GPT-6.1Sol

Astra के लगभग बराबर इंटेलिजेंस, पाँचवें हिस्से की कीमत पर

हम पेश कर रहे हैं GPT-6.1 Sol, जो GPT-6 Sol का एक अपग्रेड, जो एजेंटिक कोडिंग, कंप्यूटर यूज़ और पेशेवर काम में GPT-6 Astra के लगभग बराबर इंटेलिजेंस देता है, वह भी Astra की स्टैंडर्ड इनपुट और आउटपुट टोकन कीमतों के पाँचवें हिस्से पर. कैश्ड इनपुट की कीमत सिर्फ़ $0.10 प्रति 10 लाख टोकन है—स्टैंडर्ड इनपुट की कीमत से 95% कम और GPT-6 Sol के कैश्ड इनपुट की कीमत से 50% कम. इससे डेवलपर्स को ऐसे काबिल एजेंट्स बनाने और चलाने की ज़्यादा गुंजाइश मिलती है, जो अलग-अलग रिक्वेस्ट में कॉन्टेक्स्ट का दोबारा इस्तेमाल करते हैं.

GPT-6Astra
बेहतरीन नतीजों के लिए हमारा सबसे बुद्धिमान मॉडल.
इनपुट
$10.00
आउटपुट
$50.00
कैश में सहेजा गया इनपुट
$1.00
GPT-6.1Sol
एस्ट्रा के लगभग बराबर बुद्धिमत्ता, उसकी कीमत के पाँचवें हिस्से में.
इनपुट
$2.00
आउटपुट
$10.00
कैश में सहेजा गया इनपुट
$0.10
GPT-6Luna
बड़े पैमाने पर रोज़मर्रा के काम तेज़ी और कुशलता से करें.
इनपुट
$0.10
आउटपुट
$0.50
कैश में सहेजा गया इनपुट
$0.01

हर तरह के कार्य में अधिक सक्षम Sol

GPT-6.1 Sol रोज़मर्रा के ज़रूरी कामों के लिए कैपेबिलिटी और लागत का एक नया संतुलन पेश करता है. कोड लिखने और डीबग करने से लेकर डॉक्यूमेंट्स समझने और कई स्टेप वाले बिज़नेस वर्कफ़्लो पूरे करने तक, यह जटिल पेशेवर टास्क में GPT-6 Sol से काफ़ी बेहतर परफ़ॉर्म करता है. इनमें से कई इवैल्यूएशन में, यह काफ़ी कम लागत पर GPT-6 Astra के क़रीब परफ़ॉर्मेंस देता है.

कोडिंग

DeepSWE v1.1 वास्तविक कोडबेस में जटिल सॉफ़्टवेयर इंजीनियरिंग कार्यों का मूल्यांकन करता है. इसमें GPT-6.1 Sol लगभग पाँचवें हिस्से की लागत पर GPT-6 Astra की बराबरी करता है. साथ ही, कम रीज़निंग प्रयास और लागत पर GPT-6 Sol के सर्वोत्तम स्कोर से 6.4 प्रतिशत अंक अधिक हासिल करता है.

इस DeepSWE 1.1⁠⁠(एक नई विंडो में खुलेगा) AI एजेंट्स सॉफ़्टवेयर इंजीनियरिंग के मौलिक टास्क हल करते हैं, जिन्हें पूरा करने के लिए लंबे समय तक काम करना पड़ता है.

पेशेवर कार्य

GDP.pdf मापता है कि मॉडल तालिकाओं, चार्ट, आरेखों और बारीक विवरणों वाले जटिल पीडीएफ दस्तावेज़ों से पेशेवर सवालों के कितने सटीक उत्तर देते हैं. जाँची गई सभी रीज़निंग सेटिंग में GPT-6.1 Sol, वैकल्पिक व्यवस्थाओं वाले Opus 5.5 से अधिक स्कोर हासिल करता है, वह भी प्रति कार्य आधे से कम लागत पर. यह प्रति कार्य लगभग पाँचवें हिस्से की लागत पर GPT-6 Astra के अत्याधुनिक प्रदर्शन के करीब भी पहुँचता है.

GDP.pdf⁠(एक नई विंडो में खुलेगा) में, मॉडल्स को फ़ाइनेंस, हेल्थकेयर, कानून और सात अन्य पेशेवर क्षेत्रों के वर्कफ़्लो से लिए गए जटिल PDFs से जुड़े वास्तविक कामकाज के प्रॉम्प्ट्स का जवाब देना होता है.

AutomationBench मापता है कि एजेंट कई चरणों वाली व्यावसायिक कार्यप्रक्रियाएँ सही ढंग से पूरी करते हैं या नहीं. इसमें मीडियम रीज़निंग प्रयास पर GPT-6.1 Sol, Opus 5.5 से 2.2 प्रतिशत अंक अधिक हासिल करता है, वह भी लगभग एक-तिहाई लागत पर. यह स्कोर समान सेटिंग पर GPT-6 Sol से भी 4.8 प्रतिशत अंक अधिक है.

इस AutomationBench 1.0.6⁠⁠(एक नई विंडो में खुलेगा) में, बिक्री, विपणन, संचालन, सहायता, वित्त और मानव संसाधन के 47 टूल का इस्तेमाल करके AI एजेंटों को शुरू से अंत तक की कार्यप्रक्रियाओं पर परखा जाता है. Claude Fable 5.1 का डेटा बिंदु उसकी वास्तविक लागत से कम दर्शाता है, क्योंकि इसमें फ़ॉलबैक की लागत शामिल नहीं है, जिनकी ज़रूरत लगभग 40% कार्यों में पड़ी थी.

कंप्यूटर उपयोग

GPT-6.1 Sol ने उन कार्यों में भी उल्लेखनीय प्रगति की है जिनमें कंप्यूटर एप्लिकेशन का इस्तेमाल करना पड़ता है. OSWorld 2.0 का ऑफ़लाइन सेट कंप्यूटर उपयोग की कठिन कार्यप्रक्रियाओं पर एजेंटों का मूल्यांकन करता है. इसमें अधिकतम रीज़निंग प्रयास पर GPT-6.1 Sol, GPT-6 Sol से सात प्रतिशत अंक अधिक हासिल करता है, वह भी आधे से कम लागत पर. अधिकतम रीज़निंग प्रयास पर यह Astra के स्कोर से मात्र 2.1 प्रतिशत अंक पीछे रहता है, जबकि इसकी प्रति कार्य लागत लगभग सातवाँ हिस्सा है.

इस OSWorld 2.0⁠⁠(एक नई विंडो में खुलेगा) AI एजेंट्स रोज़मर्रा और पेशेवर टास्क वाले लंबे समय तक चलने वाले कंप्यूटर यूज़ वर्कफ़्लो पूरे करने की कोशिश करते हैं. हम v2026.08.08 रिलीज़ के ऑफ़लाइन सेट पर मिले पार्शियल रिवॉर्ड की रिपोर्ट देते हैं.

वैज्ञानिक शोध

Terminal-Bench Science 0.1 डेटा विश्लेषण, सिमुलेशन और प्रमेय सिद्ध करने जैसी वैज्ञानिक कार्यप्रक्रियाओं का मूल्यांकन करता है. इसमें अधिकतम रीज़निंग प्रयास पर GPT-6.1 Sol, GPT-6 Sol से दोगुने से अधिक स्कोर हासिल करता है, वह भी प्रति कार्य आधे से कम लागत पर. अधिकतम प्रयास पर GPT-6.1 Sol की औसत लागत $5.47 प्रति कार्य है, जबकि Opus 5.5 की $23.21 और Astra की $23.80 है. यानी यह दोनों मॉडलों से 75% से भी कम लागत पर मज़बूत वैज्ञानिक क्षमता देता है.

GPT-6 Astra अब भी जाँचे गए मॉडलों में 68.1% के साथ सर्वोच्च स्कोर हासिल करता है और सबसे कठिन वैज्ञानिक शोध कार्यों के लिए इसका उपयोग करना चाहिए.

में Terminal-Bench Science 0.1⁠(एक नई विंडो में खुलेगा), में, एजेंट्स कोड और टर्मिनल टूल्स की मदद से साइंटिफ़िक रिसर्च के वर्कफ़्लो पूरे करते हैं. इनमें डेटा ऐनालाइज़ करना, सिम्युलेशन चलाना और मॉडल फ़िट करना शामिल है.

तथ्यात्मक सटीकता

GPT-6.1 Sol मुश्किल प्रॉम्प्ट्स पर भी तथ्यों के लिहाज़ से ज़्यादा सटीक जवाब देता है. GPT-6 Sol के मुक़ाबले तथ्यात्मक सटीकता में इसका सबसे बड़ा सुधार कम रीज़निंग एफ़र्ट पर दिखता है, जहाँ तथ्यात्मक गलती वाले जवाबों का अनुपात 11.4% से घटकर 7.7% हो जाता है—यानी लगभग 32% की कमी. टेस्ट की गई सभी रीज़निंग सेटिंग्स में, इसकी गलतियों की दर और GPT-6 Astra की गलतियों की दर के बीच का अंतर 1.9 प्रतिशत अंक से ज़्यादा नहीं है, जबकि हर टास्क की लागत पाँचवें हिस्से से भी कम है.

यह मूल्यांकन उन उत्तरों का अनुपात मापता है जिनमें कम-से-कम एक तथ्यात्मक त्रुटि है. इसके लिए पहचान संबंधी जानकारी हटाए गए ऐसे वार्तालाप इस्तेमाल होते हैं जिनमें उपयोगकर्ताओं ने पिछले मॉडल की त्रुटि चिह्नित की थी. जानबूझकर चुने गए ये कठिन प्रॉम्प्ट सामान्य उपयोग के प्रतिनिधि नहीं हैं.

हम उन ChatGPT वार्तालापों पर तथ्यात्मक सटीकता का मूल्यांकन करते हैं जिनसे पहचान संबंधी जानकारी हटा दी गई है और जिनमें उपयोगकर्ताओं ने किसी पिछले मॉडल की तथ्यात्मक त्रुटि चिह्नित की थी. त्रुटियाँ उत्पन्न करने वाले ये वार्तालाप सामान्य उपयोग के प्रतिनिधि नहीं हैं, जिसमें तथ्यात्मक त्रुटियाँ कम होती हैं.

GPT-6.1 Sol को सुरक्षित ढंग से उपलब्ध कराना

हमारे संरेखण मूल्यांकनों में GPT-6.1 Sol, GPT-6 Sol से काफ़ी बेहतर प्रदर्शन करता है, जिससे यह GPT-6 Astra के करीब पहुँचता है.

GPT-6.1 Sol अपनी सीमाओं के बारे में ज़्यादा पारदर्शी है और यूज़र के इरादे और सेफ़्टी से जुड़ी पाबंदियों का पालन करने में ज़्यादा भरोसेमंद है. चुनौतीपूर्ण इवैल्यूएशन में, काम न कर रहे सर्च टूल्स के बारे में साफ़ जानकारी देने, स्पष्ट पाबंदियों का पालन करने और एजेंटिक टास्क के दौरान बिना अनुमति वाले नतीजों से बचने में इसकी नाकामी की दर GPT-6 Sol से कम है. GPT-6 Astra और GPT-6 Sol की तरह, इसमें भी हमें ऑटोमेटेड सेफ़्टी रिव्यूअर को बायपास करने की कोई कोशिश नहीं दिखी. पूरी जानकारी GPT-6.1 Sol के सिस्टम कार्ड के परिशिष्ट⁠(एक नई विंडो में खुलेगा) में मिल सकती है.

नीचे दिए गए मूल्यांकन जानबूझकर चुनौतीपूर्ण स्थितियों को परखते हैं. ये सामान्य उपयोग में विफलता दर नहीं मापते.

यह इवैल्यूएशन जाँचता है कि सर्च टूल काम न करने पर एजेंट्स अपना सबसे अच्छा अनुमान देने के बजाय यूज़र को इसकी जानकारी देते हैं या नहीं. GPT-6.1 Sol 2.1% मामलों में समस्या की जानकारी नहीं देता, जबकि GPT-6 Sol के लिए यह आँकड़ा 4.9%, GPT-6 Astra के लिए 1.5% और GPT-6 Luna के लिए 28.7% है. टास्क इस तरह चुने जाते हैं कि नाकामियाँ सामने आएँ, और ये आम इस्तेमाल को नहीं दर्शाते. एफ़र्ट को अधिकतम पर सेट किया गया था.

कीमतें और उपलब्धता

GPT-6.1 Sol आज से ChatGPT वर्क और Codex में सभी Plus, Pro, Business, Enterprise और Edu यूज़र्स के लिए उपलब्ध है. GPT-6.1 Sol अभी चैट में उपलब्ध नहीं है. डेवलपर्स इसे OpenAI API के ज़रिए gpt-6.1-sol के रूप में भी ऐक्सेस कर सकते हैं. इसकी स्टैंडर्ड API कीमतें हैं: हर 10 लाख इनपुट टोकन के लिए $2, हर 10 लाख कैश्ड इनपुट टोकन के लिए $0.10 और हर 10 लाख आउटपुट टोकन के लिए $10. आने वाले दिनों में, हम GPT-6.1 Sol अल्ट्राफ़ास्ट⁠ भी उपलब्ध कराएँगे, जो Codex में इसकी स्टैंडर्ड स्पीड के मुक़ाबले 8 गुना तक तेज़ी से टोकन जनरेट करेगा.

लेखक

OpenAI

GPT का मूल्यांकन हमारे शोध परिवेश में या हमारे एपीआई के ज़रिए किया गया. सिस्टम प्रॉम्प्ट, उपलब्ध टूल, प्रयास के स्तर आदि में अंतर के कारण इनके उत्तर सामान्य इस्तेमाल वाले ChatGPT से थोड़े अलग हो सकते हैं. प्रतिस्पर्धी मॉडलों के मूल्यांकन सार्वजनिक रूप से उपलब्ध रिपोर्टों से लिए गए हैं.