GPT-6.1Sol

Kami memperkenalkan GPT-6.1 Sol, peningkatan dari GPT-6 Sol yang hampir menyamai kecerdasan GPT-6 Astra dalam pengodean agentik, penggunaan komputer, dan pekerjaan profesional, dengan seperlima harga token input dan output standar Astra. Harga input dalam cache hanya $0,10 per satu juta token—95% lebih rendah daripada harga input standar dan 50% lebih rendah daripada harga input dalam cache GPT-6 Sol—sehingga pengembang memiliki lebih banyak keleluasaan untuk membangun dan menjalankan agen andal yang menggunakan kembali konteks di berbagai permintaan.

Sol yang lebih andal untuk berbagai tugas

GPT-6.1 Sol menawarkan keseimbangan baru antara kemampuan dan biaya untuk pekerjaan sehari-hari yang penting. Model ini menghadirkan peningkatan besar dibandingkan GPT-6 Sol dalam berbagai tugas profesional yang kompleks, mulai dari menulis dan melakukan debug kode hingga memahami dokumen dan menjalankan alur kerja bisnis multi langkah. Dalam beberapa evaluasi ini, performanya mendekati kemampuan GPT-6 Astra dengan biaya yang jauh lebih rendah.

Pengodean

Pada DeepSWE v1.1, yang mengevaluasi tugas rekayasa perangkat lunak kompleks dalam basis kode nyata, GPT-6.1 Sol menyamai GPT-6 Astra dengan biaya sekitar seperlimanya, sekaligus melampaui skor terbaik GPT-6 Sol sebesar 6,4 poin persentase dengan upaya penalaran dan biaya yang lebih rendah.

Pekerjaan profesional

Pada GDP.pdf, yang mengukur akurasi model dalam menjawab pertanyaan profesional menggunakan dokumen PDF kompleks, termasuk tabel, grafik, diagram, dan detail dalam cetakan kecil, GPT-6.1 Sol meraih skor lebih tinggi daripada Opus 5.5 dengan model cadangan. Biaya per tugasnya kurang dari separuh pada seluruh pengaturan penalaran yang diuji. Performanya juga mendekati performa terbaik GPT-6 Astra dengan biaya per tugas sekitar seperlimanya.

Pada AutomationBench, yang mengukur apakah agen menyelesaikan alur kerja bisnis bertahap dengan benar, GPT-6.1 Sol meraih skor 2,2 poin persentase di atas Opus 5.5 pada upaya penalaran sedang, dengan biaya sekitar sepertiganya. Skor tersebut juga meningkat 4,8 poin persentase dari GPT-6 Sol pada pengaturan yang sama.

Penggunaan komputer

GPT-6.1 Sol juga menunjukkan kemajuan besar pada tugas yang memerlukan interaksi dengan aplikasi komputer. Pada set luring OSWorld 2.0, yang mengevaluasi agen dalam alur kerja penggunaan komputer yang menantang, GPT-6.1 Sol mengungguli GPT-6 Sol sebesar tujuh poin persentase pada upaya penalaran maksimum dengan biaya kurang dari separuhnya. Skornya hanya terpaut 2,1 poin persentase dari Astra pada upaya penalaran maksimum dengan biaya per tugas sekitar sepertujuhnya.

Riset ilmiah

Pada Terminal-Bench Science 0.1, yang mengevaluasi alur kerja ilmiah termasuk analisis data, simulasi, dan pembuktian teorema, GPT-6.1 Sol meraih skor lebih dari dua kali lipat GPT-6 Sol pada upaya penalaran maksimum dengan biaya per tugas kurang dari separuhnya. Pada upaya maksimum, biaya rata-rata GPT-6.1 Sol adalah $5,47 per tugas, dibandingkan dengan $23,21 untuk Opus 5.5 dan $23,80 untuk Astra. Ini menghadirkan kemampuan ilmiah yang kuat dengan biaya lebih dari 75% lebih rendah dibandingkan kedua model tersebut.

GPT-6 Astra masih meraih skor tertinggi di antara model yang diuji, yaitu 68,1%, dan sebaiknya digunakan untuk tugas riset ilmiah yang paling sulit.

Akurasi faktual

GPT-6.1 Sol juga meningkatkan akurasi faktual pada prompt yang sulit. Peningkatan faktualitas terbesarnya dibandingkan GPT-6 Sol terjadi pada upaya penalaran rendah, dengan mengurangi proporsi respons yang mengandung kesalahan faktual dari 11,4% menjadi 7,7%—penurunan sekitar 32%. Di seluruh pengaturan penalaran yang diuji, tingkat kesalahannya tetap berada dalam selisih 1,9 poin persentase dari GPT-6 Astra, dengan biaya per tugas kurang dari seperlimanya.

Evaluasi ini mengukur proporsi jawaban yang mengandung setidaknya satu kesalahan faktual dalam percakapan yang informasi identitasnya telah dihapus, tempat pengguna menandai kesalahan model sebelumnya. Prompt yang sengaja dibuat sulit ini tidak mewakili penggunaan umum.

Menerapkan GPT-6.1 Sol dengan aman

GPT-6.1 Sol menunjukkan peningkatan besar dibandingkan GPT-6 Sol dalam evaluasi keselarasan kami, sehingga hasilnya makin mendekati GPT-6 Astra.

GPT-6.1 Sol lebih transparan mengenai keterbatasannya dan lebih dapat diandalkan dalam mematuhi maksud pengguna serta batasan keselamatan. Dalam evaluasi yang menantang, tingkat kegagalannya lebih rendah daripada GPT-6 Sol dalam hal transparansi tentang alat pencarian yang bermasalah, kepatuhan terhadap pembatasan eksplisit, dan pencegahan hasil tanpa izin selama melakukan tugas agentik. Kami tidak menemukan upaya mengakali peninjau keselamatan otomatis, sama seperti GPT-6 Astra dan GPT-6 Sol. Detail lengkap dapat ditemukan dalam adendum kartu sistem GPT-6.1 Sol⁠(terbuka di jendela baru).

Evaluasi di bawah ini sengaja menguji situasi yang menantang dan tidak mengukur tingkat kegagalan dalam penggunaan umum.

Harga dan ketersediaan

GPT-6.1 Sol tersedia mulai hari ini untuk semua pengguna Plus, Pro, Business, Enterprise, dan Edu di ChatGPT Work dan Codex. GPT-6.1 Sol belum tersedia di Chat. Pengembang juga dapat mengaksesnya melalui API OpenAI sebagai gpt-6.1-sol. Harga API standarnya adalah $2 per juta token input, $0,10 per juta token input dalam cache, dan $10 per juta token output. Dalam beberapa hari mendatang, kami juga akan menawarkan GPT-6.1 Sol Ultrafast⁠, dengan pembuatan token hingga 8x lebih cepat dibandingkan kecepatan standarnya di Codex.