Uma citação de Ted Sanders

Em geral, o desempenho do LLM é incrivelmente multidimensional. Não há garantia de uma ordem fixa em que o modelo que é melhor em matemática seja também o modelo que é melhor em piadas. Apesar dessa complexidade, grande parte da variação no desempenho é explicada por apenas uma variável: o tamanho do modelo. Em geral, modelos maiores (a) terão melhor desempenho/confiabilidade, (b) custarão mais por token e (c) terão melhor lembrança de fatos esotéricos. Como você observa, nossos modelos são ordenados:

Lua

(…) Hoje em dia, o número da versão significa algumas coisas ao mesmo tempo: a ordem do lançamento, a relação com outros lançamentos e a magnitude da melhoria. Portanto, algo como 6.1 indicaria que foi lançado após 5.6, pode compartilhar algumas semelhanças com outros modelos 6.1 em termos de dados de treinamento/personalidade (é por isso que não é 5.7) e não é um salto gigante o suficiente para merecer as manchetes e expectativas que viriam com um 7.

-Ted Sanders, explicando as convenções de nomenclatura de modelos da OpenAI