אנחנו מציגים את GPT‑6.2 Astra, מודל החזית החדש שלנו לפרויקטים המאתגרים ביותר שלכם, ואת GPT‑6.2 Sol, המודל היעיל והרב-תכליתי שלנו לעבודה יומיומית. שני המודלים מספקים תוצאות טובות יותר במשימות תובעניות עם פחות טוקני פלט, כך שתוכלו להספיק יותר במסגרת מגבלות השימוש שלכם. לעסקים ולמפתחים, המשמעות היא ביצועים בחזית הטכנולוגיה בעלויות כדאיות גם בשימוש נרחב.
GPT‑6.2 Astra מציב רף איכות חדש ל-AI בעבודה מקצועית מורכבת. השקופיות, הגיליונות האלקטרוניים והמסמכים שהוא יוצר נשמעים פחות כמו תוצרים של AI, ותואמים יותר לתבניות שאתם מספקים ולמוסכמות המקובלות בתחום שלכם. הוא כותב קוד נקי יותר ובונה ממשקי קצה שנראים ופועלים טוב יותר, במיוחד באתרים, במשחקים ובעיצוב תלת-ממד.
ב-Agents’ Last Exam, שבוחן עבודה מקצועית מרובת שלבים, GPT‑6.2 Astra קובע שיא חדש: ציון גבוה ב-5.2 נקודות מזה של GPT‑6 Astra בפחות משליש מהעלות, וגבוה ב-5.5 נקודות מזה של Claude Fable 5.2 ב-5% בלבד מהעלות.
Agents’ Last Exam מעריך מודלים בתהליכי עבודה מקצועיים ממושכים. התוצאות של Fable 5.2 בטבלת הדירוג שלו אינן כוללות תשע משימות שבהן נעשה שימוש במודל גיבוי.
אנחנו מאמינים ש-GPT-6.2 Astra הוא המודל הטוב בעולם למדענים. הוא קובע שיא חדש ב-Terminal-Bench-Science 0.1, שבוחן עד כמה מודלים מסוגלים לבצע עבודה מדעית במסוף. GPT-6.2 Astra משיג ציון גבוה ב-9 נקודות אחוז מזה של GPT-6 Astra, בפחות משליש מהעלות. הוא קובע שיא חדש גם ב-Vals Science Index, שבו המודלים מתבקשים לפרש נתונים ביולוגיים אמיתיים ולהריץ ניסויים כדי להסיק כיצד פועלת מערכת מדומה.
ב-API, מחירי טוקני הקלט והפלט של GPT‑6.2 Astra נמוכים ב-20% מאלה של GPT‑6 Astra, עם הנחה של 60% על קלט שנשמר במטמון (8 דולר לקלט, 0.40 דולר לקלט שנשמר במטמון ו-40 דולר לפלט, הכול למיליון טוקנים). GPT‑6.2 Sol שומר על מחירי הטוקנים של GPT‑6.1 Sol ב-API. בכמה מבחני ביצועים, שני המודלים מתקרבים לביצועים של מודלים מובילים אחרים או עולים עליהם, בחלק קטן מהעלות למשימה.
GPT-6.2 Sol: המודל המועדף שלנו לעבודה יומיומית
בהשוואה ל-GPT‑6.1 Sol, GPT‑6.2 Sol חכם ויעיל יותר, ומאפשר לכם להשלים יותר משימות באותה תוכנית בתשלום. הוא מבצע ביעילות תהליכי עבודה אג'נטיים מרובי שלבים, כותב בצורה ברורה וטבעית, ונוח ואינטואיטיבי לעבוד איתו. עובדים רבים ב-OpenAI משתמשים בו כמודל ברירת המחדל שלהם, הן למשימות טכניות והן למשימות שאינן טכניות.
ב-FrontierCode 2.0 של Cognition, הציון של GPT‑6.2 Sol נמוך בלא יותר מ-0.5 נקודות מזה של GPT‑6.2 Astra, בכחמישית מהעלות (כששניהם מוגדרים לרמה מקסימלית).
FrontierCode 2.0 מעריך אם שינויים בבסיסי קוד אמיתיים עומדים בדרישות המיזוג של מתחזקי הקוד.
המהירות והתבונה שלו הופכות אותו לאידיאלי גם למשימות החשובות שאנשים נעזרים ב-AI כדי לבצע מחוץ לעבודה. בהערכת LifeVal שפרסמנו לאחרונה, המודדת ביצועים במשימות יומיומיות מאתגרות, GPT‑6.2 Sol משיג ציון גבוה מזה של GPT‑6 Astra בכשביעית מהעלות.
LifeVal בוחן עד כמה מודלים מצליחים להתמודד עם משימות יומיומיות המותאמות לצרכים אישיים, כגון גיבוש רשימה מצומצמת של גני ילדים לאחר מעבר דירה, מציאת בית שמתאים לתקציב המשפחה ולנסיעותיה לעבודה, או תכנון ארוחות להורה שמסתגל לאבחנה רפואית חדשה.
תוצרים מקצועיים שעומדים בסטנדרטים של התעשייה
אימנו את GPT‑6.2 Astra ליצור שקופיות, גיליונות אלקטרוניים ומסמכים ברורים ומעוצבים יותר, שתואמים טוב יותר את המוסכמות המקצועיות בתחומים כמו משפטים, מכירות, פיננסים וחשבונאות. הכתיבה ישירה וממוקדת יותר, עם פחות מסקנות כלליות ופחות מלל מיותר.
Harvey LAB‑AA v1.1 משתמש במטלות משפטיות כדי לבדוק אם מודלים מסוגלים לאתר את העובדות הרלוונטיות במסמכי המקור, ליישם אותן בהתאם להנחיות מפורטות ולהפיק תוצר מדויק שעומד בכל הדרישות. GPT‑6.2 Astra קובע רף ביצועים חדש, עם שיעור הצלחה הגבוה ביותר מפי שניים מזה של Claude Fable 5.2, בכשישית מהעלות. Astra for Law, התצורה שלנו ל-GPT-6.2 Astra המיועדת לעורכי דין, משיגה ציון גבוה אף יותר במבחן הביצועים הזה.
Harvey LAB‑AA בוחן עבודה משפטית כגון סקירת סעיפי חוזים. הציון הראשי שלו מעניק ניקוד רק כאשר תוצר עומד בכל קריטריוני ההערכה ואינו מכיל הזיות מהותיות.
מבחן הביצועים הפנימי שלנו GDPval v2 הוא הגרסה הבאה של GDPval, המודדת תהליכי עבודה מורכבים וממושכים מפרויקטים אמיתיים בתחומים כמו ייעוץ, פיננסים ועיצוב. GPT‑6.2 Astra מוביל בין המודלים שבדקנו, עם עלייה של 6.2 נקודות אחוז לעומת GPT‑6 Astra, תוך שימוש ב-22% פחות טוקני פלט. GPT‑6.2 Sol מציג שיפור של 5.3 נקודות לעומת GPT‑6.1 Sol.
GDPval v2 כולל מטלות ממושכות של עבודת ידע מפרויקטים אמיתיים בתחומים כמו פיננסים, מדע הנתונים, ביוטכנולוגיה ושיווק.
חוברות עבודה ומזכרים
בניית חוברת עבודה להערכת שווי או כתיבת מזכר השקעה מתחילות באיתור הנתונים הרלוונטיים בקובצי המקור ובהבנת הקשרים ביניהם. AA‑AnalystAgent של Artificial Analysis בוחן את העבודה הזאת באמצעות גיליונות אלקטרוניים ודוחות אמיתיים. באחת המשימות, המודלים משתמשים בדוחות ההוצאות של תוכנית Medicaid בקליפורניה כדי לחשב כמה הוציאה התוכנית על הסעות רפואיות. GPT‑6.2 Astra קובע שיא חדש, עם תשובות נכונות ל-62.5% מהשאלות בכל חמשת הניסיונות הבלתי תלויים.
מצגות
GPT‑6.2 Astra הוא המודל הטוב ביותר שלנו עד כה בעיצוב שקופיות ובהתאמה לתבניות של שקופיות, בין שמספקים לו קובץ מקורי ובין שאפילו רק צילום מסך. הוא יכול לשחזר את הפריסה, הצבעים והטיפוגרפיה עד לגודל הגופן המדויק, וליישם את סגנון הכתיבה של התבנית גם בשקופיות חדשות. בודקים מוקדמים מצאו שקל יותר להשתמש במצגות כפי שהן, עם פחות עריכות, בזכות כותרות שמציגות את המסקנה המרכזית וטקסט תמציתי שמתמקד בפרטים שהקוראים צריכים.
שימוש במחשב ועיצוב אתרים אינטראקטיבי
השימוש המדויק יותר של GPT‑6.2 Astra במחשב מאפשר לו לעבוד עד לרמת החלקים והחיבורים הבודדים בכלי CAD וסימולציה. מהנדסים יכולים לנצל את רמת הפירוט הנוספת הזאת כדי לבדוק כיצד רכיבים משתלבים זה בזה, לראות לאן העומסים עוברים כשהמנגנון המתוכנן נע, ולבחון שינויים לפני בניית אבטיפוס.
סימולציית נהיגה
ביקשנו מ-GPT‑6.2 Astra להמחיש את הדינמיקה של שלדת מכונית בכביש הררי. Astra יצר את מודל התלת-ממד וכתב פותר ב-Python כדי לדמות את הדינמיקה המורכבת בין הצמיגים למתלים, ואז יצר אנימציה של התוצאות ב-Blender. כך מהנדסים יכולים לבדוק במהירות תכנונים חדשים ולשפר את דיוק הסימולציה לאורך זמן.
תכנון מכני והרכבה
GPT‑6.2 Astra יכול למדל מערכת מכנית חלק אחר חלק, וכך לאפשר למהנדסים להמחיש כיצד היא מורכבת ולבדוק כיצד שינויים בתכנון משפיעים על התנהגותה.
מ-CAD למנורת נייר
הצוות שלנו השתמש ב-GPT‑6.2 Astra כדי להפוך את המרפסות בעלות הקצוות המעוגלים של מגדלי מרינה סיטי בשיקגו למנורה. הסרטון עוקב אחר תהליך העיצוב, מתמונות הייחוס, דרך תיקונים ב-CAD ועד למנורה פיזית שהורכבה ביד. האתר שיצר GPT-6.2 Astra מאפשר לכם ליצור מנורת נייר משלכם.
GPT‑6.2 Astra מביא יכולות reasoning חזותי משופרות לעיצוב אתרים: הוא בוחר פריסות ודימויים שמעניקים לכל אתר מראה ייחודי, ובונה רכיבים בהתאם למטרה האמיתית של האתר.
השיפורים האלה ב-reasoning חזותי ובשימוש במחשב באים לידי ביטוי גם בעיצוב בתלת-ממד. GPT‑6.2 Astra ו-Sol יכולים להפוך בריף כתוב לחוויה אינטראקטיבית בדפדפן, משולחן פינבול שאפשר לשחק בו ועד לשחזור של הקולוסיאום שאפשר לחקור מזוויות שונות. ב-AA‑3D של Artificial Analysis, שופטים אנושיים מתנסים בשתי חוויות שנבנו מאותו פרומפט, בלי לדעת איזה מודל יצר כל אחת מהן, ומצביעים לזו שהם מעדיפים. GPT‑6.2 Astra מדורג במקום הראשון עם דירוג Elo של 1,318, ואחריו Claude Fable 5.2 עם 1,271 ו-GPT‑6.2 Sol עם 1,259.
תהליכי עבודה יעילים עם סגנון קוד נקי יותר
ל-GPT‑6.2 Astra שיקול דעת טוב יותר בנוגע לאופן ביצוע משימה, כולל התאמת הכלים והמאמץ לתהליך העבודה והבחנה מתי להשתמש בתוספים ומתי לפעול באמצעות המחשב.
בתכנות, GPT-6.2 Astra טוב יותר במימוש ובבדיקה של שינויים מורכבים בבסיסי קוד קיימים. בודקים מוקדמים דיווחו על סגנון קוד נקי יותר ועל בדיקות ממוקדות יותר, עם פחות סבבי תיקונים.
יכולות אבטחת סייבר
GPT‑6.2 Astra ו-GPT-6.2 Sol מסמנים קפיצת מדרגה משמעותית נוספת ביכולות הסייבר. הם מאתרים ומנצלים חולשות ביעילות רבה יותר, כותבים קוד מאובטח יותר ומפיקים תיקונים טובים יותר, עם שיפור משמעותי ביעילות השימוש בטוקנים בכמה הערכות. בדומה ל-GPT‑6 Astra, גם 6.2 Astra ו-Sol מגיעים לסף הקריטי באבטחת סייבר לפי ה-Preparedness Framework שלנו.
בשל יכולותיהם המשופרות, אנחנו משיקים את GPT‑6.2 Astra ו-Sol עם אמצעי הגנה מחמירים יותר בכל הנוגע לסיוע באבטחת סייבר הכרוך בסיכון גבוה יותר. ההגנות האלה מצמצמות את הסיכון לשימוש לרעה, אך גם מגבילות חלק מתהליכי העבודה הלגיטימיים של מחקר חולשות ובדיקות אבטחה. באמצעות OpenAI Daybreak, אנשי הגנת סייבר יכולים כיום לגשת ל-GPT‑6 Sol עם פחות סירובים לבקשות בתחום הסייבר ב-Daybreak Blue, נוסף על גרסת האלפא שלנו ל-GPT-6 Astra, וכן ל-GPT‑6 Cyber לצורך בדיקות אבטחה מתקדמות ומורשות ב-Daybreak Red. נפעל להביא את מודלי GPT‑6.2 ל-Daybreak.
להלן תוצאות מרכזיות של מבחני ביצועים, שנערכו בתצורות בדיקה פנימיות שבהן אמצעי ההגנה ומסווגי אבטחת הסייבר הושבתו. התוצאות המלאות והמתודולוגיה מפורטות ב-כרטיס המערכת הנלווה(נפתח בחלון חדש).
מעניקים יתרון לאנשי הגנת הסייבר
מפתחים מסתמכים יותר ויותר על סוכני תכנות לכתיבת תוכנה לסביבת הייצור, ובה בעת סוכנים בעלי יכולות משופרות מקלים על איתור חולשות וניצולן. PHP2Shell(נפתח בחלון חדש) הראה כיצד AI יכול לעזור לחוקרים לחשוף ליקויים קריטיים. ב-GPT‑6.2 Astra ו-Sol הצבנו את יכולות ההגנה במרכז, והוספנו אותות אימון חדשים כדי לעזור למפתחים למנוע ולתקן את הליקויים האלה — באמצעות כתיבת קוד מאובטח מלכתחילה והפקת תיקונים ששומרים על ההתנהגות המיועדת.
בטיחות והלימה
אנחנו מעמידים לשימוש את GPT-6.2 Astra ו-Sol עם אמצעי ההגנה החזקים ביותר שלנו עד כה. החמרנו את המגבלות וחיזקנו את המערכות שמשמשות אותנו ל-ניטור מודלים ול-התערבות בעת הצורך.
בדומה ל-GPT-6 Astra, נוסף על עמידה בסף הקריטי לאבטחת סייבר, גם GPT-6.2 Astra וגם Sol עומדים בסף הגבוה ליכולות ביולוגיות וכימיות לפי Preparedness Framework שלנו. יישמנו הגנות להפחתת הסיכונים הנלווים, לצד החמרת ההגבלות על קבוצה של בקשות בתחומי הביולוגיה ואבטחת הסייבר שעשויות להיות בעלות שימוש כפול.
פרטים נוספים על אמצעי ההגנה והבדיקות שלנו זמינים ב-כרטיס המערכת של GPT-6.2(נפתח בחלון חדש).
יכולות מחקר AI ואמצעי הגנה
GPT-6.2 Astra הוא המודל הראשון שלנו שהושק לשימוש חיצוני ועומד בסף הגבוה לשיפור עצמי של AI, המודד את יכולתו של מודל להאיץ מחקר AI. סיווג ברמה 'גבוהה' משקף את הערכתנו שהשפעת המודל שקולה להעמדת מהנדס מחקר נוסף ובעל יכולות גבוהות כעוזר לרשות כל חוקר ב-OpenAI, ביחס לנקודת הבסיס שלהם ב-2024. אנחנו עוקבים אחר היכולת הזאת משום שמודלים שיכולים לסייע בפיתוח מערכות AI עתידיות עלולים גם ליצור סיכוני בטיחות חדשים, למשל להאיץ את ההתקדמות מעבר לקצב שבו אמצעי ההגנה או הפיקוח האנושי יכולים להסתגל.
כדי להתמודד עם הסיכונים האלה, שילבנו יותר פיקוח ובקרות באופן שבו אנחנו מאמנים ופורסים את המודלים שלנו. לפני שהרחבנו את הגישה הפנימית ל-GPT-6.2 Astra, הערכנו את התאמתו לכוונות אנושיות ווידאנו שבכל שלב קיימים אמצעי ההגנה הנדרשים. חיזקנו את מנגנוני הבידוד בסביבות המחקר שלנו, ובדקנו את ההגנות האלה באמצעות המודלים בעלי היכולות הגבוהות ביותר שלנו. בנינו גם את Control Room, מערכת שעוקבת אחר עומסי עבודה מחקריים ויכולה לעצור יצירת פלט נוסף מהמודל כאשר נדרשת התערבות. מערך הניטור המורחב שלנו בוחן את ה-reasoning ואת הפעולות של המודלים בעומסי עבודה פנימיים ובפריסות חיצוניות נתמכות. הוא יכול לסמן אוטומטית התנהגות בלתי מורשית, ובמקומות שבהם הדבר נתמך, להשהות עומסי עבודה או שיחות.
הלימה
שני המודלים הציגו ביצועים דומים לאלה של GPT-6 Astra ברוב הערכות ההלימה, וביצעו פחות פעולות לא תקינות במשימות מדומות בסביבת העבודה. עם זאת, בשתי בדיקות הם נטו יותר להימנע מאזכור מכשולים שחסמו את עבודתם, כגון קובץ חסר או כלי חיפוש לא זמין. הוספנו ב-Codex הוראות שמצמצמות משמעותית את ההשמטות האלה, ואנחנו ממשיכים לחקור את ההתנהגות.
תמחור וזמינות
החל מהיום, GPT-6.2 Astra ו-Sol זמינים לכל משתמשי Plus, Pro, Enterprise ו-Edu ב-ChatGPT Work וב-Codex. מנויי Pro 500 יכולים להשתמש ב-Ultrafast עם כל אחד משני המודלים. לראשונה, אנחנו מביאים את Ultrafast גם למנויי Pro 200, תחילה עם GPT-6.2 Sol. משתמשי Enterprise ו-Edu הזכאים לכך מקבלים את אותה גישה לאחר שמנהל ה-workspace שלהם מפעיל אותה. מפתחים יכולים לגשת גם ל-gpt-6.2-astra ול-gpt-6.2-sol דרך ה-API של OpenAI, כש-Ultrafast זמין לשני המודלים כבר בהשקה.
העלות למשימה של GPT‑6.2 Astra נמוכה משמעותית מזו של GPT‑6 Astra, בזכות שימוש יעיל יותר בטוקנים, הנחה של 20% על טוקני קלט ופלט, והנחה גדולה יותר של 60% על טוקני קלט שנשמרו במטמון. תעריפי ה-API הרגילים למיליון טוקנים הם 8 דולר לקלט, 0.40 דולר לקלט שנשמר במטמון ו-40 דולר לפלט. GPT‑6.2 Sol שומר על התעריפים של GPT‑6.1 Sol: 2 דולר לקלט, 0.10 דולר לקלט שנשמר במטמון ו-10 דולר לפלט, למיליון טוקנים.
בשימוש ב-GPT-6.2 Astra ו-Sol, כדי לשפר שימוש חוזר במטמון, לסייע בהפחתת עלויות וזמן השהיה ולשמר reasoning בין סבבי השיחה, אנחנו ממליצים להשאיר את תחיליות הפרומפט ללא שינוי ולהוסיף הוראות חדשות(נפתח בחלון חדש) לשיחה.
מחבר/ת
Footnotes
- 1
תוצאות Terminal-Bench-Science 0.1 עבור Fable 5.2 הן כפי שדווחו על ידי Artificial Analysis(נפתח בחלון חדש) ב-harness של mini-swe-agent. Anthropic דיווחה על ציון של 74.6% ל-Fable 5.2 ברמת reasoning מקסימלית ב-Claude Code.



