OpenAI का ChatGPT-5.6 कुछ ही घंटों में एक वेब ऐप बना सकता है — क्या यह एक चालू POS बना सकता है?

OpenAI ने 9 जुलाई को GPT-5.6 जारी किया — तीन नए मॉडल, लगभग हर कोडिंग बेंचमार्क पर नए रिकॉर्ड, और कुछ ही घंटों में प्रभावशाली डेमो की बाढ़। तो शीर्षक में दिए गए सवाल का सीधा जवाब है: नहीं, GPT-5.6 अपने आप में एक चालू POS नहीं बना सकता है। AI के साथ एक चालू POS बनाने की कोशिश करने वाला हर व्यक्ति एक ही दीवार से टकराता है, और इसका बुद्धिमत्ता से कोई लेना-देना नहीं है। वे हिस्से जो एक POS को "चालू" बनाते हैं — जैसे भुगतान का निपटान, दबाव में भी सही रहने वाली इन्वेंट्री, प्रमाणित रीडर हार्डवेयर — उन्हें कोड के रूप में जनरेट नहीं किया जा सकता, चाहे कोड लिखने वाला मॉडल कितना भी अच्छा क्यों न हो।

इस दावे को साबित करने की आवश्यकता है, क्योंकि यह मॉडल वाकई असाधारण है।

लोगों ने अब तक GPT-5.6 के साथ क्या बनाया है?

बहुत कुछ, और बहुत जल्दी। Sol, इस नए परिवार का फ्लैगशिप मॉडल (सस्ते Terra और Luna के साथ), OpenAI का अब तक का सबसे अच्छा कोडिंग मॉडल है। यह आर्टिफिशियल एनालिसिस कोडिंग एजेंट इंडेक्स पर 80 का स्कोर करता है — जो एक नया रिकॉर्ड है — जबकि अपने निकटतम प्रतिद्वंद्वी के मुकाबले आधे से भी कम आउटपुट टोकन का उपयोग करता है। OpenAI का लॉन्च पेज एक ब्राउज़र सेलिंग गेम, एक क्लॉकवर्क विलेज और एक पूरी म्यूज़ियम वेबसाइट दिखाता है, जिनमें से प्रत्येक को एक छोटे प्रॉम्प्ट से तैयार किया गया है, जिसमें मॉडल काम सौंपने से पहले खुद अपने रेंडर किए गए आउटपुट का निरीक्षण करता है और विज़ुअल समस्याओं को ठीक करता है।

शुरुआती उपयोगकर्ताओं ने एक ही दिन में और भी बेहतर चीजें सामने रखीं:

• Sol सार्वजनिक ARC-AGI-3 गेम जीतने वाला पहला मॉडल बन गया, जिसने फ्लूइड इंटेलिजेंस का परीक्षण करने के लिए डिज़ाइन किए गए पहेली वातावरण में 87% स्कोर किया।

• एक प्रोडक्ट मैनेजर ने इसे एक PRD दिया और एक ही बार में पूरी तरह से गेमीफाइड होमवर्क ट्रैकर प्राप्त कर लिया — जिसमें XP, अनलॉक होने वाले साथी अवतार और पुरस्कारों को संपादित करने के लिए एक पैरेंट डैशबोर्ड शामिल था।

• नया ultra सेटिंग समानांतर में चार एजेंटों को समन्वित करता है, जिससे कठिन काम एक साथ कई वर्कस्ट्रीम में विभाजित हो जाता है।

• Lovable की रिपोर्ट है कि GPT-5.6 पिछले मॉडल की तुलना में लगभग 25% कम चरणों और 48% तक कम टूल कॉल्स में उपयोगकर्ता ऐप का निर्माण पूरा करता है।

तो इस बात में सच्चाई है। कुछ ही घंटों में एक सक्षम, पॉलिश किया हुआ वेब ऐप तैयार करना अब एक सामान्य बात बन गया है, कोई बड़ी उपलब्धि नहीं।

GPT-5.6 एक चालू POS क्यों नहीं बना सकता?

क्योंकि एक POS केवल "Pay" बटन वाला कोई वेब ऐप नहीं है। एप्लिकेशन कोड — स्क्रीन, बटन, कार्ट लॉजिक — केवल दिखाई देने वाला 20% हिस्सा है। बाकी 80% कॉमर्स इन्फ्रास्ट्रक्चर है, और इन्फ्रास्ट्रक्चर को टेक्स्ट के रूप में जनरेट नहीं किया जा सकता।

भुगतान पहली बाधा है। व्यक्तिगत रूप से कार्ड स्वीकार करने के लिए एक मर्चेंट खाते, PCI अनुपालन और ऐसे भुगतान टर्मिनलों की आवश्यकता होती है जिन्होंने हार्डवेयर प्रमाणन पास किया हो। इनमें से प्रत्येक एक अनुबंध, एक ऑडिट या एक भौतिक उपकरण है। GPT-5.6 नब्बे सेकंड में एक बेहतरीन चेकआउट स्क्रीन लिख सकता है; लेकिन यह इसके अंत में वीज़ा कार्ड स्वीकार नहीं कर सकता। इसके लिए कोई प्रॉम्प्ट काम नहीं आता।

भुगतान के बाद क्या चीजें प्रभावित होती हैं?

वास्तविक दुनिया के दबाव में सटीकता का होना। कुछ उदाहरण जिन्हें हर मर्चेंट पहचानता है:

• समवर्ती इन्वेंट्री (Concurrent inventory)। दो काउंटर एक ही समय में आखिरी बचा हुआ क्रोइसैन बेचते हैं। वेब-ऐप कोड जो "आमतौर पर काम करता है" वह जरूरत से ज्यादा बेच देता है; जबकि एक POS को हर बार इस स्थिति को सही ढंग से संभालना होता है।

• मिलान (Reconciliation)। दिन के अंत का कुल योग भुगतान प्रोसेसर के निपटान से बिल्कुल मेल खाना चाहिए — जिसमें बिक्री, रिफंड, आंशिक रिफंड, टिप्स और सरचार्ज शामिल हैं। थोड़ा सा भी अंतर बहीखाते की बड़ी गड़बड़ी बन सकता है।

• टैक्स। दरें, समूह, छूट और राउंडिंग के नियम अलग-अलग क्षेत्रों के अनुसार अलग होते हैं और बिना किसी सूचना के बदल जाते हैं।

• ऑफ़लाइन। जब भीड़ के समय इंटरनेट चला जाता है, तो काउंटर को बिक्री जारी रखनी होती है और बाद में उसे सही तरीके से सिंक करना होता है।

• हार्डवेयर। रसीद प्रिंटर, कैश ड्रावर और बारकोड स्कैनर अपने स्वयं के प्रोटोकॉल पर काम करते हैं और उनके खराब होने के अपने तरीके होते हैं।

इस अंतर पर ध्यान दें: एक जनरेट किया गया डेमो जो 95% समय काम करता है, वह एक सफलता है। लेकिन एक काउंटर जो 0.5% समय भी गलत होता है, वह रोजाना नुकसान पहुँचाता है और उसे एक महीने के भीतर हटा दिया जाता है। बेंचमार्क पहले मानक को पुरस्कृत करते हैं; जबकि मर्चेंट दूसरे के भरोसे जीते हैं।

तो क्या चेकआउट काउंटर पर AI का कोई स्थान है?

हाँ — बहुत बड़ा स्थान है। गलत निष्कर्ष यह होगा कि "AI को अपने POS से दूर रखें।" सही निष्कर्ष यह है कि मॉडल को कॉमर्स इन्फ्रास्ट्रक्चर के ऊपर डिज़ाइन करना चाहिए, न कि उसका विकल्प तैयार करना चाहिए। मॉडल को वह करने दें जो वह अब आश्चर्यजनक रूप से अच्छी तरह से करता है — लेआउट, फ्लो लॉजिक, बातचीत की गति से सुधार करना — जबकि भुगतान, इन्वेंट्री, टैक्स और हार्डवेयर उन सिस्टम पर चलें जो इस काम के लिए बने और प्रमाणित हैं।

काम का यही विभाजन MCP (मॉडल कॉन्टेक्स्ट प्रोटोकॉल, AI टूल्स को बाहरी सिस्टम से जोड़ने का ओपन स्टैंडर्ड) को संभव बनाता है, और इसीलिए हमने इसके इर्द-गिर्द Final का Build तैयार किया है। एक प्रॉम्प्ट टाइप करें, "Connect your own AI (MCP)" चुनें, और जनरेट किए गए ब्लॉक को ChatGPT, Claude Code, Cursor या Codex में पेस्ट करें — आपका अपना AI टूल लाइव प्रीव्यू के साथ चेकआउट फ्लो बनाता है, फिर उसे उस बुनियादी ढांचे पर तैनात करता है जहाँ Final Pay भुगतानों को संभालता है, प्रमाणित टर्मिनल कार्ड स्वीकार करते हैं, और इन्वेंट्री हर स्टेशन पर सही रहती है। GPT-5.6 वास्तव में कुछ ही घंटों में आपका POS बना सकता है — बशर्ते कोई उससे उन हिस्सों को बनाने के लिए न कहे जिन्हें बनाने में सालों लगे हैं। पूरी जानकारी के लिए देखें कस्टम POS बनाने के लिए ChatGPT-5.6 का उपयोग कैसे करें।