GPT-6.1Sol

Біз GPT-6.1 Sol моделін ұсынамыз. Бұл — агенттік бағдарламалау, компьютерді пайдалану және кәсіби жұмыс тапсырмаларында GPT-6 Astra интеллекті деңгейіне барынша жақындайтын GPT-6 Sol жаңартуы. Оның стандартты кіріс және шығыс токендерінің бағасы Astra бағасының небәрі бестен бірін құрайды. Кэштелген кірістің құны 1 миллион токенге небәрі 0,10 АҚШ доллары — бұл стандартты кіріс бағасынан 95% және GPT-6 Sol моделінің кэштелген кіріс бағасынан 50% төмен. Осылайша әзірлеушілер сұраулар арасында контексті қайта пайдаланатын қуатты агенттерді жасауға және іске қосуға көбірек мүмкіндік алады.

Түрлі тапсырмаларда мүмкіндігі артқан Sol

GPT-6.1 Sol маңызды күнделікті жұмыстар үшін мүмкіндік пен құнның жаңа теңгерімін ұсынады. Ол код жазу мен қателерін түзетуден бастап құжаттарды түсінуге және көпқадамды бизнес-процестерді орындауға дейінгі күрделі кәсіби тапсырмаларда GPT-6 Sol моделінен айтарлықтай жақсы нәтиже көрсетеді. Осы бағалаулардың бірнешеуінде ол әлдеқайда аз шығынмен GPT-6 Astra нәтижелеріне жақындайды.

Бағдарламалау

Нақты код базаларындағы күрделі бағдарламалық инженерия тапсырмаларын бағалайтын DeepSWE v1.1 сынағында GPT-6.1 Sol шамамен бес есе аз шығынмен GPT-6 Astra нәтижесіне теңеседі. Сонымен қатар ой қорытуға аз күш пен қаражат жұмсай отырып, GPT-6 Sol моделінің ең жақсы көрсеткішінен 6,4 пайыздық тармаққа асып түседі.

Кәсіби жұмыс

GDP.pdf сынағы модельдердің кестелер, графиктер, диаграммалар және ұсақ қаріппен жазылған мәліметтер қамтылған күрделі PDF құжаттары негізінде кәсіби сұрақтарға қаншалықты дәл жауап беретінін өлшейді. Бұл сынақта GPT-6.1 Sol тексерілген ой қорыту баптауларының бәрінде резервтік нұсқалары бар Opus 5.5 моделінен жоғары нәтиже көрсетеді, ал бір тапсырмаға кететін шығын оның жартысынан да аз. Сондай-ақ ол бір тапсырмаға шамамен бес есе аз шығынмен GPT-6 Astra моделінің ең озық нәтижесіне жақындайды.

Агенттердің көпқадамды бизнес-процестерді дұрыс орындауын өлшейтін AutomationBench сынағында GPT-6.1 Sol ой қорытуға жұмсалатын күш Орташа деңгейде болғанда, шамамен үш есе аз шығынмен Opus 5.5 моделінен 2,2 пайыздық тармаққа жоғары нәтиже көрсетеді. Бұл көрсеткіш сол баптаудағы GPT-6 Sol нәтижесінен де 4,8 пайыздық тармаққа жоғары.

Компьютерді пайдалану

GPT-6.1 Sol компьютерлік қолданбалармен әрекеттесуді қажет ететін тапсырмаларда да айтарлықтай ілгеріледі. Агенттердің компьютерді пайдалануға қатысты күрделі жұмыс процестерін орындауын бағалайтын OSWorld 2.0 офлайн жиынтығында GPT-6.1 Sol ой қорытуға ең көп күш жұмсалатын баптауда GPT-6 Sol моделінен жеті пайыздық тармаққа жоғары нәтиже көрсетеді, ал құны екі еседен де көп төмен. Ой қорытуға ең көп күш жұмсалатын баптауда ол Astra көрсеткішінен небәрі 2,1 пайыздық тармаққа қалыс қалады, ал бір тапсырманың құны шамамен жеті есе арзан.

Ғылыми зерттеулер

Деректерді талдау, симуляция және теоремаларды дәлелдеу сияқты ғылыми жұмыс процестерін бағалайтын Terminal-Bench Science 0.1 сынағында GPT-6.1 Sol ой қорытуға ең көп күш жұмсалатын баптауда GPT-6 Sol көрсеткішінен екі еседен астам жоғары нәтиже береді, ал бір тапсырманың құны екі еседен де көп төмен. Ең көп күш жұмсалатын баптауда GPT-6.1 Sol үшін бір тапсырманың орташа құны — 5,47 АҚШ доллары, ал Opus 5.5 үшін — 23,21 АҚШ доллары, Astra үшін — 23,80 АҚШ доллары. Осылайша ол екі модельден де 75%-дан астам арзан бағаға ғылыми жұмыста елеулі мүмкіндіктер ұсынады.

GPT-6 Astra сыналған модельдер арасында әлі де ең жоғары — 68,1% нәтиже көрсетеді, сондықтан ең күрделі ғылыми зерттеу тапсырмалары үшін оны қолданған жөн.

Фактілік дәлдік

GPT-6.1 Sol күрделі көмексөздерге жауап беру кезінде де фактілік дәлдікті арттырады. Оның GPT-6 Sol моделіне қарағанда фактілік дәлдіктегі ең үлкен ілгерілеуі ой қорыту күші төмен деңгейде болғанда байқалады: бұл жағдайда фактілік қатесі бар жауаптардың үлесі 11,4%-дан 7,7%-ға дейін төмендеп, шамамен 32%-ға азаяды. Сыналған ой қорыту баптауларының барлығында оның қателер үлесі GPT-6 Astra моделінің көрсеткішінен 1,9 пайыздық тармақтан аспайтын айырмашылықта қалады, ал бір тапсырмаға кететін шығын бестен бірінен де аз.

Бұл бағалау пайдаланушылар бұрынғы модельдің қатесін белгілеген, жеке деректерден тазартылған әңгімелерде кемінде бір фактілік қатесі бар жауаптардың үлесін өлшейді. Әдейі күрделі етіп таңдалған бұл көмексөздер әдеттегі қолданысқа тән емес.

GPT-6.1 Sol моделін қауіпсіз іске қосу

Модель әрекетінің қойылған талаптарға сәйкестігін бағалау сынақтарымызда GPT-6.1 Sol GPT-6 Sol моделінен айтарлықтай ілгерілеп, GPT-6 Astra деңгейіне жақындады.

GPT-6.1 Sol өз мүмкіндіктерінің шегін ашығырақ хабарлайды және пайдаланушы ниеті мен қауіпсіздік шектеулерін сенімдірек сақтайды. Күрделі бағалау сынақтарында ол істемейтін іздеу құралдары туралы ашық хабарлау, нақты шектеулерді сақтау және агенттік тапсырмалар кезінде рұқсатсыз нәтижелерге жол бермеу бойынша GPT-6 Sol моделіне қарағанда сирек қателеседі. GPT-6 Astra және GPT-6 Sol сияқты, ол да автоматтандырылған қауіпсіздік тексерушісін айналып өтуге әрекет жасаған жоқ. Толық мәліметті GPT-6.1 Sol жүйе картасына қосымшадан⁠(жаңа терезеде ашылады) табуға болады.

Төмендегі бағалаулар әдейі күрделі жағдайларды тексереді және әдеттегі қолданыстағы қателер жиілігін өлшемейді.

Бағасы мен қолжетімділігі

Бүгіннен бастап GPT-6.1 Sol барлық Plus, Pro, Business, Enterprise және Edu пайдаланушыларына ChatGPT Жұмыс пен Codex ішінде қолжетімді. GPT-6.1 Sol Чат режимінде әзірге қолжетімді емес. Әзірлеушілер оған OpenAI API арқылы gpt-6.1-sol атауымен де қол жеткізе алады. API стандартты бағалары: миллион кіріс токеніне 2 АҚШ доллары, миллион кэштелген кіріс токеніне 0,10 АҚШ доллары және миллион шығыс токеніне 10 АҚШ доллары. Алдағы күндері Codex-тегі стандартты жылдамдығымен салыстырғанда токендерді 8 есе жылдамырақ генерациялайтын GPT-6.1 Sol Ultrafast⁠ нұсқасын да ұсынамыз.