GPT-6.1Sol

Presentem GPT-6.1 Sol, una millora de GPT-6 Sol que gairebé iguala la intel·ligència de GPT-6 Astra en termes de programació agentiva, ús de l'ordinador i treball professional, per una cinquena part dels preus estàndard dels segments textuals d'entrada i sortida d'Astra. L'entrada en memòria cau només té un cost de 0,10 $ per milió de segments textuals—un 95 % menys que el preu d'entrada estàndard i un 50 % menys que el preu de l'entrada en memòria cau de GPT-6 Sol—, cosa que dona als desenvolupadors més marge per crear i executar agents capaços que reutilitzin el context entre peticions.

Un Sol més capaç en tota mena de tasques

GPT-6.1 Sol ofereix un nou equilibri entre capacitat i cost per a les tasques quotidianes importants. Aporta millores substancials respecte de GPT-6 Sol en tasques professionals complexes, des d'escriure i depurar codi fins a comprendre documents i executar fluxos de treball empresarials de diversos passos. En diverses d'aquestes avaluacions, s'acosta al rendiment de GPT-6 Astra amb un cost substancialment inferior.

Programació

A DeepSWE v1.1, que avalua tasques complexes d'enginyeria de programari en bases de codi reals, GPT-6.1 Sol iguala GPT-6 Astra per aproximadament una cinquena part del cost, alhora que supera en 6,4 punts percentuals la millor puntuació de GPT-6 Sol amb menys esforç de raonament i menys cost.

Treball professional

A GDP.pdf, que mesura amb quina precisió els models responen preguntes professionals a partir de documents PDF complexos, amb taules, gràfics, diagrames i detalls en lletra petita, GPT-6.1 Sol obté una puntuació superior a la d'Opus 5.5 amb models de reserva per menys de la meitat del cost per tasca en totes les configuracions de raonament provades. També s'acosta al rendiment capdavanter de GPT-6 Astra per aproximadament una cinquena part del cost per tasca.

A AutomationBench, que mesura si els agents completen correctament fluxos de treball empresarials de diversos passos, GPT-6.1 Sol supera Opus 5.5 en 2,2 punts percentuals amb un esforç de raonament mitjà, per aproximadament un terç del cost. Aquesta puntuació també supera en 4,8 punts percentuals la de GPT-6 Sol amb la mateixa configuració.

Ús de l'ordinador

GPT-6.1 Sol també avança substancialment en tasques que requereixen interactuar amb aplicacions informàtiques. En el conjunt fora de línia d'OSWorld 2.0, que avalua els agents en fluxos de treball exigents que requereixen fer servir l'ordinador, GPT-6.1 Sol supera GPT-6 Sol en set punts percentuals amb l'esforç de raonament màxim i per menys de la meitat del cost. Es queda a només 2,1 punts percentuals de la puntuació d'Astra amb l'esforç de raonament màxim, per aproximadament una setena part del cost per tasca.

Recerca científica

A Terminal-Bench Science 0.1, que avalua fluxos de treball científics com l'anàlisi de dades, la simulació i la demostració de teoremes, GPT-6.1 Sol més que duplica la puntuació de GPT-6 Sol amb l'esforç de raonament màxim, per menys de la meitat del cost per tasca. Amb l'esforç màxim, GPT-6.1 Sol costa de mitjana 5,47 $ per tasca, en comparació amb els 23,21 $ d'Opus 5.5 i els 23,80 $ d'Astra, i ofereix una capacitat científica notable amb un cost més d'un 75 % inferior al de qualsevol dels altres dos models.

GPT-6 Astra continua obtenint la puntuació més alta entre els models provats, amb un 68,1 %, i és el que cal fer servir per a les tasques de recerca científica més difícils.

Veracitat

GPT-6.1 Sol també millora l'exactitud factual amb indicacions difícils. La seva millora més gran en factualitat respecte de GPT-6 Sol es produeix amb un esforç de raonament baix, quan redueix la proporció de respostes que contenen un error factual de l'11,4 % al 7,7 %: una reducció d'aproximadament el 32 %. En totes les configuracions de raonament provades, la seva taxa d'errors es manté a menys d'1,9 punts percentuals de la de GPT-6 Astra, amb menys d'una cinquena part del cost per tasca.

Aquesta avaluació mesura la proporció de respostes que contenen almenys un error factual en converses desidentificades en què els usuaris havien assenyalat un error d'un model anterior. Aquestes indicacions, deliberadament difícils, no són representatives de l'ús habitual.

Desplegament segur de GPT-6.1 Sol

GPT-6.1 Sol mostra millores substancials respecte de GPT-6 Sol en les nostres avaluacions d'alineament i s'acosta a GPT-6 Astra.

GPT-6.1 Sol és més transparent sobre les seves limitacions i més fiable a l'hora de respectar la intenció de l'usuari i les restriccions de seguretat. En avaluacions exigents, mostra taxes d'error inferiors a les de GPT-6 Sol pel que fa al fet d'informar amb transparència sobre eines de cerca que no funcionen, respectar restriccions explícites i evitar resultats no autoritzats durant tasques agentives. No hem observat cap intent d'eludir un revisor de seguretat automatitzat, de la mateixa manera que amb GPT-6 Astra i GPT-6 Sol. En pots trobar tots els detalls a l'addenda de la fitxa del model GPT-6.1 Sol⁠(s'obre en una finestra nova).

Les avaluacions següents posen a prova deliberadament situacions difícils i no mesuren les taxes de fallades en l'ús habitual.

Preus i disponibilitat

GPT-6.1 Sol està disponible a partir d'avui per a tots els usuaris de Plus, Pro, Business, Enterprise i Edu a ChatGPT Work i el Codex. GPT-6.1 Sol encara no està disponible a Chat. Els desenvolupadors també hi poden accedir des de l'API d'OpenAI amb el nom de gpt-6.1-sol. Els seus preus estàndard a l'API són de 2 $ per milió de segments textuals d'entrada, 0,10 $ per milió de segments textuals d'entrada en memòria cau i 10 $ per milió de segments textuals de sortida. Durant els propers dies, també oferirem GPT-6.1 Sol Ultrafast⁠, amb una generació de segments textuals fins a 8 vegades més ràpida que la seva velocitat estàndard al Codex.