--- title: "GPT (OpenAI) (BN)" source: "https://systems-analysis.info/int/GPT_(OpenAI)_(BN)" wiki: "systems-analysis.info/int" article: "GPT_(OpenAI)_(BN)" language: "bn" categories: - "Category:Bengali" - "Category:Large language models" - "Category:LLM families" - "Category:Machine learning" - "Category:OpenAI" revision_id: 2464 wiki_created_at: 2026-09-06T23:04:30Z wiki_modified_at: 2026-09-06T23:04:30Z downloaded_at: 2026-09-07T22:51:27Z --- # GPT (OpenAI) (BN) **GPT** (*Generative Pre-trained Transformer*) — এটি OpenAI কোম্পানির তৈরি বৃহৎ ভাষা মডেলের (LLM) একটি পরিবার। GPT মডেলগুলো transformer আর্কিটেকচারের উপর নির্মিত এবং জেনারেটিভ প্রি-ট্রেনিং প্যারাডাইম অনুসরণ করে: প্রথম ধাপে মডেলটি কোনো সুস্পষ্ট লেবেল ছাড়াই বিশাল টেক্সট কর্পাসে প্রশিক্ষিত হয়, এবং পরে নির্দিষ্ট কাজের জন্য fine-tuning করা যায়। পরবর্তী প্রজন্মের জন্য (GPT‑5 থেকে শুরু করে) OpenAI **unified system** (একীভূত সিস্টেম) শব্দবন্ধটিও ব্যবহার করে, কারণ পণ্যটি দ্রুত উত্তর মোড, গভীর reasoning মোড এবং একটি রাউটার একত্রিত করে[\[1\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-gpt5-announce-1)। ## নামকরণ **GPT** সংক্ষিপ্ত রূপটির পূর্ণ অর্থ হলো **Generative Pre-trained Transformer (জেনারেটিভ প্রি-ট্রেইনড ট্রান্সফর্মার)**। - **Generative (জেনারেটিভ):** এর অর্থ হলো মডেলটি নতুন কনটেন্ট, যেমন টেক্সট, তৈরি (generate) করতে সক্ষম। - **Pre-trained (প্রি-ট্রেইনড)**: **এটি নির্দেশ করে যে মডেলটি একটি বিশাল ডেটাসেটে (যেমন ইন্টারনেটের টেক্সট) প্রাথমিক প্রশিক্ষণের বিস্তৃত ধাপের মধ্য দিয়ে যায়। প্রি-ট্রেনিংয়ের পরে মডেলটিকে প্রায়ই আরও নির্দিষ্ট কাজ সম্পাদনের জন্য অতিরিক্তভাবে fine-tuned করা যায়।** - **Transformer (ট্রান্সফর্মার)**: **এটি একটি নির্দিষ্ট নিউরাল নেটওয়ার্ক আর্কিটেকচারের নাম, যা GPT এবং অন্যান্য অনেক আধুনিক AI মডেলের ভিত্তিতে থাকা মূল উদ্ভাবন।** GPT-এর মূল বৈশিষ্ট্য হলো প্রশিক্ষণ অটোরিগ্রেসিভ পদ্ধতিতে হয় — মডেলটি পূর্ববর্তী প্রসঙ্গের ভিত্তিতে পরবর্তী token পূর্বাভাস দেয়। অর্থাৎ মডেলটি পূর্ববর্তী token-এর ক্রম জেনে পরবর্তী token-এর সম্ভাবনা সর্বাধিক করতে শেখে। প্রশিক্ষণের সময় পরবর্তী উপাদানের পূর্বাভাসের ত্রুটি ন্যূনতম করা হয়, যা উচ্চ সংগতি ও সংযুক্তিসম্পন্ন টেক্সট তৈরি করতে সক্ষম করে। ## GPT-তে টেক্সট জেনারেশন প্রক্রিয়া GPT মডেল নিম্নলিখিত পুনরাবৃত্তিমূলক পদ্ধতিতে একটি করে token ক্রমানুসারে টেক্সট তৈরি করে: - একটি প্রাথমিক টেক্সট ক্রম (prompt, seed text) ইনপুট হিসেবে গ্রহণ করে। - টেক্সটের পরবর্তী উপাদানের জন্য শব্দভান্ডারের সমস্ত token-এর উপর সম্ভাবনামূলক বিতরণ গণনা করে। - পরবর্তী token নির্বাচন করে: - সর্বোচ্চ সম্ভাবনার ভিত্তিতে (greedy নির্বাচন), অথবা - স্টোকাস্টিক sampling পদ্ধতিতে (*sampling*), অথবা - বিশেষ ফিল্টারিং কৌশল ব্যবহার করে (*top-k*, *top-p*)। - নির্বাচিত token বর্তমান ক্রমে যুক্ত করে। - আপডেট করা ক্রম আবার পরবর্তী token পূর্বাভাসের জন্য মডেলে ইনপুট হিসেবে দেওয়া হয়। ## Transformer আর্কিটেকচার: টেক্সট প্রক্রিয়াকরণ পরবর্তী token পূর্বাভাসের জন্য ***transformer***-এর মধ্যে ডেটা প্রক্রিয়াকরণে কয়েকটি মূল ধাপ রয়েছে: - **Tokenization (টোকেনাইজেশন)।** ইনপুট টেক্সটকে token-এ বিভক্ত করা হয় — টেক্সটের ছোট একক যা শব্দ, শব্দের অংশ বা বিরাম চিহ্ন হতে পারে। উদাহরণস্বরূপ, GPT-3 মডেলে শব্দভান্ডারে প্রায় ৫০,২৫৭টি token রয়েছে। - **Token Embedding (এমবেডিং)।** প্রতিটি token-কে embedding ম্যাট্রিক্স (W_E) ব্যবহার করে নির্দিষ্ট দৈর্ঘ্যের একটি ভেক্টরে রূপান্তরিত করা হয়। ভেক্টরগুলো token-এর অর্থ এনকোড করে: অর্থগতভাবে কাছাকাছি token-গুলো বহুমাত্রিক স্থানে পাশাপাশি অবস্থান করে। GPT-3 মডেলে embedding-এর মাত্রা হলো ১২,২৮৮। - **Transformer স্তরে প্রক্রিয়াকরণ।** - **Attention Blocks (অ্যাটেনশন ব্লক):** প্রতিটি token ক্রমের অন্য token-গুলোর সাথে মিথস্ক্রিয়া করে। attention মেকানিজম প্রসঙ্গ বিবেচনা করতে এবং শব্দের অর্থ সঠিকভাবে ব্যাখ্যা করতে সক্ষম করে। - **Feed-Forward Layers (ফিড-ফরওয়ার্ড স্তর):** attention-এর পরে প্রতিটি token আলাদাভাবে নন-লিনিয়ার অ্যাক্টিভেশনসহ দ্বিস্তরীয় নিউরাল নেটওয়ার্কের মধ্য দিয়ে প্রক্রিয়াকৃত হয়। - **বিপরীত রূপান্তর এবং Softmax।** সমস্ত স্তর প্রক্রিয়াকরণের পরে প্রক্রিয়াকৃত ভেক্টরটি ম্যাট্রিক্স (W_U) ব্যবহার করে token স্থানে ফিরিয়ে রূপান্তরিত করা হয়, যা প্রায়ই W_E-এর ট্রান্সপোজড সংস্করণ। ফলস্বরূপ লজিট ভেক্টরটি সমস্ত token-এর উপর সম্ভাবনামূলক বিতরণ পেতে Softmax ফাংশন দিয়ে স্বাভাবিক করা হয়। - **পরবর্তী Token নির্বাচন (Sampling)।** সম্ভাবনার বিতরণের উপর ভিত্তি করে পরবর্তী token নির্বাচন করা হয়। temperature প্যারামিটার নির্বাচনের এলোমেলোতা নিয়ন্ত্রণ করে: temperature ০ হলে সবচেয়ে সম্ভাবনাময় token নির্বাচিত হয়, উচ্চ temperature-এ কম সম্ভাবনাময় বিকল্প নির্বাচনের সম্ভাবনা বৃদ্ধি পায়, যা টেক্সটে বেশি বৈচিত্র্য আনে। ## GPT মডেলসমূহ - **GPT-1 (২০১৮):** পরিবারের প্রথম মডেল; ১২-স্তরের decoder-only transformer; দুই ধাপে প্রশিক্ষণ (প্রি-ট্রেনিং + NLP কাজে fine-tuning)। - **GPT-2 (২০১৯):** ১৫০ কোটি প্যারামিটার; WebText কর্পাসে প্রশিক্ষণ; প্রথমবার দীর্ঘ সংগত টেক্সট তৈরিতে সক্ষম; zero-shot জেনারেশনের মান উন্নত। ২০১৯ সালের ১৪ ফেব্রুয়ারি ঘোষণা করা হয়, নিরাপত্তাজনিত কারণে পূর্ণ সংস্করণ (১৫০ কোটি) ২০১৯ সালের ৫ নভেম্বর প্রকাশিত হয়। - **GPT-3 (২০২০):** ১৭৫ বিলিয়ন প্যারামিটার; Common Crawl, Books, Wikipedia-এর সমন্বয়ে বৃহৎ পরিসরে প্রশিক্ষণ; few-shot ও zero-shot সক্ষমতার শক্তিশালী বিকাশ। - **GPT-3.5 (২০২২):** GPT-3 ও GPT-4-এর মধ্যবর্তী সংস্করণ; text-davinci-003 ও gpt-3.5-turbo সংস্করণে মানব প্রতিক্রিয়াভিত্তিক শিক্ষণ (RLHF) প্রয়োগে উন্নত নির্দেশ অনুসরণ; প্রাথমিক সংস্করণে সর্বোচ্চ ৪,০৯৬ token এবং পরবর্তী সংস্করণে (gpt-3.5-turbo-16k ও আপডেটেড gpt-3.5-turbo) সর্বোচ্চ ১৬,৩৮৫ token-এর প্রসঙ্গ উইন্ডো। - **GPT-4 (২০২৩):** টেক্সট ও গ্রাফিক্যাল ইনপুট সহ মাল্টিমোডাল মডেল (ছবি সমর্থন টেক্সট লঞ্চের পরে পরে চালু হয়েছিল); বেস সংস্করণে ৮,১৯২ token ও GPT-4-32k ভেরিয়েন্টে ৩২,৭৬৮ token-এর প্রসঙ্গ উইন্ডো; নির্ভুলতা, স্থিতিশীলতা ও যুক্তিতর্কের মান উল্লেখযোগ্যভাবে বৃদ্ধি। - **GPT-4 Turbo (২০২৩):** GPT-4-এর অপ্টিমাইজড সংস্করণ; সর্বোচ্চ ১২৮,০০০ token-এর বর্ধিত প্রসঙ্গ উইন্ডো; কম বিলম্ব ও কম পরিচালন ব্যয়। - **GPT-4o (২০২৪):** একীভূত নিউরাল নেটওয়ার্ক আর্কিটেকচারসহ পরবর্তী প্রজন্মের মাল্টিমোডাল মডেল (টেক্সট, ছবি, অডিও); অত্যন্ত উচ্চ গতি ও নির্ভুলতার সাড়া; ১২৮,০০০ token-এর প্রসঙ্গ উইন্ডো। - **GPT-4.5 (২০২৫):** গবেষণামূলক প্রিভিউ (research preview); OpenAI-এর system card-এ উল্লেখ করা হয়েছে যে মডেলটি «builds on GPT-4o»[\[2\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-2)[\[3\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-gpt45-systemcard-3); উন্নত ব্যবহারকারীর অনুরোধ বোঝার ক্ষমতা, ত্রুটির সংখ্যা হ্রাস; ১২৮,০০০ token-এর প্রসঙ্গ উইন্ডো। API-তে `gpt-4.5-preview` মডেলটি ২০২৫ সালের ১৪ এপ্রিল deprecated ঘোষণা করা হয় এবং ২০২৫ সালের ১৪ জুলাই বন্ধ করা হয়[\[4\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-deprecations-4)। - **GPT-4.1 (২০২৫):** সর্বোচ্চ ১ মিলিয়ন token-এর প্রসঙ্গ উইন্ডোসহ GPT-4 পরিবারের উন্নত সংস্করণ; ইনপুট হিসেবে টেক্সট ও ছবি গ্রহণ করে, আউটপুট হিসেবে টেক্সট দেয়[\[5\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-5)। তিনটি ভেরিয়েন্টে একযোগে প্রকাশিত: GPT-4.1, GPT-4.1 mini, GPT-4.1 nano। - **GPT-5 (২০২৫):** দ্রুত উত্তর ও গভীর reasoning মোডসহ একীভূত সিস্টেম; প্রায় ৪০০,০০০ token-এর প্রসঙ্গ উইন্ডো; তথ্যনির্ভর কাজে hallucination উল্লেখযোগ্যভাবে হ্রাস। - **GPT-5.1 (২০২৫):** অভিযোজনযোগ্য reasoning, coding ও long-context retention-এ উন্নতি। - **GPT-5.2 (২০২৫):** পেশাদার কাজের উপর জোর; frontier কাজের জন্য Pro মোড; GPT-5.2-এর ভিত্তিতে এজেন্টিক GPT-5.2-Codex প্রকাশিত। - **GPT-5.3-Codex (২০২৬):** coding সক্ষমতা ও reasoning একত্রিত করা এজেন্টিক coding মডেল; পূর্ববর্তীদের চেয়ে ২৫% দ্রুত। - **GPT-5.3 Instant (২০২৬):** ChatGPT-এর সর্বাধিক ব্যবহৃত কথোপকথন মডেলের আপডেট; ২০২৬ সালের ৩ মার্চ প্রকাশিত। তথ্যগত নির্ভুলতা, ওয়েব অনুসন্ধানের মান, কথোপকথনের স্বাচ্ছন্দ্য উন্নত হয়েছে এবং অপ্রয়োজনীয় প্রত্যাখ্যান ও অতিরিক্ত সতর্কতার সংখ্যা হ্রাস পেয়েছে। API-তে `gpt-5.3-chat-latest` হিসেবে পাওয়া যায়[\[6\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-gpt53-instant-6)। - **GPT-5.4 (২০২৬):** ২০২৬ সালের ৫ মার্চ উপস্থাপিত পেশাদার কাজের জন্য OpenAI-এর frontier মডেল; native computer-use capabilities সহ OpenAI-এর প্রথম general-purpose মডেল। API-তে `gpt-5.4` general-purpose ও বেশিরভাগ coding কাজের জন্য ডিফল্ট মডেল হিসেবে সুপারিশ করা হয়েছে[\[7\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-gpt54-announce-7)[\[8\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-gpt54-api-8)। ## GPT-1 প্রথম মডেল, **GPT-1**, OpenAI কোম্পানি ২০১৮ সালে *\\Improving Language Understanding by Generative Pre-Training\\* গবেষণাপত্রে উপস্থাপন করেছিল। মডেলটি একটি ১২-স্তরের decoder-only transformer[\[9\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-radford2018-9) ছিল এবং transformer আর্কিটেকচারের উপর ভিত্তি করে নির্মিত হয়েছিল। GPT-1-এর প্রশিক্ষণ দুটি ধাপে হয়েছিল: অনিয়ন্ত্রিত জেনারেটিভ প্রি-ট্রেনিং (*pre-training*) ধাপ, এরপর নিয়ন্ত্রিত fine-tuning ধাপ। প্রি-ট্রেনিং ধাপে মডেলটি বিভিন্ন ঘরানার ৭,০০০-এরও বেশি অপ্রকাশিত বই সম্বলিত BookCorpus কর্পাসে প্রশিক্ষিত হয়েছিল। এই কর্পাসের বৈশিষ্ট্য ছিল দীর্ঘ অবিচ্ছিন্ন টেক্সট অংশের উপস্থিতি, যা মডেলের জটিল ও দীর্ঘ টেক্সটগত নির্ভরতা প্রক্রিয়াকরণের সক্ষমতা গঠনের জন্য অত্যন্ত গুরুত্বপূর্ণ ছিল। Fine-tuning ধাপে মডেলটি বিশেষায়িত প্রাকৃতিক ভাষা প্রক্রিয়াকরণ কাজ সমাধানে অভিযোজিত হয়েছিল, যার মধ্যে ছিল: - প্রশ্নের উত্তর (Question Answering, QA) — দেওয়া টেক্সট প্রসঙ্গের ভিত্তিতে সঠিক উত্তর তৈরি; - টেক্সটুয়াল ইমপ্লিকেশন শনাক্তকরণ (Natural Language Inference, NLI) — দুটি টেক্সটের মধ্যে যৌক্তিক সম্পর্ক নির্ধারণ: ইমপ্লিকেশন, বিরোধিতা বা নিরপেক্ষতা; - অর্থগত সাদৃশ্য মূল্যায়ন (Semantic Textual Similarity) — দুটি টেক্সট ক্রমের মধ্যে অর্থগত নৈকট্যের মাত্রা পরিমাপ। এই পদ্ধতির মাধ্যমে GPT-1 টেক্সট বোঝার জন্য বেশ কিছু আদর্শ benchmark-এ পূর্ববর্তী মডেলগুলোর তুলনায় উল্লেখযোগ্য শ্রেষ্ঠত্ব প্রদর্শন করেছিল। GPT-1-এর বিকাশ প্রাকৃতিক ভাষা প্রক্রিয়াকরণে (NLP) বেশ কিছু মূল অর্জন ও আবিষ্কার প্রদর্শন করেছিল: - **জেনারেটিভ প্রি-ট্রেনিংয়ের কার্যকারিতা।** পরীক্ষামূলকভাবে নিশ্চিত হয়েছিল যে বৃহৎ অচিহ্নিত টেক্সট কর্পাসে প্রি-ট্রেনিং মডেলকে সার্বজনীন ভাষাগত উপস্থাপনা অর্জন করতে সক্ষম করে, যা মৌলিক আর্কিটেকচারাল পরিবর্তন ছাড়াই বিভিন্ন ব্যবহারিক কাজে পরবর্তীতে প্রয়োগযোগ্য। - **Transformer আর্কিটেকচারের সর্বজনীনতা।** বহুস্তরীয় decoder transformer ব্যবহার মডেলটিকে টেক্সটে দীর্ঘমেয়াদী নির্ভরতা সফলভাবে প্রক্রিয়া করতে সক্ষম করেছিল, যা আগে রিকারেন্ট নিউরাল নেটওয়ার্কভিত্তিক মডেলগুলোর জন্য কঠিন ছিল। - **ডেটা লেবেলিংয়ের উপর নির্ভরতা হ্রাস।** গবেষণাটি নিশ্চিত করেছিল যে অচিহ্নিত ডেটায় বৃহৎ পরিসরে প্রি-ট্রেনিং লক্ষ্য কাজে উচ্চ মান অর্জনের জন্য প্রয়োজনীয় চিহ্নিত ডেটার পরিমাণ উল্লেখযোগ্যভাবে হ্রাস করতে পারে। - **পরবর্তী বিকাশের ভিত্তি।** GPT-1-এর ফলাফল GPT মডেল পরিবারের পরবর্তী সংস্করণের (GPT-2, GPT-3 এবং তার পরেও) ধারণাগত ও প্রযুক্তিগত ভিত্তি স্থাপন করেছিল। ## GPT-2 GPT-2 মডেলটি OpenAI কোম্পানি ২০১৯ সালের ১৪ ফেব্রুয়ারি ঘোষণা করেছিল। এটি আকারে তার পূর্বসূরিকে উল্লেখযোগ্যভাবে ছাড়িয়ে গিয়েছিল: মডেলের পূর্ণ সংস্করণে প্রায় ১৫০ কোটি প্যারামিটার ছিল। নিরাপত্তাজনিত কারণে OpenAI প্রথমে শুধুমাত্র হ্রাসকৃত ভেরিয়েন্টগুলো প্রকাশ করেছিল; পূর্ণ সংস্করণ (১৫০ কোটি প্যারামিটার) ২০১৯ সালের ৫ নভেম্বর প্রকাশিত হয়েছিল। BookCorpus (~৫ জিবি) কর্পাসে প্রশিক্ষিত GPT-1-এর বিপরীতে, GPT-2 উচ্চ মানের ইন্টারনেট উৎস থেকে টেক্সট ডেটা সম্বলিত বিশেষভাবে সংগৃহীত WebText কর্পাসে (প্রায় ৪০ জিবি) প্রশিক্ষিত হয়েছিল। মডেলের আকার ও প্রশিক্ষণ ডেটার পরিমাণ উভয়ই বৃদ্ধির ফলে GPT-2 টেক্সট জেনারেশনের মান উল্লেখযোগ্যভাবে বৃদ্ধি করেছিল: এটি অর্থবহ নিবন্ধ, গল্প এবং এমনকি সংগত কথাসাহিত্যের অংশ তৈরি করার সক্ষমতা প্রদর্শন করেছিল। GPT-2-তে GPT-1-এর মতো অটোরিগ্রেসিভ decoder transformer আর্কিটেকচার ব্যবহার করা হয়েছিল, কোনো উল্লেখযোগ্য পরিবর্তন ছাড়াই। মডেলটিতে ৪৮টি self-attention স্তর ছিল, hidden state-এর আকার ছিল ১৬০০ এবং প্রায় ১৫০ কোটি প্যারামিটার অন্তর্ভুক্ত ছিল। attention head-এর সংখ্যা ছিল ২৫ (GPT-1 থেকে উত্তরাধিকারসূত্রে প্রাপ্ত প্রতি head-এ ৬৪ আকার বজায় রেখে: ১৬০০ ÷ ৬৪ = ২৫)। প্রশিক্ষণ masked attention মেকানিজম ব্যবহার করে পূর্ববর্তী প্রসঙ্গের ভিত্তিতে পরবর্তী token পূর্বাভাসের কাজে পরিচালিত হয়েছিল। GPT-2-এর প্রধান পার্থক্যগুলোর একটি ছিল যে মডেলটি প্রথমবার zero-shot learning-এ উচ্চ কার্যকারিতা প্রদর্শন করেছিল — এই কাজগুলোর জন্য কোনো সুস্পষ্ট fine-tuning ছাড়াই নতুন সমস্যা সমাধানের সক্ষমতা। মডেলটি সাধারণ টেক্সটের বৃহৎ কর্পাসে প্রশিক্ষিত হয়েছিল এবং নির্দিষ্ট কাজের ডেটায় বিশেষায়িত প্রশিক্ষণের মধ্য দিয়ে যায়নি। মূল্যায়ন **zero-shot** মোডে পরিচালিত হয়েছিল, যেখানে মডেলটি শুধুমাত্র প্রি-ট্রেনিং প্রক্রিয়ায় অর্জিত জ্ঞানের ভিত্তিতে কাজ সম্পাদন করেছিল। বেশ কিছু ভাষা মডেলিং কাজে GPT-2 বিশেষায়িত dataset-এ (যেমন উইকিপিডিয়া, সংবাদ, বই) বিশেষভাবে প্রশিক্ষিত মডেলের ফলাফলের সমকক্ষ বা তার চেয়ে ভালো মান অর্জন করেছিল। ## GPT-3 **GPT-3** মডেলটি OpenAI কোম্পানি ২০২০ সালের জুন মাসে উপস্থাপন করেছিল (arXiv-এ নিবন্ধ ২০২০ সালের ২৮ মে প্রকাশিত হয়, API-তে বিটা অ্যাক্সেস ২০২০ সালের ১১ জুন খোলা হয়)। এটি GPT-2-এর পরে জেনারেটিভ transformer-এর বিকাশে পরবর্তী পদক্ষেপ হয়েছিল এবং আর্কিটেকচারকে ১৭৫ বিলিয়ন প্যারামিটারে স্কেল করার মাধ্যমে আলাদা হয়েছিল, যা তখনকার সময়ে সবচেয়ে বড় ভাষা মডেল করে তুলেছিল। GPT-3-এর আর্কিটেকচার মূলত আগের মতোই ছিল — কোনো মৌলিক পরিবর্তন ছাড়া বহুস্তরীয় অটোরিগ্রেসিভ decoder transformer। পারফরম্যান্সের মূল উন্নতি স্তরের সংখ্যা, hidden স্তরের প্রস্থ ও প্রশিক্ষণের পরিধি বৃদ্ধির মাধ্যমে অর্জিত হয়েছিল। মডেলটি Common Crawl, WebText2, Books1, Books2 ও উইকিপিডিয়া সহ বেশ কিছু বড় টেক্সট কর্পাসের সমন্বয়ে প্রশিক্ষিত হয়েছিল। ডেটার মোট পরিমাণ ছিল প্রায় ৫৭০ জিবি বা তার বেশি (৫৭০ জিবি ফিল্টার করা Common Crawl-এর অংশে পড়ে, যা প্রশিক্ষণ মিশ্রণে প্রাধান্য পায়)। GPT-3-এর অন্যতম প্রধান বৈশিষ্ট্য ছিল এর **few-shot learning** ও **zero-shot learning** সক্ষমতা: মডেলটি টেক্সট অনুরোধে মাত্র কয়েকটি উদাহরণের উপর ভিত্তি করে বা কোনো উদাহরণ ছাড়াই অনুবাদ, সারসংক্ষেপ, প্রশ্নের উত্তর, রচনা লেখা এমনকি প্রোগ্রামিং সহ প্রাকৃতিক ভাষা প্রক্রিয়াকরণের বিস্তৃত কাজ সম্পাদন করতে পারত। ## GPT-3.5 **GPT-3.5** মডেলটি OpenAI কোম্পানি ২০২২ সালের শেষ দিকে GPT পরিবারের বিবর্তনীয় বিকাশের ধারায় উপস্থাপন করেছিল। এটি GPT-3-এ ব্যবহৃত স্কেলড অটোরিগ্রেসিভ decoder transformer আর্কিটেকচারের উপর ভিত্তি করে নির্মিত হয়েছিল, টেক্সট জেনারেশনের মান, প্রসঙ্গ প্রক্রিয়াকরণ ও জটিল নির্দেশ অনুসরণের সক্ষমতায় উন্নতি সহ। GPT-3.5-এর প্যারামিটারের সঠিক সংখ্যা আনুষ্ঠানিকভাবে প্রকাশ করা হয়নি; অনুমান করা হয় যে davinci সংস্করণগুলো আকারে GPT-3-এর (১৭৫ বিলিয়ন) সমতুল্য, তবে gpt-3.5-turbo সংস্করণের সঠিক প্যারামিটার অজানা। GPT-3.5-এর প্রশিক্ষণে text-davinci-003 ও gpt-3.5-turbo সংস্করণে মানব প্রতিক্রিয়াভিত্তিক শক্তিবর্ধন শিক্ষণ (Reinforcement Learning from Human Feedback, RLHF) পদ্ধতির বিস্তৃত ব্যবহার অন্তর্ভুক্ত ছিল। এক্ষেত্রে আগের সংস্করণ text-davinci-002 RLHF নয়, supervised fine-tuning (SFT) ব্যবহার করে প্রশিক্ষিত হয়েছিল। মডেলটি Common Crawl, Books, WebText ও অন্যান্য উচ্চমানের উৎস সহ বিস্তৃত টেক্সট কর্পাসে প্রশিক্ষিত হয়েছিল। প্রাথমিক জনপ্রিয় সংস্করণে (gpt-3.5-turbo) প্রসঙ্গ উইন্ডো ছিল ৪,০৯৬ token; পরবর্তীতে OpenAI সর্বোচ্চ ১৬,৩৮৫ token-এর প্রসঙ্গসহ আপডেটেড সংস্করণ প্রকাশ করেছিল[\[10\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-10)। ব্যবহারিকভাবে GPT-3.5 প্রাকৃতিক ভাষা প্রক্রিয়াকরণের বিস্তৃত কাজ সমাধানে অভিযোজিত হয়েছিল, যেমন: - সংগত ও যৌক্তিক টেক্সট জেনারেশন; - প্রশ্নের উত্তর (QA) ও প্রসঙ্গ বোঝা; - বহুধাপী নির্দেশ অনুসরণ; - সংলাপে দীর্ঘমেয়াদী প্রসঙ্গ বজায় রাখার উন্নত ক্ষমতা। GPT-3.5-এর উপর ভিত্তি করে বিভিন্ন উদ্দেশ্যে বেশ কিছু মূল সংস্করণ প্রকাশিত হয়েছিল: - **text-davinci-002** — GPT-3.5-এর উপর ভিত্তি করে প্রথম সর্বসাধারণের জন্য উপলব্ধ মডেল, জেনারেশন ও নির্দেশ অনুসরণের জন্য অপ্টিমাইজড (SFT দিয়ে প্রশিক্ষিত)। - **text-davinci-003** — আরও উন্নত যুক্তিতর্ক ও জটিল টেক্সট জেনারেশন সক্ষমতাসহ উন্নত সংস্করণ (RLHF প্রয়োগ করে প্রশিক্ষিত)। - **gpt-3.5-turbo** — GPT-3.5-এর সবচেয়ে কার্যকর ও সাশ্রয়ী সংস্করণ, ২০২২ সালের শেষ থেকে ChatGPT সেবায় ব্যবহৃত। ## GPT-4 **GPT-4** মডেলটি OpenAI কোম্পানি ২০২৩ সালের ১৪ মার্চ *"GPT-4 Technical Report\\* গবেষণাপত্রে উপস্থাপন করেছিল। এটি ভাষা মডেল পরিবারের বিকাশের পরবর্তী ধাপ হয়েছিল, টেক্সট বোঝার ক্ষেত্রে, অর্থবহ ও সৃজনশীল উত্তর জেনারেশনে এবং মাল্টিমোডাল ডেটা প্রক্রিয়াকরণে উল্লেখযোগ্য উন্নতি নিয়ে। মডেলের প্যারামিটারের সঠিক সংখ্যা ও আর্কিটেকচারাল বিবরণ আনুষ্ঠানিকভাবে প্রকাশ করা হয়নি — GPT-4-এর টেকনিক্যাল রিপোর্ট সরাসরি নির্দেশ করে যে আর্কিটেকচার, মডেলের আকার, হার্ডওয়্যার, প্রশিক্ষণের গণনাগত ব্যয় ও dataset নির্মাণ সংক্রান্ত তথ্য প্রকাশ করা হচ্ছে না[\[11\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-11)। অনানুষ্ঠানিক বাহ্যিক মূল্যায়ন অনুযায়ী, GPT-4 Mixture of Experts (MoE) পদ্ধতি ব্যবহার করে প্রায় ~১.৮ ট্রিলিয়ন প্যারামিটারের মোট স্কেল থাকতে পারে, তবে OpenAI এই সংখ্যাগুলো আনুষ্ঠানিকভাবে নিশ্চিত বা অস্বীকার করেনি[\[12\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-12)। GPT-4 একটি মাল্টিমোডাল মডেল যা ইনপুট হিসেবে টেক্সট ও ছবি উভয়ই গ্রহণ করতে সক্ষম। উল্লেখ্য, ২০২৩ সালের মার্চে প্রাথমিক লঞ্চের সময় শুধুমাত্র টেক্সট মোডালিটি উপলব্ধ ছিল; ছবি ইনপুটের সমর্থন পরবর্তীতে চালু করা হয়েছিল। বেস সংস্করণে প্রসঙ্গ উইন্ডো ছিল ৮,১৯২ token ও GPT-4-32k ভেরিয়েন্টে ৩২,৭৬৮ token। মডেলটি RLHF পদ্ধতি (মানব প্রতিক্রিয়াভিত্তিক শক্তিবর্ধন শিক্ষণ) ব্যবহার করেছিল। GPT-4-এর প্রশিক্ষণ বৃহৎ পরিসরের টেক্সটুয়াল ও মাল্টিমোডাল কর্পাসের সমন্বয়ে পরিচালিত হয়েছিল। প্রশিক্ষণ ডেটা, হার্ডওয়্যার ও পদ্ধতির নির্দিষ্ট বিবরণ OpenAI-এর আনুষ্ঠানিক প্রকাশনায় উন্মুক্ত করা হয় না। প্রশিক্ষণ বেশ কিছু ধাপে হয়েছিল: - টেক্সট ও ছবিতে বৃহৎ পরিসরে অনিয়ন্ত্রিত প্রি-ট্রেনিং, - বিশেষায়িত কাজে নিয়ন্ত্রিত fine-tuning (supervised fine-tuning), - নির্ভরযোগ্যতা, নিরাপত্তা ও নির্দেশ ব্যাখ্যার মান উন্নয়নের জন্য মানব প্রতিক্রিয়াভিত্তিক শক্তিবর্ধন শিক্ষণের (RLHF) চূড়ান্ত ধাপ। GPT-4-এর উপর ভিত্তি করে বেশ কিছু মূল সংস্করণ প্রকাশিত হয়েছিল: - **GPT-4 (মার্চ ২০২৩):** টেক্সট ইনপুট সমর্থনসহ বেস সংস্করণ (ছবি সমর্থন পরবর্তীতে যোগ করা হয়েছিল); ৮,১৯২ token-এর প্রসঙ্গ উইন্ডো; ৩২,৭৬৮ token-এর প্রসঙ্গসহ GPT-4-32k ভেরিয়েন্টও প্রকাশিত হয়েছিল। - **GPT-4 Turbo (নভেম্বর ২০২৩):** ১২৮,০০০ token পর্যন্ত বর্ধিত প্রসঙ্গ উইন্ডোসহ GPT-4-এর অপ্টিমাইজড সংস্করণ[\[13\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-13); হ্রাসকৃত গণনাগত ব্যয় ও ত্বরান্বিত জেনারেশন; function calling ও JSON আউটপুট মোডের সমর্থন। - **GPT-4o (মে ২০২৪):** পরবর্তী প্রজন্মের মাল্টিমোডাল সংস্করণ; লঞ্চ ঘোষণায় এটিকে omni মডেল হিসেবে উপস্থাপন করা হয়েছিল, যা রিয়েল টাইমে টেক্সট, ছবি ও অডিও নিয়ে কাজ করতে সক্ষম (GPT-4 Turbo-এর বিপরীতে যেখানে বিভিন্ন মোডালিটি আলাদা মডিউল দ্বারা পরিষেবা প্রদান করত); এক্ষেত্রে বেসিক API মডেল `gpt-4o`-কে text+image input, text output হিসেবে বর্ণনা করা হয়েছে; ১২৮,০০০ token-এর প্রসঙ্গ উইন্ডো। - **GPT-4.5 (ফেব্রুয়ারি ২০২৫):** গবেষণামূলক প্রিভিউ (research preview); OpenAI-এর system card-এ সরাসরি উল্লেখ করা হয়েছে যে মডেলটি «builds on GPT-4o»[\[3\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-gpt45-systemcard-3); উন্নত জটিল টেক্সট জেনারেশন, নির্দেশ পালনে বর্ধিত নির্ভুলতা ও হ্রাসকৃত hallucination মাত্রা; ১২৮,০০০ token-এর প্রসঙ্গ উইন্ডো। এটিকে «chain-of-thought ছাড়া OpenAI-এর সর্বশেষ মডেল» (কোড নাম — *Orion*) হিসেবে বর্ণনা করা হয়েছিল[\[14\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-14)। API-তে `gpt-4.5-preview` মডেলটি ২০২৫ সালের ১৪ এপ্রিল deprecated ঘোষণা করা হয় এবং ২০২৫ সালের ১৪ জুলাই বন্ধ করা হয়[\[4\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-deprecations-4)। - **GPT-4.1 (এপ্রিল ২০২৫):** ১,০৪৭,৫৭৬ token পর্যন্ত প্রসঙ্গের আমূল সম্প্রসারণসহ স্থিতিশীল সংস্করণ; ইনপুট হিসেবে টেক্সট ও ছবি গ্রহণ করে, আউটপুট হিসেবে টেক্সট দেয়[\[15\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-15); তিনটি ভেরিয়েন্টে একযোগে প্রকাশিত (GPT-4.1, GPT-4.1 mini, GPT-4.1 nano); প্রাথমিকভাবে শুধুমাত্র API-এর মাধ্যমে পাওয়া যেত, পরে ChatGPT-এ চালু করা হয়। ## GPT-5 **২০২৫ সালের ৭ আগস্ট** OpenAI GPT‑5-কে তৎকালীন «সবচেয়ে স্মার্ট, দ্রুত ও উপকারী» মডেল হিসেবে উপস্থাপন করেছিল, built-in গভীর চিন্তাভাবনার (*thinking*) মোড ও ব্যবহারিক পরিস্থিতিতে মনোযোগ দিয়ে — লেখা, প্রোগ্রামিং, স্বাস্থ্য নিয়ে কাজ ও মাল্টিমোডাল বোঝাপড়া। GPT‑5 ধীরে ধীরে বেশিরভাগ অনুমোদিত ChatGPT ব্যবহারকারীদের জন্য ডিফল্ট মডেল হয়ে উঠেছিল, আগে ব্যবহৃত GPT‑4/4o ও o-সিরিজের মডেলগুলোকে সরিয়ে দিয়ে।[\[16\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-16) GPT‑5 দুটি মূল কার্যকরী মোডসহ **unified system** হিসেবে বাস্তবায়িত হয়েছে: দৈনন্দিন অনুরোধের জন্য দ্রুত, সাশ্রয়ী উত্তর (প্রচলিতভাবে **gpt‑5 main**) এবং জটিল কাজের জন্য গভীর reasoning (প্রচলিতভাবে **gpt‑5 thinking**)। মোড নির্বাচন স্বয়ংক্রিয়ভাবে একটি রাউটার দ্বারা হয়, যা সংলাপের ধরন, অনুরোধের জটিলতা, টুলের প্রয়োজনীয়তা এবং ব্যবহারকারীর সুস্পষ্ট ইঙ্গিত (যেমন «think step by step» বা «analyze in depth») বিবেচনা করে। ChatGPT-তে ব্যবহারকারীর কাছে Auto / Instant / Thinking / Pro মোড পাওয়া যায়; **mini** ও **nano** ভেরিয়েন্টগুলো মূলত API মডেল, এবং mini ব্যবহারকারী পণ্যে সীমা শেষ হওয়ার পরে fallback হিসেবে ব্যবহার হতে পারে[\[17\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-chatgpt-53-54-17)। প্রোগ্রামিং ইন্টারফেসের মাধ্যমে GPT‑5-এর বেশ কিছু আকার ও কনফিগারেশন পাওয়া যায়; OpenAI-এর ডকুমেন্টেশনে মূল ভেরিয়েন্ট হিসেবে **`gpt‑5`**, **`gpt‑5‑mini`** ও **`gpt‑5‑nano`** উল্লেখ করা হয়েছে (সবগুলো টেক্সট ও ভিজ্যুয়াল ডেটা সমর্থন করে)। API-তে GPT‑5 পরিবারের জন্য সর্বোচ্চ মোট প্রসঙ্গ উইন্ডো প্রায় **৪০০,০০০ token** (ইনপুট ও reasoning/আউটপুটের জন্য বাজেট বিভক্ত), এক্ষেত্রে নির্দিষ্ট সীমা নির্বাচিত মডেল ভেরিয়েন্ট ও পণ্যের উপর নির্ভর করে ভিন্ন হতে পারে[\[18\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-18)। বেশ কিছু ওয়েব অনুসন্ধান ও তথ্যনির্ভর benchmark-এ GPT‑5 GPT‑4o ও OpenAI-এর আগের «thinking» মডেলগুলোর তুলনায় hallucination ও ত্রুটির হার উল্লেখযোগ্যভাবে কম প্রদর্শন করে। OpenAI-এর আনুষ্ঠানিক ঘোষণায় GPT-4o-এর তুলনায় প্রায় ৪৫% ও thinking মোডে o3-এর তুলনায় প্রায় ৮০% ত্রুটি হ্রাসের অনুমান উপস্থাপন করা হয়েছিল — এই ফলাফলগুলো নির্দিষ্ট পরিস্থিতিতে পাওয়া গিয়েছিল: ওয়েব অনুসন্ধান সক্রিয় থাকা অবস্থায় ChatGPT উৎপাদন ট্র্যাফিকের প্রতিনিধিত্বকারী বেনামী prompt-এ[\[19\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-19)। ## GPT-5.1 **GPT-5.1** মডেলটি OpenAI কোম্পানি ২০২৫ সালের ১২ নভেম্বর মূল GPT-5-এর পরে প্রথম উল্লেখযোগ্য পুনরাবৃত্তি হিসেবে উপস্থাপন করেছিল, যা দৈনন্দিন মিথস্ক্রিয়া, কথোপকথনের মান ও অভিযোজনযোগ্যতা উন্নয়নে কেন্দ্রীভূত। মডেলটি দ্রুত মোড (**GPT-5.1 Instant**) ও গভীর reasoning (**GPT-5.1 Thinking**) সহ unified system বজায় রাখে, কিন্তু **অভিযোজনযোগ্য মনোনিবেশ** (adaptive reasoning) প্রবর্তন করে: মডেলটি অনুরোধের জটিলতার উপর নির্ভর করে গতিশীলভাবে গণনার পরিমাণ নির্ধারণ করে, যা সরল কাজে গুণমান না হারিয়ে এটিকে উল্লেখযোগ্যভাবে দ্রুত করে। GPT-5.1-এর প্রশিক্ষণ GPT-5-এর উপর ভিত্তি করে একটি অতিরিক্ত পোস্ট-ট্রেনিং ধাপ সহ পরিচালিত হয়েছিল, যার মধ্যে ছিল বর্ধিত RLHF, স্বাভাবিকতার উপর মনোযোগ ও উত্তরের «শীতলতা» হ্রাস। API-তে প্রসঙ্গ উইন্ডো ৪০০,০০০ token, সর্বোচ্চ আউটপুট — ১২৮,০০০ token[\[20\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-gpt51-api-20)। prompt ক্যাশিং ২৪ ঘণ্টা পর্যন্ত সম্প্রসারণের সমর্থন যোগ করা হয়েছে, যা বহুধাপী সংলাপে ব্যয় ও বিলম্ব উল্লেখযোগ্যভাবে হ্রাস করে[\[21\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-gpt51-announce-21)। মূল বৈশিষ্ট্যসমূহ: - **GPT-5.1 Instant** — দৈনন্দিন কাজের জন্য মূল মোড; প্রথমবার adaptive reasoning ব্যবহার করে নির্ধারণ করতে পারে কখন আরও জটিল অনুরোধে উত্তর দেওয়ার আগে «চিন্তা করা» উচিত[\[21\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-gpt51-announce-21)। - **GPT-5.1 Thinking** — reasoning-এর জন্য অভিযোজনযোগ্য সময় বরাদ্দ; OpenAI-এর তথ্য অনুযায়ী, ChatGPT কাজের প্রতিনিধিত্বমূলক বিতরণে মডেলটি GPT-5 Thinking-এর তুলনায় সবচেয়ে সহজ কাজে প্রায় দ্বিগুণ দ্রুত এবং সবচেয়ে কঠিন কাজে প্রায় দ্বিগুণ ধীর[\[21\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-gpt51-announce-21)। - উন্নত মাল্টিমোডালিটি (টেক্সট + vision)। - adaptive reasoning ও extended prompt caching-এর সুবাদে coding ও agentic পরিস্থিতি এবং সহজ কাজে দক্ষতা উন্নত হয়েছে[\[22\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-gpt51-dev-22)। ## GPT-5.2 **GPT-5.2** মডেলটি ২০২৫ সালের ১১ ডিসেম্বর «পেশাদার কাজ ও শিক্ষার জন্য সিরিজের সবচেয়ে সক্ষম মডেল» হিসেবে প্রকাশিত হয়েছিল। এটি অর্থনৈতিক মূল্যের উপর জোর দিয়ে GPT-5.1-এর বিবর্তন: টেবিল, উপস্থাপনা, জটিল কোড, end-to-end কাজের জেনারেশন। **Instant**, **Thinking** ও নতুন **Pro** মোড (সর্বোচ্চ compute ও reasoning সময় প্রয়োজন এমন কাজের জন্য) সহ unified আর্কিটেকচার বজায় রাখে। প্রশিক্ষণে আগস্ট ২০২৫-এর knowledge cutoff সহ আপডেটেড কর্পাস, উন্নত instruction-tuning ও বহুধাপী পরিস্থিতিতে ত্রুটি হ্রাসের জন্য RLHF অন্তর্ভুক্ত ছিল। প্রসঙ্গ — ৪০০K token (১২৮K max output)। মডেলটি পেশাদার পরিস্থিতিতে আরও নির্ভরযোগ্য হয়েছে, উন্নত তথ্যগত নির্ভুলতা ও টুল ব্যবহার সহ। GPT-5.2-এর উপর ভিত্তি করে ২০২৫ সালের ১৮ ডিসেম্বর বিশেষায়িত **GPT-5.2-Codex** প্রকাশিত হয়েছিল — উন্নত context compaction, Windows সমর্থন, শক্তিশালী সাইবার নিরাপত্তা ও long-horizon reasoning (কয়েক ঘণ্টা পর্যন্ত কাজ) সহ একটি এজেন্টিক coding মডেল। ২০২৬ সালের ১৩ ফেব্রুয়ারি পর্যন্ত, কিছু পুরোনো মডেল ব্যবহার থেকে তুলে নেওয়ার পরে, GPT-5.2 সাময়িকভাবে ChatGPT-এর ডিফল্ট মডেল হয়ে উঠেছিল। তবে ২০২৬ সালের মার্চের শুরুতেই এই ভূমিকা GPT‑5.3 Instant ও GPT‑5.4-এ চলে যায়[\[17\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-chatgpt-53-54-17)। ## GPT-5.3-Codex **GPT-5.3-Codex** ২০২৬ সালের ৫ ফেব্রুয়ারি «আজ পর্যন্ত সবচেয়ে শক্তিশালী এজেন্টিক coding মডেল» হিসেবে উপস্থাপিত হয়েছিল। এটি GPT-5.2-Codex-এর frontier coding সক্ষমতা ও GPT-5.2-এর পেশাদার reasoning একটি একক মডেলে একত্রিত করেছে, যা পূর্ববর্তীদের চেয়ে ২৫% দ্রুত। মডেলটি প্রায় যেকোনো ডেভেলপার কাজ সম্পাদন করতে সক্ষম: long-running workflow, গবেষণা, tool use, কোড কার্যকরণ, interactive steering (ব্যবহারকারী প্রসঙ্গ না হারিয়ে রিয়েল টাইমে হস্তক্ষেপ করতে পারেন)। মডেলের প্রাথমিক সংস্করণগুলো OpenAI দলের নিজস্ব প্রশিক্ষণ, deployment ও মূল্যায়নের ডিবাগিংয়ে ব্যবহৃত হয়েছিল। ২০২৬ সালের ৫ ফেব্রুয়ারি ঘোষণার সময়ের মূল ফলাফল: Terminal-Bench ~৭৭.৩%, OSWorld-Verified ~৬৪.৭%, SWE-Bench Pro ~৫৬.৮%। ২০২৬ সালের ৫ মার্চের GPT-5.4-এর পরবর্তী রিলিজে OpenAI নতুন API প্যারামিটার ব্যবহার করে মূল ছবির রেজোলিউশন সংরক্ষণ করে GPT-5.3-Codex-এর জন্য আপডেটেড OSWorld-Verified ফলাফল ৭৪.০% উপস্থাপন করেছিল[\[23\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-23)[\[7\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-gpt54-announce-7)। ২০২৬ সালের ১২ ফেব্রুয়ারি OpenAI Cerebras-এর সাথে অংশীদারিত্বে **GPT-5.3-Codex-Spark** প্রকাশ করেছিল — রিয়েল টাইমের জন্য অপ্টিমাইজড একটি কম্প্যাক্ট ultra-fast সংস্করণ: প্রতি সেকেন্ডে ১০০০-এরও বেশি token, text-only, ১২৮K প্রসঙ্গ। শুরুতে এটি Codex-এ ChatGPT Pro ব্যবহারকারীদের ও অল্প সংখ্যক API design partner-দের জন্য rollout ছিল, সর্বসাধারণের জন্য উপলব্ধ API মডেল নয়[\[24\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-24)। ## GPT-5.4 **২০২৬ সালের ৫ মার্চ** OpenAI পেশাদার কাজের জন্য নতুন frontier মডেল হিসেবে GPT‑5.4 উপস্থাপন করেছিল। GPT‑5.4 reasoning, coding ও agentic workflow-এ OpenAI-এর সর্বশেষ রিলিজের শক্তিশালী দিকগুলো একত্রিত করেছে এবং মূল লাইনআপে প্রথমবারের মতো built-in computer use সক্ষমতা পেয়েছে। একইসাথে OpenAI **GPT‑5.4 Pro** প্রকাশ করেছিল — সবচেয়ে জটিল কাজের জন্য বেশি গণনা ও দীর্ঘ reasoning ব্যবহার করা ভেরিয়েন্ট[\[7\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-gpt54-announce-7)। API-তে **`gpt-5.4`** মডেলটিকে general-purpose ও coding কাজের বিস্তৃত পরিসরের জন্য ডিফল্ট হিসেবে সুপারিশকৃত হিসেবে বর্ণনা করা হয়েছে; প্রসঙ্গ উইন্ডো ১,০৫০,০০০ token, সর্বোচ্চ আউটপুট — ১২৮,০০০ token। মডেলটি ইনপুট হিসেবে টেক্সট ও ছবি গ্রহণ করে এবং আউটপুট হিসেবে টেক্সট দেয়[\[8\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-gpt54-api-8)[\[25\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-gpt54-model-25)। ChatGPT-তে **Auto** মোড ২০২৬ সালের ৭ মার্চ পর্যন্ত স্বয়ংক্রিয়ভাবে **GPT‑5.3 Instant** ও **GPT‑5.4 Thinking**-এর মধ্যে স্যুইচ করে, তখন **GPT‑5.4 Pro** একটি পৃথক high-capability মোড হিসেবে পাওয়া যায়। লগইন করা ChatGPT ব্যবহারকারীদের জন্য GPT‑5.3 হলো ডিফল্ট মডেল[\[17\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-chatgpt-53-54-17)। ## GPT মডেলের বিকাশ | প্রজন্ম | প্রকাশের বছর | প্যারামিটার সংখ্যা | টেক্সট কর্পাসের আকার | মূল বৈশিষ্ট্যসমূহ | |---------------------|-----------------|------------------------------------------------------------------------------------------------------|------------------------------------------------------|--------------------------------------------------------------------------------------------------------------------| | GPT-1 | 2018 | ≈117–124 মিলিয়ন[\[26\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-26) | ≈৫ জিবি (BooksCorpus) | বৃহৎ কর্পাসে জেনারেটিভ প্রি-ট্রেনিং; দ্বিধাপী প্রশিক্ষণ (pre-training + fine-tuning) | | GPT-2 | 2019 | ১৫০ কোটি | ≈৪০ জিবি (WebText) | উল্লেখযোগ্যভাবে উন্নত টেক্সট জেনারেশন; শক্তিশালী zero-shot আচরণের প্রদর্শন; প্রাথমিকে আংশিক মডেল প্রকাশ | | GPT-3 | 2020 | ১৭৫ বিলিয়ন | ≈৫৭০ জিবি (Common Crawl, WebText2 প্রভৃতি) | বৃহৎ পরিসরে in-context learning; fine-tuning ছাড়া few-shot ও zero-shot শিক্ষণের স্পষ্ট সক্ষমতা | | GPT-3.5 | 2022 | প্রকাশ করা হয়নি (davinci সংস্করণ অনুমানতভাবে ~১৭৫ বিলিয়ন) | \>৫৭০ জিবি + অতিরিক্ত কর্পাস ও instruction tuning | উন্নত স্থিতিশীলতা ও নির্দেশ অনুসরণ; ChatGPT-এর প্রাথমিক সংস্করণের ভিত্তি | | GPT-4 | 2023 | প্রকাশ করা হয়নি[\[27\]](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_note-27) | প্রকাশ করা হয়নি | মাল্টিমোডালিটি (টেক্সট + ছবি); উন্নত নির্ভুলতা ও hallucination-এর বিরুদ্ধে স্থিতিশীলতা; ৮k/৩২k token প্রসঙ্গ | | GPT-4 Turbo | 2023 | প্রকাশ করা হয়নি | GPT-4 প্রশিক্ষণের উপর ভিত্তি করে (বিবরণ প্রকাশ করা হয়নি) | ১২৮,০০০ token পর্যন্ত প্রসঙ্গ বৃদ্ধি; জেনারেশনের গতি ও ব্যয় অপ্টিমাইজেশন | | GPT-4o | 2024 | প্রকাশ করা হয়নি | মাল্টিমোডাল ডেটা (টেক্সট, ছবি, অডিও) | একীভূত নিউরাল নেটওয়ার্ক মাল্টিমোডাল প্রক্রিয়াকরণ; উচ্চ প্রতিক্রিয়া গতি | | GPT-4.5 | 2025 | প্রকাশ করা হয়নি | বিস্তৃত টেক্সটুয়াল ও মাল্টিমোডাল কর্পাস | GPT-4o-এর উপর ভিত্তিতে research preview; ত্রুটি হ্রাস; ২০২৬ সালের মধ্যে *deprecated* | | GPT-4.1 | 2025 | প্রকাশ করা হয়নি | আপডেটেড কর্পাস | ১,০৪৭,৫৭৬ token পর্যন্ত প্রসঙ্গ; ইনপুটে টেক্সট + ছবি, আউটপুটে টেক্সট | | GPT-5 | 2025 (আগস্ট) | প্রকাশ করা হয়নি | বৃহৎ পরিসরে মাল্টিমোডাল কর্পাস | দ্রুত উত্তর ও reasoning মোডসহ unified system; ~৪০০K token প্রসঙ্গ; hallucination হ্রাস | | GPT-5.1 | 2025 (নভেম্বর) | প্রকাশ করা হয়নি | GPT-5-এর বিস্তৃত কর্পাস + RLHF | অভিযোজনযোগ্য reasoning; ২৪ ঘণ্টা prompt caching; coding-এ উন্নতি | | GPT-5.2 | 2025 (ডিসেম্বর) | প্রকাশ করা হয়নি | আগস্ট ২০২৫-এর knowledge cutoff | Pro মোড; পেশাদার knowledge work; GPT-5.2-Codex (এজেন্টিক coding) | | GPT-5.3-Codex | 2026 (ফেব্রুয়ারি) | প্রকাশ করা হয়নি | আপডেটেড + self-improvement ডেটা | ২৫% দ্রুত; full-spectrum agent; interactive steering | | GPT-5.3-Codex-Spark | 2026 (ফেব্রুয়ারি) | প্রকাশ করা হয়নি | কম্প্যাক্ট | Cerebras-এ \>১০০০ t/s; রিয়েল-টাইম coding; ১২৮K প্রসঙ্গ | | GPT-5.3 Instant | 2026 (মার্চ) | প্রকাশ করা হয়নি | প্রকাশ করা হয়নি | ChatGPT-এর সর্বাধিক ব্যবহৃত কথোপকথন মডেলের আপডেট; factuality, web search ও conversational flow উন্নত | | GPT-5.4 | 2026 (মার্চ) | প্রকাশ করা হয়নি | প্রকাশ করা হয়নি | পেশাদার কাজের জন্য নতুন frontier মডেল; native computer use; general-purpose ও বেশিরভাগ coding কাজে API-তে ডিফল্ট মডেল | | GPT-5.4 Pro | 2026 (মার্চ) | প্রকাশ করা হয়নি | প্রকাশ করা হয়নি | সবচেয়ে জটিল কাজে বেশি compute সহ GPT-5.4-এর ভেরিয়েন্ট | GPT মডেলের বিকাশ ## GPT মডেলের আর্কিটেকচারাল প্যারামিটার | মডেল | প্রকাশের বছর | প্যারামিটার সংখ্যা | স্তর সংখ্যা | Hidden state-এর আকার | Attention head-এর সংখ্যা | প্রসঙ্গ উইন্ডো | প্রশিক্ষণ কর্পাসের আকার | |-------------|-------------|--------------------------------------------------------|--------------------------------|--------------------------------|-------------------------|------------------------------------------------------------|-----------------------------------------------------------| | GPT-1 | 2018 | ≈117–124 মিলিয়ন | 12 | 768 | 12 | 512 token | ≈৫ জিবি (BooksCorpus) | | GPT-2 | 2019 | ১৫০ কোটি | 48 | 1 600 | 25 | 1 024 token | ≈৪০ জিবি (WebText) | | GPT-3 | 2020 | ১৭৫ বিলিয়ন | 96 | 12 288 | 96 | 2 048 token | ≈৫৭০ জিবি (Common Crawl + WebText2 + অন্যান্য) | | GPT-3.5 | 2022 | প্রকাশ করা হয়নি (davinci সংস্করণ অনুমানতভাবে ~১৭৫ বিলিয়ন) | (অনুমানতভাবে GPT-3-এর কাছাকাছি) | (অনুমানতভাবে GPT-3-এর কাছাকাছি) | (প্রকাশ করা হয়নি) | সর্বোচ্চ ৪,০৯৬ token (প্রাথমিক); সর্বোচ্চ ১৬,৩৮৫ token (পরবর্তী) | বিস্তৃত Common Crawl + অতিরিক্ত dataset ও instruction tuning | | GPT-4 | 2023 | প্রকাশ করা হয়নি | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | ৮,১৯২ token (বেসিক); ৩২,৭৬৮ (GPT-4-32k) | প্রকাশ করা হয়নি | | GPT-4 Turbo | 2023 | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | সর্বোচ্চ ১২৮,০০০ token | GPT-4-এর অপ্টিমাইজড সংস্করণ (কর্পাসের বিবরণ প্রকাশ করা হয়নি) | | GPT-4o | 2024 | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | সর্বোচ্চ ১২৮,০০০ token | মাল্টিমোডাল ডেটা: টেক্সট, ছবি, অডিও | | GPT-4.5 | 2025 | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | সর্বোচ্চ ১২৮,০০০ token | আপডেটেড টেক্সটুয়াল ও মাল্টিমোডাল কর্পাস | | GPT-4.1 | 2025 | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | সর্বোচ্চ ১,০৪৭,৫৭৬ token | মাল্টিমোডালিটি; দীর্ঘ প্রসঙ্গের উপর জোর দিয়ে স্কেলড প্রশিক্ষণ | | GPT-5 | 2025 | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | সর্বোচ্চ ≈৪০০,০০০ token (মোট প্রসঙ্গ) | বৃহৎ পরিসরে মাল্টিমোডাল কর্পাস (বিবরণ প্রকাশ করা হয়নি) | | GPT-5.4 | 2026 | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | (প্রকাশ করা হয়নি) | ১,০৫০,০০০ token; ১২৮,০০০ max output | প্রকাশ করা হয়নি | GPT মডেলের আর্কিটেকচারাল প্যারামিটার ## তথ্যসূত্র - «Improving language understanding with unsupervised learning», OpenAI, ১১ জুন ২০১৮ - «Better language models and their implications», OpenAI, ১৪ ফেব্রুয়ারি ২০১৯ - «GPT-2: 6-month follow-up», OpenAI, ২০ আগস্ট ২০১৯ - «GPT-2: 1.5B release», OpenAI, ৫ নভেম্বর ২০১৯ - «Language models are few-shot learners», OpenAI, ২৮ মে ২০২০ - «OpenAI API», OpenAI, ১১ জুন ২০২০ - «Introducing ChatGPT», OpenAI, ৩০ নভেম্বর ২০২২ - «Function calling and other API updates», OpenAI, ১৩ জুন ২০২৩ - «GPT-4», OpenAI, ১৪ মার্চ ২০২৩ - «New models and developer products announced at DevDay», OpenAI, ৬ নভেম্বর ২০২৩ - «Hello GPT-4o», OpenAI, ১৩ মে ২০২৪ - «Introducing GPT-4.1 in the API», OpenAI, ১৪ এপ্রিল ২০২৫ - «Introducing GPT-4.5», OpenAI, ২৭ ফেব্রুয়ারি ২০২৫ - «Introducing GPT-5», OpenAI, ৭ আগস্ট ২০২৫ - «GPT-5.1: A smarter, more conversational ChatGPT», OpenAI, ১২ নভেম্বর ২০২৫ - «Introducing GPT-5.2», OpenAI, ১১ ডিসেম্বর ২০২৫ - «Introducing GPT-5.2-Codex», OpenAI, ১৮ ডিসেম্বর ২০২৫ - «Introducing GPT-5.3-Codex», OpenAI, ৫ ফেব্রুয়ারি ২০২৬ - «Introducing GPT-5.3-Codex-Spark», OpenAI, ১২ ফেব্রুয়ারি ২০২৬ - «GPT-5.3 Instant: Smoother, more useful everyday conversations», OpenAI, ৩ মার্চ ২০২৬ - «Introducing GPT-5.4», OpenAI, ৫ মার্চ ২০২৬ - «Using GPT-5.4», OpenAI Developers - «Models», OpenAI API - «Deprecations», OpenAI API - «GPT-5.3 and GPT-5.4 in ChatGPT», OpenAI Help Center - «Retiring GPT-4o and other ChatGPT models», OpenAI Help Center ## টীকাসমূহ 1. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-gpt5-announce_1-0) OpenAI. «Introducing GPT-5» (7 августа 2025). https://openai.com/index/introducing-gpt-5/ 2. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-2) OpenAI. «Introducing GPT-4.5» (2025). https://openai.com/index/introducing-gpt-4-5/ 3. ↑ [3.0](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-gpt45-systemcard_3-0) [3.1](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-gpt45-systemcard_3-1) OpenAI. GPT-4.5 System Card (27 февраля 2025). https://cdn.openai.com/gpt-4-5-system-card-2272025.pdf 4. ↑ [4.0](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-deprecations_4-0) [4.1](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-deprecations_4-1) OpenAI Developers. Deprecations. https://developers.openai.com/api/docs/deprecations/ 5. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-5) OpenAI. «Introducing GPT-4.1 in the API» (2025). 6. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-gpt53-instant_6-0) OpenAI. «GPT-5.3 Instant: Smoother, more useful everyday conversations» (3 марта 2026). https://openai.com/index/gpt-5-3-instant/ 7. ↑ [7.0](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-gpt54-announce_7-0) [7.1](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-gpt54-announce_7-1) [7.2](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-gpt54-announce_7-2) OpenAI. «Introducing GPT-5.4» (5 марта 2026). https://openai.com/index/introducing-gpt-5-4/ 8. ↑ [8.0](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-gpt54-api_8-0) [8.1](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-gpt54-api_8-1) OpenAI Developers. «Using GPT-5.4». https://developers.openai.com/api/docs/guides/latest-model/ 9. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-radford2018_9-0) Radford, A. et al. (2018). *Improving Language Understanding by Generative Pre-Training*. https://cdn.openai.com/research-covers/language-unsupervised/language_understanding_paper.pdf 10. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-10) OpenAI отмечала, что обновлённый GPT-3.5 Turbo «now comes by default with 16k context». 11. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-11) OpenAI. «GPT-4 Technical Report» (2023). arXiv:2303.08774. 12. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-12) Эти оценки основаны на данных, опубликованных SemiAnalysis и подтверждённых рядом независимых источников. 13. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-13) Анонсирована на DevDay OpenAI 6 ноября 2023 года; общая доступность — с 9 апреля 2024 года. 14. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-14) Кодовое имя Orion и характеристика «последняя модель без chain-of-thought» фигурировали в roadmap-коммуникации Сэма Альтмана и ряде медиа-публикаций (Reuters, The Verge), но не в самом launch post GPT-4.5. 15. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-15) OpenAI. «Introducing GPT-4.1 in the API» (2025). 16. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-16) OpenAI. «Introducing GPT-5» (7 августа 2025). 17. ↑ [17.0](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-chatgpt-53-54_17-0) [17.1](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-chatgpt-53-54_17-1) [17.2](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-chatgpt-53-54_17-2) OpenAI Help Center. «GPT-5.3 and GPT-5.4 in ChatGPT». https://help.openai.com/en/articles/11909943-gpt-53-and-54-in-chatgpt 18. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-18) OpenAI API documentation. Models: GPT-5. 19. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-19) OpenAI. «Introducing GPT-5» (2025). Условия тестирования: «with web search enabled on anonymized prompts representative of ChatGPT production traffic». 20. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-gpt51-api_20-0) OpenAI Developers. Models: GPT-5.1. https://developers.openai.com/api/docs/models/gpt-5.1 21. ↑ [21.0](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-gpt51-announce_21-0) [21.1](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-gpt51-announce_21-1) [21.2](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-gpt51-announce_21-2) OpenAI. «GPT-5.1: A smarter, more conversational ChatGPT» (12 ноября 2025). https://openai.com/index/gpt-5-1/ 22. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-gpt51-dev_22-0) OpenAI. «GPT-5.1 for developers» (2025). https://openai.com/index/gpt-5-1-for-developers/ 23. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-23) OpenAI. «Introducing GPT-5.3-Codex» (5 февраля 2026). https://openai.com/index/introducing-gpt-5-3-codex/ 24. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-24) OpenAI. «Introducing GPT-5.3-Codex-Spark» (12 февраля 2026). https://openai.com/index/introducing-gpt-5-3-codex-spark/ 25. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-gpt54-model_25-0) OpenAI Developers. Models: GPT-5.4. https://developers.openai.com/api/docs/models/gpt-5.4 26. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-26) Точное число параметров GPT-1 в разных источниках варьируется; исходная публикация не указывает число явно. Цифра ≈117 млн широко цитируется, а ≈124 млн фигурирует в ряде поздних материалов. 27. [↑](https://systems-analysis.info/int/GPT_(OpenAI)_(BN)#cite_ref-27) По неофициальным внешним оценкам (SemiAnalysis и др.), возможно MoE-архитектура с суммарным масштабом ~1,8 трлн параметров; OpenAI эти данные не подтверждала. ## সাহিত্য - Radford, A. et al. (2018). *Improving Language Understanding by Generative Pre-Training*. PDF. - Radford, A. et al. (2019). *Language Models are Unsupervised Multitask Learners*. PDF. - Brown, T. B. et al. (2020). *Language Models are Few-Shot Learners*. arXiv:2005.14165. - Kaplan, J. et al. (2020). *Scaling Laws for Neural Language Models*. arXiv:2001.08361. - Chen, M. et al. (2021). *Evaluating Large Language Models Trained on Code*. arXiv:2107.03374. - Ouyang, L. et al. (2022). *Training Language Models to Follow Instructions with Human Feedback*. arXiv:2203.02155. - Hoffmann, J. et al. (2022). *Training Compute-Optimal Large Language Models*. arXiv:2203.15556. - Bai, Y. et al. (2022). *Training a Helpful and Harmless Assistant with Reinforcement Learning from Human Feedback*. arXiv:2204.05862. - OpenAI (2023). *GPT-4 Technical Report*. arXiv:2303.08774. - Bubeck, S. et al. (2023). *Sparks of Artificial General Intelligence: Early Experiments with GPT-4*. arXiv:2303.12712.