System fingerprint nima? AI modeli «yashirincha» o'zgarganini qanday bilasiz

«Bir oy oldin yozgan skriptim bugun boshqacha ishlayapti». Har qanday AI quruvchi buni boshidan o’tkazgan. Kod o’zgarmagan, prompt o’zgarmagan — lekin natija boshqa. Sabablardan eng ko’p e’tibordan qochadigani: modelning o’zi o’zgargan.

Bu qo’llanmada OpenAI API javobidagi system_fingerprint maydoni — shu o’zgarishlarni kuzatish uchun mavjud bo’lgan rasmiy vosita — nima qiladi, qanday cheklovlari bor va nima uchun to’liq ishonch bo’lmaganini oddiy tilda tushuntiraman.

Gap qayerda: nom ostidagi versiya emas, ostidagi versiya

API’ga murojaat qilsangiz, gpt-... kabi model nomi ko’rsatasiz. Lekin bu nom — qaqramon nomi, katta detallar orqasida:

• model snapshot’lari: bir nom ostida bir nechta versiya yashaydi (providerning o’zi rasmiy hujjatlarida buni tan oladi);
• orqa konfiguratsiya: shu snapshot qaysi infratuzilma, cache va serving qatlamlarida turgani;
• hot-fix’lar: katta e’lonlarsiz joriy etiladigan tuzatishlar.

Microsoft Azure’ning OpenAI hujjatida bu ochiq yozilgan: deployment «yangi model snapshot’iga» o’tganda system_fingerprint o’zgaradi. Ya’ni o’zgarish — xato emas, dizayn. Providеrlar modelni jonli tizim sifatida yuritadi, muzey eksponati sifatida emas.

system_fingerprint nima qiladi

Javob obyektidagi maydon: "system_fingerprint": "fp_44709d6fcb" kabi qiymat. Rasmiy ta’rifi: «model ishlayotgan orqa konfiguratsiyani ifodalaydi; seed parametri bilan birgalikda determinizmga ta’sir qiluvchi orqa o’zgarishlarni kuzatish uchun ishlatiladi».

Amaliy ma’nosi: agar benchmark yoki test to’plami yuritayotgan bo’lsangiz, har bir javob bilan fingerprintni yozib boring. Bir kuni qiymat o’zgarsa — natijalaringizni qayta o’lchash vaqti kelgan. Bu API’da harakatlanuvchi qismni kuzatishning yagona rasmiy yo’li.

Bitta maydon — to’rt xil qiymat: jamoat tajribasi

Endi asosiy saboq. OpenAI developer forumidagi tajriba (2024, _j): bir modelga 100 marta murojaat qilib fingerprintlar yig’ilgan. Natija:

gpt-4-turbo: (54): fp_76f018034d, (32): fp_c5162df67e,
             (10): fp_9c4936e070, (4): fp_a39722e138

Bir nom — bir vaqtda to’rt xil fingerprint, taqsimoti 54/32/10/4. seed berilganda ham manzara o’zgarmagan. Forumdagi xulosalar:

• bir fingerprint = «bir versiya» degan oddiy o’qish ishlamaydi;
• bir model ortida bir vaqtda bir nechta orqa konfiguratsiya aylanadi (yuk taqsimlash);
• fingerprint o’zgarmasa ham determinizm kafolati yo’q — so’rovlar orasidagi farqlar boshqa omillarga bog’liq.

Ya’ni bu maydon aniq o’lchov asbobi emas — statistik kuzatuv vositasi. Bitta javobdagi qiymatdan xulosa chiqarmang; yuzlab javobda qaysi fingerprintlar aylanishini va ulushi qachon o’zganganini kuzating.

Determinizm nega «qiyin»

Ko’pchilik shunday o’ylaydi: temperature=0 + seed=123 = har doim bir xil javob. Amalda bu kafolat emas, umid. Sabablar qatlam qatlam:

1. GPU arifmetikasi — parallel hisoblashda qo’shish tartibi bit darajasida farq qilishi mumkin;
2. Yuk taqsimlash — so’rov turli konfiguratsiyadagi tugunlarga tushishi mumkin (yuqoridagi 4 fingerprint);
3. Serving qatlami — batching, cache, quantizatsiya — hammasi chekka farqlar qoldiradi;
4. Mojaro: provayder xohlasa ham «bit-mos» determinizmni globallab kafolatlash qimmat.

Shuning uchun fingerprint + seed — bu determinizm tugmasi emas, determinizm monitori. Muhim eksperimentlar uchun esa yagona amaliy usul bor: natijani saqlab qo’yish va o’zgarishni fingerprint orqali ushlash.

Qanday qo’llash kerak — 4 amaliy qoida

1. Yozib boring. Har API javobidan system_fingerprint + model + sana + parametrlarni log qilib boring. Bu 3 qatorlik kod, keyin cheksiz foyda.
2. Aniqlik emas, taqsimotni ko’ring. Fingerprintlar to’plamini va ularning ulushini kuzatib boring — ulush keskin o’zgarsa, «model tungi paytlarda o’zgargan» degan signal.
3. Muhim natijalarni versiyalab saqlang. Benchmark hisobotingizga fingerprint diapazonini yozing: «shu qiymatlar oralig’ida o’lchandi». Keyingi o’lchov solishtiriladigan bo’ladi.
4. Bir provayderga bog’lamang. OpenAI’da bu maydon bor; boshqa provayderlarda boshqa nomlarda yoki umuman yo’q. Ko’p provayderli tizimlarda o’z versiya-identifikatoringizni yuritish eng ishonchlisi.

Nega bu muhim: ko’rinmas o’zgarishlar davri

Sentabr 2026 buni yaqindan ko’rsatdi. Claude 4 insidentlari tahlilida model checkpoint’lari orasidagi farqlar hal qiluvchi ahamiyatga ega edi. UK AISI’ning Anthropic’ni chetlab o’tishi — oldindan test qilinadigan versiya bilan chiqarilgan versiya orasidagi farq bor-yo’qligi haqida. Va AI benchmark qanday o’qiladi postimdagi asosiy saboq — bir nom ostidagi modelning raqamlari kuni-kunga o’zgaradi.

Barcha bu voqealarning umumiy nomi bitta: AI endi qadoqlangan mahsulot emas — jonli xizmat. Xizmat esa versiyalanadi. Fingerprint — shu versiyalanishning API’dagi izi.

O’zbekiston uchun 3 saboq

1. AI’ga tayanuvchi tizimlarda versiya jurnali — majburiyat. Bank, davlat xizmati, ta’lim tizimida AI ishlatsangiz, qaysi model versiyasida qaysi qaror qabul qilinganini yozib borish kerak — fingerprint aynan shu jurnalning texnik asosi.
2. «Bittransfer balansi» fantaziyasi. temperature=0 ham har doim bir xil javob bermaydi — moliyaviy hisob-kitob yoki huquqiy qarorlarda AI javobini «yagona haqiqat» deb o’rnatmang.
3. Mahalliy benchmark uchun arzon sug’urta. O’zbek tilidagi model sinovlaringizni fingerprint bilan versiyalab qo’yish — kelajakda «natija nega o’zgardi?» savoliga javob berishning eng arzon yo’li.

---

Manbalar: OpenAI API hujjatlari (system_fingerprint ta’rifi) + Microsoft Azure OpenAI hujjatlari (snapshot o’tishlari) + OpenAI Developer Forum tajribasi (_j, 2024 — 100 tajriba, 4 fingerprint). Bog’liq postlar: AI benchmark, temperature, logprobs.