الجميع يفتقد GPT-4o: لماذا يفضله الناس على GPT-5

وضعت OpenAI نموذج GPT-5 كقفزة نحو الذكاء الاصطناعي العام. تم تقديمه كنموذج بقدرات "مستوى الدكتوراه" في التفكير والكتابة والبرمجة.

\ شمل الوعد هلوسات أقل، ووضع تفكير جديد، وتوجيه يمكنه التعديل بين السرعة والعمق.

\ لكن هل حقق الإطلاق وعوده فعلاً؟ كانت المشاكل موجودة منذ البداية. وبدلاً من الإثارة، أثار GPT-5 الإحباط وحتى الحنين إلى GPT-4o.

\ فماذا حدث؟ وماذا يمكننا أن نتعلم منه؟

وعد GPT-5 والواقع

كانت القيمة المقترحة لـ GPT-5 واضحة على الورق. التوجيه التكيفي سيحسن الكفاءة. وضع التفكير المخصص سيفتح تفكيرًا أعمق. ووعد بأن الهلوسات ستصبح أقل تكرارًا.

\ لكن منذ البداية، بدأت الأمور تسير بشكل خاطئ. في اليوم الأول، فشل نظام التوجيه. هذا جعل GPT-5 أبطأ وأقل قدرة من GPT-4o.

\ ثم تم سحب النماذج القديمة دون تحذير. بالنسبة للشركات، أدى هذا إلى تعطيل سير العمل وزعزعة استقرار خطط التبني.

\ قامت العديد من الفرق بتحسين العمليات حول GPT-4o، فقط لتكتشف أن التحول إلى GPT-5 أدخل المزيد من الاحتكاك بدلاً من أقل.

رد فعل المطورين

شهد المطورون التراجع الأكثر وضوحًا. كان GPT-5 Codex أبطأ بأربع إلى سبع مرات من GPT-4.1 في المهام القياسية.

\ هذا التباطؤ كسر تدفق جلسات البرمجة، واضطر المطورون إلى الجلوس في انتظار النتائج بدلاً من التكرار في الوقت الفعلي.

\ مع عدم وجود خيار للعودة، انخفضت الإنتاجية. فجأة قدم المنافسون مثل Claude Code و DeepSeek سرعة وقابلية استخدام أفضل.

لماذا لا يزال GPT-4o يشعر

أفضل كان GPT-4o وإصداراته بعيدة عن الكمال، لكنها عملت. قدمت توازنًا بين السرعة والإبداع والموثوقية مما جعلها جديرة بالثقة. قامت الشركات بضبط عملياتها حوله لأنه كان متسقًا.

\ لعبت النبرة دورًا أيضًا. شعر GPT-4o بأنه أكثر إنسانية دون أن يكون مألوفًا للغاية. بالمقارنة، تم انتقاد GPT-5 لاستجاباته الأكثر تسطحًا وأسلوبه البارد والميكانيكي.

\ ارتبط العديد من المستخدمين بالطريقة التي تفاعلوا بها مع GPT-4o، وتركهم التحول يشعرون كما لو أن شيئًا أساسيًا قد فُقد. ما كان يشعر به مرة كشريك تعاوني أصبح الآن يشعر بأنه معاملة.

\ هذا الاختلاف، إلى جانب الأداء الأبطأ وسير العمل المعطل، يفسر سبب استمرار GPT-4o في إلهام الولاء بينما يكافح GPT-5 لكسب الثقة.

الدرس الحقيقي حول الموثوقية

سلط هذا الوضع الضوء على مدى هشاشة الأنظمة عندما تعتمد على نموذج أو مزود واحد. عندما تمت إزالة GPT-4o، تُركت المنظمات التي ليس لديها استراتيجية احتياطية مكشوفة.

\ يجب أن يتوقع تصميم النظام التغيير المستمر. إذا كان هناك شيء واحد نعرفه عن وتيرة التكنولوجيا، فهو أنها لن تتباطأ في أي وقت قريب.

\ هناك طرق عملية لمعالجة هذا. تجعل طبقات التجريد التكيف ممكنًا عندما يقوم المزودون بتغيير النماذج أو سحبها. يمنع التخطيط للتراجع الانتكاسات عندما تفشل التحديثات في تقديم تحسينات. تحمي هذه الأساليب رأس المال، وتحافظ على استقرار العمليات، وتقلل من مخاطر الاضطراب.

\ أظهر GPT-5 أن التقدم لا يأتي دائمًا برقم إصدار. لقد سلط الضوء على هشاشة استراتيجيات التبني التي تعتمد على النموذج أولاً في البيئات التي يتحرك فيها المزودون بشكل أسرع مما يمكن للشركات التكيف معه.

\ الدرس ليس التمسك بـ GPT-4o. الدرس هو تصميم أنظمة يمكنها تحمل التقلبات.

. . .

نيك تالوار هو مدير تقني، عمل سابقًا في مايكروسوفت، ومهندس ذكاء اصطناعي عملي يدعم المديرين التنفيذيين في التنقل في تبني الذكاء الاصطناعي. يشارك رؤى حول استراتيجيات الذكاء الاصطناعي أولاً لدفع التأثير على النتائج النهائية.

→ تابعه على LinkedIn للاطلاع على أحدث أفكاره.

→ اشترك في Substack المجاني الخاص به للحصول على مقالات متعمقة تصل مباشرة إلى صندوق الوارد الخاص بك.

→ شاهد الجلسة المباشرة لمعرفة كيف يستفيد القادة في الصناعات عالية التنظيم من الذكاء الاصطناعي لتقليل العمل اليدوي وزيادة عائد الاستثمار.