ارتقای GPT-6 Astra Pro در ChatGPT؛ تقسیم وظایف میان چند عامل هوش مصنوعی و پیگیری هم‌زمان پیشرفت کار

ChatGPT حالا می‌تواند برای انجام کارها از چند عامل هوش مصنوعی کمک بگیرد و به‌اصطلاح یک تیم تشکیل دهد.

OpenAI در ۱۶ اکتبر از ارتقای GPT-6 Astra Pro در ChatGPT خبر داد. این ارتقا پاسخ‌گویی را سریع‌تر می‌کند، توانایی استفاده از افزونه‌ها و ابزارها را بهبود می‌بخشد و به چند عامل هوش مصنوعی امکان می‌دهد یک وظیفه را میان خود تقسیم کنند و به‌طور هم‌زمان پیش ببرند.

وقتی وظیفه‌ای پیچیده را به ChatGPT می‌سپارید، چند عامل هوش مصنوعی می‌توانند هرکدام مسئولیت بخشی از آن را بر عهده بگیرند و کارها را هم‌زمان پیش ببرند.

همچنین می‌توانید روند پیشرفت هر عامل را در همان گفت‌وگو دنبال کنید و پس از پایان کار، روی هر وظیفه جداگانه کلیک کنید تا خروجی آن را ببینید.

تقسیم کار، پیگیری پیشرفت و بررسی نتایج، همگی در یک محیط گفت‌وگو در دسترس قرار گرفته‌اند.

این به‌روزرسانی فعلاً به‌تدریج برای کاربران واجد شرایط اشتراک Pro منتشر می‌شود. دسترسی حساب‌های سازمانی و تیمی نیز به تنظیمات مدیر و دریافت یا دریافت‌نکردن اعلان فعال‌سازی بستگی دارد.

البته هرچه تعداد عامل‌های هوش مصنوعی بیشتری برای شما کار کنند، وظایف بیشتری هم برای نظارت بر عملکردشان خواهید داشت.

کاربری با شناسه @Sebasti54919704 از این وضعیت انتقاد کرده و گفته است که هرچند اجرای موازی کارها به کمک چند عامل عالی است، پیگیری جداگانه پیشرفت هرکدام همان بخشی است که او را کلافه می‌کند.

او برای حل این مشکل، قابلیت پشتیبانی از فرمان صوتی را به نشست‌های Claude Code و Codex خود متصل کرده است تا بتواند با فرمان‌های صوتی، درباره پیشرفت کارها سؤال کند و میان نشست‌ها جابه‌جا شود.

گاهی حتی این عامل‌ها هم در پاسخ با او وارد گفت‌وگو می‌شوند.

وقتی چند هوش مصنوعی هم‌زمان کار می‌کنند، کاربر ممکن است بخش زیادی از وقتش را صرف بررسی پیشرفت کارها و پیگیری انجام وظایف کند و گاهی حتی مجبور شود با پاسخ‌های اعتراضی هوش مصنوعی هم کنار بیاید.

موفقیت یک تیم هوش مصنوعی به این بستگی دارد که تا چه اندازه بتواند وقت کاربران را از پیگیری وضعیت کارها، انتقال اطلاعات و هماهنگی میان وظایف آزاد کند.

این تیم هوش مصنوعی چگونه کار می‌کند؟

برای دسترسی به این قابلیت باید به زبانه Chat در ChatGPT بروید.

بر اساس راهنمای رسمی، از فهرست مدل‌ها GPT-6 را انتخاب کنید و سپس نوار میزان تفکر را روی گزینه Pro قرار دهید. در این حالت از GPT-6 Pro مبتنی بر GPT-6 Astra استفاده خواهید کرد.

گزینه‌های Instant، Medium، High و Extra High از GPT-6 Sol استفاده می‌کنند.

به بیان دیگر، گزینه‌های معمول GPT-6 بر پایه Sol کار می‌کنند، درحالی‌که گزینه Pro از Astra بهره می‌برد.

این ارتقا سه تغییر اصلی به همراه دارد.

نخست، افزایش سرعت.

OpenAI اعلام کرده است که پاسخ‌ها اکنون سریع‌تر تولید می‌شوند. با این حال، شرکت هنوز آمار مشخصی درباره میزان افزایش سرعت یا مقدار زمانی که کاربران برای تکمیل وظایف صرفه‌جویی می‌کنند، منتشر نکرده است.

دوم، بهینه‌سازی استفاده از ابزارها.

توانایی هوش مصنوعی در انجام درست کارها، به این هم بستگی دارد که تا چه اندازه بتواند ابزارهای موردنیاز را روان و مؤثر به کار بگیرد.

کاربری با شناسه @Rossisonx گفته است که گاهی افزونه‌ها وارد چرخه‌های تکراری می‌شوند، بدون پیشرفت در همان وضعیت می‌مانند و به نظر می‌رسد همچنان از سهمیه مصرف می‌کنند. در چنین شرایطی، کار جلو نمی‌رود، اما ممکن است از سهمیه کاربر کاسته شود؛ مسئله‌ای که طبیعتاً نگران‌کننده است.

OpenAI این بار از بهبود قابلیت استفاده از افزونه‌ها و ابزارها خبر داده است، اما باید دید این تغییر در عمل چه نتیجه‌ای خواهد داشت.

اگر ابزار برای انجام کار به خدمات خارجی نیاز داشته باشد، کاربر همچنان باید ابتدا حساب خود را متصل و مجوزهای لازم را تأیید کند. هوش مصنوعی نیز فقط در محدوده دسترسی‌های مجاز می‌تواند فعالیت کند.

مهم‌ترین تغییر این به‌روزرسانی، امکان فعالیت هم‌زمان چند عامل هوش مصنوعی است.

برای مثال، فرض کنید می‌خواهید یکی از سه ابزار هوش مصنوعی را انتخاب کنید و باید قابلیت‌ها، قیمت‌ها و محدودیت‌های استفاده از هرکدام را با هم مقایسه کنید.

عامل‌های هوش مصنوعی می‌توانند جداگانه درباره هر محصول اطلاعات جمع‌آوری کنند و سپس شرایط پرداخت ماهانه و سالانه و تفاوت نسخه‌های رایگان و پولی را در قالبی یکسان کنار هم قرار دهند.

کاربری با شناسه @rubenssoto_a نیز تجربه خود را به اشتراک گذاشته است:

از آن خواستم تحقیق کند و سپس سند نیازمندی‌های محصول و فهرست وظایف اجرایی را تهیه کند. نتیجه عالی بود.

در این روش، اطلاعات حاصل از تحقیق را می‌توان مستقیماً به نیازمندی‌های پروژه و فهرست کارهای مرحله بعد تبدیل کرد؛ از جمع‌آوری اطلاعات گرفته تا تدوین الزامات و مشخص‌کردن وظایف.

بااین‌حال، تقسیم کار میان عامل‌های هوش مصنوعی همانند تقسیم وظایف در یک تیم انسانی است: کارهایی که امکان اجرای هم‌زمان دارند باید جداگانه پیش بروند و وظایفی که به مراحل قبلی وابسته‌اند، باید به‌ترتیب انجام شوند.

برای نمونه، ابتدا باید اسناد بررسی شوند، سپس برنامه تهیه شود و در نهایت فایل‌ها تغییر کنند. مرحله آخر به نتایج مرحله قبل وابسته است و حتی با اختصاص چند عامل نمی‌توان این ترتیب را نادیده گرفت.

صرفاً با جداکردن بخش‌هایی که واقعاً قابلیت اجرای هم‌زمان دارند، می‌توان زمان انتظار را کاهش داد.

پس از تقسیم وظایف، باید امکان مشاهده روند پیشرفت آن‌ها نیز وجود داشته باشد.

کاربران می‌توانند فعالیت هر عامل را در گفت‌وگوی اصلی پیگیری کنند و پس از اتمام وظیفه، برای مشاهده نتیجه روی آن کلیک کنند.

کاربری با شناسه @wushanyunyu1 به این تغییر اشاره کرده و گفته است: «این قابلیت، چت‌کردن را به واگذاری وظایف تبدیل کرده است.»

از نظر او، عرصه رقابت بعدی این خواهد بود که کدام سیستم می‌تواند کار چند عامل را بهتر مدیریت کند و خطاها و دوباره‌کاری‌ها را کاهش دهد.

او بیش از هر چیز می‌خواهد بداند کاربران Pro پس از استفاده از این قابلیت برای انجام مجموعه‌ای از وظایف واقعی، تا چه اندازه مجبور به اصلاح دوباره نتایج خواهند شد.

وقتی چند هوش مصنوعی نتایج کار خود را هم‌زمان تحویل می‌دهند، ممکن است کاربران فرصت نکنند همه خروجی‌ها را بررسی کنند.

کاربری با شناسه @leolaoshuai هشدار داده است: «گلوگاه کار حالا سرعت بررسی شماست.»

اگر لازم باشد تک‌تک خروجی‌ها از ابتدا بررسی شوند، ممکن است زمانی که از اجرای موازی صرفه‌جویی شده است، دوباره صرف ارزیابی نتایج شود.

پیشنهاد او این است که پیش از واگذاری کار، معیارهای مشخصی برای تعریف «تکمیل‌شدن» آن تعیین شود و هنگام تحویل نتیجه نیز منابع و مستنداتی ارائه شوند که بتوان آن‌ها را مستقیماً بررسی کرد.

خروجی عامل‌ها نباید صرفاً با کلیک‌کردن قابل مشاهده باشد؛ بهتر است به‌روشنی مشخص شود چه کارهایی انجام شده و هر ادعا به کدام منبع استناد می‌کند. چنین رویکردی می‌تواند زمان لازم برای جست‌وجو و راستی‌آزمایی را کاهش دهد.

در اطلاعیه منتشرشده، جزئیاتی درباره حداکثر تعداد عامل‌هایی که می‌توانند هم‌زمان فعالیت کنند، فعال‌شدن خودکار تقسیم وظایف یا شیوه دقیق ادغام نتایج ارائه نشده است.

Claude پیش‌تر ارتش عامل‌های خود را تشکیل داده بود

کاربری با شناسه @FinallySomeRest در بخش دیدگاه‌ها نوشت: «Claude مدت‌هاست این قابلیت را دارد.»

در زمینه تشکیل تیمی از عامل‌های هوش مصنوعی، Claude پیش‌تر تجربه‌هایی در این حوزه داشته است.

قابلیت Claude Research که در ژوئن ۲۰۲۵ به‌صورت عمومی عرضه شد، امکان می‌دهد یک عامل اصلی هدایت کار را بر عهده بگیرد، چند عامل فرعی را برای انجام تحقیقات جداگانه به کار بگمارد و در نهایت یافته‌های آن‌ها را جمع‌بندی کند.

در این فرایند، عامل اصلی وظایف تحقیقاتی را تعیین می‌کند، عامل‌های فرعی به‌صورت موازی جست‌وجو می‌کنند و در پایان، نتایج خود را برای جمع‌بندی ارائه می‌دهند.

در ۱۷ سپتامبر ۲۰۲۶، نسخه جدید Claude Code Projects وارد مرحله آزمایش عمومی بتا شد و امکان همکاری را به پروژه‌های مستمر گسترش داد.

کاربر هدف خود را در گفت‌وگوی پروژه مشخص می‌کند و Claude وظیفه تقسیم کار، هماهنگی میان چند رشته کاری و انباشتن حافظه پروژه را بر عهده می‌گیرد. رشته‌های کاری مبتنی بر فضای ابری حتی پس از بستن لپ‌تاپ کاربر نیز می‌توانند به فعالیت ادامه دهند.

در ۱۰ اکتبر، شرکت اعلام کرد که دسترسی به این قابلیت برای کاربران Pro و Max حاضر در فهرست انتظار Projects فراهم شده است.

در همین دوره، گردش کار پویا در Managed Agents نیز وارد مرحله آزمایش عمومی بتا شد و نتایج مجموعه‌ای از آزمون‌های شناسایی باگ اعلام شد.

در این آزمون‌ها، ۷۰ باگ از پیش در میان ۱۱۶ هزار خط کد قرار داده شده بود. هنگامی که یک عامل به‌تنهایی سه بار آزمایش شد، به‌ترتیب ۱۴، ۱۵ و ۲۷ باگ را پیدا کرد؛ اما با استفاده از گردش کار پویا، در هر سه نوبت مجموعاً ۶۶ باگ شناسایی شد.

Claude و ChatGPT هر دو از جست‌وجوهای جداگانه به سمت هماهنگی میان چند مسیر کاری حرکت می‌کنند و بخش بیشتری از تقسیم وظایف و همکاری را بر عهده می‌گیرند.

بااین‌حال، روش‌های پیاده‌سازی و جزئیاتی که شرکت‌های مختلف درباره این قابلیت‌ها منتشر کرده‌اند، همچنان متفاوت است؛ از اینکه چه عاملی کار را انجام می‌دهد و کدام وظیفه باید زودتر اجرا شود تا اینکه نتایج چگونه به یکدیگر پیوند می‌خورند.

تنها زمانی کاربران می‌توانند تا حد امکان از نقش واسطه خارج شوند که عامل‌های هوش مصنوعی خودشان بتوانند وظایف را تقسیم کنند و نتایج را به یکدیگر پیوند دهند.

نتایج کارهای جداگانه باید در نهایت با یکدیگر سازگار باشند

بااین‌حال، تقسیم وظایف فقط نقطه شروع است.

اگر چند عامل هوش مصنوعی همگی یک سند واحد را بررسی کنند، ممکن است ظاهراً مشغول کار باشند، اما در واقع تلاش‌هایشان تکراری باشد.

همچنین اگر یکی از عامل‌ها از داده‌های جدید استفاده کند، اما عامل دیگر همچنان به شرایط نسخه قبلی استناد کند، گزارش نهایی ممکن است حاوی اطلاعات متناقض باشد.

Anthropic هنگام معرفی سامانه تحقیقاتی چندعاملی خود، تجربه‌ای از این مشکل را به اشتراک گذاشت:

عامل اصلی دستورالعمل‌های به‌اندازه کافی دقیقی ارائه نکرده بود؛ در نتیجه، دو عامل فرعی بارها یک مسیر تحقیقاتی مشابه را بررسی کردند، درحالی‌که عامل دیگر سراغ مشکلات مربوط به سال‌های متفاوت رفته بود.

بنابراین، هنگام تقسیم وظایف باید به‌روشنی مشخص شود که هر عامل چه چیزی را بررسی می‌کند، تا چه سطحی پیش می‌رود و نتایج را در چه قالبی تحویل می‌دهد. هرچه مرز میان وظایف مبهم‌تر باشد، احتمال تکرار جست‌وجوها یا از قلم افتادن اطلاعات مهم بیشتر می‌شود.

پس از انجام جست‌وجوهای جداگانه، باید نتایج با یکدیگر تطبیق داده شوند.

کاربری با شناسه @878967502Teamo صریحاً گفت: «اجرای موازی به‌خودی‌خود دشوار نیست؛ بخش سخت ماجرا ادغام نتایج در پایان کار است.»

او امیدوار است علاوه بر مشاهده پیشرفت کارها، بتواند به‌سرعت تشخیص دهد که نتایج حاصل از چند مسیر کاری در کدام بخش‌ها با یکدیگر تعارض دارند.

برای مثال، هنگام تهیه گزارش باید تاریخ داده‌ها، شرایط قیمت‌گذاری و معیارهای مقایسه یکسان باشند؛ در برنامه‌نویسی نیز رابط‌ها و قراردادهای نام‌گذاری باید با یکدیگر سازگار باشند.

در غیر این صورت، حتی پس از اتمام کار هر عامل، کاربران همچنان باید خطاها را بررسی کنند، بخش‌های ناقص را تکمیل کنند و نتایج را دوباره کنار هم قرار دهند.

Anthropic در توضیحات رسمی Claude Code نیز یادآور شده است که مراحلی که وابستگی ترتیبی نزدیکی به یکدیگر دارند، برای تقسیم اجباری مناسب نیستند و اگر چند عامل هم‌زمان یک فایل را تغییر دهند، احتمال بروز تعارض افزایش می‌یابد.

اگر وظیفه بیش از حد کوچک باشد، زمانی که صرف تقسیم کار و تحویل گرفتن نتایج می‌شود، ممکن است تمام صرفه‌جویی حاصل از اجرای موازی را از بین ببرد.

این قابلیت بسیار جذاب است

اما باید سهمیه مصرف را هم در نظر گرفت

گام بعدی برای کاربران این است که بررسی کنند آیا به این قابلیت دسترسی دارند و تا چه اندازه می‌توانند از آن استفاده کنند.

بر اساس راهنمای رسمی، کاربران Plus می‌توانند از Astra در بخش‌های Work و Codex استفاده کنند، اما امکان استفاده از GPT-6 Pro در بخش Chat را ندارند.

ارتقای چندعاملی در بخش Chat نیز فعلاً به‌تدریج برای کاربران واجد شرایط Pro منتشر می‌شود و کاربران Plus در حال حاضر به آن دسترسی ندارند.

کاربری با شناسه @WhosCinq در بخش دیدگاه‌ها از طرف کاربران Plus اعتراض کرده و پرسیده است که چرا این به‌روزرسانی نیز بار دیگر آن‌ها را کنار می‌گذارد.

کاربرانی که از قبل هزینه اشتراک پرداخت کرده‌اند نیز درباره قیمت آن نگرانی دارند.

کاربری با شناسه @JcCastaneda05 صفحه اشتراک Pro و میزان مصرف خود را به نمایش گذاشته و خواسته‌اش را در یک جمله خلاصه کرده است:

لطفاً قیمت را پایین بیاورید.

داشتن اشتراک Pro به معنای امکان استفاده نامحدود از این مدل نیست.

نخست باید مشخص کنید از کدام بخش استفاده می‌کنید.

سهمیه پیام‌های مدل Pro در بخش Chat جداگانه محاسبه می‌شود و با سهمیه مشترک بخش‌های Work و Codex یکسان نیست.

در تصویر صفحه کاربر که پیش‌تر به آن اشاره شد نیز آمده است که استفاده مشترک شامل گفت‌وگوهای بخش Chat نمی‌شود.

سپس باید سطح اشتراک خود را بررسی کنید.

بر اساس راهنمای رسمی فعلی، اشتراک Pro با قیمت ۲۰۰ دلار سهمیه هفتگی جداگانه‌ای برای GPT-6 Pro دارد. در اشتراک Pro با قیمت ۱۰۰ دلار، GPT-6 Pro و GPT-5.6 Sol Pro از یک سهمیه هفتگی مشترک استفاده می‌کنند.