Vi introducerer GPT-6.2 Astra og Sol
En ny standard for professionelt arbejde
Prøv det i ChatGPT Work(åbner i et nyt vindue)Vi introducerer GPT‑6.2 Astra, vores nye banebrydende model til dine sværeste projekter, og GPT‑6.2 Sol, vores effektive og alsidige model til det daglige arbejde. Begge modeller leverer bedre resultater på krævende opgaver med færre outputtokens, så du kan få mere fra hånden inden for dine forbrugsgrænser. For virksomheder og udviklere betyder det banebrydende ydeevne til omkostninger, der giver mening ved brug i stor skala.
GPT‑6.2 Astra sætter en ny standard for kvaliteten af AI i komplekst professionelt arbejde. Dens slides, regneark og dokumenter virker mindre AI-genererede og følger i højere grad de skabeloner, du giver den, og konventionerne inden for dit fag. Den skriver renere kode og bygger frontends, der ser bedre ud og fungerer bedre, især til websites, spil og 3D-design.
På Agents’ Last Exam, som tester professionelt arbejde med flere trin, sætter GPT‑6.2 Astra ny rekord med en score, der er 5,2 point højere end GPT‑6 Astras til under en tredjedel af omkostningerne og 5,5 point højere end Claude Fable 5.2's til blot 5 % af omkostningerne.
Agents’ Last Exam evaluerer modeller på langvarige professionelle arbejdsgange. Resultaterne for Fable 5.2 på ranglisten udelader ni opgaver, hvor der blev brugt en reservemodel.
Vi mener, at GPT-6.2 Astra er verdens bedste model til forskere. Den sætter ny rekord på Terminal-Bench-Science 0.1, som tester, hvor godt modeller kan udføre videnskabeligt arbejde i en terminal. GPT-6.2 Astra scorer 9 procentpoint højere end GPT-6 Astra til under en tredjedel af omkostningerne. Den sætter også ny rekord på Vals Science Index, hvor modeller bliver bedt om at fortolke virkelige biologiske data og udføre eksperimenter for at udlede, hvordan et simuleret system fungerer.
I API'et er GPT‑6.2 Astras priser på input- og outputtokens 20 % lavere end GPT‑6 Astras, med en rabat på 60 % på cachelagret input (8 USD for input, 0,40 USD for cachelagret input og 40 USD for output, alt sammen pr. million tokens). GPT‑6.2 Sol beholder GPT‑6.1 Sols tokenpriser i API'et. På flere benchmarks kommer begge modeller tæt på eller overgår andre førende modeller til en lille brøkdel af omkostningerne pr. opgave.
GPT-6.2 Sol: vores foretrukne model til det daglige arbejde
Sammenlignet med GPT‑6.1 Sol er GPT‑6.2 Sol klogere og mere effektiv og lader dig løse flere opgaver med det samme betalte abonnement. Den klarer agentiske arbejdsgange i flere trin med overskud, skriver klart og naturligt og er intuitiv at samarbejde med. Mange medarbejdere hos OpenAI bruger den som deres standardmodel til både tekniske og ikke-tekniske opgaver.
På Cognitions FrontierCode 2.0 kommer GPT‑6.2 Sol inden for 0,5 point af GPT‑6.2 Astra til omkring en femtedel af omkostningerne (begge med indstillingen Max).
FrontierCode 2.0 evaluerer, om ændringer i virkelige kodebaser opfylder de vedligeholdelsesansvarliges krav til sammenfletning.
Dens hastighed og intelligens gør den også ideel til de vigtige opgaver, som folk bruger AI til uden for arbejdet. På vores nyligt udgivne LifeVal-evaluering, som måler ydeevnen på udfordrende hverdagsopgaver, scorer GPT‑6.2 Sol højere end GPT‑6 Astra til omkring en syvendedel af omkostningerne.
LifeVal tester, hvor godt modeller håndterer hverdagsopgaver tilpasset den enkeltes behov, såsom at udvælge relevante børnehaver efter en flytning, finde en bolig, der passer til en families budget og transport til arbejde, eller planlægge måltider for en forælder, der skal tilpasse sig en ny diagnose.
Professionelle leverancer, der lever op til branchens standarder
Vi trænede GPT‑6.2 Astra til at skabe mere overskuelige og bedre designede slides, regneark og dokumenter, der i højere grad følger faglige konventioner inden for områder som jura, salg, finans og regnskab. Teksten er mere direkte og konkret med færre generelle pointer og mindre fyld.
Harvey LAB‑AA v1.1 bruger juridiske opgaver til at teste, om modeller kan finde de relevante fakta på tværs af kildedokumenter, anvende dem ud fra en detaljeret opgavebeskrivelse og udarbejde et korrekt materiale, der opfylder alle krav. GPT‑6.2 Astra sætter en ny standard med mere end dobbelt så høj en beståelsesrate som Claude Fable 5.2 til omkring en sjettedel af omkostningerne. OpenAI til jura, vores konfiguration af GPT-6.2 Astra til jurister, scorer endnu højere på dette benchmark.
Harvey LAB‑AA tester juridisk arbejde såsom gennemgang af kontraktbestemmelser. Den primære score giver kun point, når det leverede materiale opfylder samtlige bedømmelseskriterier og ikke indeholder væsentlige hallucinationer.
Vores interne benchmark GDPval v2 er næste version af GDPval og måler komplekse, langvarige arbejdsgange fra virkelige projekter inden for sektorer som rådgivning, finans og design. GPT‑6.2 Astra fører blandt de modeller, vi testede, med en stigning på 6,2 procentpoint i forhold til GPT‑6 Astra og et forbrug af outputtokens, der er 22 % lavere. GPT‑6.2 Sol forbedrer scoren med 5,3 point i forhold til GPT‑6.1 Sol.
GDPval v2 består af langvarige vidensopgaver fra virkelige projekter inden for sektorer som finans, datavidenskab, bioteknologi og marketing.
Projektmapper og notater
At opbygge en projektmappe til værdiansættelse eller skrive et investeringsnotat begynder med at finde de relevante tal i kildefilerne og afdække, hvordan de hænger sammen. AA‑AnalystAgent fra Artificial Analysis tester dette arbejde med virkelige regneark og rapporter. I en af opgaverne bruger modellerne udgiftsrapporter fra California Medicaid til at beregne, hvor meget programmet brugte på patienttransport. GPT‑6.2 Astra sætter ny rekord ved at besvare 62,5 % af spørgsmålene korrekt i alle fem uafhængige forsøg.
Præsentationer
GPT‑6.2 Astra er vores hidtil bedste model til at designe slides og følge slideskabeloner, uanset om den får en originalfil eller blot et skærmbillede. Den kan gengive layout, farver og typografi helt ned til den præcise skriftstørrelse og videreføre skabelonens skrivestil i nye slides. De første testbrugere oplevede, at præsentationerne var lettere at bruge direkte og krævede færre rettelser, takket være overskrifter, der formidler hovedbudskabet, og kortfattet brødtekst med fokus på de detaljer, læserne har brug for.
Computerbrug og interaktivt webdesign
GPT‑6.2 Astras mere præcise computerbrug gør det muligt for den at arbejde helt ned til enkelte dele og forbindelser i CAD- og simuleringsværktøjer. Ingeniører kan bruge den øgede detaljeringsgrad til at kontrollere, hvordan komponenter passer sammen, se, hvordan belastninger forskydes, når en konstruktion bevæger sig, og teste ændringer, før de bygger en prototype.
Kørselssimulering
Vi bad GPT‑6.2 Astra om at visualisere dynamikken i en bils chassis på en bjergvej. Astra skabte 3D-modellen og skrev en numerisk løser i Python til at simulere den komplekse dynamik mellem dæk og hjulophæng og animerede derefter resultaterne i Blender. Det gør det muligt for ingeniører hurtigt at teste nye konstruktioner og forbedre simuleringens nøjagtighed over tid.
Mekanisk design og samling
GPT‑6.2 Astra kan modellere et mekanisk system del for del, så ingeniører kan vise, hvordan det samles, og teste, hvordan designændringer påvirker dets funktion.
Fra CAD til en papirlampe
Vores team brugte GPT‑6.2 Astra til at omsætte de buede altaner på Chicagos Marina City-tårne til en lampe. Videoen følger designet fra referencefotos over CAD-revisioner til en fysisk lampe, der samles i hånden. Hjemmesiden, som er genereret af GPT-6.2 Astra, kan bruges til at skabe din egen papirlampe.
GPT‑6.2 Astra styrker webdesign med bedre visuel ræsonnering: Den vælger layouts og billeder, der giver hver hjemmeside et særpræg, og bygger elementerne op omkring hjemmesidens egentlige formål.
Forbedringerne i visuel ræsonnering og computerbrug kommer også 3D-design til gode. GPT‑6.2 Astra og Sol kan omsætte en skriftlig opgavebeskrivelse til en interaktiv browseroplevelse – fra et flipperspil, du kan spille, til en genskabelse af Colosseum, du kan udforske fra forskellige vinkler. På AA‑3D fra Artificial Analysis afprøver menneskelige bedømmere to oplevelser skabt ud fra samme prompt uden at vide, hvilken model der står bag, og stemmer på den, de foretrækker. GPT‑6.2 Astra ligger øverst med 1.318 Elo, efterfulgt af Claude Fable 5.2 med 1.271 og GPT‑6.2 Sol med 1.259.
Effektive arbejdsgange med renere kodestil
GPT‑6.2 Astra er bedre til at vurdere, hvordan en opgave skal udføres, herunder at tilpasse værktøjer og indsats til arbejdsgangen og afgøre, hvornår den skal bruge plugins frem for at betjene computeren direkte.
Inden for kodning er GPT-6.2 Astra bedre til at implementere og teste komplekse ændringer i eksisterende kodebaser. De første testbrugere rapporterede om renere kodestil og mere fokuserede tests med færre korrekturrunder.
Evner inden for cybersikkerhed
GPT‑6.2 Astra og GPT-6.2 Sol markerer endnu et betydeligt spring i evner inden for cybersikkerhed. De finder og udnytter sårbarheder mere effektivt, skriver mere sikker kode og laver bedre patches, samtidig med at de bruger token væsentligt mere effektivt i flere evalueringer. Ligesom GPT‑6 Astra når 6.2 Astra og Sol tærsklen Kritisk for cybersikkerhed i vores Preparedness Framework.
På grund af deres øgede kapacitet lancerer vi GPT‑6.2 Astra og Sol med skærpede sikkerhedsforanstaltninger for cybersikkerhedsassistance med højere risiko. Disse beskyttelser reducerer risikoen for misbrug, men begrænser også visse legitime arbejdsgange inden for sårbarhedsforskning og sikkerhedstest. Via OpenAI Daybreak kan cybersikkerhedsforsvarere i øjeblikket få adgang til GPT‑6 Sol med færre afvisninger af cybersikkerhedsforespørgsler på Daybreak Blue, ud over vores alfaversion af GPT-6 Astra, samt GPT‑6 Cyber til avancerede, autoriserede sikkerhedstest på Daybreak Red. Vi vil arbejde på at gøre GPT‑6.2-modellerne tilgængelige i Daybreak.
Nedenfor fremhæver vi centrale benchmarkresultater fra interne testkonfigurationer, hvor sikkerhedsforanstaltninger og klassifikatorer til cybersikkerhed er deaktiveret. Se de fulde resultater og metoden i det tilhørende systemkort(åbner i et nyt vindue).
En fordel til dem, der forsvarer mod cyberangreb
Udviklere bruger i stigende grad kodningsagenter til at skrive software til produktionsbrug, samtidig med at mere kapable agenter gør det lettere at finde og udnytte sårbarheder. PHP2Shell(åbner i et nyt vindue) viste, hvordan AI kan hjælpe forskere med at afdække kritiske fejl. Med GPT‑6.2 Astra og Sol gjorde vi defensive evner til et centralt fokus og indførte nye træningssignaler, der hjælper udviklere med at forebygge og rette disse fejl – ved at skrive sikker kode fra starten og lave patches, der bevarer den tilsigtede adfærd.
Sikkerhed og alignment
Vi udruller GPT-6.2 Astra og Sol med vores hidtil stærkeste sikkerhedsforanstaltninger. Vi har skærpet begrænsningerne og styrket de systemer, vi bruger til at overvåge modeller og gribe ind, når det er nødvendigt.
Ligesom GPT-6 Astra når både GPT-6.2 Astra og Sol, ud over tærsklen Kritisk for cybersikkerhed, også tærsklen Høj for biologiske og kemiske kapaciteter i vores Preparedness Framework. Vi har indført beskyttelsesforanstaltninger for at mindske de tilknyttede risici og samtidig skærpet begrænsningerne for en række forespørgsler inden for biologi og cybersikkerhed, som potentielt kan bruges til både gavnlige og skadelige formål.
Du kan finde flere oplysninger om vores sikkerhedsforanstaltninger og test i systemkortet for GPT-6.2(åbner i et nyt vindue).
Evner inden for AI-forskning og sikkerhedsforanstaltninger
GPT-6.2 Astra er vores første eksternt udgivne model, der når tærsklen Høj for AI-selvforbedring, som måler en models evne til at accelerere AI-forskning. Betegnelsen 'Høj' afspejler vores vurdering af, at modellens effekt svarer til at give hver OpenAI-forsker en ekstra, særdeles kompetent forskningsingeniør som assistent i forhold til deres udgangspunkt i 2024. Vi følger denne kapacitet, fordi modeller, der kan hjælpe med at udvikle fremtidige AI-systemer, også kan medføre nye sikkerhedsrisici, såsom at accelerere udviklingen hurtigere, end sikkerhedsforanstaltninger eller menneskeligt tilsyn kan tilpasses.
For at håndtere disse risici har vi indbygget mere tilsyn og flere kontrolmekanismer i den måde, vi træner og udruller vores modeller på. Før vi udvidede den interne adgang til GPT-6.2 Astra, evaluerede vi dens alignment og kontrollerede på hvert trin, at de nødvendige sikkerhedsforanstaltninger var på plads. Vi styrkede isoleringen af vores forskningsmiljøer og testede disse beskyttelser med vores mest kapable modeller. Vi udviklede også Control Room, et system, der holder styr på forskningskørsler og kan standse yderligere modeloutput, når der er behov for at gribe ind. Vores udvidede overvågning undersøger modellernes ræsonnering og handlinger på tværs af interne kørsler og understøttede eksterne implementeringer. Den kan automatisk markere uautoriseret adfærd og, hvor det understøttes, sætte kørsler eller samtaler på pause.
Alignment
Begge modeller præsterede på niveau med GPT-6 Astra i de fleste evalueringer af alignment og foretog færre uretmæssige handlinger i simulerede arbejdsopgaver. I to tests var de dog mere tilbøjelige til at undlade at nævne hindringer, der blokerede deres arbejde, såsom en manglende fil eller et utilgængeligt søgeværktøj. Vi tilføjede instruktioner i Codex, som reducerer disse udeladelser betydeligt, og vi fortsætter med at undersøge adfærden.
Priser og tilgængelighed
Fra i dag er GPT-6.2 Astra og Sol tilgængelige for alle Plus-, Pro-, Enterprise- og Edu-brugere i ChatGPT Work og Codex. Pro 500-abonnenter kan bruge Ultrafast med begge modeller. For første gang gør vi også Ultrafast tilgængelig for Pro 200-abonnenter, i første omgang med GPT-6.2 Sol. Berettigede Enterprise- og Edu-brugere får samme adgang, når administratoren for deres arbejdsområde aktiverer den. Udviklere kan også få adgang til gpt-6.2-astra og gpt-6.2-sol gennem OpenAI API'et, hvor Ultrafast er tilgængelig for begge modeller fra lanceringen.
GPT‑6.2 Astra koster markant mindre pr. opgave end GPT‑6 Astra takket være mere effektivt tokenforbrug, en rabat på 20 % på input- og outputtokens og en større rabat på 60 % på cachelagrede inputtokens. Standardpriserne i API'et pr. million tokens er 8 USD for input, 0,40 USD for cachelagret input og 40 USD for output. GPT‑6.2 Sol viderefører GPT‑6.1 Sols priser på 2 USD for input, 0,10 USD for cachelagret input og 10 USD for output pr. million tokens.
For GPT-6.2 Astra og Sol anbefaler vi at beholde promptpræfikser uændrede og tilføje nye instruktioner(åbner i et nyt vindue) til samtalen for at forbedre genbrug af cache, bidrage til lavere omkostninger og latenstid og bevare ræsonnering på tværs af interaktioner.
Forfatter
Footnotes
- 1
Resultaterne for Fable 5.2 på Terminal-Bench-Science 0.1 er som rapporteret af Artificial Analysis(åbner i et nyt vindue) med mini-swe-agent som harness. Anthropic rapporterede en score på 74,6 % for Fable 5.2 med maksimal ræsonnering i Claude Code.



