OpenAI

Ngenalake GPT-6.2 Astra lan Sol

Standar anyar kanggo pakaryan profesional

Coba ing ChatGPT Kerja(mbukak ing jendhela anyar)

Kita ngenalake GPT‑6.2 Astra, model tercanggih anyar kanggo proyek sampeyan sing paling angel, lan GPT‑6.2 Sol, model kita sing efisien lan serbaguna kanggo pakaryan saben dina. Model loro iki menehi asil luwih apik kanggo tugas sing abot kanthi token output luwih sithik, supaya sampeyan bisa ngrampungake luwih akeh pakaryan tanpa ngluwihi wates panggunaan. Kanggo bisnis lan pangembang, iki tegese kinerja tercanggih kanthi biaya sing tetep lumrah nalika digunakake kanthi skala gedhe.

GPT‑6.2 Astra netepake standar kualitas anyar kanggo AI ing pakaryan profesional sing rumit. Slide, spreadsheet, lan dokumen sing digawe luwih alami lan ora katon kaya gaweyane AI, sarta luwih manut cithakan sing sampeyan wenehake lan paugeran ing bidang sampeyan. Model iki nulis kode sing luwih rapi lan mbangun frontend kanthi tampilan lan fungsi sing luwih apik, utamane kanggo situs web, game, lan desain 3D.

Ing Agents’ Last Exam, sing nguji pakaryan profesional kanthi pirang-pirang langkah, GPT‑6.2 Astra nggayuh rekor anyar kanthi skor 5,2 poin luwih dhuwur tinimbang GPT‑6 Astra kanthi biaya kurang saka sapratelone, lan unggul 5,5 poin saka Claude Fable 5.2 kanthi biaya mung 5% saka biaya model kasebut.

Agents’ Last Exam ngevaluasi model ing alur kerja profesional jangka dawa. Asil Fable 5.2 ing papan peringkat ora kalebu sangang tugas sing nggunakake model cadangan.

Kita percaya GPT-6.2 Astra minangka model paling apik ing donya kanggo para ilmuwan. Model iki nggayuh rekor anyar ing Terminal-Bench-Science 0.1, sing nguji sepira apike model nindakake pakaryan ilmiah ing terminal. GPT-6.2 Astra entuk skor 9 poin persentase luwih dhuwur tinimbang GPT-6 Astra kanthi biaya kurang saka sapratelone. Model iki uga nggayuh rekor anyar ing Vals Science Index, sing njaluk model napsirake data biologis nyata lan nindakake eksperimen kanggo nyimpulake cara kerjane sistem simulasi.

Ing API, rega token input lan output GPT‑6.2 Astra 20% luwih murah tinimbang GPT‑6 Astra, kanthi diskon 60% kanggo input sing disimpen ing cache ($8 kanggo input, $0.40 kanggo input ing cache, lan $40 kanggo output, kabeh saben sayuta token). GPT‑6.2 Sol tetep nganggo rega token API GPT‑6.1 Sol. Ing sawetara tolok ukur, model loro iki meh nyamai utawa ngluwihi model unggulan liyane kanthi biaya saben tugas sing mung sapérangan cilik saka biayane model-model kasebut.

GPT-6.2 Sol: model andalan kita kanggo pakaryan saben dina

Dibandhingake karo GPT‑6.1 Sol, GPT‑6.2 Sol luwih pinter, luwih efisien, lan ngidini sampeyan ngrampungake luwih akeh tugas nganggo paket mbayar sing padha. Model iki lancar nindakake alur kerja agen kanthi pirang-pirang langkah, nulis kanthi cetha lan alami, lan gampang diajak kolaborasi. Akeh karyawan OpenAI sing nggunakake model iki minangka model baku kanggo tugas teknis lan nonteknis.

Ing FrontierCode 2.0 saka Cognition, skor GPT‑6.2 Sol mung kacecer ora luwih saka 0,5 poin saka GPT‑6.2 Astra kanthi biaya kira-kira sapralimane (loro-lorone nganggo setelan Dipikir Maksimal).

FrontierCode 2.0 ngevaluasi apa owah-owahan ing basis kode nyata nyukupi standar pangelola supaya bisa digabungake.

Kacepetan lan kecerdasane uga ndadekake model iki cocog banget kanggo tugas penting ing njaba pakaryan sing kerep ditindakake wong kanthi pitulungan AI. Ing evaluasi LifeVal⁠ sing lagi wae kita rilis, sing ngukur kinerja ing tugas saben dina sing nantang, GPT‑6.2 Sol entuk skor luwih dhuwur tinimbang GPT‑6 Astra kanthi biaya kira-kira saprapitune.

LifeVal nguji sepira apike model nangani tugas saben dina sing dicocogake karo kabutuhane wong, kayata milih sawetara calon TK sawise pindhah omah, nggoleki omah sing cocog karo anggaran kulawarga lan lelungan menyang papan kerja, utawa ngrancang menu kanggo wong tuwa sing lagi nyesuekake urip sawise nampa diagnosis anyar.

Asil profesional sing cocog karo standar industri

Kita nglatih GPT‑6.2 Astra supaya bisa nggawe slide, spreadsheet, lan dokumen sing luwih cetha, desaine luwih apik, lan luwih manut paugeran sing digunakake para profesional ing bidang kayata hukum, dodolan, keuangan, lan akuntansi. Tulisane luwih langsung menyang inti lan spesifik, kanthi simpulan sing umum lan tetembungan tanpa isi sing luwih sithik.

Harvey LAB‑AA v1.1 nggunakake tugas hukum kanggo nguji apa model bisa nemokake fakta sing relevan ing maneka dokumen sumber, ngetrapake fakta kasebut manut arahan tugas sing rinci, lan ngasilake pakaryan sing akurat lan nyukupi saben syarat. GPT‑6.2 Astra nggayuh standar kinerja paling dhuwur anyar, kanthi tingkat kelulusan luwih saka kaping pindhone Claude Fable 5.2 lan biaya kira-kira sapraneme. OpenAI kanggo Urusan Hukum⁠, konfigurasi GPT-6.2 Astra kita kanggo pengacara, entuk skor sing luwih dhuwur maneh ing tolok ukur iki.

Harvey LAB‑AA nguji pakaryan hukum kayata nliti pranatan kontrak. Skor utamane mung menehi nilai yen asil pakaryan nyukupi saben kriteria pambiji lan ora ngemot halusinasi sing nduweni pengaruh penting.

Tolok ukur internal GDPval v2 kita minangka versi sabanjure saka GDPval⁠ sing ngukur alur kerja rumit lan jangka dawa saka proyek nyata ing sektor kayata konsultasi, keuangan, lan desain. GPT‑6.2 Astra ngungguli model-model sing kita uji, mundhak 6,2 poin persentase saka GPT‑6 Astra nalika nggunakake token output 22% luwih sithik. GPT‑6.2 Sol mundhak 5,3 poin saka GPT‑6.1 Sol.

GDPval v2 ngemot tugas adhedhasar kawruh kanthi jangka dawa saka proyek nyata ing sektor kayata keuangan, sains data, bioteknologi, lan pemasaran.

Buku kerja lan memo

Nggawe buku kerja valuasi utawa nulis memo investasi diwiwiti kanthi nggoleki angka sing relevan ing file sumber lan mangerteni sesambungane angka-angka kasebut. AA‑AnalystAgent saka Artificial Analysis nguji pakaryan kasebut nganggo spreadsheet lan laporan nyata. Ing salah siji tugas, model nggunakake laporan pangeluaran California Medicaid kanggo ngetung pira dhuwit sing dienggo program kasebut kanggo transportasi medis. GPT‑6.2 Astra nggayuh rekor anyar, kanthi mangsuli 62,5% pitakon kanthi bener ing kabeh limang upaya independen.

Presentasi slide

GPT‑6.2 Astra minangka model kita sing paling apik nganti saiki kanggo ngrancang slide lan manut cithakan slide, saka file asli utawa malah mung tangkapan layar. Model iki bisa nyocogake tata letak, werna, lan tipografi nganti ukuran huruf sing persis, sarta ngetrapake gaya tulisan cithakan menyang slide anyar. Para panguji awal nemokake yen presentasine luwih gampang langsung digunakake tanpa akeh suntingan, amarga judhule nerangake inti pesen lan isi sing ringkes fokus marang rincian sing dibutuhake pamaca.

1 saka 4
“

Kita ngevaluasi GPT-6.2 Astra kanggo ngowahi informasi sing padhet dadi ringkesan lan infografis sing gampang diwaca para pamaca teknis lan nonteknis. Tuladhane kalebu ringkesan dagang lan diagram alur kerja agen.

Dokumen GPT-6.2 Astra luwih apik kanthi nyata tinimbang GPT-6 Astra. Tulisan lan grafike nggawe inti pesen ing ringkesan luwih gampang ditemokake, lan diagrame njlentrehake sistem sing rumit kanthi nuduhake cara bagean-bageane makarya bebarengan.

”
Marquis Wong, Insinyur Utama AI, IMC

Panggunaan komputer lan desain web interaktif

Panggunaan komputer GPT‑6.2 Astra sing luwih presisi ngidini model iki nggarap nganti saben komponen lan sambungan ing piranti CAD lan simulasi. Para insinyur bisa nggunakake rincian tambahan kasebut kanggo mriksa kecocokan komponen, ndeleng menyang endi beban pindhah nalika desain obah, lan nguji revisi sadurunge nggawe prototipe.

Simulasi nyopir

Kita njaluk GPT‑6.2 Astra nggambarake dinamika sasis mobil ing dalan pegunungan. Astra nggawe model 3D lan nulis solver Python kanggo nyimulasikake dinamika rumit antarane ban lan suspensi, banjur nggawe animasi asile ing Blender. Iki ngidini para insinyur nguji desain anyar kanthi cepet lan terus ningkatake akurasi simulasi.

Desain lan perakitan mekanis

GPT‑6.2 Astra bisa nggawe model sistem mekanis komponen mbaka komponen, saengga para insinyur bisa nuduhake cara ngrakite lan nguji pengaruhe owah-owahan desain marang cara kerjane sistem.

Saka CAD dadi lampu kertas

Tim kita nggunakake GPT‑6.2 Astra kanggo ngowahi wujud balkon kanthi pinggiran mlengkung-mlengkung ing menara Marina City, Chicago, dadi lampu. Video iki nuduhake proses desain saka foto referensi, revisi CAD, nganti dadi lampu nyata sing dirakit nganggo tangan. Situs sing digawe GPT-6.2 Astra iki bisa digunakake kanggo nggawe lampu kertas sampeyan dhewe.

GPT‑6.2 Astra nggawa kemampuan nalar visual sing luwih kuwat menyang desain web, milih tata letak lan gambar sing menehi tampilan khas kanggo saben situs, lan nggawe unsur-unsure manut tujuan nyata situs kasebut.

Peningkatan nalar visual lan panggunaan komputer kasebut uga ditrapake ing desain 3D. GPT‑6.2 Astra lan Sol bisa ngowahi arahan tinulis dadi pengalaman interaktif ing browser, saka meja pinball sing bisa sampeyan dolanake nganti rekonstruksi Colosseum sing bisa sampeyan jelajahi saka maneka sudut. Ing AA‑3D saka Artificial Analysis, juri manungsa nyoba rong pengalaman sing digawe saka prompt sing padha tanpa diwenehi ngerti model sing nggawe, banjur milih sing luwih disenengi. GPT‑6.2 Astra ana ing peringkat kapisan kanthi 1.318 Elo, disusul Claude Fable 5.2 kanthi 1.271 lan GPT‑6.2 Sol kanthi 1.259.

“

GPT-6.2 Astra minangka lompatan gedhe kanggo pakaryan kreatif. Model iki ndadekake Higgsfield Miracle bisa kawujud, ndhukung panyuntingan video wektu nyata kanthi presisi nganti tingkat piksel lan menehi kontrol kreatif sing maksimal marang para kreator. Ing evaluasi internal kita kanggo nggawe 3D, model iki nggayuh asil target ing siji upaya ing 73% kasus, dene GPT-6 Astra mbutuhake telung iterasi utawa luwih. Iki ngirit akeh wektu tim kreatif kita lan ngidini alur kerja sing sakabehe ditindakake agen dadi luwih efisien.

”
Alex Mashrabov, CEO lan Pendiri Bebarengan, Higgsfield AI

Alur kerja efisien kanthi gaya kode sing luwih rapi

GPT‑6.2 Astra luwih wicaksana nalika nemtokake cara nindakake tugas, kalebu nyocogake piranti lan upaya karo alur kerja, sarta ngerti kapan kudu nggunakake plugin utawa ngoperasikake komputer.

Ing coding, GPT-6.2 Astra luwih apik nalika ngetrapake lan nguji owah-owahan rumit ing basis kode sing wis ana. Para panguji awal nglaporake gaya kode sing luwih rapi lan tes sing luwih fokus, kanthi puteran revisi luwih sithik.

Kemampuan keamanan siber

GPT‑6.2 Astra lan GPT-6.2 Sol nandhani lompatan gedhe maneh ing kemampuan siber. Model loro iki luwih efektif nemokake lan ngeksploitasi kerentanan, nulis kode sing luwih aman, lan ngasilake patch sing luwih apik, kanthi paningkatan efisiensi token sing gedhe ing sawetara evaluasi. Kaya GPT‑6 Astra⁠, 6.2 Astra lan Sol nggayuh ambang Kritis kanggo keamanan siber miturut Kerangka Kesiapan⁠ kita.

Amarga kemampuane saya mundhak, kita ngluncurake GPT‑6.2 Astra lan Sol kanthi pangayoman luwih ketat kanggo pitulungan keamanan siber sing risikone luwih dhuwur. Pangayoman iki nyuda risiko penyalahgunaan, nanging uga mbatesi sawetara alur kerja riset kerentanan lan pangujian keamanan sing sah. Liwat OpenAI Daybreak⁠, para pembela keamanan siber saiki bisa ngakses GPT‑6 Sol kanthi penolakan panjaluk siber sing luwih sithik ing Daybreak Blue, saliyane versi alfa GPT-6 Astra kita, lan GPT‑6 Cyber⁠ kanggo pangujian keamanan tingkat lanjut sing wis diidinake ing Daybreak Red. Kita bakal ngupayakake supaya model GPT‑6.2 kasedhiya ing Daybreak.

Ing ngisor iki kita nyorot asil benchmark utama saka konfigurasi pengujian internal kanthi pangamanan keamanan siber lan pengklasifikasi dipateni. Delengen kertu sistem sing ngiringi⁠(mbukak ing jendhela anyar) kanggo asil lan metodologi lengkap.

Menehi kaunggulan marang para pembela siber

Para pangembang saya ngandelake agen coding kanggo nulis piranti lunak produksi, sanajan agen sing luwih trampil uga nggampangake nemokake lan ngeksploitasi kerentanan. PHP2Shell⁠(mbukak ing jendhela anyar) nuduhake carane AI bisa mbantu para peneliti nemokake cacat kritis. Ing GPT‑6.2 Astra lan Sol, kita ndadekake kemampuan pertahanan minangka fokus utama, kanthi ngenalake sinyal pelatihan anyar kanggo mbantu pangembang nyegah lan ndandani cacat kasebut—nulis kode sing aman wiwit awal lan ngasilake patch sing njaga prilaku sing dikarepake.

Kaslametan lan keselarasan

Kita ngetrapake GPT-6.2 Astra lan Sol kanthi pangamanan paling kuwat sing kita duweni nganti saiki. Kita wis ngencengi watesan lan nguwatake sistem sing digunakake kanggo ngawasi model⁠ lan nindakake intervensi yen dibutuhake⁠.

Kaya GPT-6 Astra, saliyane nyukupi ambang Kritis kanggo keamanan siber, GPT-6.2 Astra lan Sol uga nyukupi ambang Dhuwur kanggo kemampuan biologis lan kimia miturut Kerangka Kesiapan⁠ kita. Kita wis ngetrapake pangayoman kanggo ngurangi risiko sing ana gandhengane, bebarengan karo watesan luwih ketat kanggo sakumpulan panjaluk biologi lan keamanan siber sing bisa digunakake kanggo tujuan becik utawa ala.

Rincian liyane babagan pangamanan lan pengujian kita kasedhiya ing kertu sistem GPT-6.2⁠(mbukak ing jendhela anyar).

Kemampuan riset AI lan pangamanan

GPT-6.2 Astra minangka model kapisan kita sing dirilis kanggo pihak eksternal lan nyukupi ambang Dhuwur kanggo Peningkatan Dhiri AI, sing ngukur kemampuan model kanggo nyepetake riset AI. Kategori ‘Dhuwur’ nggambarake pambiji kita yen pengaruhe model iki padha karo menehi saben panaliti OpenAI tambahan siji insinyur riset sing mumpuni banget minangka asisten, dibandhingake karo kondisi dhasar ing taun 2024. Kita nglacak kemampuan iki amarga model sing bisa mbantu ngembangake sistem AI mbesuk uga bisa nuwuhake risiko anyar tumrap kaslametan, kayata nyepetake kemajuan nganti pangayoman utawa pengawasan manungsa ora bisa nyelarasake kanthi cukup cepet.

Kanggo ngatasi risiko kasebut, kita wis nambah pengawasan lan kontrol ing cara kita nglatih lan ngetrapake model. Sadurunge nggedhekake akses internal menyang GPT-6.2 Astra, kita ngevaluasi kaselarasane lan mesthekake manawa pangayoman sing dibutuhake wis ditrapake ing saben tahap. Kita nguwatake isolasi ing lingkungan riset kita⁠, lan nguji pangayoman kasebut nganggo model kita sing paling mumpuni. Kita uga nggawe Control Room⁠, sistem sing nglacak beban kerja riset lan bisa mandhegake output model sabanjure nalika perlu intervensi. Pemantauan sing kita tambah jangkauane⁠ nliti nalar lan tumindak model ing beban kerja internal lan penerapan eksternal sing didhukung. Sistem iki bisa kanthi otomatis menehi tandha prilaku sing ora diidinake lan, yen didhukung, ngasoake beban kerja utawa pacelathon.

Keselarasan

Model loro iki nuduhake kinerja sing padha karo GPT-6 Astra ing umume evaluasi keselarasan, lan luwih sithik nindakake tumindak sing ora patut ing simulasi tugas papan kerja. Nanging, ing rong tes, model loro iki luwih kerep ora nyebutake alangan sing ngalangi pakaryane, kayata file sing ora ana utawa piranti telusuran sing ora kasedhiya. Kita nambah instruksi ing Codex sing nyuda kedadeyan iki kanthi nyata, lan kita terus nliti prilaku kasebut.

Rega lan kasedhiyan

Wiwit dina iki, GPT-6.2 Astra lan Sol kasedhiya kanggo kabeh pangguna Plus, Pro, Enterprise, lan Edu ing ChatGPT Work lan Codex. Pelanggan Pro 500 bisa nggunakake Ultrafast karo model endi wae saka loro kasebut. Kanggo sepisanan, kita uga nyedhiyakake Ultrafast kanggo pelanggan Pro 200, diwiwiti saka GPT-6.2 Sol. Pangguna Enterprise lan Edu sing nyukupi syarat entuk akses sing padha sawise admin papan kerjane ngaktifake. Pangembang uga bisa ngakses gpt-6.2-astra lan gpt-6.2-sol liwat API OpenAI, kanthi Ultrafast kasedhiya kanggo model loro kasebut wiwit diluncurake.

Biaya saben tugas GPT‑6.2 Astra luwih murah kanthi nyata tinimbang GPT‑6 Astra, amarga efisiensi token sing luwih apik, diskon 20% kanggo token input lan output, sarta diskon luwih gedhe, yaiku 60%, kanggo token input sing disimpen ing cache. Tarif API standar saben sayuta token yaiku $8 kanggo input, $0.40 kanggo input ing cache, lan $40 kanggo output. GPT‑6.2 Sol tetep nganggo tarif GPT‑6.1 Sol, yaiku $2 kanggo input, $0.10 kanggo input ing cache, lan $10 kanggo output saben sayuta token.

Kanggo GPT-6.2 Astra & Sol, supaya cache luwih bisa digunakake maneh, mbantu nyuda biaya lan latensi, sarta njaga nalar antarane giliran interaksi, kita nyaranake njaga prefiks prompt supaya ora owah lan nambah instruksi anyar⁠(mbukak ing jendhela anyar) ing pacelathon.

Penulis

OpenAI

Footnotes

  1. 1

    Asil Terminal-Bench-Science 0.1 kanggo Fable 5.2 manut sing dilaporake Artificial Analysis⁠(mbukak ing jendhela anyar) ing lingkungan pangujian mini-swe-agent. Anthropic nglaporake skor Fable 5.2 sebesar 74,6% kanthi nalar Dipikir Maksimal ing Claude Code.