Markdown izdanje

AI-translated from English; not yet reviewed by a fluent editor.

# Boris Power: istraživanja OpenAI-ja uglavnom su usmerena na kasnije generacije GPT-a

> Na skupu Fellows Forum Boris Power je procenio da se 80–90% istraživanja OpenAI-ja odnosi na kasnije generacije GPT-a. To je njegova procena, bez objavljene raspodele resursa ili plana za GPT-7 i GPT-8.

By BIG CHANGE Editorial

Published: 2026-09-27T16:28:31.971Z
Updated: 2026-09-27T16:28:31.971Z
Canonical: https://bigchange.ai/blog/boris-power-openai-research-later-gpt-generations

![Conceptual charcoal illustration of an empty chair and a floor microphone on an unbranded stage before rows of seats.](https://bigchange.ai/api/media/file/openai-forum-remarks-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE.

Na skupu [Fellows Forum, 23. septembra](https://www.youtube.com/watch?v=Xzsg-rLGzas&t=5568s), Boris Power, rukovodilac primenjenih istraživanja u OpenAI-ju, procenio je da se 80–90% istraživanja kompanije usredsređuje na „GPT-7, GPT-8 i kasnije generacije“. Izneo je procenu objašnjavajući kako OpenAI usklađuje rad na sadašnjim proizvodima sa istraživanjem sposobnijih modela. To je njegova procena iz javnog razgovora; OpenAI nije objavio raspodelu istraživačkih resursa sa kojom bi se ona mogla uporediti.

## Suštinska promena

- **Šta se promenilo:** Power je opisao dva povezana pravca rada: unapređenje modela koje ljudi danas koriste i istraživanje usmereno na naredne generacije. Procenio je da se većina istraživanja OpenAI-ja odnosi na ovaj drugi pravac.
- **Zašto je to važno:** Snažniji veliki model može da obezbedi primere za obuku manjeg i jeftinijeg modela za određeni zadatak. Zato razvojni timovi imaju razlog da prate istraživanja najnaprednijih modela i kada se u proizvodima oslanjaju na manje modele.
- **Na šta obratiti pažnju:** Buduća izdanja modela i tehnička obelodanjivanja pokazaće da li se napredak velikih modela prenosi na manje. U intervjuu nisu navedeni datumi izdavanja, specifikacije niti rezultati za GPT-7 ili GPT-8.

## Kontekst Powerove procene

Power je odgovarao na pitanje Zacharyja Liptona o tome kako se zahtevi korisnika vraćaju u istraživanje. Rekao je da OpenAI može da unapredi određeno ponašanje, poput korišćenja alata, specijalizovanim podacima za obuku i primenjenim istraživanjem. Prema njegovom objašnjenju, takve potrebe se često rešavaju postepenim izmenama unutar jedne generacije modela. Tvrdio je da nova generacija većih modela može da promeni koje su specijalizovane dorade i dalje potrebne. Neka sadašnja ulaganja opisao je kao načine da se danas brže uči i napreduje, iako ona nisu dugoročna strategija.

Ta razlika dovela je do procene od 80–90% u [1:32:52 snimka skupa Fellows Forum](https://www.youtube.com/watch?v=Xzsg-rLGzas&t=5572s). Power je govorio o istraživanjima **u OpenAI-ju**, a ne samo u sopstvenom timu. Ni snimak ni objavljeni materijali OpenAI-ja ne definišu koja se istraživanja broje, vremenski period, budžet, broj zaposlenih ili metod po kom je procena izvedena. Zato brojku treba čitati kao Powerov opis prioriteta, a ne kao proverenu meru ulaganja ili broja zaposlenih u kompaniji.

Power je naveo GPT-7 i GPT-8 kao primere kasnijih generacija. Nije najavio nijedan od tih modela, otkrio fazu razvoja niti dao raspored izdavanja. [U aktuelnom katalogu modela OpenAI-ja](https://developers.openai.com/api/docs/models) navedeni su GPT-6 Astra, Sol i Luna; katalog pruža javni kontekst za imena koja je Power pomenuo, ali ne dokazuje ništa o stanju kasnijih generacija.

## Zašto je pomenuo destilaciju

Neposredno nakon procene Power je opisao kako veliki model GPT-6 Astra podučava manji model GPT Luna. Poenta mu je bila da snažan veliki model može da pruži primere za obuku manjeg. Objašnjavao je istraživački pristup, a ne dokumentovao da je neki objavljeni model Luna zaista obučen na osnovu modela Astra.

[OpenAI-jevo uputstvo za fino podešavanje uz nadgledanje](https://developers.openai.com/api/docs/guides/supervised-fine-tuning#distilling-from-a-larger-model) opisuje taj postupak. Razvojni tim prvo proverava da li veći model dobro radi određeni zadatak, zatim zadržava odgovarajuće izlaze, koristi ih kao primere za obuku manjeg modela i procenjuje njegov učinak na tom zadatku. OpenAI navodi da se tako manji model može približiti učinku većeg **na konkretnom zadatku**. To ne znači da manji model nasleđuje sve sposobnosti modela koji ga je podučavao. OpenAI-jeva [objava o destilaciji modela](https://openai.com/index/api-model-distillation/) takođe opisuje evaluaciju, prikupljanje izlaza i fino podešavanje kao ponavljajući postupak.

Ova ideja ima dužu istoriju. U [istraživačkom radu iz 2015.](https://arxiv.org/abs/1503.02531) Geoffrey Hinton, Oriol Vinyals i Jeff Dean proučavali su prenošenje znanja iz većih sistema u model koji se lakše primenjuje. Taj rad objašnjava koncept nastavnika i učenika, ali ne govori ništa o sadašnjoj raspodeli istraživanja u OpenAI-ju.

Time se objašnjava veza koju je Power povukao između istraživanja najnaprednijih modela i praktičnih modela. Sposobniji model-nastavnik može da napravi koristan materijal za obuku manjih sistema namenjenih određenom zadatku. Uspeh zavisi od zadatka, izabranih primera i načina procene. Power nije izneo rezultate destilacije ni uporedna merenja za primer Astra–Luna.

Powerova procena je zanimljiva jer izražava njegov stav o tome gde OpenAI očekuje najveću vrednost istraživanja. Javni dokazi potvrđuju da je dao tu izjavu i opšti postupak na koji se pozvao. Ne pokazuju kako su resursi OpenAI-ja zaista raspoređeni niti šta će doneti neka buduća generacija GPT-a.

## Sources

- [Fellows Forum 2026, prvi dan: „Where Models Meet Reality“](https://www.youtube.com/watch?v=Xzsg-rLGzas&t=5572s) — Ceo snimak organizatora smešta Powerovu procenu od 80–90% na 1:32:52, a odmah zatim i njegovo objašnjenje odnosa velikog modela-nastavnika i manjeg modela-učenika. Liptonovo pitanje i Powerova rasprava o postepenim izmenama nasuprot radu na novim generacijama pružaju kontekst. Snimak potvrđuje šta je rekao, a ne proverenu raspodelu resursa ili plan proizvoda.
- [Događaj i program skupa Fellows Forum 2026](https://www.fellowsforum.com/) — Organizator navodi da je prvi dan održan 23. septembra i da su na sesiji „Where Models Meet Reality“ učestvovali Boris Power, rukovodilac primenjenih istraživanja u OpenAI-ju, i Zachary Lipton. To potvrđuje kontekst skupa i govornike, ali ne potvrđuje Powerovu brojčanu procenu.
- [OpenAI API: fino podešavanje uz nadgledanje, destilacija većeg modela](https://developers.openai.com/api/docs/guides/supervised-fine-tuning#distilling-from-a-larger-model) — OpenAI opisuje prikupljanje uspešnih odgovora većeg modela, korišćenje tih odgovora za podešavanje manjeg i proveru učinka na određenom zadatku. Objašnjava tehniku, a ne internu liniju porekla modela GPT-6 niti garantovano prenošenje opštih sposobnosti.
- [OpenAI: destilacija modela u API-ju](https://openai.com/index/api-model-distillation/) — Razvojna objava OpenAI-ja objašnjava ponavljajući postupak destilacije koji koristi sačuvane izlaze modela, evaluaciju zadatka i fino podešavanje. Opisuje javnu ponudu za razvojne timove, a ne internu raspodelu istraživanja OpenAI-ja.
- [OpenAI API: modeli](https://developers.openai.com/api/docs/models) — U aktuelnom katalogu navedeni su modeli GPT-6 Astra, Sol i Luna. On potvrđuje javni kontekst naziva modela, ali ne pokazuje dostupnost, rokove ili specifikacije GPT-7 i GPT-8.
- [Hinton, Vinyals i Dean: „Distilling the Knowledge in a Neural Network“](https://arxiv.org/abs/1503.02531) — Izvorni istraživački rad pruža istorijski kontekst za prenošenje znanja u manji model koji se lakše primenjuje. Ne potvrđuje Powerovu izjavu o sadašnjoj raspodeli istraživanja OpenAI-ja niti istoriju obuke njegovih modela GPT-6.