GPT Sol هو أفضل نموذج للرؤية أصدرته OpenAI حتى الآن

اختبرت Roboflow نماذج GPT-5.6 الجديدة — Sol وTerra وLuna — ضمن معيار قادم لتقييم نماذج الرؤية، وشملت الاختبارات اكتشاف الأجسام، وعدّها، وقراءة النصوص من الصور، واستخراج البيانات. ووفق نتائج Roboflow، يُعد Sol أقوى نموذج رؤية أصدرته OpenAI حتى الآن، مع تحسن ملحوظ مقارنة بـ GPT-5.5، خصوصًا في اكتشاف الأجسام وعدّها.

في اختبار اكتشاف الأجسام، ارتفعت نتيجة Sol إلى 46.2 mAP@50، بعدما سجل GPT-5.5 نتيجة 13.8 فقط. كما حقق Terra نتيجة 44.7، وLuna نتيجة 43.3، ما يعني أن هذه المهمة انتقلت من نقطة ضعف واضحة لدى نماذج OpenAI إلى قدرة عملية يمكن الاعتماد عليها في كثير من الاستخدامات.

وأظهر Sol أداءً جيدًا في تحليل تخطيطات المستندات، مثل تحديد العناوين والفقرات والجداول والصور والتوقيعات، كما تعامل بصورة جيدة مع المشاهد المزدحمة التي تحتوي على عدد كبير من الأجسام المتشابهة. وتوصي Roboflow عند استخدام النموذج لاكتشاف الأجسام بطلب الإحداثيات بصيغة XYXY المطلقة بالبكسل، لأن استخدام صيغة غير مناسبة خفّض الأداء بنحو 15 نقطة في اختباراتهم.

لكن النموذج لم يكن مستقرًا دائمًا. فقد ظهرت أخطاء في بعض الصور الكبيرة، خصوصًا عند دقة تقارب 2000×2000 بكسل أو أكثر ومع مستوى reasoning منخفض. وأكدت OpenAI لRoboflow أن رفع مستوى reasoning يحسن الاستقرار، لكنه يزيد استهلاك التوكنات والوقت والتكلفة. وكان الحل العملي المقترح هو تصغير الصور الكبيرة أو قصّها قبل إرسالها إلى الـ API.

وفي اختبار عدّ الأجسام، حقق Sol دقة 73%، مقارنة بـ 64.9% لـ GPT-5.5. كما تحسن Terra وLuna أيضًا، بل إن Luna، وهو الأرخص ضمن السلسلة، تفوق على GPT-5.5 في هذه المهمة.

أما في OCR واستخراج النصوص، فلم يتفوق Sol على GPT-5.5. سجل Sol نحو 90.7% في تشابه النصوص المقروءة، مقابل 91.2% لـ GPT-5.5، كما كان GPT-5.5 أفضل في استخراج معلومات محددة من الصور. وهذا يعني أن التحسن الأكبر في GPT-5.6 ظهر في اكتشاف الأجسام وعدّها، وليس في قراءة النصوص.

وتأتي هذه المكاسب مقابل تكلفة وزمن أعلى. استغرق Sol قرابة 10 ثوانٍ للصورة في المتوسط، وبلغت تكلفته نحو 2.5 سنت للصورة، بينما كان Terra أسرع وأرخص، وقدم Luna أفضل توازن داخل عائلة GPT-5.6 بين السرعة والجودة والتكلفة.

ورغم تحسن GPT-5.6، وجدت Roboflow أن Gemini 3.5 Flash لا يزال خيارًا عمليًا أفضل في مهام اكتشاف الأجسام وعدّها على نطاق واسع، لأنه أرخص بكثير ويتصدر اختباراتهم في هذه الجوانب. ومع ذلك، فإن GPT-5.6 يضع OpenAI أقرب بكثير من نماذج الرؤية المتقدمة، ويجعل Sol خيارًا أقوى لتطبيقات فهم الشاشات، والوكلاء القادرين على استخدام الحاسوب، وتحليل المستندات، والاستدلال البصري.