نویسنده: محمد طاهری | نهنگ پی‌سی (NahangPC.ir)
آخرین بررسی اطلاعات: ۲ نوامبر ۲۰۲۶
لازم نیست برای هر سؤال یا کاری سراغ قوی‌ترین مدل ChatGPT بروید. برای ترجمه یک جمله، نوشتن ایمیل یا پیدا کردن ایده، یک مدل سریع کافی است. اما وقتی قرار است یک افزونه وردپرس را توسعه دهید، چند منبع را با هم بررسی کنید یا باگ پیچیده‌ای را پیدا کنید، مدل و میزان Thinking اهمیت بیشتری پیدا می‌کند.
انتخاب درست به چهار سؤال بستگی دارد: چه کاری دارید؟ چقدر سخت است؟ در Chat، Work یا Codex انجامش می‌دهید؟ و چقدر می‌خواهید هزینه کنید؟ در این راهنما جواب هر چهار سؤال را می‌گیریم.
اول فرق مدل، Thinking و اشتراک را بدانیم
این سه مفهوم زیاد با هم اشتباه گرفته می‌شوند:
- مدل: موتور هوش مصنوعی است؛ مثل GPT-6.1 Sol یا GPT-6 Astra.
- Thinking یا میزان تلاش: مشخص می‌کند مدل برای پاسخ به یک مسئله چقدر استدلال کند؛ مثلاً Medium یا High.
- اشتراک: تعیین می‌کند به کدام مدل‌ها، ابزارها و چه میزان سهمیه دسترسی دارید؛ مثل Free، Go، Plus یا Pro.
یک مورد دیگر هم محیط کار است. Chat برای گفت‌وگو و پاسخ‌گرفتن است؛ Work برای انجام کارهای چندمرحله‌ای و تولید خروجی؛ Codex برای کار مستقیم روی پروژه‌های برنامه‌نویسی. قوی‌ترین مدل، بدون ابزار مناسب یا یک درخواست روشن، لزوماً بهترین نتیجه را نمی‌دهد.
مدل‌های GPT-6 چه تفاوتی دارند؟
در مستندات بررسی‌شده، چهار مدل اصلی برای Work، Codex و API معرفی شده‌اند. این جدول یک راهنمای کاربردی است، نه رتبه‌بندی علمیِ «هوش» مدل‌ها.
| مدل | در چه کاری بهتر به درد می‌خورد؟ | چه زمانی انتخابش کنیم؟ |
|---|---|---|
| GPT-6 Astra | مسئله‌های دشوار، تحلیل عمیق، معماری نرم‌افزار و تحقیق پیچیده | وقتی مدل‌های دیگر به بن‌بست رسیده‌اند یا تصمیم حساس و چندلایه دارید |
| GPT-6.1 Sol | برنامه‌نویسی، تحلیل، تحقیق و اجرای کارهای طولانی | انتخاب اصلی برای بیشتر کارهای حرفه‌ای و پروژه‌های جدی |
| GPT-6.1 Terra | نگارش، کارهای بصری و کار با رابط نرم‌افزار | تهیه مقاله، گزارش و کارهایی که توضیح و ارائه خوب مهم است |
| GPT-6 Luna | کارهای سریع، مشخص و پرتعداد | خلاصه‌سازی، دسته‌بندی، اصلاح متن و تغییرات کوچک |
پیشنهاد عملی: از مدل متناسب با کار شروع کنید، نه لزوماً گران‌ترین مدل. برای بسیاری از وظایف تخصصی، Sol نقطه شروع خوبی است؛ Astra را برای قسمت‌هایی نگه دارید که واقعاً به بررسی عمیق‌تر نیاز دارند.
نکته مهم: نام مدل‌هایی که در Chat می‌بینید الزاماً با نام انتخابی آن‌ها در Work و Codex یکی نیست. در مستندات این مقاله، گزینه GPT-6 در Chat و GPT-6 Pro از نظر مدل پشت صحنه با گزینه‌های جداگانه Work توضیح داده شده‌اند. همچنین ممکن است به‌دلیل اشتراک یا عرضه تدریجی، همه مدل‌ها در حساب شما نمایش داده نشوند.
منبع: راهنمای مدل‌های OpenAI | مدل‌ها در ChatGPT
Context Window چیست و چقدر اهمیت دارد؟
Context Window حجم اطلاعاتی است که مدل می‌تواند در یک نوبت در اختیار داشته باشد؛ از پیام‌های گفت‌وگو گرفته تا متن فایل‌ها و کد پروژه. Context بزرگ‌تر برای بررسی اسناد طولانی مفید است، اما به‌خودی‌خود مدل را دقیق‌تر نمی‌کند.
برای نمونه، طبق مشخصات بررسی‌شده، GPT-6.1 Sol در Work و Codex زمینه پیش‌فرض ۵۰۰ هزار توکنی دارد و ظرفیت اعلام‌شده API آن متفاوت است. این عدد را نباید با سقف آپلود فایل یا حافظه بلندمدت ChatGPT اشتباه گرفت. مشخصات Sol
Thinking را روی چه سطحی بگذاریم؟
اینجا یک قانون ساده کمک می‌کند: هرچه مسئله مبهم‌تر و چندمرحله‌ای‌تر باشد، احتمالاً Thinking بیشتری لازم دارد. اما بالا بردن آن همیشه جواب را بهتر نمی‌کند؛ گاهی فقط زمان و سهمیه بیشتری مصرف می‌شود.
| سطح | مناسب برای | مثال |
|---|---|---|
| Instant / Low / Light | درخواست‌های روشن و کوتاه؛ نام گزینه به محیط بستگی دارد | ترجمه، اصلاح جمله، خلاصه کوتاه |
| Medium | بیشتر کارهای روزمره و حرفه‌ای | نوشتن خبر، ساختار مقاله، تحلیل محدود |
| High | مسائل سخت‌تر با چند شرط یا چند منبع | تحقیق فنی، تحلیل سئو، توسعه ماژول |
| Extra High / xhigh | اشکال‌زدایی و استدلال چندمرحله‌ای دشوار | پیدا کردن باگ پیچیده، بررسی معماری |
| Max | مسائل بسیار سنگین در محیط‌های پشتیبانی‌شده | بررسی عمیق مسئله‌ای که با High حل نشده |
Instant، Pro و Ultra همیشه صرفاً نام یک سطح Thinking نیستند. ممکن است در یک محیط، نام حالت پاسخ، مدل یا قابلیت پیشرفته باشند. گزینه‌های قابل انتخاب را باید در همان محصول و حساب بررسی کرد.
مثلاً اگر فقط می‌خواهید عنوان یک مقاله را جذاب‌تر کنید، Medium یا حتی حالت سریع کافی است. اما برای رفع باگی که فقط در شرایط خاص رخ می‌دهد، High منطقی‌تر است. اگر باز هم نتیجه نگرفتید، سراغ xhigh یا مدل قوی‌تر بروید.
نکته: برای مقاله خبری، جست‌وجوی منبع معتبر از بالا بردن بی‌دلیل Thinking مهم‌تر است؛ برای کدنویسی هم اجرای تست، از یک پاسخ ظاهراً مطمئن ارزش بیشتری دارد.
برای هر کار کدام مدل و سطح تلاش مناسب است؟
جدول زیر پیشنهاد تحریریه نهنگ پی‌سی است؛ نه نتیجه آزمایش مستقیم همه ترکیب‌ها. بسته به دسترسی حساب، ممکن است لازم باشد از نزدیک‌ترین گزینه موجود استفاده کنید.
| نوع کار | سختی معمول | انتخاب پیشنهادی | Thinking |
|---|---|---|---|
| گفت‌وگو، ترجمه و اصلاح متن | خیلی ساده | Luna یا حالت سریع Chat | کم / Instant |
| ایمیل، کپشن و ایده‌پردازی | ساده | Luna | کم تا Medium |
| خلاصه‌سازی فایل کوتاه | ساده | Luna یا Terra | کم تا Medium |
| نوشتن خبر فناوری با منبع مشخص | متوسط | GPT-6 در Chat | Medium همراه جست‌وجو |
| مقاله سئوشده و گزارش چندبخشی | متوسط | Terra در Work | Medium |
| بررسی منابع متناقض | دشوار | Sol در Work | High |
| تحلیل خروجی Search Console و رقبا | دشوار | Sol در Work | High |
| طراحی رابط ساده وب | متوسط | Sol در Codex | Medium |
| ساخت ماژول افزونه وردپرس | دشوار | Sol در Codex | High |
| رفع باگ چندلایه و نامشخص | خیلی دشوار | Sol؛ در صورت نیاز Astra | High تا xhigh |
| طراحی معماری نرم‌افزار بزرگ | خیلی دشوار | Astra یا Sol | High |
| بازبینی امنیت کد | خیلی دشوار | Astra همراه ابزارهای آزمون | High تا xhigh |
| تحلیل داده و ساخت نمودار | متوسط | Terra یا Sol در Work | Medium |
| حل مسئله ریاضی پیشرفته | خیلی دشوار | Astra | High |
| پژوهش علمی چندمنبعی | دشوار | Sol یا Astra در Work | High |
| تحلیل تصویر و رابط برنامه | متوسط | Terra | Medium |
| انجام کار چندمرحله‌ای در سایت‌ها و ابزارها | دشوار | Sol در Work | High |
درجه سختی ثابت نیست. برای مثال، نوشتن یک ایمیل معمولی ساده است، اما ایمیلی حقوقی با چند شرط حساس می‌تواند به بررسی دقیق‌تری نیاز داشته باشد.
Free، Go، Plus یا Pro؟ تفاوت اشتراک‌ها
قیمت‌های زیر مبالغ پایه دلاری در منابع بررسی‌شده‌اند؛ مبلغ نهایی ممکن است با کشور، مالیات و شیوه خرید فرق کند. امکانات و سهمیه‌ها نیز ممکن است تغییر کنند.
| اشتراک | قیمت پایه ماهانه | مناسب چه کسی است؟ | نکته اصلی |
|---|---|---|---|
| Free | رایگان | استفاده گهگاهی، یادگیری و کارهای سبک | دسترسی به مدل و ابزار با محدودیت بیشتر |
| Go | ۸ دلار | کسانی که Free برایشان کم است، ولی نیاز حرفه‌ای سنگین ندارند | ظرفیت و امکانات بیشتر با هزینه کمتر از Plus |
| Plus | ۲۰ دلار | تولیدکننده محتوا، متخصص سئو و برنامه‌نویس مستقل | تعادل مناسب ابزار، مدل و هزینه |
| Pro | ۱۰۰، ۲۰۰ یا ۵۰۰ دلار | استفاده سنگین و حرفه‌ای با ارزش اقتصادی روشن | ظرفیت بالاتر؛ نه لزوماً استفاده نامحدود از همه چیز |
برای Free و Go، اسناد بررسی‌شده درباره نسل دقیق Luna یکدست نیستند؛ پس نام مدل فعال را در حساب خودتان ببینید. دسترسی به Work، Codex و سطح Thinking نیز ممکن است با نوع طرح و مرحله عرضه فرق کند.
مقایسه اشتراک‌ها | راهنمای Go | سطوح Pro
آیا Pro واقعاً ارزش خرید دارد؟
اگر هر روز کار سنگین انجام می‌دهید و تمام‌شدن سهمیه باعث توقف پروژه و از دست‌رفتن درآمد می‌شود، Pro می‌تواند به‌صرفه باشد. اما اگر بیشتر درخواست‌هایتان خبرنویسی، ترجمه یا کارهای معمولی است، احتمالاً Plus کافی است.
یک معیار خوب این است: اختلاف هزینه اشتراک چقدر زمان یا کار قابل‌فاکتورشدن برای شما آزاد می‌کند؟ فاصله Plus بیست‌دلاری تا Pro صد‌دلاری، ماهانه ۸۰ دلار است. قبل از پرداخت این مبلغ، ببینید واقعاً چند بار به سقف مصرف می‌خورید و آن محدودیت چه خسارتی به کارتان می‌زند.
سهمیه Chat، Work و Codex مشترک است؟
طبق راهنمای بررسی‌شده، Work و Codex از سهمیه مشترک استفاده می‌کنند؛ بنابراین مصرف زیاد یکی می‌تواند ظرفیت دیگری را کم کند. سهمیه Chat قواعد جداگانه‌ای دارد. مقدار مصرف هم فقط به تعداد پیام بستگی ندارد؛ حجم فایل، طول گفت‌وگو، ابزارها و سطح Thinking اثر دارند.
در مستندات، برای Plus و مدل‌های مختلف بازه‌های تخمینی مصرف آمده است، اما این ارقام تضمینی نیستند. برای تصمیم خرید بهتر است به صفحه مصرف واقعی حساب خودتان توجه کنید. راهنمای مصرف Work و Codex
Chat، Work یا Codex؛ کدام را باز کنیم؟
این سه محیط قرار نیست جای هم را بگیرند:
| محیط | بهترین کاربرد | مثال |
|---|---|---|
| Chat | سؤال، توضیح، نوشتن و ویرایش سریع | یک خبر کوتاه یا اصلاح متن مقاله |
| Work | تحقیق و انجام کار چندمرحله‌ای با خروجی نهایی | مقایسه چند مدل، بررسی منابع و ساخت گزارش |
| Codex | خواندن و تغییر کد پروژه و اجرای فرایند توسعه | ساخت افزونه وردپرس، رفع باگ و تست |
مثلاً برای نوشتن یک خبر درباره آپدیت ویندوز، Chat همراه جست‌وجو کافی است. برای مقاله مرجعی مانند همین مطلب که به مقایسه منابع و چند جدول نیاز دارد، Work انتخاب بهتری است. برای تغییر کد افزونه، Codex مناسب‌تر خواهد بود.
بنچمارک‌ها چقدر قابل اعتمادند؟
در معرفی رسمی Astra، نتایجی برای آزمون‌های برنامه‌نویسی، استدلال علمی و کار با رایانه منتشر شده است. چند نمونه از ارقام گزارش‌شده OpenAI:
| آزمون | GPT-6 Astra | GPT-5.6 Sol |
|---|---|---|
| Terminal-Bench 4.0 | ۵۷٫۹٪ | ۳۷٫۳٪ |
| DeepSWE v1.1 | ۷۴٫۱٪ | ۷۲٫۷٪ |
| GPQA Diamond | ۹۶٫۰٪ | ۹۴٫۶٪ |
| OSWorld 2.0 (ارزیابی مشخص) | ۷۲٫۶٪ | ۶۵٫۷٪ |
این اعداد نتایج گزارش‌شده سازنده هستند، نه آزمایش مستقل نهنگ پی‌سی. ضمن اینکه نتیجه یک بنچمارک نشان نمی‌دهد مدل در نوشتن فارسی یا توسعه پروژه شما دقیقاً به همان نسبت بهتر عمل می‌کند. منبع و روش ارزیابی
چطور هزینه و مصرف را پایین نگه داریم؟
چند تصمیم ساده معمولاً بیشتر از خرید اشتراک گران‌تر به کار می‌آیند:
- کار ساده را با مدل سریع انجام دهید. لازم نیست یک متن دوخطی را به Astra بسپارید.
- Thinking را بی‌دلیل بالا نبرید. از Medium شروع کنید و فقط برای مسئله دشوار به High یا بالاتر بروید.
- پروژه بزرگ را به تسک‌های مشخص تقسیم کنید. درخواست دقیق، هم بررسی نتیجه را ساده می‌کند و هم تکرار کار را کاهش می‌دهد.
- برای اطلاعات تازه، منبع بخواهید. مدل قوی هم بدون بررسی منبع می‌تواند خبر یا قیمت قدیمی ارائه دهد.
- نتیجه را آزمایش کنید. در کدنویسی، اجرای تست و در تحلیل داده، کنترل محاسبات ضروری است.
جمع‌بندی؛ بهترین انتخاب برای شما چیست؟
کاربر عمومی هستید؟ با Free شروع کنید و اگر محدودیت‌ها آزاردهنده شد، Go را بررسی کنید.
تولید محتوا، سئو یا کار حرفه‌ای انجام می‌دهید؟ Plus معمولاً نقطه شروع منطقی‌تری است. برای کارهای روزمره از مدل سریع و برای تحقیق یا تحلیل دشوار از مدل قوی‌تر استفاده کنید.
برنامه‌نویس هستید؟ Codex و GPT-6.1 Sol را برای کار اصلی امتحان کنید. Astra را برای معماری و باگ‌های واقعاً پیچیده نگه دارید.
مصرف خیلی سنگین دارید؟ Pro را وقتی انتخاب کنید که تفاوت هزینه، با زمان و درآمدی که برایتان ذخیره می‌کند توجیه شود.
در نهایت، بهترین مدل همیشه قوی‌ترین مدل نیست؛ مدلی است که کار شما را با دقت کافی، در زمان مناسب و با هزینه منطقی انجام دهد.
دیدگاه‌ها و تجربه خوانندگان
دیدگاه فنی، تجربه واقعی و اصلاحات مرتبط با موضوع مقاله را ثبت کنید.