OpenAI

Tutvustame mudelit GPT-6.2 Astra ja Sol

Uus standard professionaalseks tööks

Proovi ChatGPT Workis(avaneb uues aknas)

Tutvustame mudelit GPT‑6.2 Astra, meie uut tipptasemel mudelit sinu kõige keerukamate projektide jaoks, ning mudelit GPT‑6.2 Sol, meie tõhusat ja mitmekülgset mudelit igapäevatööks. Mõlemad mudelid saavutavad nõudlikes ülesannetes paremaid tulemusi väiksema arvu väljundtokenitega, nii et saad oma kasutuslimiitide piires rohkem tehtud. Ettevõtetele ja arendajatele tähendab see tipptasemel jõudlust kuludega, mis on mõistlikud ka suures mahus kasutamisel.

GPT‑6.2 Astra seab keerukas erialatöös AI-le uue kvaliteeditaseme. Selle slaidid, arvutustabelid ja dokumendid mõjuvad vähem AI looduna ning järgivad täpsemalt sinu antud malle ja valdkonna tavasid. See kirjutab puhtamat koodi ning loob parema välimuse ja toimivusega kasutajaliideseid, eriti veebisaitide, mängude ja 3D-disaini jaoks.

Mitmeetapilist erialast tööd hindavas testis Agents’ Last Exam püstitab GPT‑6.2 Astra uue tipptulemuse, edestades mudelit GPT‑6 Astra 5,2 punktiga vähem kui kolmandiku kuluga ning mudelit Claude Fable 5.2 5,5 punktiga vaid 5% kuluga.

Agents’ Last Exam hindab mudeleid pikaajaliste erialaste töövoogude põhjal. Selle edetabelis ei hõlma Fable 5.2 tulemused üheksat ülesannet, milles kasutati varumudelit.

Usume, et GPT-6.2 Astra on teadlaste jaoks maailma parim mudel. See püstitab uue tipptulemuse testis Terminal-Bench-Science 0.1, mis hindab, kui hästi suudavad mudelid terminalis teadustööd teha. GPT-6.2 Astra tulemus on GPT-6 Astra omast 9 protsendipunkti kõrgem, samal ajal kui kulu on alla kolmandiku. Samuti püstitab see uue tipptulemuse testis Vals Science Index, milles mudelid peavad tõlgendama tegelikke bioloogilisi andmeid ja tegema katseid, et välja selgitada simuleeritud süsteemi toimimine.

API-s on GPT‑6.2 Astra sisend- ja väljundtokenite hinnad GPT‑6 Astra omadest 20% madalamad ning vahemällu salvestatud sisendi hind 60% madalam (miljoni tokeni hind on sisendi puhul 8 dollarit, vahemällu salvestatud sisendi puhul 0,40 dollarit ja väljundi puhul 40 dollarit). GPT‑6.2 Sol säilitab GPT‑6.1 Soli API-tokenite hinnad. Mitmes võrdlustestis lähenevad mõlemad mudelid teiste juhtivate mudelite tulemustele või ületavad neid, kusjuures kulu ülesande kohta on vaid väike osa nende kulust.

GPT-6.2 Sol: meie esimene valik igapäevatööks

Võrreldes mudeliga GPT‑6.1 Sol on GPT‑6.2 Sol nutikam ja tõhusam ning võimaldab sama tasulise paketiga rohkem ülesandeid täita. See tuleb jõudsalt toime mitmeetapiliste agentsete töövoogudega, kirjutab selgelt ja loomulikult ning sellega on lihtne koostööd teha. Paljud OpenAI töötajad kasutavad seda vaikimisi mudelina nii tehniliste kui ka mittetehniliste ülesannete jaoks.

Cognitioni testis FrontierCode 2.0 jääb GPT‑6.2 Sol mudelist GPT‑6.2 Astra maha vähem kui 0,5 punktiga, kuid kulu on ligikaudu viiendik (mõlemal eelseadistusega Max).

FrontierCode 2.0 hindab, kas tegelikes koodibaasides tehtud muudatused vastavad haldajate nõuetele koodi ühendamiseks.

Kiirus ja nutikus teevad sellest ideaalse valiku ka oluliste ülesannete jaoks, mille lahendamisel inimesed pöörduvad AI poole väljaspool tööd. Meie hiljuti avaldatud LifeVali⁠ testis, mis mõõdab toimetulekut keerukate igapäevaülesannetega, edestab GPT‑6.2 Sol mudelit GPT‑6 Astra ligikaudu seitsmendiku kuluga.

LifeVal testib, kui hästi tulevad mudelid toime inimese vajadustele kohandatud igapäevaülesannetega, näiteks sobivate lasteaedade väljavalimisega pärast kolimist, pere eelarve ja töölesõiduga sobiva kodu leidmisega või toidukordade kavandamisega lapsevanemale, kes kohaneb uue diagnoosiga.

Erialased töötulemused, mis vastavad valdkonna standarditele

Treenisime mudelit GPT‑6.2 Astra looma selgemaid ja paremini kujundatud slaide, arvutustabeleid ja dokumente, mis järgivad täpsemalt õigus-, müügi-, finants- ja raamatupidamisvaldkonna spetsialistide tavasid. Tekst on otsekohesem ja konkreetsem ning sisaldab vähem üldsõnalisi järeldusi ja täiteteksti.

Harvey LAB‑AA v1.1 testib õigusülesannete abil, kas mudelid suudavad leida lähtedokumentidest asjakohased faktid, rakendada neid üksikasjaliku lähteülesande täitmisel ja koostada täpse, kõigile nõuetele vastava lõpptulemuse. GPT‑6.2 Astra püstitab uue tipptulemuse: edukalt läbitud ülesannete osakaal on enam kui kaks korda suurem kui mudelil Claude Fable 5.2, samal ajal kui kulu on ligikaudu kuuendik. OpenAI õigusvaldkonnale⁠, meie juristidele mõeldud GPT-6.2 Astra konfiguratsioon, saavutab selles võrdlustestis veelgi parema tulemuse.

Harvey LAB‑AA testib õigustööd, näiteks lepingutingimuste läbivaatamist. Selle põhinäitajas läheb tulemus arvesse ainult siis, kui see vastab kõigile hindamiskriteeriumidele ega sisalda olulisi hallutsinatsioone.

Meie sisemine võrdlustest GDPval v2 on GDPvali⁠ järgmine versioon, mis hindab keerukaid pikaajalisi töövooge tegelikest projektidest näiteks nõustamise, rahanduse ja disaini valdkonnas. GPT‑6.2 Astra on meie testitud mudelite seas esikohal, edestades mudelit GPT‑6 Astra 6,2 protsendipunktiga ja kasutades samal ajal 22% vähem väljundtokeneid. GPT‑6.2 Sol parandab GPT‑6.1 Soli tulemust 5,3 punkti võrra.

GDPval v2 koosneb pikaajalistest teadmistepõhise töö ülesannetest, mis pärinevad tegelikest projektidest näiteks rahanduse, andmeteaduse, biotehnoloogia ja turunduse valdkonnas.

Töövihikud ja memod

Väärtuse hindamise töövihiku või investeerimismemo koostamine algab lähtefailidest asjakohaste arvandmete leidmise ja nende omavaheliste seoste väljaselgitamisega. Artificial Analysise AA‑AnalystAgent testib seda tööd tegelike arvutustabelite ja aruannete põhjal. Ühes ülesandes kasutavad mudelid California Medicaidi kuluaruandeid, et arvutada, kui palju kulutas programm meditsiinitranspordile. GPT‑6.2 Astra püstitab uue tipptulemuse, vastates 62,5%-le küsimustest õigesti kõigil viiel sõltumatul katsel.

Slaidiesitlused

GPT‑6.2 Astra on meie seni parim mudel slaidide kujundamises ja slaidimallide järgimises, olgu ette antud originaalfail või kas või kuvatõmmis. See suudab jäljendada paigutust, värve ja tüpograafiat täpse fondisuuruseni välja ning kanda malli kirjutamisstiili üle uutele slaididele. Esimesed testijad leidsid, et esitlusi oli lihtsam kohe kasutada ja need vajasid vähem muudatusi, sest pealkirjad tõid välja peamise järelduse ning lühike sisutekst keskendus lugejale vajalikele üksikasjadele.

1 / 4
“

Hindasime GPT-6.2 Astra võimet muuta tihe teave loetavateks ülevaadeteks ja infograafikaks nii tehnilise kui ka mittetehnilise taustaga lugejatele. Näidete seas olid kauplemisülevaated ja agentsete töövoogude skeemid.

GPT-6.2 Astra dokumendid olid GPT-6 Astra omadest märgatavalt paremad. Tekst ja diagrammid tegid ülevaate põhipunktide leidmise palju lihtsamaks ning skeemid aitasid keerukaid süsteeme mõista, näidates nende osade koostööd.

”
Marquis Wong, AI peainsener, IMC

Arvutikasutus ja interaktiivne veebidisain

GPT‑6.2 Astra täpsem arvutikasutus võimaldab sellel CAD- ja simulatsioonitööriistades töötada üksikute detailide ja ühenduste tasandil. Insenerid saavad seda suuremat detailsust kasutada komponentide sobivuse kontrollimiseks, koormuste ümberjaotumise jälgimiseks konstruktsiooni liikumisel ning muudatuste katsetamiseks enne prototüübi ehitamist.

Sõidusimulatsioon

Palusime GPT‑6.2 Astral visualiseerida auto veermiku dünaamikat mägiteel. Astra lõi 3D-mudeli ja kirjutas Pythonis lahendaja, et simuleerida rehvide ja vedrustuse keerukat dünaamilist vastasmõju, ning animeeris tulemused seejärel Blenderis. See võimaldab inseneridel kiiresti katsetada uusi konstruktsioone ja parandada aja jooksul simulatsioonide täpsust.

Mehaaniline projekteerimine ja koostamine

GPT‑6.2 Astra suudab modelleerida mehaanilist süsteemi detailhaaval, võimaldades inseneridel näidata selle kokkupanekut ja katsetada, kuidas konstruktsioonimuudatused selle käitumist mõjutavad.

CAD-ist paberist lambini

Meie meeskond kasutas mudelit GPT‑6.2 Astra, et luua lamp Chicago Marina City tornide kaarjate rõdude põhjal. Video jälgib disaini valmimist alates võrdlusfotodest ja CAD-mudeli muudatustest kuni käsitsi kokku pandud lambini. GPT-6.2 Astra loodud veebisaidi abil saad valmistada oma paberist lambi.

GPT‑6.2 Astra rakendab veebidisainis tugevamat visuaalset arutlust: see valib igale saidile omanäolise ilme andva paigutuse ja pildimaterjali ning loob elemente saidi tegelikust eesmärgist lähtudes.

Need edusammud visuaalses arutluses ja arvutikasutuses kanduvad üle ka 3D-disaini. GPT‑6.2 Astra ja Sol suudavad muuta kirjaliku lähteülesande interaktiivseks brauserielamuseks, alates mängitavast flipperilauast kuni Colosseumi rekonstruktsioonini, mida saab eri nurkade alt uurida. Artificial Analysise AA‑3D testis proovivad inimhindajad kaht sama viiba põhjal loodud interaktiivset lahendust, teadmata, milline mudel need lõi, ning hääletavad oma eelistuse poolt. GPT‑6.2 Astra on esikohal 1318 Elo punktiga, sellele järgnevad Claude Fable 5.2 tulemusega 1271 ja GPT‑6.2 Sol tulemusega 1259.

“

GPT-6.2 Astra on loovtöös tohutu edasiminek. See teeb võimalikuks Higgsfield Miracle’i, võimaldades reaalajas videotöötlust pikslitäpsusega ja andes loojatele täieliku loomingulise kontrolli. Meie sisemistes 3D-genereerimise hindamistes saavutas see soovitud tulemuse esimesel katsel 73% juhtudest, samal ajal kui GPT-6 Astra vajas kolme või enamat iteratsiooni. See säästab meie loovmeeskonnal palju aega ja võimaldab tõhusamaid, täielikult agentseid töövooge.

”
Alex Mashrabov, tegevjuht ja kaasasutaja, Higgsfield AI

Tõhusad töövood ja puhtam koodistiil

GPT‑6.2 Astra otsustab paremini, kuidas ülesannet täita, sealhulgas millised tööriistad ja kui suur pingutus töövooga sobivad ning millal kasutada pistikprogramme ja millal arvutit vahetult juhtida.

Programmeerimisel on GPT-6.2 Astra parem olemasolevates koodibaasides keerukate muudatuste rakendamisel ja testimisel. Esimesed testijad tõid esile puhtama koodistiili ja sihipärasemad testid ning väiksema parandusringide arvu.

Küberturbevõimekus

GPT‑6.2 Astra ja GPT-6.2 Sol tähistavad järjekordset olulist hüpet kübervõimekuses. Need leiavad ja kasutavad turvanõrkusi tõhusamalt, kirjutavad turvalisemat koodi ja loovad paremaid paiku, kasutades mitmes hindamises tokeneid märkimisväärselt tõhusamalt. Nagu GPT‑6 Astra⁠, vastavad ka 6.2 Astra ja Sol meie Valmisoleku raamistiku⁠ küberturbe kriitilise taseme lävendile.

Suurenenud võimekuse tõttu toome GPT‑6.2 Astra ja Soli turule rangemate kaitsemeetmetega suurema riskiga küberturbealase abi jaoks. Need kaitsemeetmed vähendavad väärkasutuse riski, kuid piiravad ka mõningaid õiguspäraseid haavatavuste uurimise ja turvatestimise töövooge. OpenAI Daybreaki⁠ kaudu saavad küberkaitsjad praegu lisaks GPT-6 Astra alfaversioonile kasutada Daybreak Blues mudelit GPT‑6 Sol, mis keeldub küberturbealastest päringutest harvem, ning Daybreak Redis mudelit GPT‑6 Cyber⁠ põhjalikuks volitatud turvatestimiseks. Töötame selle nimel, et tuua GPT‑6.2 mudelid Daybreaki.

Allpool toome esile olulisemad võrdlustestide tulemused, mis saadi sisemiste testiseadistustega, kus küberturbe kaitsemeetmed ja klassifikaatorid olid välja lülitatud. Täielikud tulemused ja metoodika leiad kaasasolevalt süsteemikaardilt⁠(avaneb uues aknas).

Eelise andmine küberkaitsjatele

Arendajad toetuvad tootmiskasutusse mõeldud tarkvara kirjutamisel üha enam programmeerimisagentidele, samal ajal kui võimekamad agendid muudavad turvanõrkuste leidmise ja ärakasutamise lihtsamaks. PHP2Shell⁠(avaneb uues aknas) näitas, kuidas AI saab aidata teadlastel kriitilisi vigu avastada. GPT‑6.2 Astra ja Soli puhul seadsime keskmesse kaitsevõimekuse ning võtsime kasutusele uued treenimissignaalid, et aidata arendajatel neid vigu ennetada ja parandada: kirjutada turvalist koodi algusest peale ning luua paiku, mis säilitavad ettenähtud käitumise.

Ohutus ja kooskõla inimeste eesmärkidega

Võtame GPT-6.2 Astra ja Soli kasutusele oma seni tugevaimate kaitsemeetmetega. Oleme karmistanud piiranguid ja tugevdanud süsteeme, millega jälgime mudeleid⁠ ning vajaduse korral sekkume⁠.

Nagu GPT-6 Astra, ületavad nii GPT-6.2 Astra kui ka Sol meie Valmisoleku raamistiku⁠ järgi lisaks küberturbe kriitilise taseme lävendile ka bioloogilise ja keemilise võimekuse kõrge taseme lävendi. Oleme rakendanud kaitsemeetmeid kaasnevate riskide maandamiseks ning karmistanud piiranguid teatud bioloogia- ja küberturbealastele päringutele, millel võib olla kahesugune kasutusotstarve.

Lisateavet meie kaitsemeetmete ja testimise kohta leiad GPT-6.2 süsteemikaardilt⁠(avaneb uues aknas).

AI uurimisvõimekus ja kaitsemeetmed

GPT-6.2 Astra on meie esimene väljaspool ettevõtet kättesaadavaks tehtud mudel, mis ületab kõrge taseme lävendi AI enesetäiustamise kategoorias, mis mõõdab mudeli suutlikkust kiirendada AI-uuringuid. Kõrge tase tähendab meie hinnangul seda, et mudeli mõju on võrreldes 2024. aasta lähtetasemega samaväärne sellega, kui iga OpenAI teadlane saaks endale täiendava, väga võimeka teadusinseneri abiliseks. Jälgime seda võimekust, sest tulevaste AI-süsteemide arendamisele kaasa aitavad mudelid võivad kaasa tuua ka uusi ohutusriske, näiteks kiirendada arengut rohkem, kui kaitsemeetmed või inimjärelevalve suudavad sellega kohaneda.

Nende riskide maandamiseks oleme lisanud mudelite treenimisse ja kasutuselevõttu rohkem järelevalve- ja kontrollimeetmeid. Enne GPT-6.2 Astra ettevõttesisese kättesaadavuse laiendamist hindasime selle kooskõla inimeste eesmärkide ja väärtustega ning kontrollisime igas etapis nõutud kaitsemeetmete olemasolu. Tugevdasime oma uurimiskeskkondade isolatsiooni⁠ ja katsetasime neid kaitsemeetmeid oma kõige võimekamate mudelitega. Samuti lõime Control Roomi⁠, süsteemi, mis jälgib uurimisülesannete täitmist ja saab sekkumise vajaduse korral mudeli edasise väljundi peatada. Meie laiendatud seire⁠ uurib mudelite arutlust ja tegevusi nii ettevõttesiseste ülesannete kui ka toetatud väliste kasutusjuhtude puhul. See suudab automaatselt juhtida tähelepanu volitamata käitumisele ning seal, kus see on toetatud, peatada ülesannete täitmise või vestlused.

Kooskõla inimeste eesmärkidega

Mõlemad mudelid saavutasid enamikus inimeste eesmärkidega kooskõla hindamistes GPT-6 Astraga sarnaseid tulemusi ja tegid simuleeritud tööülesannetes vähem lubamatuid toiminguid. Kahes testis jätsid need aga sagedamini mainimata takistused, mis nende tööd tõkestasid, näiteks puuduva faili või kättesaamatu otsingutööriista. Lisasime Codexisse juhised, mis vähendavad neid väljajätmisi märkimisväärselt, ning jätkame selle käitumise uurimist.

Hinnad ja saadavus

Alates tänasest on GPT-6.2 Astra ja Sol saadaval kõigile Plusi, Pro, Enterprise’i ja Edu kasutajatele ChatGPT Workis ja Codexis. Pro 500 tellijad saavad kasutada Ultrafasti mõlema mudeliga. Esimest korda toome Ultrafasti ka Pro 200 tellijateni, alustades mudelist GPT-6.2 Sol. Nõuetele vastavad Enterprise’i ja Edu kasutajad saavad sama juurdepääsu, kui nende tööjaama administraator selle lubab. Arendajad saavad mudeleid gpt-6.2-astra ja gpt-6.2-sol kasutada ka OpenAI API kaudu ning Ultrafast on mõlema mudeli jaoks saadaval kohe turuletoomisel.

GPT‑6.2 Astra kulu ülesande kohta on GPT‑6 Astra omast märgatavalt väiksem tänu tõhusamale tokenikasutusele, 20% madalamale sisend- ja väljundtokenite hinnale ning veelgi suuremale, 60% hinnalangusele vahemällu salvestatud sisendtokenite puhul. API tavahinnad miljoni tokeni kohta on sisendi puhul 8 dollarit, vahemällu salvestatud sisendi puhul 0,40 dollarit ja väljundi puhul 40 dollarit. GPT‑6.2 Sol säilitab GPT‑6.1 Soli hinnad: miljoni tokeni kohta 2 dollarit sisendi, 0,10 dollarit vahemällu salvestatud sisendi ja 10 dollarit väljundi eest.

GPT-6.2 Astra ja Soli puhul soovitame vahemälu taaskasutuse parandamiseks, kulude ja latentsuse vähendamiseks ning arutluse säilitamiseks vestlusvoorude vahel jätta viipade prefiksid muutmata ja lisada uued juhised⁠(avaneb uues aknas) vestluse lõppu.

Autor

OpenAI

Footnotes

  1. 1

    Fable 5.2 tulemused testis Terminal-Bench-Science 0.1 pärinevad Artificial Analysiselt⁠(avaneb uues aknas) ja on saadud mini-swe-agent täitmiskeskkonnas. Anthropicu teatel saavutas Fable 5.2 Claude Code’is maksimaalse arutluse korral tulemuse 74,6%.