GPT-6.1Sol

Tá GPT-6.1 Sol á thabhairt isteach againn, uasghrádú ar GPT-6 Sol a mheaitseálann beagnach intleacht GPT-6 Astra i gcódú gníomhaireach, in úsáid ríomhaire agus in obair ghairmiúil, ar an gcúigiú cuid de ghnáthphraghsanna téacschomharthaí ionchuir agus aschuir Astra. Ní chosnaíonn ionchur i dtaisce ach $0.10 in aghaidh an mhilliúin téacschomhartha— 95% níos lú ná praghas caighdeánach an ionchuir agus 50% níos lú ná praghas ionchuir i dtaisce GPT-6 Sol — rud a thugann níos mó scóipe d’fhorbróirí gníomhairí cumasacha a thógáil agus a rith a athúsáideann comhthéacs idir iarratais.

Sol níos cumasaí thar raon tascanna

Cuireann GPT-6.1 Sol cothromaíocht nua idir cumas agus costas ar fáil don obair thábhachtach laethúil. Tá sé i bhfad níos fearr ná GPT-6 Sol ar thascanna gairmiúla casta, ó chód a scríobh agus a dhífhabhtú go doiciméid a thuiscint agus sreafaí oibre gnó ilchéimneacha a chur i gcrích. I roinnt de na meastóireachtaí seo, tagann sé gar d’fheidhmíocht GPT-6 Astra ar chostas i bhfad níos ísle.

Códú

Ar DeepSWE v1.1, a dhéanann measúnú ar thascanna casta innealtóireachta bogearraí i bhfíorbhunachair chóid, tá GPT-6.1 Sol ar chomhchéim le GPT-6 Astra ar thart ar an gcúigiú cuid den chostas. Sáraíonn sé an scór is fearr de chuid GPT-6 Sol faoi 6.4 pointe céatadáin, le níos lú iarrachta réasúnaíochta agus ar chostas níos ísle.

Obair ghairmiúil

Tomhaiseann GDP.pdf cruinneas freagraí samhlacha ar cheisteanna gairmiúla bunaithe ar dhoiciméid chasta PDF ina bhfuil táblaí, cairteacha, léaráidí agus sonraí sa chló beag. Air sin, faigheann GPT-6.1 Sol scór níos airde ná Opus 5.5 le roghanna cúltaca ar níos lú ná leath an chostais in aghaidh an taisc, thar na socruithe réasúnaíochta a tástáladh. Tagann sé gar freisin d’fheidhmíocht úrscothach GPT-6 Astra ar thart ar an gcúigiú cuid den chostas in aghaidh an taisc.

Ar AutomationBench, a thomhaiseann cé acu a chuireann gníomhairí sreafaí oibre gnó ilchéimneacha i gcrích i gceart, faigheann GPT-6.1 Sol scór atá 2.2 pointe céatadáin os cionn Opus 5.5 ag leibhéal meánach iarrachta réasúnaíochta, ar thart ar an tríú cuid den chostas. Tá an scór sin 4.8 pointe céatadáin níos airde freisin ná scór GPT-6 Sol ag an socrú céanna.

Úsáid ríomhaire

Déanann GPT-6.1 Sol dul chun cinn suntasach freisin ar thascanna a éilíonn idirghníomhú le feidhmchláir ríomhaire. Ar thacar as líne OSWorld 2.0, a dhéanann measúnú ar ghníomhairí i sreafaí oibre dúshlánacha a bhaineann le húsáid ríomhaire, sáraíonn GPT-6.1 Sol GPT-6 Sol faoi sheacht bpointe céatadáin ag an uasleibhéal iarrachta réasúnaíochta, ar níos lú ná leath an chostais. Tagann sé laistigh de 2.1 pointe céatadáin de scór Astra ag an uasleibhéal iarrachta réasúnaíochta, ar thart ar an seachtú cuid den chostas in aghaidh an taisc.

Taighde eolaíoch

Ar Terminal-Bench Science 0.1, a dhéanann measúnú ar shreafaí oibre eolaíocha lena n-áirítear anailís sonraí, ionsamhlú agus cruthú teoirimí, faigheann GPT-6.1 Sol breis agus dhá oiread scór GPT-6 Sol ag an uasleibhéal iarrachta réasúnaíochta, ar níos lú ná leath an chostais in aghaidh an taisc. Ag an uasleibhéal iarrachta, cosnaíonn GPT-6.1 Sol $5.47 in aghaidh an taisc ar an meán, i gcomparáid le $23.21 do Opus 5.5 agus $23.80 do Astra. Cuireann sé cumas suntasach eolaíoch ar fáil ar chostas atá breis agus 75% níos ísle ná costas ceachtar samhla.

Faigheann GPT-6 Astra an scór is airde fós i measc na samhlacha a tástáladh, ag 68.1%, agus ba cheart é a úsáid do na tascanna taighde eolaíoch is deacra.

Cruinneas fíorasach

Feabhsaíonn GPT-6.1 Sol cruinneas fíorasach ar leideanna deacra freisin. Tagann an feabhas is mó atá déanta aige ar chruinneas fíorasach i gcomparáid le GPT-6 Sol ag leibhéal íseal iarrachta réasúnaíochta, áit a laghdaíonn sé céatadán na bhfreagraí ina bhfuil earráid fhíorasach ó 11.4% go 7.7%—laghdú de thart ar 32%. Ar fud na socruithe réasúnaíochta a tástáladh, fanann a ráta earráidí laistigh de 1.9 pointe céatadáin de ráta GPT-6 Astra, agus cosnaíonn gach tasc níos lú ná an cúigiú cuid den chostas.

Tomhaiseann an mheastóireacht seo an céatadán freagraí ina bhfuil earráid fhíorasach amháin ar a laghad, i gcomhráite ar baineadh sonraí aitheantais díobh agus inar thuairiscigh úsáideoirí earráid ó shamhail níos luaithe. Tá na leideanna seo deacair d’aon ghnó agus ní léiríonn siad gnáthúsáid.

GPT-6.1 Sol a imscaradh go sábháilte

Léiríonn GPT-6.1 Sol feabhsuithe suntasacha ar GPT-6 Sol inár meastóireachtaí ailínithe, rud a thugann níos gaire do GPT-6 Astra é.

Tá GPT-6.1 Sol níos trédhearcaí faoina theorainneacha agus níos iontaofa maidir le rún an úsáideora agus srianta sábháilteachta a urramú. I meastóireachtaí dúshlánacha, léiríonn sé rátaí teipe níos ísle ná GPT-6 Sol maidir le trédhearcacht faoi uirlisí cuardaigh atá as feidhm, srianta sainráite a urramú agus torthaí neamhúdaraithe a sheachaint le linn tascanna gníomhaireacha. Níor thugamar aon iarracht faoi deara ar athbhreithneoir sábháilteachta uathoibríoch a sheachaint, díreach mar a bhí le GPT-6 Astra agus GPT-6 Sol. Tá na sonraí iomlána le fáil san aguisín le cárta córais GPT-6.1 Sol⁠(osclaíonn i bhfuinneog nua).

Déanann na meastóireachtaí thíos tástáil ar chásanna dúshlánacha d’aon ghnó agus ní thomhaiseann siad rátaí teipe sa ghnáthúsáid.

Praghsáil agus infhaighteacht

Tá GPT-6.1 Sol ar fáil ón lá inniu do gach úsáideoir Plus, Pro, Business, Enterprise agus Edu in ChatGPT Work agus Codex. Níl GPT-6.1 Sol ar fáil in Chat fós. Is féidir le forbróirí rochtain a fháil air freisin trí API OpenAI mar gpt-6.1-sol. Is iad a ghnáthphraghsanna API ná $2 in aghaidh an mhilliúin téacschomharthaí ionchuir, $0.10 in aghaidh an mhilliúin téacschomharthaí ionchuir i dtaisce agus $10 in aghaidh an mhilliúin téacschomharthaí aschuir. Sna laethanta amach romhainn, cuirfimid GPT-6.1 Sol Ultrafast⁠ ar fáil freisin, le giniúint téacschomharthaí suas le 8x níos tapa i gcomparáid lena ghnáthluas in Codex.