GPT-6 کیا ہے، اور بڑے لینگویج ماڈل اصل میں کیسے کام کرتے ہیں؟

GPT-6 ایک واحد پروڈکٹ نہیں ہے جو ایک دن متعارف کروایا گیا ہو۔ OpenAI نے اسے دو مراحل میں جاری کیا: ایک frontier-level ورژن جو GPT-6 Astra کہلاتا ہے ستمبر 2026 کے آغاز میں، اس کے بعد دو consumer-facing ورژنز، GPT-6 Sol اور GPT-6 Luna، جنہوں نے اکتوبر 2026 میں ChatGPT کے اندر پچھلے ماڈل کی جگہ لی۔

پہلے Astra، پھر سب کے لیے Sol اور Luna

OpenAI کے اپنے اکاؤنٹ کے مطابق جو Wikipedia پر خلاصہ کیا گیا ہے، GPT-6 Astra 3 ستمبر 2026 کو محدود preview میں چلا گیا، اور اگلے دن paid ChatGPT صارفین تک پہنچا۔ OpenAI نے اسے اپنا سب سے زیادہ قابل نظام تک کہا، coding، mathematics اور autonomous computer use میں حاصل کی طرف اشارہ کرتے ہوئے۔ OpenAI vice president Aidan Clark نے کہا کہ ماڈل کمپنی کی بڑی ترین تربیتی کوشش تھی، اسے کہتے ہوئے کہ یہ پہلی بار تھا کہ OpenAI نے 100,000 سے زیادہ GPUs پر ماڈل کی pretraining کی تھی، اپنے Texas میں Stargate site پر۔

OpenAI نے Astra کو اپنے اندرونی Preparedness Framework کے تحت 'Critical' cybersecurity capability level پر درجہ بندی کی، DataCamp کے مطابق OpenAI کے شائع شدہ مواد کے جائزے کے طور پر۔ DataCamp نے رپورٹ کیا کہ یہ rating Astra کی cyber exploits بنانے میں مدد کرنے کی صلاحیت کو ظاہر کرتی ہے نہ کہ hardened systems میں نامعلوم نقائص کو خود بخود دریافت کرنے کی صلاحیت کو، اور یہ کہ OpenAI نے ماڈل کے زیادہ جدید cybersecurity کاموں کو محدود کیا، جیسے proof-of-concept exploits تیار کرنا، اپنے Daybreak access program کے پیچھے۔ OpenAI president Greg Brockman نے صحافیوں سے کہا کہ وہ سوچتے ہیں کہ یہ کہنا معقول ہے کہ صنعت نے AGI era میں داخل ہو گیا ہے، لیکن وہ یہ کہنے سے رک گئے کہ OpenAI نے artificial general intelligence حاصل کر لیا ہے۔

7 اکتوبر 2026 کو، OpenAI GPT-6 کی دوسری لہر کو main ChatGPT app میں لایا، اس بار روزمرہ کی بات چیت کے لیے بنایا گیا نہ کہ specialized agentic کام کے لیے، OpenAI کے اعلان کے مطابق اپنے developer community forum پر اور TechCrunch کی رپورٹنگ کے مطابق۔ اضافی طور پر، Pro، Business اور Enterprise subscribers نے فوری طور پر GPT-6 Sol نام کا ورژن موصول کیا؛ free اور Go-tier صارفین اگلے دن GPT-6 Luna موصول کرنا شروع کیے۔

نظر آنے والی تبدیلی: ایک 'Intelligent UI'

ماڈل کی تبدیلی کے ساتھ، OpenAI نے ایک خصوصیت متعارف کروائی جسے یہ Intelligent UI کہتا ہے۔ صرف پیراگراف میں جواب دینے کی بجائے، ChatGPT اب متن، charts، tappable buttons، forms اور چھوٹے interactive tools جیسے calculators سے جواب جمع کر سکتا ہے، OpenAI کے community post اور TechCrunch کی رپورٹنگ کے مطابق۔ OpenAI product manager Aarush Selvan نے کہا کہ مقصد پیچیدہ موضوعات کو سمجھنا آسان بنانا تھا، یہ بتاتے ہوئے کہ بہت سے سوالوں کے لیے سب سے مفید جوابات صرف سادہ متن نہیں ہیں، جیسا کہ TechCrunch نے رپورٹ کیا۔ نظام ہر معاملے میں فیصلہ کرتا ہے کہ diagram، interactive chart یا سادہ متن کیا سوال کے لیے بہترین ہے، اور صارفین یہ ایڈجسٹ کر سکتے ہیں کہ یہ visual elements کتنی بار ظاہر ہوں۔

OpenAI کی اپنی safety testing نے کیا پایا

OpenAI کا system card اکتوبر کی release کے لیے، اپنے Deployment Safety Hub پر شائع ہوا، کہتا ہے کہ GPT-6 Sol اور Luna پچھلے GPT-5.6 ماڈلز کے مقابلے میں کئی safety measures میں بہتری آئی: jailbreak کی کوششوں کے خلاف مضبوط مزاحمت، جس میں multi-turn attacks شامل ہیں، کم بے ایماندارانہ یا دھوکہ دہی کا رویہ، اور زیادہ تر metrics پر بہتر factual accuracy۔ یہی دستاویز sensitive evaluation categories کے ایک تنگ سیٹ میں ماڈلز کے رویے میں statistically significant regressions کی بھی رپورٹ کرتی ہے، جس میں self-harm-related prompts شامل ہیں، Luna نے اندرونی testing میں gore اور sexual content پر اضافی regressions دکھائے؛ OpenAI کی اپنی assessment نے جو مسئلہ پیدا کرنے والے outputs کو دیکھا وہ low-severity اور اب بھی اپنی عمومی safety expectations کے اندر تھے۔

OpenAI کے Preparedness Framework کے تحت، system card Sol اور Luna دونوں کو biological/chemical اور cybersecurity risk categories میں 'High' capability کے طور پر درجہ بندی کرتا ہے، لیکن 'Critical' threshold سے نیچے — ایک کم خطرے والا tier پچھلے مہینے میں جاری Astra ماڈل سے، جسے OpenAI نے cybersecurity کے لیے Critical کے طور پر rated کیا تھا۔

بڑے لینگویج ماڈلز اصل میں کیسے کام کرتے ہیں

GPT-6، GPT-4، Claude یا Llama کی طرح، ایک neural network architecture پر بنایا گیا ہے جسے transformer کہتے ہیں، جو Google researchers نے 2017 میں متعارف کروایا تھا، IBM کے research explainer کے مطابق۔ ایک transformer متن کو چھوٹی units میں توڑتا ہے جسے tokens کہتے ہیں، ہر token کو ایک numerical vector میں تبدیل کرتا ہے، اور پھر self-attention نام کے میکانزم استعمال کرتا ہے تاکہ یہ کام کریں کہ ہر token کتنی حد تک input میں ہر دوسرے token سے متعلق ہے — بشمول جو متن میں بہت دور ہوں۔

اس سے پہلے کہ کوئی بھی کام شروع ہو، ماڈل کو training دینا ہوتا ہے۔ IBM کے explainer یہ بیان کرتے ہیں کہ massive datasets سے شروع کرتے ہوئے — اربوں یا تریلین الفاظ books، websites اور code سے — جو صاف ستھرے، tokenised اور نیٹ ورک کے ذریعے fed کیے جاتے ہیں self-supervised learning استعمال کرتے ہوئے، ایک طریقہ جو انسانوں کو ہر مثال کے لیے صحیح جواب label کرنے کی ضرورت نہیں کرتا۔

تربیت کے بعد، ماڈل ایک prompt لے کر کام کرتا ہے، اسے tokens میں تبدیل کرتا ہے، اور بار بار سب سے زیادہ ممکنہ اگلے token کی پیشین گوئی کرتا ہے، ایک وقت میں ایک، جب تک جواب مکمل نہ ہو۔ جیسا کہ IBM کے explainer نے کہا، نظام اپنا حتمی جواب پہلے سے نہیں جانتا؛ یہ تربیت کے دوران سیکھی گئی statistical relationships کا استعمال کرتے ہوئے جواب کو ٹکڑے ٹکڑے کرتے ہوئے generate کرتا ہے، بجائے stored fact کو retrieve کرنے یا اس طریقے سے reasoning کرنے کے جو ایک شخص کرتا ہے۔

اس کا output پر اعتماد کرنے کے لیے کیا مطلب ہے

کیونکہ نظام truth کی تصدیق کے بجائے plausible text کی پیشین گوئی کر رہا ہے، IBM کے explainer hallucination کو فہرست کرتے ہیں — confidently generated لیکن غلط معلومات — architecture کی inherent limitation کے طور پر، بشمول اس خطرے کے کہ training data میں موجود biases outputs میں reflect یا amplified ہوں۔ اس scale پر models کو training اور چلانا بھی computing power اور energy کی بہت بڑی مقدار کی ضرورت ہے، ایک نقطہ جو OpenAI نے خود سے نیچے کیا جب اس نے کہا کہ Astra کی تربیتی دوڑ ایک واحد site پر 100,000 سے زیادہ GPUs استعمال کرتی ہے۔