OpenAI

Predstavljamo GPT-6.2 Astra i Sol

Novi standard za profesionalni rad

Isprobaj u ChatGPT Work(otvara se u novom prozoru)

Predstavljamo GPT‑6.2 Astra, naš novi granični model za vaše najzahtjevnije projekte, i GPT‑6.2 Sol, naš efikasan i svestran model za svakodnevni rad. Oba modela postižu bolje rezultate na zahtjevnim zadacima uz manje izlaznih tokena, pa možete obaviti više posla unutar svojih ograničenja korištenja. Za preduzeća i programere to znači performanse graničnih modela uz troškove koji su isplativi i pri velikom obimu korištenja.

GPT‑6.2 Astra postavlja novi standard kvaliteta AI-ja u složenom profesionalnom radu. Njegovi slajdovi, proračunske tabele i dokumenti manje odaju dojam da ih je izradio AI te vjernije prate predloške koje dostavite i ustaljene prakse u vašoj struci. Piše čišći kod i izrađuje korisnička sučelja koja bolje izgledaju i rade, naročito za web-stranice, igre i 3D dizajn.

Na testu Agents’ Last Exam, koji provjerava profesionalni rad u više koraka, GPT‑6.2 Astra postiže novi najbolji rezultat: 5,2 boda više od modela GPT‑6 Astra uz manje od trećine troškova i 5,5 bodova više od modela Claude Fable 5.2 uz samo 5% njegovih troškova.

Agents’ Last Exam ocjenjuje modele na dugotrajnim profesionalnim radnim procesima. Rezultati za Fable 5.2 na njegovoj rang-listi ne uključuju devet zadataka u kojima je korišten rezervni model.

Vjerujemo da je GPT-6.2 Astra najbolji model na svijetu za naučnike. Postiže novi najbolji rezultat na testu Terminal-Bench-Science 0.1, koji provjerava koliko dobro modeli mogu obavljati naučni rad u terminalu. GPT-6.2 Astra postiže rezultat za 9 procentnih poena viši od modela GPT-6 Astra uz manje od trećine troškova. Postiže i novi najbolji rezultat na testu Vals Science Index, koji od modela traži da tumače stvarne biološke podatke i provode eksperimente kako bi zaključili kako funkcionira simulirani sistem.

U API-ju su cijene ulaznih i izlaznih tokena za GPT‑6.2 Astra 20% niže nego za GPT‑6 Astra, uz popust od 60% na keširani ulaz (8 USD za ulaz, 0,40 USD za keširani ulaz i 40 USD za izlaz, sve na milion tokena). GPT‑6.2 Sol zadržava cijene API tokena modela GPT‑6.1 Sol. Na nekoliko referentnih testova oba modela približavaju se drugim vodećim modelima ili ih nadmašuju uz tek mali dio njihovih troškova po zadatku.

GPT-6.2 Sol: naš prvi izbor za svakodnevni rad

U poređenju s modelom GPT‑6.1 Sol, GPT‑6.2 Sol je pametniji i efikasniji te vam omogućava da obavite više zadataka uz isti plaćeni plan. S lakoćom obavlja agentske radne tokove u više koraka, piše jasno i prirodno, a saradnja s njim je intuitivna. Mnogi zaposlenici kompanije OpenAI koriste ga kao svoj podrazumijevani model i za tehničke i za netehničke zadatke.

Na testu FrontierCode 2.0 kompanije Cognition, GPT‑6.2 Sol zaostaje manje od 0,5 bodova za modelom GPT‑6.2 Astra uz približno petinu troškova (oba na postavci Max).

FrontierCode 2.0 ocjenjuje ispunjavaju li izmjene u stvarnim bazama koda kriterije za spajanje koje postavljaju njihovi održavatelji.

Njegova brzina i inteligencija čine ga idealnim i za važne zadatke zbog kojih se ljudi obraćaju AI-ju izvan posla. Na našoj nedavno objavljenoj evaluaciji LifeVal⁠, koja mjeri uspješnost u zahtjevnim svakodnevnim zadacima, GPT‑6.2 Sol postiže bolji rezultat od modela GPT‑6 Astra uz približno sedminu troškova.

LifeVal ispituje koliko dobro modeli rješavaju svakodnevne zadatke prilagođene nečijim potrebama, poput užeg izbora vrtića nakon preseljenja, pronalaska doma koji odgovara porodičnom budžetu i putovanju na posao ili planiranja obroka za roditelja koji se prilagođava novoj dijagnozi.

Profesionalni rezultati koji prate standarde struke

Trenirali smo GPT‑6.2 Astra da izrađuje jasnije i bolje dizajnirane slajdove, proračunske tabele i dokumente koji dosljednije slijede ustaljene prakse stručnjaka u oblastima poput prava, prodaje, finansija i računovodstva. Tekst je direktniji i konkretniji, s manje općenitih zaključaka i suvišnog sadržaja.

Harvey LAB‑AA v1.1 koristi pravne zadatke da provjeri mogu li modeli pronaći relevantne činjenice u izvornim dokumentima, primijeniti ih prema detaljnim uputama i izraditi tačan završni materijal koji ispunjava sve zahtjeve. GPT‑6.2 Astra postavlja novi standard, s više nego dvostruko većom stopom prolaznosti od modela Claude Fable 5.2 uz približno šestinu troškova. OpenAI za pravni sektor⁠, naša konfiguracija modela GPT-6.2 Astra za pravnike, postiže još viši rezultat na ovom referentnom testu.

Harvey LAB‑AA testira pravne poslove poput pregleda ugovornih odredbi. Njegov glavni rezultat priznaje uspjeh samo kada završni materijal ispunjava svaki kriterij ocjenjivanja i ne sadrži značajne halucinacije.

Naš interni referentni test GDPval v2 nova je verzija testa GDPval⁠ koja mjeri uspješnost u složenim, dugotrajnim radnim procesima iz stvarnih projekata u sektorima poput konsaltinga, finansija i dizajna. GPT‑6.2 Astra predvodi modele koje smo testirali, s rezultatom za 6,2 procentna poena višim od modela GPT‑6 Astra uz 22% manje izlaznih tokena. GPT‑6.2 Sol ostvaruje poboljšanje od 5,3 boda u odnosu na GPT‑6.1 Sol.

GDPval v2 sastoji se od dugotrajnih zadataka intelektualnog rada iz stvarnih projekata u sektorima poput finansija, nauke o podacima, biotehnologije i marketinga.

Radne knjige i memorandumi

Izrada radne knjige za procjenu vrijednosti ili pisanje investicijskog memoranduma počinje pronalaženjem relevantnih brojčanih podataka u izvornim datotekama i utvrđivanjem njihovih međusobnih veza. AA‑AnalystAgent kompanije Artificial Analysis testira taj rad na stvarnim proračunskim tabelama i izvještajima. U jednom zadatku modeli koriste izvještaje o rashodima kalifornijskog programa Medicaid da izračunaju koliko je program potrošio na medicinski prijevoz. GPT‑6.2 Astra postiže novi najbolji rezultat, tačno odgovarajući na 62,5% pitanja u svih pet nezavisnih pokušaja.

Prezentacije

GPT‑6.2 Astra naš je dosad najbolji model za dizajniranje slajdova i praćenje predložaka, bilo da dobije izvornu datoteku ili čak snimak ekrana. Može vjerno prenijeti raspored, boje i tipografiju, sve do tačne veličine fonta, te primijeniti stil pisanja iz predloška na nove slajdove. Prvi testeri ustanovili su da je prezentacije lakše odmah koristiti uz manje izmjena, zahvaljujući naslovima koji iznose glavni zaključak i sažetom tekstu usmjerenom na detalje potrebne čitaocima.

1 od 4
“

Ocjenjivali smo GPT-6.2 Astra u pretvaranju obimnih i složenih informacija u čitljive sažetke i infografike za tehničku i netehničku publiku. Primjeri su uključivali sažetke o trgovanju i dijagrame agentskih radnih tokova.

Dokumenti modela GPT-6.2 Astra predstavljali su značajan napredak u odnosu na GPT-6 Astra. Tekst i grafikoni znatno su olakšali prepoznavanje ključnih tačaka izvještaja, a dijagrami su pojasnili složene sisteme prikazujući kako njihovi dijelovi rade zajedno.

”
Marquis Wong, glavni AI inženjer, IMC

Korištenje računara i interaktivni web-dizajn

Preciznije korištenje računara omogućava modelu GPT‑6.2 Astra da u CAD alatima i alatima za simulaciju radi sve do nivoa pojedinačnih dijelova i spojeva. Inženjeri mogu iskoristiti taj dodatni nivo detalja da provjere uklapanje komponenti, vide kako se opterećenja prenose pri kretanju konstrukcije i testiraju izmjene prije izrade prototipa.

Simulacija vožnje

Od modela GPT‑6.2 Astra zatražili smo da vizualizira dinamiku šasije automobila na planinskoj cesti. Astra je izradila 3D model i napisala numerički rješavač u Pythonu za simulaciju složene dinamike između guma i ovjesa, a zatim animirala rezultate u Blenderu. To inženjerima omogućava da brzo testiraju nove konstrukcije i s vremenom poboljšavaju tačnost simulacije.

Mašinsko projektovanje i sklapanje

GPT‑6.2 Astra može modelirati mehanički sistem dio po dio, omogućavajući inženjerima da prikažu kako se sastavlja i ispitaju kako izmjene dizajna utiču na njegovo ponašanje.

Od CAD-a do papirne lampe

Naš tim koristio je GPT‑6.2 Astra da zaobljene balkone čikaških nebodera Marina City pretoči u lampu. Video prati razvoj dizajna od referentnih fotografija, preko izmjena u CAD-u, do fizičke lampe sastavljene ručno. Web stranicu koju je generirao GPT-6.2 Astra možete koristiti za izradu vlastite papirne lampe.

GPT‑6.2 Astra donosi snažnije vizuelno rezonovanje u web dizajn, birajući rasporede i slike koji svakoj stranici daju prepoznatljiv izgled te oblikujući elemente u skladu s njenom stvarnom svrhom.

Ta poboljšanja u vizuelnom rezonovanju i korištenju računara prenose se i na 3D dizajn. GPT‑6.2 Astra i Sol mogu pretvoriti pisane upute u interaktivno iskustvo u pregledniku, od flipera koji možete igrati do rekonstrukcije Koloseuma koju možete istraživati iz različitih uglova. Na testu AA‑3D kompanije Artificial Analysis, ljudski ocjenjivači isprobavaju dva iskustva izrađena na osnovu istog upita, ne znajući koji ih je model izradio, i glasaju za ono koje im se više sviđa. GPT‑6.2 Astra zauzima prvo mjesto s Elo rejtingom od 1.318, a slijede Claude Fable 5.2 s 1.271 i GPT‑6.2 Sol s 1.259.

“

GPT-6.2 Astra predstavlja ogroman iskorak u kreativnom radu. Omogućava Higgsfield Miracle, pokrećući uređivanje videa u stvarnom vremenu s preciznošću na nivou piksela i pružajući stvaraocima potpunu kreativnu kontrolu. U našim internim evaluacijama 3D generisanja postigao je ciljani rezultat iz prvog pokušaja u 73% slučajeva, dok su modelu GPT-6 Astra bile potrebne tri ili više iteracija. To našem kreativnom timu štedi mnogo vremena i omogućava efikasnije radne tokove koje u potpunosti izvršavaju agenti.

”
Alex Mashrabov, izvršni direktor i suosnivač, Higgsfield AI

Efikasni radni tokovi uz čišći stil koda

GPT‑6.2 Astra bolje procjenjuje kako izvršiti zadatak, uključujući prilagođavanje alata i uloženog napora radnom toku te prepoznavanje kada treba koristiti dodatke, a kada direktno koristiti računar.

U kodiranju, GPT-6.2 Astra bolji je u implementaciji i testiranju složenih izmjena u postojećim bazama koda. Prvi testeri izvijestili su o čišćem stilu koda i preciznije usmjerenim testovima, uz manje krugova izmjena.

Sposobnosti u kibernetičkoj sigurnosti

GPT‑6.2 Astra i GPT-6.2 Sol donose još jedan značajan napredak u kibernetičkim sposobnostima. Efikasnije pronalaze i iskorištavaju ranjivosti, pišu sigurniji kod i izrađuju bolje zakrpe, uz znatno efikasnije korištenje tokena na nekoliko evaluacija. Poput modela GPT‑6 Astra⁠, 6.2 Astra i Sol dostižu prag „Kritično“ za kibernetičku sigurnost prema našem Okviru pripravnosti⁠.

Zbog njihovih povećanih sposobnosti, GPT‑6.2 Astra i Sol uvodimo uz strože zaštitne mjere za pomoć u oblasti kibernetičke sigurnosti koja nosi veći rizik. Ove zaštitne mjere smanjuju rizik od zloupotrebe, ali ograničavaju i neke legitimne radne procese istraživanja ranjivosti i sigurnosnog testiranja. Putem programa OpenAI Daybreak⁠, stručnjaci za kibernetičku odbranu trenutno mogu pristupiti modelu GPT‑6 Sol s manje odbijanja zahtjeva iz oblasti kibernetičke sigurnosti na platformi Daybreak Blue, uz našu alfa verziju modela GPT-6 Astra, kao i modelu GPT‑6 Cyber⁠ za napredno, ovlašteno sigurnosno testiranje na platformi Daybreak Red. Radit ćemo na tome da modeli GPT‑6.2 budu dostupni u programu Daybreak.

U nastavku izdvajamo ključne rezultate referentnih testova, dobijene korištenjem internih testnih konfiguracija s isključenim zaštitnim mjerama i klasifikatorima za kibernetičku sigurnost. Cjelovite rezultate i metodologiju pogledajte u pratećoj kartici sistema⁠(otvara se u novom prozoru).

Prednost za stručnjake za kibernetičku odbranu

Programeri se sve više oslanjaju na agente za kodiranje pri pisanju produkcijskog softvera, dok istovremeno sposobniji agenti olakšavaju pronalaženje i iskorištavanje ranjivosti. PHP2Shell⁠(otvara se u novom prozoru) pokazao je kako AI može pomoći istraživačima da otkriju kritične propuste. Kod modela GPT‑6.2 Astra i Sol stavili smo odbrambene sposobnosti u središte pažnje, uvodeći nove signale za treniranje koji programerima pomažu da spriječe i otklone te propuste — pisanjem sigurnog koda od samog početka i izradom zakrpa koje zadržavaju predviđeno ponašanje.

Sigurnost i usklađenost

GPT-6.2 Astra i Sol uvodimo uz naše dosad najjače zaštitne mjere. Pooštrili smo ograničenja i ojačali sisteme koje koristimo za nadzor modela⁠ i intervenciju kada je potrebna⁠.

Kao i GPT-6 Astra, modeli GPT-6.2 Astra i Sol, pored kritičnog praga za kibernetičku sigurnost, dostižu i visoki prag za biološke i hemijske sposobnosti prema našem Okviru pripravnosti⁠. Uveli smo zaštitne mjere za ublažavanje povezanih rizika, uz stroža ograničenja za niz zahtjeva iz biologije i kibernetičke sigurnosti s potencijalnom dvojnom namjenom.

Više detalja o našim zaštitnim mjerama i testiranju dostupno je u kartici sistema GPT-6.2⁠(otvara se u novom prozoru).

Sposobnosti za istraživanje AI-ja i zaštitne mjere

GPT-6.2 Astra naš je prvi model dostupan vanjskim korisnicima koji dostiže visoki prag za samousavršavanje AI-ja, kojim se mjeri sposobnost modela da ubrza istraživanje AI-ja. Oznaka „visoki“ odražava našu procjenu da je učinak modela jednak tome da svaki istraživač u kompaniji OpenAI dobije dodatnog, izuzetno sposobnog istraživačkog inženjera kao asistenta, u odnosu na njihove početne kapacitete iz 2024. godine. Pratimo ovu sposobnost jer modeli koji mogu pomoći u razvoju budućih AI sistema mogu donijeti i nove sigurnosne rizike, poput ubrzavanja napretka iznad brzine kojom se zaštitne mjere ili ljudski nadzor mogu prilagoditi.

Da bismo odgovorili na ove rizike, u način na koji treniramo i uvodimo svoje modele u upotrebu ugradili smo više nadzora i kontrola. Prije nego što smo proširili interni pristup modelu GPT-6.2 Astra, procijenili smo njegovu usklađenost i provjerili jesu li potrebne zaštitne mjere uspostavljene u svakoj fazi. Ojačali smo mjere izolacije u našim istraživačkim okruženjima⁠ i testirali tu zaštitu našim najsposobnijim modelima. Izradili smo i Control Room⁠, sistem koji prati istraživačke zadatke i može zaustaviti daljnje generiranje izlaza modela kada je potrebna intervencija. Naš prošireni nadzor⁠ ispituje rezonovanje i postupke modela u internim zadacima i podržanim vanjskim primjenama. Može automatski označiti neovlašteno ponašanje i, tamo gdje je to podržano, pauzirati zadatke ili razgovore.

Usklađenost

Oba modela postigla su slične rezultate kao GPT-6 Astra na većini evaluacija usklađenosti i poduzimala manje neprikladnih radnji u simuliranim zadacima na radnom mjestu. Međutim, u dva testa češće su propuštali spomenuti prepreke koje su onemogućavale njihov rad, poput datoteke koja nedostaje ili nedostupnog alata za pretragu. U Codex smo dodali upute koje znatno smanjuju te propuste i nastavljamo istraživati to ponašanje.

Cijene i dostupnost

Od danas su GPT-6.2 Astra i Sol dostupni svim korisnicima planova Plus, Pro, Enterprise i Edu u uslugama ChatGPT Work i Codex. Pretplatnici plana Pro 500 mogu koristiti Ultrafast s oba modela. Prvi put uvodimo Ultrafast i za pretplatnike plana Pro 200, počevši od modela GPT-6.2 Sol. Korisnici planova Enterprise i Edu koji ispunjavaju uslove dobijaju isti pristup kada ga omogući administrator njihovog radnog prostora. Programeri mogu pristupiti modelima gpt-6.2-astra i gpt-6.2-sol i putem OpenAI API-ja, a Ultrafast je za oba modela dostupan od samog lansiranja.

GPT‑6.2 Astra košta znatno manje po zadatku od modela GPT‑6 Astra zahvaljujući efikasnijem korištenju tokena, popustu od 20% na ulazne i izlazne tokene te još većem popustu od 60% na keširane ulazne tokene. Standardne API cijene na milion tokena iznose 8 USD za ulaz, 0,40 USD za keširani ulaz i 40 USD za izlaz. GPT‑6.2 Sol zadržava cijene modela GPT‑6.1 Sol od 2 USD za ulaz, 0,10 USD za keširani ulaz i 10 USD za izlaz na milion tokena.

Za GPT-6.2 Astra i Sol preporučujemo da prefikse upita ostavite nepromijenjenim i nove upute dodajete⁠(otvara se u novom prozoru) na kraj razgovora kako biste poboljšali ponovnu upotrebu keša, pomogli u smanjenju troškova i latencije te očuvali rezonovanje kroz korake razgovora.

Autor

OpenAI

Footnotes

  1. 1

    Rezultati modela Fable 5.2 na testu Terminal-Bench-Science 0.1 preuzeti su iz izvještaja kompanije Artificial Analysis⁠(otvara se u novom prozoru), koja je testiranje provela u harnessu mini-swe-agent. Anthropic je prijavio rezultat modela Fable 5.2 od 74,6% uz maksimalno rezonovanje u alatu Claude Code.