Predstavljamo GPT-6.2 Astra i Sol
Novi standard za profesionalni rad
Isprobajte u načinu ChatGPT Work(otvara se u novom prozoru)Predstavljamo GPT‑6.2 Astra, naš novi granični model za vaše najzahtjevnije projekte, i GPT‑6.2 Sol, naš učinkovit i svestran model za svakodnevni rad. Oba modela postižu bolje rezultate na zahtjevnim zadacima uz manje izlaznih tokena, pa možete obaviti više posla unutar svojih ograničenja upotrebe. Za tvrtke i razvojne programere to znači granične performanse uz troškove koji su isplativi i pri upotrebi u velikim razmjerima.
GPT‑6.2 Astra postavlja novi standard kvalitete AI-ja u složenom stručnom radu. Njegovi slajdovi, proračunske tablice i dokumenti manje djeluju kao da ih je izradio AI te vjernije slijede predloške koje mu pružite i pravila vaše struke. Piše čišći kod i izrađuje sučelja koja bolje izgledaju i funkcioniraju, osobito za web-stranice, igre i 3D dizajn.
Na testu Agents’ Last Exam, koji ispituje profesionalni rad u više koraka, GPT‑6.2 Astra postavlja novi rekord: postiže 5,2 boda više od modela GPT‑6 Astra uz manje od trećine troška te 5,5 bodova više od modela Claude Fable 5.2 uz samo 5 % troška.
Agents’ Last Exam ocjenjuje modele na dugotrajnim profesionalnim radnim procesima. Rezultati modela Fable 5.2 na njegovoj ljestvici ne uključuju devet zadataka u kojima je upotrijebljen zamjenski model.
Vjerujemo da je GPT-6.2 Astra najbolji model na svijetu za znanstvenike. Postavlja novi rekord na testu Terminal-Bench-Science 0.1, koji ispituje koliko uspješno modeli mogu obavljati znanstveni rad u terminalu. GPT-6.2 Astra postiže 9 postotnih bodova više od modela GPT-6 Astra uz manje od trećine troška. Postavlja novi rekord i na testu Vals Science Index, koji od modela traži da tumače stvarne biološke podatke i provode eksperimente kako bi zaključili kako funkcionira simulirani sustav.
U API-ju su cijene ulaznih i izlaznih tokena za GPT‑6.2 Astra 20 % niže nego za GPT‑6 Astra, uz 60 % nižu cijenu predmemoriranog ulaza (8 USD za ulaz, 0,40 USD za predmemorirani ulaz i 40 USD za izlaz, sve na milijun tokena). GPT‑6.2 Sol zadržava cijene tokena modela GPT‑6.1 Sol u API-ju. Na nekoliko referentnih testova oba se modela približavaju drugim vodećim modelima ili ih nadmašuju uz tek mali dio njihova troška po zadatku.
GPT-6.2 Sol: naš prvi izbor za svakodnevni rad
U usporedbi s modelom GPT‑6.1 Sol, GPT‑6.2 Sol pametniji je, učinkovitiji i omogućuje vam da obavite više zadataka uz isti plaćeni plan. Brzo obavlja agentske radne procese u više koraka, piše jasno i prirodno, a suradnja s njim je intuitivna. Mnogi zaposlenici tvrtke OpenAI upotrebljavaju ga kao zadani model i za tehničke i za netehničke zadatke.
Na testu FrontierCode 2.0 tvrtke Cognition GPT‑6.2 Sol zaostaje za modelom GPT‑6.2 Astra za manje od 0,5 bodova uz otprilike petinu troška (oba uz postavku Max).
FrontierCode 2.0 ocjenjuje zadovoljavaju li izmjene stvarnih baza koda kriterije koje njihovi održavatelji postavljaju za spajanje koda.
Zbog svoje brzine i inteligencije idealan je i za važne zadatke za koje se ljudi obraćaju AI-ju izvan posla. Na našoj nedavno objavljenoj evaluaciji LifeVal, koja mjeri uspješnost na zahtjevnim svakodnevnim zadacima, GPT‑6.2 Sol postiže bolji rezultat od modela GPT‑6 Astra uz otprilike sedminu troška.
LifeVal ispituje koliko se uspješno modeli nose sa svakodnevnim zadacima prilagođenima nečijim potrebama, poput sužavanja izbora vrtića nakon preseljenja, pronalaženja doma koji odgovara obiteljskom proračunu i putovanju na posao ili planiranja obroka za roditelja koji se prilagođava novoj dijagnozi.
Profesionalni rezultati u skladu sa standardima struke
GPT‑6.2 Astra trenirali smo za izradu jasnijih i bolje oblikovanih slajdova, proračunskih tablica i dokumenata koji se vjernije pridržavaju konvencija kojima se stručnjaci služe u područjima poput prava, prodaje, financija i računovodstva. Tekstovi su izravniji i konkretniji, s manje općenitih zaključaka i suvišnih riječi.
Harvey LAB‑AA v1.1 pravnim zadacima ispituje mogu li modeli pronaći relevantne činjenice u izvornim dokumentima, primijeniti ih prema detaljnim uputama i izraditi točan konačni dokument koji ispunjava sve zahtjeve. GPT‑6.2 Astra postavlja novi standard, s više nego dvostruko većom stopom prolaznosti od modela Claude Fable 5.2 uz otprilike šestinu troška. OpenAI za pravo, naša konfiguracija modela GPT-6.2 Astra za odvjetnike, postiže još bolji rezultat na ovom referentnom testu.
Harvey LAB‑AA ispituje pravne poslove poput pregleda ugovornih odredbi. Njegov glavni rezultat priznaje uspjeh samo kada konačni dokument zadovoljava sve kriterije ocjenjivanja i ne sadrži značajne halucinacije.
Naš interni referentni test GDPval v2 nova je inačica testa GDPval koja mjeri uspješnost u složenim, dugotrajnim radnim procesima iz stvarnih projekata u sektorima poput savjetovanja, financija i dizajna. GPT‑6.2 Astra predvodi testirane modele s rezultatom višim za 6,2 postotna boda u odnosu na GPT‑6 Astra, uz 22 % manje izlaznih tokena. GPT‑6.2 Sol ostvaruje poboljšanje od 5,3 boda u odnosu na GPT‑6.1 Sol.
GDPval v2 sastoji se od dugotrajnih zadataka intelektualnog rada iz stvarnih projekata u sektorima poput financija, podatkovne znanosti, biotehnologije i marketinga.
Radne knjige i memorandumi
Izrada radne knjige za procjenu vrijednosti ili pisanje investicijskog memoranduma počinje pronalaženjem relevantnih brojčanih podataka u izvornim datotekama i utvrđivanjem njihove međusobne povezanosti. AA‑AnalystAgent tvrtke Artificial Analysis ispituje taj rad na stvarnim proračunskim tablicama i izvješćima. U jednom zadatku modeli upotrebljavaju izvješća o rashodima kalifornijskog programa Medicaid kako bi izračunali koliko je program potrošio na medicinski prijevoz. GPT‑6.2 Astra postavlja novi rekord, točno odgovarajući na 62,5 % pitanja u svih pet neovisnih pokušaja.
Prezentacije
GPT‑6.2 Astra naš je dosad najbolji model za oblikovanje slajdova i praćenje predložaka slajdova, bilo da dobije izvornu datoteku ili samo snimku zaslona. Može vjerno prenijeti raspored, boje i tipografiju, sve do točne veličine fonta, te primijeniti stil pisanja iz predloška na nove slajdove. Prvi testeri smatrali su da su prezentacije spremnije za izravnu upotrebu uz manje izmjena, zahvaljujući naslovima koji iznose glavni zaključak i sažetom tekstu usmjerenom na pojedinosti koje čitatelji trebaju.
Upotreba računala i interaktivni web-dizajn
Preciznija upotreba računala omogućuje modelu GPT‑6.2 Astra rad sve do razine pojedinačnih dijelova i spojeva u CAD alatima i alatima za simulaciju. Inženjeri mogu iskoristiti tu dodatnu razinu detalja kako bi provjerili uklapanje komponenti, vidjeli kako se opterećenja preraspodjeljuju pri kretanju konstrukcije i testirali izmjene prije izrade prototipa.
Simulacija vožnje
Od modela GPT‑6.2 Astra zatražili smo vizualizaciju dinamike podvozja automobila na planinskoj cesti. Astra je izradila 3D model i napisala numerički rješavač u Pythonu za simulaciju složene dinamike između guma i ovjesa, a zatim animirala rezultate u Blenderu. To inženjerima omogućuje brzo testiranje novih konstrukcija i postupno poboljšavanje točnosti simulacija.
Strojarsko projektiranje i sastavljanje
GPT‑6.2 Astra može modelirati mehanički sustav dio po dio, čime inženjerima omogućuje da prikažu kako se sastavlja i ispitaju kako promjene dizajna utječu na njegovo ponašanje.
Od CAD-a do papirnate svjetiljke
Naš je tim uz pomoć modela GPT‑6.2 Astra pretvorio prepoznatljive balkone valovitih obrisa na čikaškim tornjevima Marina City u svjetiljku. Video prati razvoj dizajna od referentnih fotografija preko izmjena u CAD-u do fizičke svjetiljke sastavljene ručno. Na web-mjestu koje je generirao GPT-6.2 Astra možete izraditi vlastitu papirnatu svjetiljku.
GPT‑6.2 Astra donosi bolje vizualno rasuđivanje u web-dizajn: odabire rasporede i slike koji svakom web-mjestu daju prepoznatljiv izgled te oblikuje elemente prema stvarnoj svrsi web-mjesta.
Ta poboljšanja u vizualnom rasuđivanju i korištenju računala prenose se i na 3D dizajn. GPT‑6.2 Astra i Sol mogu pretvoriti pisane upute u interaktivni sadržaj u pregledniku, od flipera koji možete igrati do rekonstrukcije Koloseja koju možete istraživati iz različitih kutova. Na testu AA‑3D tvrtke Artificial Analysis ljudski ocjenjivači isprobavaju dva interaktivna sadržaja izrađena prema istom upitu, ne znajući koji ih je model izradio, i glasaju za onaj koji im se više sviđa. GPT‑6.2 Astra zauzima prvo mjesto s 1.318 Elo bodova, a slijede Claude Fable 5.2 s 1.271 i GPT‑6.2 Sol s 1.259 bodova.
Učinkoviti radni procesi uz čišći stil koda
GPT‑6.2 Astra bolje prosuđuje kako izvršiti zadatak, uključujući prilagodbu alata i uloženog napora radnom procesu te odabir između dodataka i izravne upotrebe računala.
Kad je riječ o kodiranju, GPT-6.2 Astra bolji je u implementaciji i testiranju složenih promjena u postojećim bazama koda. Prvi testeri izvijestili su o čišćem stilu koda i usmjerenijim testovima, uz manje krugova izmjena.
Sposobnosti u području kibernetičke sigurnosti
GPT‑6.2 Astra i GPT-6.2 Sol donose još jedan značajan napredak u kibernetičkim sposobnostima. Učinkovitije pronalaze i iskorištavaju ranjivosti, pišu sigurniji kod i izrađuju bolje zakrpe, uz znatna poboljšanja učinkovitosti upotrebe tokena na nekoliko evaluacija. Poput modela GPT‑6 Astra, 6.2 Astra i Sol dosežu kritični prag za kibernetičku sigurnost prema našem Okviru pripravnosti.
Zbog njihovih povećanih sposobnosti GPT‑6.2 Astra i Sol uvodimo uz strože zaštitne mjere za pomoć u kibernetičkoj sigurnosti koja nosi veći rizik. Te mjere smanjuju rizik od zloupotrebe, ali ograničavaju i neke legitimne radne procese istraživanja ranjivosti i sigurnosnog testiranja. Putem programa OpenAI Daybreak stručnjaci za kibernetičku obranu trenutačno mogu pristupiti modelu GPT‑6 Sol uz manje odbijanja zahtjeva iz područja kibernetičke sigurnosti na platformi Daybreak Blue, uz našu alfa-verziju za GPT-6 Astra, te modelu GPT‑6 Cyber za napredno, ovlašteno sigurnosno testiranje na platformi Daybreak Red. Radit ćemo na tome da modeli GPT‑6.2 budu dostupni u programu Daybreak.
U nastavku ističemo ključne rezultate referentnih testova, dobivene internim konfiguracijama za testiranje s isključenim zaštitnim mjerama i klasifikatorima za kibernetičku sigurnost. Cjelovite rezultate i metodologiju pogledajte u pratećem dokumentu o sustavu(otvara se u novom prozoru).
Prednost za stručnjake za kibernetičku obranu
Razvojni inženjeri sve se više oslanjaju na agente za kodiranje pri pisanju produkcijskog softvera, dok sposobniji agenti istodobno olakšavaju pronalaženje i iskorištavanje ranjivosti. PHP2Shell(otvara se u novom prozoru) pokazao je kako AI može pomoći istraživačima da otkriju kritične propuste. Kod modela GPT‑6.2 Astra i Sol obrambene sposobnosti stavili smo u središte pozornosti, uvodeći nove signale za treniranje kako bismo razvojnim inženjerima pomogli spriječiti i otkloniti te propuste — pisanjem sigurnog koda od samog početka i izradom zakrpa koje zadržavaju predviđeno ponašanje.
Sigurnost i usklađenost
GPT-6.2 Astra i Sol uvodimo uz naše dosad najsnažnije zaštitne mjere. Postrožili smo ograničenja i ojačali sustave kojima se služimo za praćenje modela i intervenciju kada je potrebna.
Poput modela GPT-6 Astra, GPT-6.2 Astra i Sol, osim što dosežu kritični prag za kibernetičku sigurnost, dosežu i visoki prag za biološke i kemijske sposobnosti prema našem Okviru pripravnosti. Uveli smo zaštitne mjere za ublažavanje povezanih rizika, uz stroža ograničenja za skup zahtjeva iz područja biologije i kibernetičke sigurnosti koji bi mogli imati dvojnu namjenu.
Više pojedinosti o našim zaštitnim mjerama i testiranju dostupno je u dokumentu o sustavu GPT-6.2(otvara se u novom prozoru).
Sposobnosti istraživanja AI-ja i zaštitne mjere
GPT-6.2 Astra naš je prvi model dostupan izvan tvrtke koji doseže visoki prag u kategoriji samopoboljšavanja AI-ja, koja mjeri sposobnost modela da ubrza istraživanje AI-ja. Oznaka „visoko” odražava našu procjenu da je učinak modela jednak tome da svaki istraživač u tvrtki OpenAI dobije dodatnog, iznimno sposobnog istraživačkog inženjera kao pomoćnika u odnosu na svoje početno stanje iz 2024. Pratimo tu sposobnost jer modeli koji mogu pomoći u razvoju budućih AI sustava mogu donijeti i nove sigurnosne rizike, primjerice ubrzati napredak toliko da mu se zaštitne mjere ili ljudski nadzor ne mogu dovoljno brzo prilagoditi.
Kako bismo odgovorili na te rizike, u način treniranja i uvođenja naših modela ugradili smo više nadzora i kontrola. Prije nego što smo proširili interni pristup modelu GPT-6.2 Astra, procijenili smo njegovu usklađenost i provjerili jesu li u svakoj fazi uspostavljene potrebne zaštitne mjere. Ojačali smo izolaciju u našim istraživačkim okruženjima i testirali te zaštitne mjere našim najsposobnijim modelima. Izradili smo i Control Room, sustav koji prati istraživačke zadatke i može zaustaviti daljnje generiranje izlaza modela kada je potrebna intervencija. Naš prošireni nadzor analizira rasuđivanje i radnje modela u internim zadacima i podržanim vanjskim implementacijama. Može automatski označiti neovlašteno ponašanje i, gdje je to podržano, pauzirati zadatke ili razgovore.
Usklađenost
Oba modela postigla su rezultate slične modelu GPT-6 Astra na većini evaluacija usklađenosti te su poduzimala manje neprimjerenih radnji u simuliranim poslovnim zadacima. Međutim, u dva testa češće su propuštala spomenuti prepreke koje su im onemogućile rad, poput datoteke koja nedostaje ili nedostupnog alata za pretraživanje. U Codex smo dodali upute koje znatno smanjuju ta izostavljanja i nastavljamo istraživati to ponašanje.
Cijene i dostupnost
Od danas su GPT-6.2 Astra i Sol dostupni svim korisnicima planova Plus, Pro, Enterprise i Edu u značajci ChatGPT Work i alatu Codex. Pretplatnici plana Pro 500 mogu upotrebljavati Ultrafast s bilo kojim od ta dva modela. Prvi put donosimo Ultrafast i pretplatnicima plana Pro 200, počevši s modelom GPT-6.2 Sol. Korisnici planova Enterprise i Edu koji ispunjavaju uvjete dobivaju isti pristup kada ga omogući administrator njihova radnog prostora. Razvojni inženjeri mogu pristupiti modelima gpt-6.2-astra i gpt-6.2-sol i putem API-ja tvrtke OpenAI, uz Ultrafast dostupan za oba modela od samog početka.
GPT‑6.2 Astra ima znatno niži trošak po zadatku od modela GPT‑6 Astra zahvaljujući učinkovitijoj upotrebi tokena, 20 % nižoj cijeni ulaznih i izlaznih tokena te još većem, 60-postotnom sniženju cijene predmemoriranih ulaznih tokena. Standardne cijene API-ja na milijun tokena iznose 8 USD za ulaz, 0,40 USD za predmemorirani ulaz i 40 USD za izlaz. GPT‑6.2 Sol zadržava cijene modela GPT‑6.1 Sol od 2 USD za ulaz, 0,10 USD za predmemorirani ulaz i 10 USD za izlaz na milijun tokena.
Za GPT-6.2 Astra i Sol preporučujemo zadržavanje nepromijenjenih prefiksa upita i dodavanje novih uputa(otvara se u novom prozoru) u razgovor kako bi se poboljšala ponovna upotreba predmemorije, smanjili troškovi i latencija te sačuvalo rasuđivanje između koraka razgovora.
Autor
Footnotes
- 1
Rezultati modela Fable 5.2 na testu Terminal-Bench-Science 0.1 preuzeti su iz objave tvrtke Artificial Analysis(otvara se u novom prozoru), koja je upotrebljavala testni sklop mini-swe-agent. Anthropic je objavio da je Fable 5.2 postigao rezultat od 74,6 % uz maksimalno rasuđivanje u alatu Claude Code.



