GPT-6.1Sol

Presentamos GPT-6.1 Sol, una actualización de GPT-6 Sol cuya inteligencia en programación con agentes, uso de la computadora y trabajo profesional casi iguala la de GPT-6 Astra por una quinta parte de los precios estándar de Astra para tokens de entrada y salida. La entrada en caché cuesta solo $0,10 por millón de tokens: un 95 % menos que el precio estándar de entrada y un 50 % menos que el precio de entrada en caché de GPT-6 Sol, lo que da a los desarrolladores más margen para crear y ejecutar agentes capaces que reutilicen el contexto en distintas solicitudes.

Un Sol más capaz en todo tipo de tareas

GPT-6.1 Sol ofrece un nuevo equilibrio entre capacidad y costo para las tareas cotidianas importantes. Mejora sustancialmente respecto a GPT-6 Sol en tareas profesionales complejas, desde escribir y depurar código hasta comprender documentos y ejecutar flujos de trabajo empresariales de varios pasos. En varias de estas evaluaciones, se acerca al rendimiento de GPT-6 Astra con un costo considerablemente menor.

Programación

En DeepSWE v1.1, que evalúa tareas complejas de ingeniería de software en bases de código reales, GPT-6.1 Sol iguala a GPT-6 Astra a aproximadamente una quinta parte del costo, y supera la mejor puntuación de GPT-6 Sol por 6,4 puntos porcentuales con menor esfuerzo de razonamiento y costo.

Trabajo profesional

En GDP.pdf, que mide la precisión con la que los modelos responden preguntas profesionales a partir de documentos PDF complejos con tablas, gráficos, diagramas y detalles en letra pequeña, GPT-6.1 Sol supera la puntuación de Opus 5.5 con modelos de respaldo a menos de la mitad del costo por tarea en las configuraciones de razonamiento evaluadas. También se acerca al rendimiento líder de GPT-6 Astra a aproximadamente una quinta parte del costo por tarea.

En AutomationBench, que mide si los agentes completan correctamente flujos de trabajo empresariales de varios pasos, GPT-6.1 Sol supera a Opus 5.5 por 2,2 puntos porcentuales con un esfuerzo de razonamiento medio, a aproximadamente un tercio del costo. Esa puntuación también supera por 4,8 puntos porcentuales la de GPT-6 Sol con la misma configuración.

Uso de la computadora

GPT-6.1 Sol también logra avances sustanciales en tareas que requieren interactuar con aplicaciones de computadora. En el conjunto sin conexión de OSWorld 2.0, que evalúa a los agentes en flujos de trabajo exigentes con uso de la computadora, GPT-6.1 Sol supera a GPT-6 Sol por siete puntos porcentuales con el máximo esfuerzo de razonamiento, a menos de la mitad del costo. Queda a solo 2,1 puntos porcentuales de la puntuación de Astra con el máximo esfuerzo de razonamiento, a aproximadamente una séptima parte del costo por tarea.

Investigación científica

En Terminal-Bench Science 0.1, que evalúa flujos de trabajo científicos como el análisis de datos, la simulación y la demostración de teoremas, GPT-6.1 Sol obtiene más del doble de la puntuación de GPT-6 Sol con el máximo esfuerzo de razonamiento, a menos de la mitad del costo por tarea. Con el esfuerzo al máximo, GPT-6.1 Sol cuesta en promedio $5,47 por tarea, frente a $23,21 de Opus 5.5 y $23,80 de Astra, y ofrece una capacidad científica considerable a un costo más de un 75 % menor que el de cualquiera de los dos modelos.

GPT-6 Astra sigue obteniendo la puntuación más alta entre los modelos evaluados, con un 68,1 %, y es el que se debe usar para las tareas de investigación científica más difíciles.

Precisión factual

GPT-6.1 Sol también mejora la precisión factual con prompts difíciles. Su mayor mejora en cuanto a precisión factual respecto a GPT-6 Sol se produce con un esfuerzo de razonamiento bajo, donde reduce la proporción de respuestas que contienen un error factual del 11,4 % al 7,7 %: una reducción de aproximadamente el 32 %. En las configuraciones de razonamiento evaluadas, su tasa de error se mantiene a menos de 1,9 puntos porcentuales de la de GPT-6 Astra, por menos de una quinta parte del costo por tarea.

Esta evaluación mide la proporción de respuestas que contienen al menos un error factual en conversaciones sin datos identificables en las que los usuarios señalaron un error de un modelo anterior. Estos prompts deliberadamente difíciles no son representativos del uso habitual.

Implementación segura de GPT-6.1 Sol

GPT-6.1 Sol muestra mejoras sustanciales respecto de GPT-6 Sol en nuestras evaluaciones de alineación, lo que lo acerca a GPT-6 Astra.

GPT-6.1 Sol es más transparente sobre sus limitaciones y más confiable a la hora de respetar la intención del usuario y las restricciones de seguridad. En evaluaciones exigentes, presenta tasas de fallas inferiores a las de GPT-6 Sol al informar sobre herramientas de búsqueda que no funcionan, respetar restricciones explícitas y evitar resultados no autorizados durante tareas con agentes. No observamos intentos de evadir a un revisor de seguridad automatizado, al igual que con GPT-6 Astra y GPT-6 Sol. Encontrarás todos los detalles en el anexo de la tarjeta del sistema de GPT-6.1 Sol⁠(se abre en una nueva ventana).

Las siguientes evaluaciones ponen a prueba deliberadamente situaciones difíciles y no miden las tasas de fallas en el uso habitual.

Precios y disponibilidad

GPT-6.1 Sol está disponible desde hoy para todos los usuarios de Plus, Pro, Business, Enterprise y Edu en ChatGPT Work y Codex. GPT-6.1 Sol aún no está disponible en Chat. Los desarrolladores también pueden acceder a él a través de la API de OpenAI como gpt-6.1-sol. Sus precios estándar en la API son de $2 por millón de tokens de entrada, $0,10 por millón de tokens de entrada en caché y $10 por millón de tokens de salida. En los próximos días, también ofreceremos GPT-6.1 Sol Ultrarrápido⁠, con una generación de tokens hasta 8 veces más rápida que su velocidad estándar en Codex.