GPT-6.1Sol

Vi introducerer GPT-6.1 Sol, en opgradering af GPT-6 Sol, der næsten matcher GPT-6 Astras intelligens inden for agentisk kodning, computerbrug og professionelt arbejde til en femtedel af Astras standardpriser for input- og outputtoken. Cachelagret input koster kun 0,10 $ per million tokens − 95 % mindre end standardprisen for input og 50 % mindre end prisen for cachelagret input til GPT-6 Sol − hvilket giver udviklere mere råderum til at bygge og køre kompetente agenter, der genbruger kontekst på tværs af forespørgsler.

En mere kompetent Sol på tværs af opgaver

GPT-6.1 Sol giver en ny balance mellem kapacitet og pris til vigtigt dagligt arbejde. Den leverer markante forbedringer i forhold til GPT-6 Sol på tværs af komplekse professionelle opgaver, fra at skrive og fejlrette kode til at forstå dokumenter og udføre forretningsprocesser med flere trin. I flere af disse evalueringer nærmer den sig GPT-6 Astras resultater til en væsentligt lavere pris.

Kodning

På DeepSWE v1.1, som evaluerer komplekse softwareudviklingsopgaver i rigtige kodebaser, matcher GPT-6.1 Sol GPT-6 Astra til omtrent en femtedel af prisen. Samtidig overgår den GPT-6 Sols bedste score med 6,4 procentpoint med lavere ræsonneringsindsats og pris.

Professionelt arbejde

På GDP.pdf, som måler, hvor præcist modeller besvarer faglige spørgsmål ved hjælp af komplekse PDF-dokumenter med tabeller, grafer, diagrammer og detaljer med småt, scorer GPT-6.1 Sol højere end Opus 5.5 med reserveløsninger til under halvdelen af prisen pr. opgave på tværs af de testede indstillinger for ræsonnering. Den nærmer sig også GPT-6 Astras førende resultater til omtrent en femtedel af prisen pr. opgave.

På AutomationBench, som måler, om agenter udfører forretningsprocesser med flere trin korrekt, scorer GPT-6.1 Sol 2,2 procentpoint højere end Opus 5.5 med ræsonneringsindsatsen sat til Mellem, til omtrent en tredjedel af prisen. Denne score er også 4,8 procentpoint højere end GPT-6 Sols med samme indstilling.

Computerbrug

GPT-6.1 Sol gør også markante fremskridt i opgaver, der kræver interaktion med computerprogrammer. På offlinedatasættet i OSWorld 2.0, som evaluerer agenter på krævende arbejdsgange med computerbrug, overgår GPT-6.1 Sol GPT-6 Sol med syv procentpoint ved maksimal ræsonneringsindsats til under halvdelen af prisen. Den når op på blot 2,1 procentpoint under Astras score ved maksimal ræsonneringsindsats til omtrent en syvendedel af prisen pr. opgave.

Videnskabelig forskning

På Terminal-Bench Science 0.1, som evaluerer videnskabelige arbejdsgange, herunder dataanalyse, simulering og bevisførelse for matematiske sætninger, opnår GPT-6.1 Sol mere end det dobbelte af GPT-6 Sols score ved maksimal ræsonneringsindsats til under halvdelen af prisen pr. opgave. Ved maksimal indsats koster GPT-6.1 Sol i gennemsnit 5,47 USD pr. opgave mod 23,21 USD for Opus 5.5 og 23,80 USD for Astra. Den leverer dermed stærke videnskabelige evner til en pris, der er over 75 % lavere end for begge modeller.

GPT-6 Astra opnår stadig den højeste score blandt de testede modeller med 68,1 % og bør bruges til de sværeste videnskabelige forskningsopgaver.

Faktuel korrekthed

GPT-6.1 Sol forbedrer også den faktuelle korrekthed ved svære prompts. Den største forbedring i faktuel korrekthed i forhold til GPT-6 Sol sker ved lav ræsonneringsindsats, hvor den reducerer andelen af svar med en faktuel fejl fra 11,4 % til 7,7 % – en reduktion på cirka 32 %. På tværs af de testede ræsonneringsindstillinger forbliver dens fejlrate inden for 1,9 procentpoint af GPT-6 Astras, til en pris pr. opgave på under en femtedel.

Denne evaluering måler andelen af svar med mindst én faktuel fejl i samtaler, hvor identificerende oplysninger er fjernet, og hvor brugere markerede en fejl fra en tidligere model. Disse bevidst svære prompter er ikke repræsentative for typisk brug.

Sikker udrulning af GPT-6.1 Sol

GPT-6.1 Sol viser markante forbedringer i forhold til GPT-6 Sol i vores evalueringer af overensstemmelse med brugerhensigt og sikkerhedskrav og nærmer sig dermed GPT-6 Astra.

GPT-6.1 Sol er mere åben om sine begrænsninger og mere pålidelig, når det gælder om at respektere brugerens hensigt og sikkerhedskrav. I krævende evalueringer har den lavere fejlrater end GPT-6 Sol, når det gælder om at oplyse om defekte søgeværktøjer, respektere udtrykkelige begrænsninger og undgå uautoriserede resultater under agentiske opgaver. Vi observerede ingen forsøg på at omgå en automatisk sikkerhedskontrol, ligesom for GPT-6 Astra og GPT-6 Sol. Alle oplysninger findes i tillægget til GPT-6.1 Sol-systemkortet⁠(åbner i et nyt vindue).

Evalueringerne nedenfor tester bevidst udfordrende situationer og måler ikke fejlrater ved typisk brug.

Priser og tilgængelighed

GPT-6.1 Sol er fra i dag tilgængelig for alle Plus-, Pro-, Business-, Enterprise- og Edu-brugere i ChatGPT Work og Codex. GPT-6.1 Sol er endnu ikke tilgængelig i Chat. Udviklere kan også få adgang til den via OpenAI API som gpt-6.1-sol. Standardpriserne i API'et er 2 USD pr. million inputtoken, 0,10 USD pr. million cachelagrede inputtoken og 10 USD pr. million outputtoken. I de kommende dage tilbyder vi også GPT-6.1 Sol Ultrahurtig⁠, med op til 8 gange hurtigere tokengenerering sammenlignet med standardhastigheden i Codex.