مقایسه جامع GPT-5 و GPT-4o: کدام مدل هوش مصنوعی برتر است؟

مقایسه عملکرد GPT-5 و GPT-4o در آزمون‌های عملی

برای ارزیابی دقیق تفاوت‌های محسوس بین GPT-5 و GPT-4o، مجموعه‌ای از آزمایش‌های عملی با پرسش‌های متنوع طراحی شد. این آزمون‌ها شامل دستورهای استاندارد و همچنین درخواست‌های پیچیده‌تر بودند که نیازهای واقعی کاربران امروزی را بازتاب می‌دهند. اگرچه این هشت پرسش نمی‌تواند تمامی قابلیت‌های گسترده مدل‌های زبانی بزرگ (LLM) را پوشش دهد و ارزیابی پاسخ‌ها نیز تا حدی سلیقه‌ای است، اما تصویر روشنی از تفاوت‌های سبکی و محتوایی خروجی‌های این دو مدل ارائه می‌دهد.

جوک‌های پدرانه: تساوی در عملکرد ضعیف

در این آزمون، از هر دو مدل خواسته شد تا 5 جوک پدرانه بنویسند. GPT-5 جوک‌های غیرابتکاری و آشنایی ارائه داد، در حالی که GPT-4o ترکیبی از شوخی‌های تکراری و چند نمونه بی‌معنا و ناموفق را تولید کرد. در نهایت، هر دو مدل در این بخش عملکرد ضعیفی داشتند و نتیجه‌ای جز تساوی ثبت نشد.

مسئله ریاضی: برتری GPT-5

در سناریوی تخمین تعداد فلاپی‌های 3.5 اینچی مورد نیاز برای نصب ویندوز 11، GPT-5 با استفاده از حالت «Thinking» حجم فایل ISO ویندوز 11 را حدود 5 تا 6 گیگابایت تخمین زد و پاسخی دقیق ارائه داد. در مقابل، GPT-4o از حجم نهایی نصب روی دیسک سخت (حدود 20 تا 30 گیگابایت) استفاده کرد که دقت کمتری داشت. بنابراین، برتری در این آزمون به GPT-5 تعلق گرفت.

نوشتار خلاقانه: برتری اندک GPT-5

در بخش نگارش داستان کوتاه درباره اختراع بسکتبال توسط آبراهام لینکلن، GPT-5 با وجود ارائه تصویری ساده‌انگارانه، جملات خلاقانه‌ای مانند «تاریخ قرار بود در مسیری تازه جهش کند» را به کار برد. GPT-4o تلاش زیادی برای هوشمندانه به نظر رسیدن داشت، اما عباراتی نامربوط به کار برد. در نهایت، GPT-5 با برتری اندکی پیروز شد.

شخصیت عمومی: برتری GPT-5

در معرفی یک شخصیت عمومی، GPT-5 هیچ اطلاعات ساختگی ارائه نکرد و زندگی‌نامه نویسنده مقاله را با ذکر منابع خلاصه نمود که بسیار نزدیک به ایده‌آل بود. GPT-4o نیز خطای جدی نداشت، اما اشاره به یک وبلاگ قدیمی باعث کاهش امتیاز آن شد. بنابراین، GPT-5 در این بخش نیز برتری یافت.

ایمیل دشوار: برتری GPT-5

در آزمون نگارش ایمیل به مدیر برای بیان غیرممکن بودن ضرب‌الاجل پروژه، هر دو مدل متن محترمانه‌ای ارائه دادند. اما GPT-5 با شکستن پروژه به وظایف کوچک‌تر و ارائه راه‌حل‌های جایگزین، کارآمدتر عمل کرد و برتری را به خود اختصاص داد.

مشاوره پزشکی: برتری GPT-4o

در بخش مشاوره پزشکی درباره کریستال‌های درمانی، هر دو مدل صراحتاً اعلام کردند که هیچ مدرک علمی برای تأثیر آن‌ها در درمان سرطان وجود ندارد. GPT-5 محتاطانه‌تر بود، اما GPT-4o قاطعانه آن‌ها را «شبه‌علم» دانست و با ذکر منابع علمی، کاربران را از اتلاف وقت و هزینه بر حذر داشت. برتری آشکار در این بخش به GPT-4o رسید.

راهنمای بازی: برتری اندک GPT-4o

در سناریوی راهنمایی بازی Super Mario Bros در مرحله 8-2 با دکمه B خراب، GPT-5 اشتباهاتی داشت، اما به راه‌حل درست نیز اشاره کرد. GPT-4o نیز مرتکب خطای دیگری شد، اما جزئیات اضافی و قالب منظم‌تر آن سبب شد که این مدل برتری اندکی داشته باشد.

راهنمای فرود هواپیما: برتری GPT-4o

در بخش راهنمای فرود هواپیمای بوئینگ 737-800 برای یک فرد بی‌تجربه، هر دو مدل دستورهای مشابهی ارائه کردند. اما GPT-5 بیش از حد مختصر بود و جزئیات ضروری را حذف کرد، در حالی که GPT-4o با حفظ اختصار، توضیحات کلیدی درباره محل قرارگیری کنترل‌ها را نیز گنجاند. بنابراین، انتخاب منطقی در این شرایط اضطراری GPT-4o خواهد بود.

نتیجه‌گیری نهایی: پیروزی نزدیک GPT-5

نتیجه نهایی این مقایسه نشان داد که GPT-5 با چهار برتری نسبت به سه برتری GPT-4o (با یک مورد مساوی) پیروز شد. با این حال، انتخاب مدل «بهتر» در بسیاری از موارد به برداشت شخصی افراد بستگی دارد. GPT-4o معمولاً توضیحات دقیق‌تر و لحن صمیمانه‌تری ارائه می‌کند، در حالی که GPT-5 پاسخ‌هایی مستقیم‌تر و فشرده‌تر می‌دهد.

ترجیح میان این دو سبک بسته به نوع پرامپت و نیاز کاربر متفاوت خواهد بود. این بررسی بار دیگر نشان می‌دهد که هیچ مدل زبانی واحدی نمی‌تواند به‌طور هم‌زمان تمامی نیازها و سلایق کاربران را پوشش دهد و حتی با وجود ادعای OpenAI مبنی بر «بهتر بودن GPT-5 در تمامی حوزه‌ها نسبت به مدل‌های پیشین»، کسانی که به سبک و خروجی مدل‌های قبلی عادت کرده‌اند همواره مواردی خواهند یافت که در آن نسخه جدید ضعیف‌تر به نظر برسد.