GPT-6.1Sol

Pristatome „GPT-6.1 Sol“ – „GPT-6 Sol“ atnaujinimą, kuris agentinio programavimo, kompiuterio naudojimo ir profesinio darbo srityse beveik prilygsta „GPT-6 Astra“ intelektui už penktadalį standartinės „Astra“ įvesties ir išvesties žetonų kainos. Talpykloje saugoma įvestis kainuoja vos 0,10 USD už milijoną žetonų – 95 % mažiau nei standartinė įvestis ir 50 % mažiau nei talpykloje saugoma „GPT-6 Sol“ įvestis. Tai suteikia kūrėjams daugiau laisvės kurti ir vykdyti pajėgius agentus, kurie pakartotinai naudoja kontekstą įvairiose užklausose.

Pajėgesnis „Sol“ įvairioms užduotims

„GPT-6.1 Sol“ siūlo naują galimybių ir kainos pusiausvyrą svarbiam kasdieniam darbui. Modelis gerokai pranoksta „GPT-6 Sol“ atliekant sudėtingas profesines užduotis – nuo kodo rašymo ir derinimo iki dokumentų supratimo bei kelių etapų verslo procesų vykdymo. Keliuose iš šių vertinimų jis beveik prilygsta „GPT-6 Astra“ rezultatams, tačiau kainuoja gerokai mažiau.

Programavimas

Atliekant DeepSWE v1.1 testą, kuriuo vertinamos sudėtingos programinės įrangos inžinerijos užduotys realiose kodo bazėse, GPT-6.1 Sol prilygsta GPT-6 Astra už maždaug penktadalį kainos. Be to, naudodamas mažiau protavimo pastangų ir kainuodamas pigiau, jis 6,4 procentinio punkto pranoksta geriausią GPT-6 Sol rezultatą.

Profesinės užduotys

GDP.pdf testu matuojama, kaip tiksliai modeliai atsako į profesinius klausimus remdamiesi sudėtingais PDF dokumentais, įskaitant lenteles, grafikus, diagramas ir smulkiu šriftu pateiktą informaciją. Su visomis išbandytomis protavimo nuostatomis GPT-6.1 Sol pasiekia geresnių rezultatų nei Opus 5.5 su atsarginiais modeliais, o užduoties kaina nesiekia pusės jo kainos. Jis taip pat priartėja prie geriausių šiuo metu GPT-6 Astra rezultatų už maždaug penktadalį užduoties kainos.

Atliekant AutomationBench testą, kuriuo matuojama, ar agentai tinkamai įvykdo daugiapakopius verslo procesus, GPT-6.1 Sol su vidutinėmis protavimo pastangomis 2,2 procentinio punkto lenkia Opus 5.5 ir kainuoja maždaug trečdalį jo kainos. Šis rezultatas taip pat 4,8 procentinio punkto viršija GPT-6 Sol rezultatą su ta pačia nuostata.

Naudojimasis kompiuteriu

GPT-6.1 Sol taip pat gerokai patobulėjo atlikdamas užduotis, kurioms reikia sąveikauti su kompiuterio programomis. Atliekant OSWorld 2.0 neprisijungus naudojamo rinkinio testus, kuriais vertinamas agentų darbas su sudėtingais naudojimosi kompiuteriu procesais, GPT-6.1 Sol su maksimaliomis protavimo pastangomis septyniais procentiniais punktais lenkia GPT-6 Sol, o kainuoja mažiau nei pusę jo kainos. Su maksimaliomis protavimo pastangomis jis nuo „Astra“ rezultato atsilieka vos 2,1 procentinio punkto, o užduotis kainuoja maždaug septintadalį kainos.

Moksliniai tyrimai

Atliekant Terminal-Bench Science 0.1 testą, kuriuo vertinami mokslinio darbo procesai, įskaitant duomenų analizę, modeliavimą ir teoremų įrodymą, GPT-6.1 Sol su maksimaliomis protavimo pastangomis daugiau nei dvigubai pranoksta GPT-6 Sol rezultatą, o užduotis kainuoja mažiau nei pusę jo kainos. Su maksimaliomis pastangomis GPT-6.1 Sol užduotis vidutiniškai kainuoja 5,47 USD, palyginti su 23,21 USD naudojant Opus 5.5 ir 23,80 USD naudojant „Astra“. Taigi jis siūlo plačias mokslinio darbo galimybes už daugiau nei 75 % mažesnę kainą nei bet kuris iš šių modelių.

GPT-6 Astra vis dar pasiekia aukščiausią rezultatą tarp išbandytų modelių – 68,1 % – ir turėtų būti naudojamas sunkiausioms mokslinių tyrimų užduotims.

Faktinis tikslumas

„GPT-6.1 Sol“ taip pat užtikrina didesnį faktinį tikslumą atsakant į sudėtingas užklausas. Didžiausias faktinio tikslumo šuolis, palyginti su „GPT-6 Sol“, pasiekiamas esant žemam protavimo pastangų lygiui, kai atsakymų su faktinėmis klaidomis dalis sumažėja nuo 11,4 % iki 7,7 % – tai maždaug 32 % mažiau. Taikant įvairias protavimo nuostatas, klaidų dažnis nuo „GPT-6 Astra“ skiriasi ne daugiau kaip 1,9 procentinio punkto, o kaina už užduotį nesiekia nė penktadalio.

Šiuo vertinimu matuojama atsakymų su bent viena faktine klaida dalis pokalbiuose, iš kurių pašalinti tapatybę atskleidžiantys duomenys ir kuriuose naudotojai pažymėjo ankstesnio modelio klaidą. Šios tikslingai parinktos sudėtingos užklausos neatspindi įprasto naudojimo.

Saugus GPT-6.1 Sol diegimas

Mūsų vertinimuose, kuriais tikrinama atitiktis naudotojų ketinimams ir saugos reikalavimams, GPT-6.1 Sol gerokai lenkia GPT-6 Sol ir priartėja prie GPT-6 Astra.

„GPT-6.1 Sol“ yra skaidresnis dėl savo apribojimų ir patikimiau paiso naudotojų ketinimų bei saugos apribojimų. Atliekant sudėtingus vertinimus, modelis demonstravo mažesnį klaidų dažnį nei „GPT-6 Sol“ skaidrumo dėl neveikiančių paieškos įrankių, aiškių apribojimų laikymosi ir neteisėtų rezultatų vengimo srityse atliekant agentines užduotis. Neužfiksuota jokių bandymų apeiti automatinį saugos tikrintuvą, o tai atitinka „GPT-6 Astra“ ir „GPT-6 Sol“ rezultatus. Išsamią informaciją rasite „GPT-6.1 Sol“ sistemos kortelės priede⁠(atsidaro naujame lange).

Toliau pateikti vertinimai tikslingai tikrina sudėtingas situacijas ir nematuoja nesėkmių dažnio įprastai naudojant modelį.

Kainos ir prieinamumas

Nuo šiandien „GPT-6.1 Sol“ prieinamas visiems „Plus“, „Pro“, „Business“, „Enterprise“ ir „Edu“ naudotojams „ChatGPT Work“ ir „Codex“ aplinkose. „GPT-6.1 Sol“ kol kas neprieinamas per „Chat“. Kūrėjai jį taip pat gali pasiekti per „OpenAI API“ kaip „gpt-6.1-sol“. Standartinės API kainos yra 2 USD už milijoną įvesties žetonų, 0,10 USD už milijoną talpykloje saugomos įvesties žetonų ir 10 USD už milijoną išvesties žetonų. Artimiausiomis dienomis taip pat pasiūlysime „GPT-6.1 Sol“ „Ultrafast“⁠ versiją, kuri, palyginti su standartiniu greičiu „Codex“ aplinkoje, žetonus generuos iki 8 kartų greičiau.