Το νέο AI της OpenAI χειρίζεται τον υπολογιστή σας κάνοντας 25% λάθη

Το νέο μοντέλο της OpenAI βλέπει την οθόνη σου, κάνει κλικ, πληκτρολογεί. Σαν ψηφιακός βοηθός που παίρνει τον έλεγχο του υπολογιστή αντί για σένα. Η πλήρης έκδοσή του (Pro) κοστίζει $200 τον μήνα και σε τεστ αυτόνομης χρήσης υπολογιστή πετυχαίνει 75% — δηλαδή χάνει κάτι σε κάθε τέταρτη εργασία. Αυτός είναι ο συσχετισμός: ικανό, ακριβό, όχι αλάνθαστο.

Κυκλοφορεί σε τρεις εκδόσεις. Η βασική δίνει γρήγορες απαντήσεις. Η Thinking «σκέφτεται» πριν απαντήσει σε δύσκολα ερωτήματα. Και η Pro, για εργασίες ερευνητικού επιπέδου (TechCrunch). Διαθέτει «μνήμη» 1 εκατομμυρίου tokens — περίπου 1.500 σελίδες κειμένου ταυτόχρονα — αν και αυτό απαιτεί ειδικές ρυθμίσεις και διπλάσια χρέωση.

Τι δείχνουν τα νούμερα

Το πιο ενδιαφέρον στοιχείο δεν είναι η ταχύτητα. Είναι ότι σε επαγγελματικές εργασίες — νομικά κείμενα, λογιστικά φύλλα, ανάλυση δεδομένων — ισοφάρισε ή ξεπέρασε ειδικούς στο 83% των περιπτώσεων, από 71% που πετύχαινε ο προκάτοχός του. Μια εταιρεία ακινήτων (Mainstay) το δοκίμασε σε 30.000 φορολογικές πύλες και είδε 95% επιτυχία στην πρώτη προσπάθεια.

Αλλά το 75% στην αυτόνομη χρήση υπολογιστή σημαίνει κάτι πολύ συγκεκριμένο: σε πολύπλοκες εργασίες πολλών βημάτων, η πιθανότητα λάθους πολλαπλασιάζεται. Και όταν το AI έχει πρόσβαση στην οθόνη σου, ένα λάθος δεν είναι μια λάθος απάντηση. Μπορεί να σημαίνει διαγραμμένα αρχεία ή διαρροή δεδομένων.

Η ανταγωνιστική εικόνα

Κανένα μοντέλο δεν κυριαρχεί σε όλα. Το Claude Opus 4.6 της Anthropic παραμένει κορυφαίο στον κώδικα (80,8% σε εντοπισμό σφαλμάτων). Το Gemini 3.1 Pro της Google υπερέχει σε επιστημονικά ερωτήματα και κοστίζει λιγότερο. Σημαντική λεπτομέρεια: τα περισσότερα τεστ απόδοσης είναι εσωτερικά — ανεξάρτητη αξιολόγηση δεν έχει ολοκληρωθεί ακόμα.

Η μετάβαση στην εποχή των AI που παίρνουν πρωτοβουλίες αποκτά πλέον συγκεκριμένο προϊόν, τιμή, και ποσοστό αποτυχίας. Παράλληλα, πάνω από 50.000 θέσεις γραφείου στις ΗΠΑ χάθηκαν το 2025 με ρητή αναφορά στο AI. Το GPT-5.4 είναι ένα ισχυρό εργαλείο. Αλλά στο 75%, κανείς δεν θα έπρεπε να το αφήσει μόνο του.