GPT modellek érthetően

Ugyanazt a kérdést adjuk a GPT-5.6-nak, a 6-nak, a 6.1-nek vagy az Astrának, mégis más választ kapunk. Az egyik jobban összerakja a dokumentumot, a másik gyorsabban végez, a harmadik más hibát követ el. Mi változik a név mögött, és mitől lesz nekünk jobb vagy rosszabb a választás?

Ehhez nem kell programozónak lenni. Ebben az első részben az alapokat tisztázzuk; a következőben a Medium, Max és Ultra beállítást, a harmadikban a konkrét modellek teszteredményeit nézzük meg. Az adatok ellenőrzésének dátuma: 2026. október 9. Az árak, a hozzáférés és a rangsorok később változhatnak.

Mit jelent a modell neve?

A modell az a betanított AI (mesterséges intelligencia), amely feldolgozza a kérésünket és előállítja a választ. A ChatGPT a használatához adott felület; nem egyetlen, változatlan modell neve. A GPT-6.1 Sol névben a GPT a modellcsalád, a 6.1 a verzió megjelölése, a Sol pedig a családon belüli változat neve.

A nagyobb verziószám nem mondja meg, hány százalékkal ügyesebb a modell. A Sol és az Astra megnevezésből sem derül ki, hány tanult belső értékkel dolgoznak. Ezeket paramétereknek nevezik: a tanítás során kialakított számok, amelyek befolyásolják a választ. Az OpenAI a most összehasonlított négy modell pontos paraméterszámát nem közli. Ezért nem állíthatjuk tényként, hogy az Astra például kétszer akkora, vagy hogy a 6.1 mindenben többet tud a 6-nál.

A gyártó a Solt kedvezőbb költségű munkamodellként, az Astrát a legnehezebb feladatokhoz kínált változatként írja le. Ez hasznos kiindulópont, de nem helyettesíti az adott feladatra készült tesztet.

Mitől különbözik két modell tudása?

A modellek nem ugyanazzal a tanítással készülnek. Számít, milyen anyagot használnak a tanításukhoz, milyen feladatok megoldását gyakoroltatják velük, és milyen válaszokat jutalmaznak a későbbi finomítás során. Eltérhet a belső felépítésük is. A konkrét négy modell teljes tanítási anyagát és minden műszaki részletét azonban nem hozta nyilvánosságra a gyártó.

Jó hasonlat két szakember, akik más képzést és gyakorlatot kaptak. Mindketten lehetnek ügyesek, mégsem ugyanabban. Az AI esetében ez csak hasonlat: nem emberi emlékezet vagy megértés dolgozik mögötte.

Az alapvető nyelvi tanítás során a modell sok szövegrészlet alapján megtanulja, milyen folytatások illenek az előzményekhez. A későbbi tanítás többek között az utasításkövetést és a feladatmegoldást alakíthatja. Így nemcsak az számít, milyen tényekkel találkozott, hanem az is, hogyan tanították használni a megtanult összefüggéseket.

Mi történik a háttérben? A matematika röviden

A modell először kisebb egységekre bontja a szöveget. Ezek a tokenek: lehetnek szavak, szóelemek vagy írásjelek. Egy magyar szó több tokenből is állhat, ezért a token nem azonos a karakterrel vagy a szóval.

A tokenekből számsorok lesznek. A rendszer sok számítással megvizsgálja, hogyan kapcsolódnak egymáshoz, és a tanítás során kialakított belső értékei alapján megbecsüli a következő token lehetséges változatait. A figyelmi mechanizmus – angolul attention – abban segít, hogy a szöveg releváns részei hassanak egymásra. Ezért kapcsolhatja össze például a kérdésben szereplő céget a később említett határidővel.

A választ tokenről tokenre állítja elő. A jó folytatás azonban nem ugyanaz, mint a bizonyítottan igaz állítás. Egy modell képes nagyon meggyőzően fogalmazni úgy is, hogy közben hibás nevet, adatot vagy magyarázatot ad.

Két modellnél a tanult számok, a tanítás és esetleg a belső felépítés különbözik. Emiatt ugyanazt a kérdést másképp dolgozhatják fel. Még ugyanaz a modell sem feltétlenül ad minden futásban szó szerint azonos választ: a válaszadás beállításai és a futás körülményei is számítanak.

Másik modell vagy magasabb fokozat: két külön döntés

Keskeny képernyőn a táblázat oldalra húzható.

A „gondolkodás” itt a gyártó által használt, közérthető elnevezés a válasz előtti belső feldolgozásra. Nem azt állítja, hogy a rendszer emberként gondolkodik. A fokozatok előnyeit és költségét a második rész magyarázza el.

Mit jelent a tudáslezárás dátuma?

A tudáslezárás azt jelöli, meddig terjed a modell előzetesen betanított ismereteinek gyártó által megadott időhatára. Nem jelenti azt, hogy az addig történt minden eseményt ismeri, vagy hogy a korábbi adatokat hibátlanul idézi.

Keskeny képernyőn a táblázat oldalra húzható.

Ha a rendszer böngészhet, vagy friss dokumentumot adunk neki, a tudáslezárás utáni információt is feldolgozhatja. Ettől nem tanulja át végleg a teljes modellt: az adott feladathoz használ új forrást. Magyarországi árnál, szolgáltatásnál vagy jogszabálynál ezért nem elég azt kérni, hogy „emlékezetből” válaszoljon. Aktuális, megfelelő területre vonatkozó forrást kell keresnie.

A kontextus nem ugyanaz, mint a megtanult tudás

A kontextus az az anyag, amellyel a modell az adott feladat közben dolgozik: például a beszélgetés, az utasítás és a dokumentumok feldolgozott tartalma. A kontextusablak ennek a befogadási korlátja. Olyasmi, mint az egyszerre használható munkaterület – nem az összes korábban megtanult ismeret.

A négy modell API-adatlapja egyaránt 1 050 000 tokenes kontextusablakot ad meg. Az API a saját programból elérhető használati mód. Egy alkalmazás vagy előfizetési csomag ettől eltérő gyakorlati korlátokat szabhat. A sok hely önmagában nem garantálja, hogy a modell a hosszú dokumentum minden apró részletét jól használja.

Hol használhatjuk őket Magyarországon?

Magyarország szerepel a ChatGPT és az OpenAI API támogatott országai között. A konkrét modell hozzáférése viszont függ a csomagtól, a használt felülettől és céges fióknál a rendszergazda beállításától.

A Sol-modellekről szóló jelenlegi leírás a Work/Codex felületekre vonatkozik. A 6 Sol és a 6.1 Sol nem a hagyományos ChatGPT-beszélgetés modellválasztójában megjelenő változat. Az Astra elérése és a Sol-modellek elérése sem automatikusan azonos. A ChatGPT, a Work/Codex és az API azonos márka alatt működhet, de a választható modellek és a díjazás nem feltétlenül ugyanazok.

Mi a legfontosabb különbség a felhasználónak?

A modellváltással azt változtatjuk meg, milyen betanított AI dolgozik nekünk; a fokozattal azt, mennyi munkát engedünk neki. Egyik névből sem olvasható ki előre, hogy a mi táblázatunkkal, magyar szövegünkkel vagy dokumentumunkkal mennyivel lesz jobb.

A választást a feladathoz illő tesztek, az idő és a költség együtt segítik. Céges dokumentumnál ezen felül az adatkezelést és a hozzáférést is mérlegelni kell: személyes adat, üzleti titok vagy belépési adat nem válik biztonságosan megoszthatóvá attól, hogy egy modell erős. Személyes adatoknál a GDPR szempontjai is relevánsak.