GPT-6.1Sol

খরচের পাঁচ ভাগের এক ভাগে Astra-এর কাছাকাছি বুদ্ধিমত্তা

আমরা GPT-6.1 Sol চালু করছি, যা GPT-6 Sol-এর এমন একটি আপগ্রেড, যা Astra-এর স্ট্যান্ডার্ড ইনপুট ও আউটপুট টোকেন মূল্যের এক-পঞ্চমাংশে এজেন্টিক কোডিং, কম্পিউটার ব্যবহার এবং পেশাগত কাজে GPT-6 Astra-এর বুদ্ধিমত্তার প্রায় সমান পারফরম্যান্স দেয়. প্রতি মিলিয়ন টোকেনে ক্যাশড ইনপুটের খরচ মাত্র $0.10 —স্ট্যান্ডার্ড ইনপুট মূল্যের তুলনায় 95% কম এবং GPT-6 Sol-এর ক্যাশড ইনপুট মূল্যের তুলনায় 50% কম—ফলে ডেভেলপাররা বিভিন্ন রিকোয়েস্টে কনটেক্সট পুনর্ব্যবহার করে সক্ষম এজেন্ট তৈরি ও চালানোর জন্য আরও বেশি সুযোগ পান.

GPT-6Astra
সেরা ফলাফলের জন্য আমাদের সবচেয়ে বুদ্ধিমান মডেল.
প্রদত্ত উপাত্ত
১০.০০ US$
ফলাফল
৫০.০০ US$
ক্যাশে সংরক্ষিত প্রদত্ত উপাত্ত
১.০০ US$
GPT-6.1Sol
অ্যাস্ট্রার কাছাকাছি বুদ্ধিমত্তা, দামের মাত্র এক-পঞ্চমাংশে.
প্রদত্ত উপাত্ত
২.০০ US$
ফলাফল
১০.০০ US$
ক্যাশে সংরক্ষিত প্রদত্ত উপাত্ত
০.১০ US$
GPT-6Luna
বড় পরিসরে দৈনন্দিন কাজ দ্রুত ও দক্ষভাবে.
প্রদত্ত উপাত্ত
০.১০ US$
ফলাফল
০.৫০ US$
ক্যাশে সংরক্ষিত প্রদত্ত উপাত্ত
০.০১ US$

বিভিন্ন ধরনের কাজে আরও সক্ষম Sol

গুরুত্বপূর্ণ দৈনন্দিন কাজের জন্য GPT-6.1 Sol সক্ষমতা ও খরচের নতুন ভারসাম্য দেয়. কোড লেখা ও ডিবাগ করা থেকে শুরু করে ডকুমেন্ট বোঝা এবং একাধিক ধাপের ব্যবসায়িক ওয়ার্কফ্লো সম্পন্ন করা পর্যন্ত, জটিল পেশাদার কাজে এটি GPT-6 Sol-এর তুলনায় উল্লেখযোগ্য উন্নতি আনে. এসব মূল্যায়নের কয়েকটিতে এটি অনেক কম খরচে GPT-6 Astra-এর পারফরম্যান্সের কাছাকাছি পৌঁছে যায়.

কোডিং

বাস্তব কোডবেসে জটিল সফটওয়্যার ইঞ্জিনিয়ারিং কাজ যাচাই করা DeepSWE v1.1-এর বেঞ্চমার্কে, GPT-6.1 Sol প্রায় পাঁচ ভাগের এক ভাগ খরচে GPT-6 Astra-এর সমপর্যায়ের ফলাফল দেয়; একই সঙ্গে কম যুক্তি-প্রচেষ্টা ও খরচে GPT-6 Sol-এর সর্বোচ্চ স্কোরের চেয়ে 6.4 শতাংশ পয়েন্টে বেশি অর্জন করে.

DeepSWE 1.1⁠⁠(একটি নতুন উইন্ডোতে খোলে)-এ, AI এজেন্টরা মৌলিক, দীর্ঘমেয়াদি সফটওয়্যার ইঞ্জিনিয়ারিং কাজ সমাধান করে.

পেশাদার কাজ

GDP.pdf বেঞ্চমার্কে টেবিল, চার্ট, ডায়াগ্রাম ও সূক্ষ্ম বিবরণসহ জটিল পিডিএফ ডকুমেন্টের ভিত্তিতে মডেলগুলো পেশাগত প্রশ্নের উত্তর কতটা নির্ভুলভাবে দেওয়া যায়, তা মূল্যায়ন করা হয়; পরীক্ষিত বিভিন্ন রিজনিং সেটিংসে GPT-6.1 Sol প্রতি কাজের অর্ধেকেরও কম খরচে ফলব্যাকসহ Opus 5.5-এর চেয়ে বেশি স্কোর করে. একই সঙ্গে, প্রতি কাজের প্রায় পাঁচ ভাগের এক ভাগ খরচে এটি GPT-6 Astra-এর সর্বাধুনিক পারফরম্যান্সের কাছাকাছিও পৌঁছে যায়.

GDP.pdf⁠(একটি নতুন উইন্ডোতে খোলে)-এ, মডেলগুলিকে আর্থিক বিষয়, স্বাস্থ্যসেবা, আইন এবং আরও সাতটি পেশাদার ক্ষেত্রের কর্মপ্রবাহ থেকে নেওয়া জটিল PDF সম্পর্কে বাস্তব-জগতের প্রম্পটের উত্তর দিতে হয়.

AutomationBench-এ, এজেন্টগুলো একাধিক ধাপের ব্যবসায়িক ওয়ার্কফ্লো সঠিকভাবে শেষ করতে পারে কি না তা পরিমাপ করে; GPT-6.1 Sol মাঝারি রিজনিং প্রচেষ্টায় প্রায় এক-তৃতীয়াংশ খরচে Opus 5.5-এর চেয়ে 2.2 শতাংশ পয়েন্ট বেশি স্কোর করে. একই সেটিংয়ে এটি GPT-6 Sol-এর স্কোরের চেয়েও 4.8 শতাংশ পয়েন্ট এগিয়ে.

এই AutomationBench 1.0.6⁠⁠(একটি নতুন উইন্ডোতে খোলে)-এ, AI এজেন্টদের সেলস, মার্কেটিং, অপারেশনস, সাপোর্ট, ফাইন্যান্স এবং HR জুড়ে 47টি টুল ব্যবহার করে এন্ড-টু-এন্ড ওয়ার্কফ্লোতে পরীক্ষা করা হয়. Claude Fable 5.1-এর ডেটাপয়েন্ট তার প্রকৃত খরচ কম দেখায়, কারণ এতে ফলব্যাকের খরচ বাদ দেওয়া হয়েছে, যা প্রায় 40% কাজের ক্ষেত্রে ঘটেছিল.

কম্পিউটার ব্যবহার

কম্পিউটার অ্যাপ্লিকেশনের সঙ্গে ইন্টারঅ্যাক্ট করতে হয় এমন কাজেও GPT-6.1 Sol উল্লেখযোগ্য অগ্রগতি করেছে. জটিল কম্পিউটার-ব্যবহারভিত্তিক ওয়ার্কফ্লোতে এজেন্টদের মূল্যায়ন করা OSWorld 2.0-এর অফলাইন সেটে, সর্বোচ্চ রিজনিং প্রচেষ্টায় অর্ধেকেরও কম খরচে, GPT-6.1 Sol, GPT-6 Sol-কে ৭ সাত শতাংশ পয়েন্টে ছাড়িয়ে যায়. একই সর্বোচ্চ রিজনিং প্রচেষ্টায় প্রতি কাজের প্রায় এক-সপ্তমাংশ খরচে এটি Astra-এর স্কোরের 2.1 শতাংশ পয়েন্টের মধ্যে আসে.

এই OSWorld 2.0⁠⁠(একটি নতুন উইন্ডোতে খোলে)-এ, AI এজেন্টরা দৈনন্দিন ও পেশাগত কাজজুড়ে দীর্ঘমেয়াদি কম্পিউটার-ব্যবহার ওয়ার্কফ্লো করার চেষ্টা করে. আমরা v2026.08.08 রিলিজের অফলাইন সেটের আংশিক পুরস্কারের রিপোর্ট করি.

বৈজ্ঞানিক গবেষণা

Terminal-Bench Science 0.1-এ, যা ডেটা বিশ্লেষণ, সিমুলেশন ও থিওরেম প্রমাণসহ বৈজ্ঞানিক ওয়ার্কফ্লো মূল্যায়ন করে, GPT-6.1 Sol সর্বোচ্চ রিজনিং প্রচেষ্টায় প্রতি টাস্কে অর্ধেকেরও কম খরচে GPT-6 Sol-এর স্কোরের দ্বিগুণেরও বেশি অর্জন করে. সর্বোচ্চ প্রচেষ্টায় GPT-6.1 Sol-এর প্রতি টাস্কে গড় খরচ 5.47 ডলার, যেখানে Opus 5.5-এর 23.21 ডলার এবং Astra-এর 23.80 ডলার; ফলে যেকোনো মডেলের তুলনায় 75%-এরও বেশি কম খরচে এটি উল্লেখযোগ্য বৈজ্ঞানিক সক্ষমতা দেয়.

পরীক্ষিত মডেলগুলোর মধ্যে GPT-6 Astra এখনও 68.1% নিয়ে সর্বোচ্চ স্কোর অর্জন করে, এবং সবচেয়ে কঠিন বৈজ্ঞানিক গবেষণা কাজের জন্য এটিই ব্যবহার করা উচিত.

Terminal-Bench Science 0.1⁠(একটি নতুন উইন্ডোতে খোলে)-এ এজেন্টরা কোড ও টার্মিনাল টুল ব্যবহার করে বৈজ্ঞানিক গবেষণার কর্মপ্রবাহ সম্পন্ন করে, যার মধ্যে ডেটা বিশ্লেষণ, সিমুলেশন চালানো এবং মডেল ফিট করা অন্তর্ভুক্ত.

তথ্যগত নির্ভুলতা

কঠিন প্রম্পটেও GPT-6.1 Sol তথ্যগত নির্ভুলতা উন্নত করে. GPT-6 Sol-এর তুলনায় এর তথ্যগত নির্ভুলতার সবচেয়ে বড় উন্নতি দেখা যায় কম রিজনিং প্রচেষ্টায়, যেখানে তথ্যগত ভুল থাকা উত্তরের হার 11.4% থেকে 7.7%-এ নামিয়ে আনে—প্রায় 32% হ্রাস. পরীক্ষিত সব রিজনিং সেটিংজুড়ে, প্রতি কাজে এক-পঞ্চমাংশেরও কম খরচে এর ভুলের হার GPT-6 Astra-এর তুলনায় 1.9 শতাংশ পয়েন্টের মধ্যে থাকে.

এই মূল্যায়ন এমন পরিচয়মুক্ত কথোপকথনে অন্তত একটি তথ্যগত ভুল থাকা উত্তরের অংশ মাপে, যেখানে ব্যবহারকারীরা আগের কোনো মডেলের ভুল চিহ্নিত করেছিলেন. ইচ্ছাকৃতভাবে কঠিন করা এসব প্রম্পট সাধারণ ব্যবহারের প্রতিনিধিত্ব করে না.

আমরা এমন পরিচয়মুক্ত ChatGPT কথোপকথনে তথ্যগত নির্ভুলতা মূল্যায়ন করি, যেখানে ব্যবহারকারীরা আগের কোনো মডেলের উত্তরে তথ্যগত ভুল চিহ্নিত করেছিলেন. ভুল সৃষ্টি হওয়ার সম্ভাবনা বেশি এমন এসব কথোপকথন সাধারণ ব্যবহারের প্রতিনিধিত্ব করে না, যেখানে তথ্যগত ভুল তুলনামূলকভাবে কম ঘটে.

GPT-6.1 Sol নিরাপদে ডেপ্লয় করা

আমাদের অ্যালাইনমেন্ট মূল্যায়নে GPT-6 Sol-এর তুলনায় GPT-6.1 Sol উল্লেখযোগ্য উন্নতি দেখায়, যা এটিকে GPT-6 Astra-এর কাছাকাছি নিয়ে আসে.

GPT-6.1 Sol নিজের সীমাবদ্ধতা সম্পর্কে আরও বেশি স্বচ্ছ এবং ব্যবহারকারীর উদ্দেশ্য ও নিরাপত্তা সীমাবদ্ধতা মেনে চলার ক্ষেত্রে আরও বেশি নির্ভরযোগ্য. চ্যালেঞ্জিং মূল্যায়নে, সার্চ টুল কাজ না করলে তা জানানো, স্পষ্ট নিষেধাজ্ঞা মেনে চলা এবং এজেন্টিক কাজের সময় অননুমোদিত ফলাফল এড়ানোর ক্ষেত্রে এর ব্যর্থতার হার GPT-6 Sol-এর চেয়ে কম. আমরা স্বয়ংক্রিয় নিরাপত্তা রিভিউয়ারকে পাশ কাটানোর কোনো চেষ্টা দেখিনি, যা GPT-6 Astra ও GPT-6 Sol-এর সঙ্গে মিলে যায়. সম্পূর্ণ বিবরণ GPT-6.1 Sol সিস্টেম কার্ডের সংযোজনে⁠(একটি নতুন উইন্ডোতে খোলে) পাওয়া যাবে.

নিচের মূল্যায়নগুলো ইচ্ছাকৃতভাবে কঠিন পরিস্থিতি পরীক্ষা করার জন্য তৈরি; এগুলো সাধারণ ব্যবহারে ব্যর্থতার হার নির্দেশ করে না.

এই মূল্যায়ন পরীক্ষা করে যে, সার্চ টুল নষ্ট হলে এজেন্ট নিজের সেরা অনুমান দেওয়ার বদলে ব্যবহারকারীকে তা জানায় কি না. GPT-6.1 Sol 2.1% ক্ষেত্রে সমস্যাটি জানাতে ব্যর্থ হয়, যেখানে GPT-6 Sol-এর ক্ষেত্রে 4.9%, GPT-6 Astra-এর ক্ষেত্রে 1.5% এবং GPT-6 Luna-এর ক্ষেত্রে 28.7% একই ব্যর্থতা দেখা গেছে. ব্যর্থতা উসকে দেওয়ার জন্য কাজগুলো বেছে নেওয়া হয়েছে এবং এগুলো সাধারণ ব্যবহারের প্রতিনিধিত্ব করে না. প্রচেষ্টা সর্বোচ্চে সেট করা হয়েছিল.

মূল্য ও প্রাপ্যতা

আজ থেকে ChatGPT Work ও Codex-এ সব Plus, Pro, Business, Enterprise এবং Edu ব্যবহারকারীর জন্য GPT-6.1 Sol পাওয়া যাচ্ছে. GPT-6.1 Sol এখনও চ্যাটে পাওয়া যাবে না. ডেভেলপাররা OpenAI API-এর মাধ্যমে gpt-6.1-sol হিসেবেও এটি ব্যবহার করতে পারেন. এর স্ট্যান্ডার্ড API দাম হলো প্রতি মিলিয়ন ইনপুট টোকেনে $2, প্রতি মিলিয়ন ক্যাশড ইনপুট টোকেনে $0.10 এবং প্রতি মিলিয়ন আউটপুট টোকেনে $10. আগামী কয়েক দিনের মধ্যে আমরা GPT-6.1 Sol-এর জন্য অতিদ্রুত⁠ সংস্করণও অফার করব, যা Codex-এ এর স্ট্যান্ডার্ড গতির তুলনায় টোকেন জেনারেশন সর্বোচ্চ 8x দ্রুত করবে.

লেখকবৃন্দ

OpenAI

GPT-এর মূল্যায়ন আমাদের গবেষণা পরিবেশে বা আমাদের API-এর মাধ্যমে করা হয়েছে; সিস্টেম প্রম্পট, উপলভ্য টুল, প্রচেষ্টা ইত্যাদির পার্থক্যের কারণে এগুলোর আউটপুট প্রোডাকশন ChatGPT থেকে সামান্য ভিন্ন হতে পারে. প্রতিদ্বন্দ্বী মডেলগুলোর মূল্যায়ন সর্বসাধারণের জন্য উপলভ্য প্রতিবেদন থেকে নেওয়া হয়েছে.