड़ी मात्रा की मांग करता है, एक बिंदु जो OpenAI ने स्वयं emphasize किया जब इसने कहा कि Astra के प्रशिक्षण चलाने में 100,000 से अधिक GPUs का उपयोग किया गया एक एकल site पर।