GPT-6.1Sol

Iepazīstinām ar GPT-6.1 Sol – GPT-6 Sol uzlabojumu, kas autonomajā programmēšanā, datora lietošanā un profesionālajā darbā gandrīz sasniedz GPT-6 Astra domāšanas līmeni par piektdaļu no Astra standarta ievades un izvades tekstvienību cenas. Kešotā ievade maksā tikai 0,10 USD par miljonu tekstvienību – par 95% mazāk nekā standarta ievades cena un par 50% mazāk nekā GPT-6 Sol kešotās ievades cena, sniedzot izstrādātājiem vairāk iespēju veidot un darbināt spējīgus aģentus, kas atkārtoti izmanto kontekstu dažādos pieprasījumos.

Spējīgāks Sol dažādiem uzdevumiem

GPT-6.1 Sol piedāvā jaunu spēju un izmaksu līdzsvaru svarīgam ikdienas darbam. Salīdzinājumā ar GPT-6 Sol tas sniedz būtiskus uzlabojumus sarežģītos profesionālos uzdevumos – no koda rakstīšanas un atkļūdošanas līdz dokumentu izpratnei un vairāku soļu uzņēmējdarbības darbplūsmu izpildei. Vairākos no šiem novērtējumiem tas tuvojas GPT-6 Astra veiktspējai ar ievērojami zemākām izmaksām.

Programmēšana

Testā DeepSWE v1.1, kas vērtē sarežģītus programmatūras izstrādes uzdevumus reālās koda bāzēs, GPT-6.1 Sol sasniedz GPT-6 Astra līmeni par aptuveni piektdaļu izmaksu. Vienlaikus tas pārspēj GPT-6 Sol labāko rezultātu par 6,4 procentpunktiem ar zemāku spriestspējas intensitāti un mazākām izmaksām.

Profesionālais darbs

Testā GDP.pdf, kas mēra, cik precīzi modeļi atbild uz profesionāliem jautājumiem, izmantojot sarežģītus PDF dokumentus ar tabulām, grafikiem, diagrammām un sīkā drukā rakstītu informāciju, GPT-6.1 Sol visos pārbaudītajos spriestspējas iestatījumos pārspēj Opus 5.5 ar rezerves modeļiem, izmaksām par uzdevumu nesasniedzot pat pusi. Tas arī tuvojas GPT-6 Astra nozarē labākajam rezultātam par aptuveni piektdaļu izmaksu par uzdevumu.

Testā AutomationBench, kas mēra, vai aģenti pareizi izpilda vairāku soļu uzņēmējdarbības darbplūsmas, GPT-6.1 Sol ar vidēju spriestspējas intensitāti pārspēj Opus 5.5 par 2,2 procentpunktiem, izmaksām sasniedzot aptuveni trešdaļu. Šis rezultāts arī par 4,8 procentpunktiem pārsniedz GPT-6 Sol rezultātu ar to pašu iestatījumu.

Datora lietošana

GPT-6.1 Sol arī ievērojami uzlabo rezultātus uzdevumos, kuros nepieciešams darboties ar datora lietotnēm. OSWorld 2.0 bezsaistes kopā, kas vērtē aģentus sarežģītās datora lietošanas darbplūsmās, GPT-6.1 Sol ar maksimālu spriestspējas intensitāti pārspēj GPT-6 Sol par septiņiem procentpunktiem, izmaksām nesasniedzot pat pusi. Ar maksimālu spriestspējas intensitāti tas atpaliek no Astra rezultāta tikai par 2,1 procentpunktu, bet izmaksas par uzdevumu ir aptuveni septītdaļa.

Zinātniskā pētniecība

Testā Terminal-Bench Science 0.1, kas vērtē zinātniskās darbplūsmas, tostarp datu analīzi, simulāciju un teorēmu pierādīšanu, GPT-6.1 Sol ar maksimālu spriestspējas intensitāti vairāk nekā divkāršo GPT-6 Sol rezultātu, izmaksām par uzdevumu nesasniedzot pat pusi. Ar maksimālu spriestspējas intensitāti GPT-6.1 Sol vidējās izmaksas ir 5,47 $ par uzdevumu, salīdzinot ar 23,21 $ modelim Opus 5.5 un 23,80 $ modelim Astra. Tas nodrošina ievērojamas zinātniskā darba spējas ar vairāk nekā par 75 % zemākām izmaksām nekā katram no abiem modeļiem.

GPT-6 Astra joprojām sasniedz augstāko rezultātu starp pārbaudītajiem modeļiem — 68,1 % — un ir ieteicams vissarežģītākajiem zinātniskās pētniecības uzdevumiem.

Faktu precizitāte

GPT-6.1 Sol arī uzlabo faktu precizitāti atbildēs uz sarežģītām uzvednēm. Vislielākais faktu precizitātes uzlabojums salīdzinājumā ar GPT-6 Sol ir vērojams pie zemas spriestspējas intensitātes, kad tas samazina atbilžu īpatsvaru, kurās ir faktu kļūda, no 11,4% līdz 7,7% – aptuveni par 32%. Visos pārbaudītajos spriestspējas iestatījumos tā kļūdu īpatsvars no GPT-6 Astra rādītāja atšķiras ne vairāk kā par 1,9 procentpunktiem, turklāt izmaksas par uzdevumu ir mazākas par piektdaļu no GPT-6 Astra izmaksām.

Šajā novērtējumā mēra to atbilžu īpatsvaru, kurās ir vismaz viena faktu kļūda, izmantojot sarunas, no kurām izņemti identificējošie dati un kurās lietotāji bija norādījuši uz agrāka modeļa kļūdu. Šīs apzināti sarežģītās uzvednes neatspoguļo tipisku lietojumu.

Droša GPT-6.1 Sol ieviešana

Mūsu novērtējumos par atbilstību cilvēka nodomiem un ierobežojumiem GPT-6.1 Sol uzrāda būtiskus uzlabojumus salīdzinājumā ar GPT-6 Sol, tuvojoties GPT-6 Astra līmenim.

GPT-6.1 Sol atklātāk informē par saviem ierobežojumiem un uzticamāk ievēro lietotāja nodomu un drošības ierobežojumus. Sarežģītos novērtējumos tam ir zemāks kļūmju īpatsvars nekā GPT-6 Sol, vērtējot atklātību par nestrādājošiem meklēšanas rīkiem, skaidri noteiktu ierobežojumu ievērošanu un izvairīšanos no neatļautiem iznākumiem aģentu uzdevumos. Mēs nenovērojām nevienu mēģinājumu apiet automatizētu drošības pārbaudes sistēmu – tāpat kā GPT-6 Astra un GPT-6 Sol gadījumā. Pilnīga informācija ir pieejama GPT-6.1 Sol sistēmas kartes papildinājumā⁠(atveras jaunā logā).

Tālāk minētajos novērtējumos apzināti pārbauda sarežģītas situācijas, nevis mēra kļūmju biežumu tipiskā lietojumā.

Cenas un pieejamība

No šodienas GPT-6.1 Sol ir pieejams visiem Plus, Pro, Business, Enterprise un Edu lietotājiem ChatGPT Work un Codex vidē. GPT-6.1 Sol vēl nav pieejams Chat režīmā. Izstrādātāji tam var piekļūt arī ar OpenAI API starpniecību kā gpt-6.1-sol. Tā standarta API cenas ir 2 USD par miljonu ievades tekstvienību, 0,10 USD par miljonu kešotās ievades tekstvienību un 10 USD par miljonu izvades tekstvienību. Tuvākajās dienās Codex vidē piedāvāsim arī GPT-6.1 Sol Ultrafast⁠ ar līdz pat 8× ātrāku tekstvienību ģenerēšanu salīdzinājumā ar tā standarta ātrumu.