Przewodnik po GPT: wstępnie przeszkolony transformer generatywny

• GPT to skrót od Generative Pre-trained Transformer, po polsku: wstępnie przeszkolony transformer generatywny.
• Nazwa składa się z trzech części: model generuje tekst, jest wstępnie wytrenowany na dużych zbiorach tekstu i opiera się na architekturze transformera z 2017 roku.
• ChatGPT to aplikacja zbudowana na modelach GPT. Sam GPT to silnik pod maską, nie czat.
• Kolejne wersje różnią się skalą i możliwościami. Różnicę najłatwiej zobaczyć na złożonym zadaniu, a nie w luźnej rozmowie.

Po przeczytaniu tego tekstu skrót GPT przestanie być trzema literami, które wszyscy znają, a nikt nie rozwija. Zrozumiesz, co dokładnie siedzi w nazwie, skąd biorą się różnice między wersjami i jak sprawdzić je samemu w kilka minut. Bez technobełkotu, bez programowania.

Wstępnie przeszkolony transformer generatywny: nazwa rozebrana na trzy części

Skrót znasz, rozwinięcia już niekoniecznie, i to jest normalne. Media używają go jak słowa oczywistego. Rozbijmy go po kolei.

1. Generatywny: model tworzy, a nie tylko wyszukuje

Generative znaczy, że model generuje nowy tekst. Nie wyciąga gotowych zdań z bazy jak wyszukiwarka. Pierwszy GPT z 2018 roku opisuje się jako model językowy oparty na transformerze, który generuje tekst w języku naturalnym.

2. Wstępnie przeszkolony: nauka, zanim zadasz pierwsze pytanie

Pre-trained znaczy, że model przeszedł trening na dużych zbiorach tekstu, zanim trafił do Ciebie. Pierwszy GPT korzystał z uczenia nienadzorowanego, czyli nie dostawał gotowej odpowiedzi do każdego przykładu. Dostajesz więc kucharza po szkole gastronomicznej, zanim złożysz zamówienie, a nie kogoś, kto uczy się gotować na Twoim obiedzie.

3. Transformer: architektura z jednego artykułu

Transformer to rodzaj sieci neuronowej. Wprowadził go w 2017 roku artykuł Google Brain zatytułowany „Attention Is All You Need”. Według IBM modele transformerowe, w tym GPT i BERT, napędziły wiele ważnych osiągnięć generatywnej AI, a ChatGPT jest w centrum uwagi.

Jak trenuje się GPT: miliardy pokręteł zamiast reguł

Model nie dostaje listy zasad gramatyki ani encyklopedii do wkucia. Uczy się na tekstach, a jego wiedza ląduje w parametrach. IBM opisuje je jako zmienne wewnętrzne, które model dopracowuje podczas treningu i które decydują o jego zachowaniu. Modele GPT mają miliardy, a nawet biliony takich parametrów.

Bilion pokręteł to za dużo, żeby ustawiał je człowiek. Model kręci nimi sam, w trakcie treningu, a Ty widzisz tylko wynik.

Dla skali: IBM podaje, że OpenAI nie ujawniło dokładnych danych o GPT-4. Model ma mieć szacunkowo ok. 1,8 biliona parametrów, ponad dziesięciokrotnie więcej niż GPT-3.5. To szacunek, nie liczba od producenta. GPT-4 z 2023 roku jest dziś starszą generacją, więc nie traktuj go jako aktualnego punktu odniesienia.

Chcesz zajrzeć głębiej w to, jak tekst zamienia się w liczby, które model przetwarza? Zobacz, jak zbudować własny tokenizator AI blok po bloku, albo obejrzyj jak zajrzeć do wnętrza sieci neuronowej.

Od GPT z 2018 roku do rodziny GPT-6: co się zmieniało

Stare wersje w skrócie

Autor opracowania na Medium zauważa, że w luźnej rozmowie różnica między GPT-3.5 a GPT-4 bywa subtelna. Wychodzi dopiero wtedy, gdy zadanie jest wystarczająco złożone: GPT-4 jest wtedy bardziej niezawodny, kreatywny i lepiej radzi sobie z niuansami w instrukcji.

Rodzina GPT-6 dzisiaj

OpenAI w ogłoszeniu o GPT-6 podaje, że udostępnia swoje najnowsze osiągnięcia ponad 1,2 miliarda osób, które co tydzień korzystają z ChatGPT. Ta aktualizacja dotyczy trybu Chat i nie obejmuje zmian w modelach obsługujących Work i Codex. Firma zapowiada też Intelligent UI, czyli krok w stronę ChatGPT, który dopasowuje interfejs do tego, co chcesz zrobić. To na razie cel na przyszłość, nie gotowa funkcja dla każdego.

Same modele dziś wyglądają tak (ceny API w USD za 1 mln tokenów, wejście/wyjście, stan na 29.10.2026):

Szczegóły wyboru modelu pod konkretne zadania znajdziesz w poradniku jak wybrać model GPT-6 i nie przepłacić. Aktualne ceny planów ChatGPT i wartości w złotówkach sprawdź w cenniku OpenAI i na ekranie zakupu dla swojego kraju.

Sprawdź różnicę między modelami w czterech krokach

Umiesz napisać maila? Umiesz zacząć z AI. Teoria o wersjach nic nie da, dopóki sam nie zobaczysz, jak model reaguje na proste i trudne zadanie.

1. Otwierasz ChatGPT i sprawdzasz, z którego modelu korzystasz. Zależy to od planu: w Free i Go OpenAI wdraża jako model rozmowy GPT-6 Luna, a w planach płatnych w zakładce Chat GPT-6 Sol. Jeśli Twój plan pokazuje wybór modelu, zanotuj nazwę.
2. Wklejasz proste zadanie, żeby przetestować rozumienie samego skrótu:

   Wytłumacz mi w trzech zdaniach, czym jest GPT, bez żargonu.
   Potem osobno wyjaśnij słowa: generatywny, wstępnie przeszkolony, transformer.
   Do każdego daj przykład z pracy w [Twoja branża].

   Pod siebie zmieniasz tylko nawias, np. na marketing, szkołę, księgowość albo własną firmę.
3. Wklejasz zadanie złożone z kilkoma warunkami naraz:

   Napisz maila do klienta, który spóźnia się z płatnością od 30 dni.
   Warunki: maksymalnie 100 słów, ton uprzejmy, ale stanowczy,
   bez słowa „niestety”, z jednym konkretnym terminem w ostatnim zdaniu
   i propozycją rozłożenia płatności na dwie raty.

   Jeśli masz inną sytuację, opisz własną zamiast klienta, ale zostaw cztery warunki. To one pokazują różnicę.
4. Sprawdzasz wynik punkt po punkcie. Policz słowa, poszukaj zakazanego słowa, zobacz, czy jest termin i propozycja rat. Model, który spełnia wszystkie warunki, radzi sobie z instrukcjami lepiej niż ten, który gubi jeden.

Na dziś: otwórz ChatGPT i przejdź przez te cztery kroki, zajmie to około 10 minut. Zapisz, ile warunków model spełnił w drugim zadaniu. Przy następnej zmianie modelu zrób ten sam test i od razu zobaczysz, czy nowa wersja daje Ci cokolwiek poza nową nazwą. Jeśli chcesz zrozumieć, co się dzieje, kiedy model nie mieści się na urządzeniu, przeczytaj jak wczytywać duże modele AI bez zapychania pamięci RAM i VRAM.