GPT-6.1Sol

Представяме GPT-6.1 Sol — подобрение на GPT-6 Sol, което почти достига нивото на интелект на GPT-6 Astra при програмиране с агенти, работа с компютър и професионални задачи на една пета от стандартните цени на Astra за входни и изходни токени. Кешираните входни данни струват само $0.10 за милион токени— с 95% по-малко от стандартната цена за входни токени и с 50% по-малко от цената за кеширани входни токени на GPT-6 Sol. Това дава на разработчиците повече възможности да създават и използват способни агенти, които използват повторно контекста между заявките.

По-способен Sol за разнообразни задачи

GPT-6.1 Sol предлага нов баланс между способности и цена за важните ежедневни задачи. Той осигурява значителни подобрения спрямо GPT-6 Sol при сложни професионални задачи – от писане на код и отстраняване на грешки до разбиране на документи и изпълнение на многоетапни бизнес процеси. В няколко от тези тестове той се доближава до представянето на GPT-6 Astra при значително по-ниски разходи.

Кодиране

В DeepSWE v1.1, който оценява сложни задачи по софтуерно инженерство в реални кодови бази, GPT-6.1 Sol изравнява резултата на GPT-6 Astra при приблизително една пета от разходите. Същевременно надминава най-добрия резултат на GPT-6 Sol с 6,4 процентни пункта при по-ниско усилие за структурирано анализиране и по-ниски разходи.

Професионални задачи

В GDP.pdf, който измерва колко точно моделите отговарят на професионални въпроси чрез сложни PDF документи с таблици, графики, диаграми и детайли с дребен шрифт, GPT-6.1 Sol постига по-висок резултат от Opus 5.5 с резервни варианти при под половината от разходите за задача при тестваните настройки за структурирано анализиране. Той се доближава и до водещото представяне на GPT-6 Astra при приблизително една пета от разходите за задача.

В AutomationBench, който измерва дали агентите изпълняват правилно многоетапни бизнес процеси, GPT-6.1 Sol постига резултат с 2,2 процентни пункта над Opus 5.5 при средно усилие за структурирано анализиране и приблизително една трета от разходите. Този резултат е и с 4,8 процентни пункта по-висок от този на GPT-6 Sol при същата настройка.

Работа с компютър

GPT-6.1 Sol постига значителен напредък и при задачи, които изискват взаимодействие с компютърни приложения. В офлайн набора на OSWorld 2.0, който оценява агентите при сложни работни процеси с компютър, GPT-6.1 Sol надминава GPT-6 Sol със седем процентни пункта при максимално усилие за структурирано анализиране и под половината от разходите. Той се доближава на 2,1 процентни пункта до резултата на Astra при максимално усилие за структурирано анализиране и приблизително една седма от разходите за задача.

Научни изследвания

В Terminal-Bench Science 0.1, който оценява научни работни процеси, включително анализ на данни, симулации и доказване на теореми, GPT-6.1 Sol постига над два пъти по-висок резултат от GPT-6 Sol при максимално усилие за структурирано анализиране и под половината от разходите за задача. При максимално усилие GPT-6.1 Sol струва средно 5,47 щ.д. на задача спрямо 23,21 щ.д. за Opus 5.5 и 23,80 щ.д. за Astra, като предлага значителни възможности за научна работа при над 75% по-ниски разходи от всеки от двата модела.

GPT-6 Astra все още постига най-високия резултат сред тестваните модели — 68,1% — и е препоръчителният избор за най-трудните научноизследователски задачи.

Фактическа точност

GPT-6.1 Sol подобрява и фактологичната точност при трудни подкани. Най-голямото подобрение спрямо GPT-6 Sol е при ниско ниво на усилие за структурирано анализиране, при което делът на отговорите с фактологична грешка намалява от 11,4% на 7,7% – спад с приблизително 32%. При всички тествани настройки за структурирано анализиране разликата между дела на грешките му и този на GPT-6 Astra не надвишава 1,9 процентни пункта, а разходите за задача са по-малко от една пета от тези на Astra.

Тази оценка измерва дела на отговорите с поне една фактическа грешка в разговори с премахнати идентифициращи данни, в които потребителите са сигнализирали за грешка на предишен модел. Тези умишлено трудни подкани не са представителни за обичайната употреба.

Безопасно внедряване на GPT-6.1 Sol

GPT-6.1 Sol показва значителни подобрения спрямо GPT-6 Sol в нашите оценки за съответствие с човешките намерения и изисквания, доближавайки се до GPT-6 Astra.

GPT-6.1 Sol е по-прозрачен относно ограниченията си и по-надеждно зачита намеренията на потребителя и ограниченията за безопасност. При трудни тестове той допуска по-малко грешки от GPT-6 Sol при съобщаването за неработещи инструменти за търсене, спазването на изрични ограничения и избягването на неразрешени резултати при задачи, изпълнявани от агенти. Не наблюдавахме опити за заобикаляне на автоматизираната система за проверка на безопасността – също както при GPT-6 Astra и GPT-6 Sol. Пълните подробности са в допълнението към картата на системата за GPT-6.1 Sol⁠(отваря се в нов прозорец).

Оценките по-долу умишлено проверяват трудни ситуации и не измерват честотата на грешките при обичайна употреба.

Цени и достъпност

От днес GPT-6.1 Sol е достъпен в ChatGPT Work и Codex за всички потребители на Plus, Pro, Business, Enterprise и Edu. GPT-6.1 Sol все още не е достъпен в Chat. Разработчиците могат да го използват и чрез API на OpenAI като gpt-6.1-sol. Стандартните му API цени са 2$ за милион входни токени, 0,10$ за милион кеширани входни токени и 10$ за милион изходни токени. През следващите дни ще предложим и GPT-6.1 Sol Ultrafast⁠, който генерира токени до 8 пъти по-бързо от стандартната скорост на GPT-6.1 Sol в Codex.