اخبار هوش مصنوعی ۲۲ شهریور؛ GPT‑6 Astra، Gemini ویندوز و Agents API

خلاصه اخبار هوش مصنوعی هفته

هفته منتهی به ۲۲ شهریور ۱۴۰۵، یعنی بازه ۶ تا ۱۳ سپتامبر ۲۰۲۶، یکی از هفته‌های پرخبر هوش مصنوعی بود. OpenAI مدل GPT‑6 Astra را برای کارهای حرفه‌ای معرفی کرد و هم‌زمان زیرساخت ساخت عامل‌های ابری و یک مدل صوتی بلادرنگ را در اختیار توسعه‌دهندگان گذاشت. گوگل اپ رسمی Gemini را برای ویندوز عرضه کرد و Anthropic نیز گزارش تازه‌ای درباره سوءاستفاده‌های واقعی از مدل‌های هوش مصنوعی منتشر کرد.

رقابت دیگر فقط بر سر «پاسخ بهتر در چت» نیست؛ مدل‌ها داخل برنامه‌های روزمره کار می‌کنند، با صدا تعامل دارند و وظایف چندمرحله‌ای را انجام می‌دهند. در ادامه اثر عملی هر خبر برای کاربران ایرانی را بررسی می‌کنیم.

۱. GPT‑6 Astra؛ مدل جدید OpenAI برای کارهای حرفه‌ای

OpenAI در ۹ سپتامبر از GPT‑6 Astra رونمایی کرد و آن را توانمندترین مدل خود برای کارهای پیچیده سازمانی معرفی کرد. طبق اعلام رسمی OpenAI، این مدل برای استفاده در ChatGPT Work، محیط Codex و API عرضه شده و روی حوزه‌هایی مانند استفاده از کامپیوتر، مرور وب، مهندسی نرم‌افزار، امنیت سایبری، علم و تولید اسناد حرفه‌ای تمرکز دارد.

تفاوت Astra با یک چت‌بات معمولی این است که می‌تواند در محیط‌های مجاز با فایل‌ها و نرم‌افزارهای کاری تعامل کند، چند منبع را تطبیق دهد و یک فرایند چندمرحله‌ای را تا رسیدن به خروجی ادامه دهد. OpenAI همچنین بر کاهش دفعات اصلاح و هزینه واقعی هر وظیفه تأکید کرده است.

آیا GPT‑6 Astra در ChatGPT Plus فعال است؟

در اطلاعیه اولیه، دسترسی به Astra برای ChatGPT Work، Codex و API ذکر شده است. بنابراین نباید صرفاً با خرید ChatGPT Plus انتظار داشت همین مدل با همه قابلیت‌های سازمانی در حساب ظاهر شود. نام مدل، سقف استفاده و ابزارهای فعال به نوع حساب و روند عرضه OpenAI وابسته است. اگر هدف شما استفاده عمومی از ChatGPT برای تولید محتوا، تحلیل فایل و کارهای روزمره است، صفحه اشتراک ChatGPT Plus را ببینید؛ اما برای امکانات سازمانی Astra باید شرایط ChatGPT Work جداگانه بررسی شود.

۲. Agents API؛ عامل‌های هوش مصنوعی از چت کوتاه فراتر می‌روند

یک روز پس از خبر Astra، OpenAI نسخه بتای عمومی Agents API را معرفی کرد. بر اساس صفحه رسمی Agents API، توسعه‌دهندگان می‌توانند با یک API، عامل‌هایی بسازند که در محیط ابری اجرا شوند، با فایل و کد کار کنند، ابزار فراخوانی کنند و وظایف طولانی را حتی در چند پنجره زمینه ادامه دهند.

عامل یا Agent با یک پاسخ ساده تفاوت دارد. شما به‌جای اینکه چند دستور جداگانه بدهید، هدف نهایی را مشخص می‌کنید و عامل می‌تواند کار را به مراحل کوچک‌تر تقسیم کند، ابزار مناسب را پیدا کند، نتیجه هر مرحله را بررسی کند و در صورت نیاز از زیرعامل‌های موازی کمک بگیرد. OpenAI برای این سرویس محیط‌های میزبانی‌شده نیز ارائه کرده، اما توسعه‌دهنده می‌تواند زیرساخت شخصی یا سرویس‌های شریک را انتخاب کند.

قابلیت‌های اصلی شامل مدیریت زمینه نشست‌های طولانی، پشتیبانی از MCP و ابزارهای اختصاصی، اجرای موازی زیرعامل‌ها و امکان انتخاب محیط میزبانی‌شده OpenAI یا زیرساخت شخصی است.

این خبر بیش از آنکه یک قابلیت تازه برای کاربر عادی ChatGPT باشد، یک زیرساخت مهم برای برنامه‌نویسان و کسب‌وکارهاست. فروشگاه‌ها، سامانه‌های پشتیبانی و ابزارهای سازمانی می‌توانند عامل‌هایی بسازند که وضعیت سفارش را بررسی کنند، گزارش تهیه کنند یا کارهای تکراری را با تأیید انسان انجام دهند. البته اتصال عامل به اطلاعات مشتری یا عملیات مالی باید با سطح دسترسی محدود، ثبت رویداد و تأیید مرحله‌های حساس همراه باشد.

۳. GPT‑Live‑1؛ مکالمه صوتی طبیعی‌تر و هم‌زمان

خبر سوم OpenAI در ۱۰ سپتامبر، عرضه GPT‑Live‑1 در API بود. این مدل برای ساخت تجربه‌های صوتی بلادرنگ طراحی شده و طبق معرفی رسمی GPT‑Live‑1، می‌تواند هم‌زمان گوش کند و صحبت کند؛ قابلیتی که به آن Full Duplex گفته می‌شود.

GPT‑Live‑1 لایه شنیدن و گفتن را یکپارچه می‌کند تا مکث و تأخیر زنجیره‌های جداگانه تبدیل گفتار، مدل متنی و تولید صدا کمتر شود. برای کارهای عمیق‌تر نیز می‌تواند استدلال یا فراخوانی ابزار را به یک مدل پشتیبان بسپارد.

OpenAI روی مدیریت بهتر مکث، صدای پس‌زمینه، تغییر نظر وسط جمله و قطع‌کردن طبیعی پاسخ تأکید کرده است. پشتیبانی از تماس تلفنی نیز به‌طور مشخص ذکر شده؛ بنابراین این فناوری می‌تواند در آینده کیفیت منشی تلفنی، رزرو، پیگیری سفارش و پشتیبانی صوتی را بهتر کند. قیمت اعلام‌شده در زمان انتشار خبر برای لایه صوتی جلویی ۰٫۰۵ دلار به‌ازای هر دقیقه است و هزینه مدل پشتیبان و ابزارها جداگانه محاسبه می‌شود.

برای کاربران فارسی‌زبان باید منتظر آزمون‌های واقعی ماند. افزایش تعداد صداها و زبان‌ها خبر مثبتی است، اما کیفیت لهجه فارسی، تشخیص نام‌ها و عملکرد در تماس‌های شلوغ را نباید بدون آزمایش عملی تضمین کرد.

۴. اپ Gemini برای ویندوز منتشر شد

گوگل در ۱۰ سپتامبر اپ رسمی Gemini برای Windows 10 و Windows 11 را عرضه کرد. مطابق اعلام رسمی گوگل، کاربران می‌توانند با میان‌بر Alt + Space پنجره Gemini را روی برنامه‌ای که در حال استفاده است باز کنند و بدون جابه‌جایی مداوم میان مرورگر و نرم‌افزارها سؤال بپرسند.

نسخه دسکتاپ علاوه بر گفت‌وگوی معمولی، محیطی برای انجام کارهای چندمرحله‌ای، استفاده از اطلاعات برنامه‌های متصل گوگل و ساخت تصویر یا ویدئو ارائه می‌دهد. گوگل گفته این برنامه سبک طراحی شده و عرضه آن برای کاربران Windows 10 و 11 به‌صورت جهانی آغاز شده است.

این خبر برای کاربران Google AI Pro چه معنایی دارد؟

اپ ویندوز مسیر دسترسی را ساده‌تر می‌کند، اما نصب برنامه به‌تنهایی همه قابلیت‌های پیشرفته را آزاد نمی‌کند. خود گوگل در پاورقی اطلاعیه نوشته بعضی امکانات به اشتراک Google AI و شرایط دسترسی وابسته‌اند. نوع مدل، قابلیت ساخت تصویر یا ویدئو و عامل‌های چندمرحله‌ای ممکن است بر اساس پلن، سن و کشور حساب تفاوت داشته باشد.

اگر از ابزارهای حرفه‌ای Gemini، Flow یا کردیت‌های هوش مصنوعی استفاده می‌کنید، مشخصات اشتراک Google AI Pro را جداگانه بررسی کنید. برنامه ویندوز یک رابط تازه است و جایگزین اشتراک موردنیاز برای قابلیت‌های پولی نمی‌شود.

۵. گزارش Anthropic درباره سوءاستفاده واقعی از هوش مصنوعی

Anthropic در ۱۰ سپتامبر یک گزارش مفصل امنیتی منتشر کرد که فعالیت‌های شناسایی و متوقف‌شده بین دسامبر ۲۰۲۵ تا اوت ۲۰۲۶ را بررسی می‌کند. در گزارش رسمی Anthropic، نمونه‌هایی از تلاش برای استفاده از Claude در عملیات سایبری، نظارت، عملیات نفوذ، کلاهبرداری، توسعه تسلیحات و استخراج غیرمجاز توانایی مدل‌ها شرح داده شده است.

Anthropic می‌گوید حساب‌های مرتبط را مسدود کرده، از الگوهای کشف‌شده برای تقویت حفاظت‌ها استفاده کرده و در موارد لازم اطلاعات را با نهادها و شرکای صنعتی به اشتراک گذاشته است. گزارش تأکید می‌کند این پرونده‌ها نمونه‌های عادی استفاده از Claude نیستند، بلکه موارد برجسته و جدیدی هستند که برای شناخت روند تهدید منتشر شده‌اند.

پیام مهم این گزارش برای کسب‌وکارهای کوچک هم جدی است: عامل‌های هوش مصنوعی می‌توانند سرعت و مقیاس فعالیت مهاجم را افزایش دهند. بنابراین نگهداری امن کلید API، محدودکردن دسترسی پنل ادمین، فعال‌سازی ورود دومرحله‌ای، چرخش منظم توکن‌ها و ثبت گزارش عملیات دیگر توصیه‌های اختیاری نیستند. هر کلیدی که داخل چت عمومی، مخزن کد یا تصویر منتشر شود باید افشاشده فرض و فوراً لغو شود.

اثر این تغییرات برای کاربران ایرانی

نخستین اثر، اهمیت بیشتر نوع پلن است. نام یک مدل در خبرها لزوماً به معنی دسترسی در تمام اشتراک‌ها نیست. پیش از خرید یا تمدید، باید بررسی کنید قابلیت موردنظر در ChatGPT Plus، ChatGPT Work، Google AI Pro یا API ارائه می‌شود.

دومین نکته، محدودیت‌های منطقه‌ای است. عرضه جهانی یک برنامه همیشه به معنای فعال‌بودن یکسان همه مدل‌ها، روش‌های پرداخت یا ابزارهای ویدئویی در تمام کشورها نیست. کشور حساب، موقعیت ورود و شرایط سنی می‌تواند روی دسترسی اثر بگذارد. از تغییر مکرر موقعیت ورود نیز بهتر است پرهیز شود.

سومین اثر، جدی‌ترشدن امنیت حساب‌هاست. با قدرتمندترشدن عامل‌ها، سطح دسترسی اشتباه می‌تواند پیامد بیشتری داشته باشد. توکن API را داخل پیام‌رسان، فایل عمومی یا کد سمت کاربر قرار ندهید و برای اتصال ابزارهای جانبی فقط حداقل مجوز لازم را فعال کنید.

فایل کاری، صدای مشتری یا اطلاعات مالی را فقط پس از بررسی سیاست نگهداری داده و سطح دسترسی اعضای تیم به سرویس متصل کنید. حساب شخصی یا اشتراکی محل مناسبی برای اطلاعات حساس نیست.

پرسش‌های متداول

آیا GPT‑6 Astra جایگزین ChatGPT Plus شده است؟

خیر. GPT‑6 Astra نام یک مدل جدید است و در معرفی اولیه برای ChatGPT Work، Codex و API اعلام شده است. ChatGPT Plus یک نوع اشتراک مصرف‌کننده با مدل‌ها و محدودیت‌های مخصوص خود است.

آیا Agents API رایگان است؟

OpenAI برای خود Agents API هزینه اضافه جداگانه اعلام نکرده است، اما مصرف مدل‌ها، توکن‌ها، ابزارها و زیرساخت انتخابی هزینه دارد. این سرویس در زمان انتشار خبر در مرحله بتای عمومی قرار دارد.

Gemini ویندوز روی چه نسخه‌هایی نصب می‌شود؟

گوگل پشتیبانی از Windows 10 و Windows 11 را اعلام کرده است. با میان‌بر Alt + Space می‌توان پنجره Gemini را سریع باز کرد؛ بااین‌حال دسترسی بعضی قابلیت‌ها به اشتراک و منطقه حساب وابسته است.

آیا GPT‑Live‑1 همان حالت صوتی ChatGPT است؟

فناوری مکالمه طبیعی ChatGPT را به API می‌آورد، اما محصولی برای توسعه‌دهندگان است تا تجربه صوتی خودشان را بسازند. هزینه و تنظیمات آن با اشتراک عادی ChatGPT یکسان نیست.

آیا می‌توان دسترسی عامل هوش مصنوعی را بدون نظارت رها کرد؟

برای کارهای کم‌خطر می‌توان بخشی از فرایند را خودکار کرد، اما ارسال پیام، حذف اطلاعات، عملیات مالی، تغییر دسترسی و انتشار عمومی باید با تأیید انسانی و ثبت گزارش انجام شود.

جمع‌بندی

خبرهای این هفته نشان دادند هوش مصنوعی به لایه‌ای فعال در نرم‌افزار، صدا، دسکتاپ و فرایندهای سازمانی تبدیل می‌شود. هم‌زمان، گزارش Anthropic اهمیت امنیت، محدودیت اختیار و محافظت از کلیدها را پررنگ‌تر کرد.

برای انتخاب ابزار مناسب، به نام پرزرق‌وبرق مدل اکتفا نکنید؛ نوع اشتراک، محل دسترسی، سقف استفاده، امنیت حساب و نیاز واقعی خود را کنار هم بسنجید. فهرست اشتراک‌های مرتبط را می‌توانید در دسته هوش مصنوعی و نرم‌افزار گیفت‌پین ببینید.