Претставување на GPT‑5.2

Го претставуваме GPT‑5.2, најспособната серија модели досега за професионална работа со знаење.

Просечниот корисник на Организација ChatGPT вели⁠ дека вештачката интелигенција веќе му заштедува 40–60 минути дневно, а интензивните корисници велат дека им заштедува повеќе од 10 часа седмично. Го дизајниравме GPT‑5.2 за да отклучиме уште поголема економска вредност за луѓето; подобар е во креирањето електронски табели, изработка на презентации, пишување код, перцепирање слики, разбирање долги контексти, користење алатки и управување со сложени проекти во повеќе чекори.

GPT‑5.2 поставува ново ниво на достигнување во многу бенчмаркови, вклучувајќи го и GDPval, каде што ги надминува индустриските професионалци во добро специфицирани задачи со знаење кои опфаќаат 44 професии.

Notion⁠(се отвора во нов прозорец), Box⁠(се отвора во нов прозорец), Shopify⁠(се отвора во нов прозорец), Harvey⁠(се отвора во нов прозорец) и Zoom⁠(се отвора во нов прозорец) забележаа дека GPT‑5.2 демонстрира најсовремено долгорочно расудување и перформанси при повикување на алатки. Databricks⁠(се отвора во нов прозорец), Hex⁠(се отвора во нов прозорец) и Triple Whale⁠(се отвора во нов прозорец) открија дека GPT‑5.2 е извонреден во агентска наука за податоци и задачи за анализа на документи. Cognition⁠(се отвора во нов прозорец), Warp⁠(се отвора во нов прозорец), Charlie Labs⁠(се отвора во нов прозорец), JetBrains⁠(се отвора во нов прозорец) и Augment Code⁠(се отвора во нов прозорец) велат дека GPT‑5.2 обезбедува најсовремени агентски перформанси во кодирањето, со мерливи подобрувања во области, како што се интерактивно кодирање, прегледи на код и наоѓање грешки.

Во ChatGPT, GPT‑5.2 Instant, Thinking и Pro ќе почнат да се воведуваат денес, почнувајќи со платените планови. Во API, тие сега се достапни за сите развивачи на софтвер.

Во целина, GPT‑5.2 носи значителни подобрувања во општата интелигенција, разбирањето на долги контексти, агентското повикување на алатки и визијата – што го прави подобар во извршувањето на сложени, реални задачи од почеток до крај од кој било претходен модел.

GPT‑5.2 Thinking е најдобриот модел досега за реална, професионална употреба. На GDPval⁠, евалуација која мери јасно дефинирани задачи за работа со знаење низ 44 професии, GPT‑5.2 Thinking поставува ново најсовремено ниво и е нашиот прв модел со резултати на или подобро од човечка експертиза. Конкретно, GPT‑5.2 Thinking ги победува или се изедначува со врвните индустриски професионалци во 70,9% од споредбите на задачите за знаење според GDPval, според експертите човечки судии. Овие задачи вклучуваат изработка на презентации, електронски табели и други артефакти. GPT‑5.2 Thinking произведе резултати за задачите на GDPval со брзина поголема од 11 пати и со трошоци помали од 1% од оние на експертите, што сугерира дека во комбинација со човечки надзор, GPT‑5.2 може да помогне во професионалната работа. Проценките за брзина и цена се засновани на историски метрики; брзината во ChatGPT може да варира.

Кога прегледуваше еден особено добар резултат, еден судија од GDPval искоментира: „Тоа е возбудлив и забележителен скок во квалитетот... изгледа како да е направено од професионална компанија со персонал и има изненадувачки добро дизајниран распоред и совети за двата продукти, иако кај едниот сè уште имаме некои мали грешки за корекција.“

Дополнително, со нашиот внатрешен бенчмарк за задачи за моделирање на електронски табели од страна на помлади аналитичари за инвестициско банкарство – како составување на модел со три финансиски извештаи за компанија Fortune 500 со правилно форматирање и цитирање, или изработка на модел за откуп со задолжување за отстранување од берза – просечниот резултат на GPT‑5.2 Thinking по задача е 9.3% повисок од оној на GPT‑5.1, со раст од 59,1% на 68,4%.

Паралелните споредби покажуваат подобра софистицираност и форматирање во електронските табели и слајдовите генерирани од GPT‑5.2 Thinking:

За да ги користиш новите можности за електронски табеларни пресметки и презентација во ChatGPT, мора да бидеш на платен план и да избереш или GPT‑5.2 Thinking или Pro. Создавањето на сложени генерирања може да трае многу долго.

GPT‑5.2 Thinking поставува нов најсовремен репер од 55,6% на SWE-bench Pro, ригорозна евалуација на софтверско инженерство од реалниот свет. За разлика од SWE-bench Verified, кој тестира само Python, SWE-bench Pro тестира четири јазици и има за цел да биде поотпорен на контаминација, попредизвикувачки, поразновиден и индустриски релевантен.

На SWE-bench Verified (не е прикажано), GPT‑5.2 Thinking достигна ново највисоко ниво од 80%.

За секојдневна професионална употреба, ова се претвора во модел што може понадежно да отстранува грешки во продукциски код, да имплементира барања за функции, да рефакторира големи бази на кодови и да испорачува поправки од почеток до крај со помалку рачна интервенција.

GPT‑5.2 Thinking е исто така подобро во фронт-енд софтверското инженерство од GPT‑5.1 Thinking. Раните тестери го најдоа значително посилен во развојот на фронт-енд и сложена или неконвенционална работа со кориснички интерфејс – особено вклучувајќи 3D елементи – што го прави моќен дневен партнер за инженери низ целокупниот технолошки стек. Види неколку примери за тоа што може да се произведе од еден промпт:

Првите тестери ги споделија своите повратни информации за способностите за кодирање на GPT‑5.2:

GPT‑5.2 Thinking халуцинира помалку од GPT‑5.1 Thinking. На сет од деидентификувани прашања од ChatGPT, одговорите со грешки беа 38%_rel помалку чести. За професионалците, ова значи помалку грешки при користење на моделот за истражување, пишување, анализа и поддржува на одлуки – правејќи го моделот понадежен за секојдневна работа со знаење.

Како сите модели, GPT‑5.2 Thinking е несовршен. За сè што е критично, провери ги одговорите двапати.

GPT‑5.2 Thinking поставува нов стандард во расудувањето со долг контекст, постигнувајќи водечки перформанси на OpenAI MRCRv2 – проценка која ја тестира способноста на моделот да интегрира информации распоредени низ долги документи. На задачи од реалниот свет како длабока анализа на документ, кои бараат поврзани информации преку стотици илјади токени, GPT‑5.2 Thinking е значително поточно од GPT‑5.1 Thinking. Особено, ова е првиот модел што сме го виделе кој постигнува речиси 100% точност на 4-needle MRCR варијантата (до 256 илјади токени).

Во практични термини, ова им овозможува на професионалците да го користат GPT‑5.2 за работа со долги документи – како што се извештаи, договори, истражувачки трудови, транскрипти и проекти со повеќе датотеки – додека се одржува кохерентност и точност низ стотици илјади tokenи. Ова го прави GPT‑5.2 особено добро прилагоден за длабинска анализа, синтеза и сложени работни текови од повеќе извори.

За задачи што имаат корист од размислување надвор од максималниот контекстуален прозорец, GPT‑5.2 Thinking е компатибилен со нашата нова крајна точка Responses /compact, која го проширува ефективниот контекстуален прозорец на моделот. Ова му овозможува на GPT‑5.2 Thinking да се справува со работни процеси кои бараат повеќе алатки и се долготрајни, а кои инаку би биле ограничени од должината на контекстот. Прочитај повеќе во нашата API документација⁠(се отвора во нов прозорец).

GPT‑5.2 Thinking е нашиот најсилен модел за визуелизација досега, намалувајќи ги стапките на грешки приближно на половина при расудување на графикони и разбирање на софтверски интерфејси.

За секојдневна професионална употреба, ова значи дека моделот може поточно да ги интерпретира контролни табли, сликите на производи, техничките дијаграми и визуелните извештаи – поддржувајќи работни текови во финансии, операции, инженерство, дизајн и корисничка поддршка каде визуелните информации се од централно значење.

Во споредба со претходните модели, GPT‑5.2 Thinking има посилно разбирање за тоа како елементите се позиционирани во рамките на слика, што помага во задачи каде релативниот распоред игра клучна улога во решавањето на проблемот. Во примерот подолу, го замолуваме моделот да ги идентификува компонентите на слика (во овој случај, матична плоча) и да даде етикети со приближни полиња. Дури и на слика со ниска резолуција, GPT‑5.2 ги идентификува главните региони и поставува полиња кои приближно одговараат на вистинските локации на секоја компонента, додека GPT‑5.1 само означува неколку делови и покажува многу послабо разбирање на нивниот просторен распоред.

GPT‑5.2 Thinking постигнува нова најсовремена состојба од 98,7% на Tau2-bench Telecom, демонстрирајќи ја својата способност за сигурно користење на алатки низ долги, повеќекратни задачи.

За случаи на употреба чувствителни на латентност, GPT‑5.2 Thinking исто така има многу подобри резултати во reasoning.effort=’none’, значително надминувајќи ги GPT‑5.1 и GPT‑4.1.

За професионалците, ова се претвора во посилни работни процеси од почеток до крај – како што се решавање на случаи за поддршка на клиенти, извлекување податоци од повеќе системи, водење анализи и генерирање на конечни резултати со помалку поделби помеѓу чекорите.

На пример, кога поставуваш сложено прашање за корисничка поддршка кое бара решавање во повеќе чекори, моделот може поефективно да координира целосен работен тек преку повеќе агенти. Во случајот подолу, патникот пријавува одложен лет, пропуштена врска, ноќевање во Њујорк и медицински услов за седење. GPT‑5.2 управува со целиот синџир на задачи – повторни резервации, седишта за специјална помош и компензација – обезбедувајќи покомплетен резултат од GPT‑5.1.

Една од нашите надежи за вештачката интелигенција е дека ќе го забрза научното истражување за доброто на сите. Во оваа насока, работиме и ги слушаме научниците за да видиме како вештачката интелигенција може да го забрза нивното работење, и минатиот месец споделивме некои рани заеднички експерименти тука⁠.

Веруваме дека GPT‑5.2 Pro и GPT‑5.2 Thinking се најдобрите модели во светот за помош и забрзување на научниците. На GPQA Diamond, одредница за прашања и одговори на постдипломски студии, отпорен на Google, GPT‑5.2 Pro постигнува 93,2%, следен блиску од GPT‑5.2 Thinking на 92,4%.

На FrontierMath (ниво 1–3), евалуација на експертско ниво на математика, GPT‑5.2 Thinking постави нов стандард, решавајќи 40,3% од проблемите.

Почнуваме да гледаме како моделите на вештачка интелигенција значајно го забрзуваат напредокот во математиката и науката на опипливи начини. На пример, во неодамнешна работа⁠ со GPT‑5.2 Pro, истражувачите истражуваа отворено прашање во теоријата на статистичко учење. Во тесно, добро дефинирано опкружување, моделот предложи доказ кој потоа беше потврден од авторите и разгледан со надворешни експерти, илустрирајќи како најсовремените модели можат да помогнат во математичките истражувања под близок човечки надзор.

На ARC-AGI-1 (Verified), бенчмарк дизајниран за мерење на општата способност за расудување, GPT‑5.2 е првиот модел што ја надмина границата од 90%, подобрувајќи се од 87% од o3‑preview минатата година, намалувајќи го притоа трошокот за постигнување на тие перформанси за приближно 390×.

На ARC-AGI-2 (Verified), што ја зголемува тежината и подобро го изолира флуидното размислување, GPT‑5.2 Thinking постигнува ново достигнување за модели „синџир на размислување“, со резултат од 52,9%. GPT‑5.2 Pro постигнува уште повисоки резултати, достигнувајќи 54,2%, дополнително проширувајќи ја способноста на моделот за расудување преку нови, апстрактни проблеми.

Подобрувањата низ овие евалуации го одразуваат напредокот на GPT‑5.2 за посилно расудување со повеќе чекори, поголема квантитативна точност и понадежно решавање на проблеми на сложени технички задачи.

Еве што велат нашите први тестери за GPT‑5.2:

Во ChatGPT, корисниците треба да имаат предвид дека GPT‑5.2 се чувствува подобро во секојдневната употреба—поструктуриран е, понадежен е и сè уште е пријатен за разговор.

GPT‑5.2 Instant е брз и способен работник за секојдневна работа и учење, со јасни подобрувања во прашањата за барање информации, упатствата и водичите, техничкото пишување и преводот, градејќи врз попријатниот разговорен тон воведен во GPT‑5.1 Instant. Првите тестери особено забележаа појасни објаснувања кои ги изнесуваат клучните информации на почетокот.

GPT‑5.2 Thinking е дизајниран за подлабока работа, помагајќи корисникот да се справи со покомплексни задачи со поголема прецизност—особено за кодирање, сумирање на долги документи, одговарање на прашања за поставени датотеки, работење низ математика и логика чекор по чекор, и поддршка во планирање и донесување одлуки со појасна структура и покорисни детали.

GPT‑5.2 Pro е нашата најпаметна и најдоверлива опција за тешки прашања каде што одговорот со повисок квалитет вреди да се почека, со први тестирања кои покажуваат помалку големи грешки и посилни перформанси во сложени домени, како програмирање.

GPT‑5.2 се надоврзува на истражувањето за безбедно завршување⁠ што го воведовме со GPT‑5, кое го учи моделот да даде најкорисен одговор останувајќи притоа во рамките на безбедните граници.

Со ова издание, продолживме да работиме на зајакнување на одговорите на нашите модели во чувствителни разговори⁠, со значајни подобрувања во начинот на кој тие одговараат на промпти што укажуваат на знаци на самоубиство или самоповредување, ментално здравје или емоционална зависност од моделот. Овие насочени интервенции резултираа со помалку несакани одговори и во GPT‑5.2 Instant и GPT‑5.2 Thinking во споредба со моделите GPT‑5.1 и GPT‑5 Instant и Thinking. Повеќе детали може да се најдат во системската картичка⁠.

Се наоѓаме во раните фази на воведување на нашиот модел за предвидување на возраст⁠ за автоматски да примениме заштити на содржините за корисници под 18 години, со цел да го ограничиме пристапот до чувствителни содржини. Ова се надоврзува на нашиот постоечки пристап кон корисниците за кои знаеме дека се под 18 години и нашите родителски контроли.

GPT‑5.2 е еден чекор во тековната серија на подобрувања, а ние сме далеку од завршување. Иако ова издание носи значајни добивки во интелигенцијата и продуктивноста, знаеме дека има области каде што луѓето сакаат повеќе. Во ChatGPT, работиме на познати проблеми како што се преголемите одбивања, додека продолжуваме да го подигаме нивото на безбедност и доверливост во целина. Овие промени се сложени, а ние сме фокусирани на тоа да ги направиме како што треба.

Во ChatGPT, денес ќе започнеме со воведување на GPT‑5.2 (Instant, Thinking и Pro), почнувајќи со платените планови (Plus, Pro, Go, Business, Enterprise). Го распоредуваме GPT‑5.2 постепено за да може ChatGPT да функционира што е можно понепречено и посигурно; ако не го видиш веднаш, обиди се повторно подоцна. Во ChatGPT, GPT‑5.1 ќе биде достапен за платежни корисници три месеци под старите модели, по што ќе го укинеме GPT‑5.1.

На нашата API платформа, GPT‑5.2 Thinking е достапен денес во Responses API и Chat Completions API како GPT‑5.2, и GPT‑5.2 Instant како gpt-5.2-chat-latest. GPT‑5.2 Pro е достапен во Responses API како gpt-5.2-pro. Развивачите на софтвери сега можат да го постават параметарот за расудување во GPT‑5.2 Pro, а и GPT‑5.2 Pro и GPT‑5.2 Thinking сега го поддржува новиот петти напор за расудување на xhigh, за задачи каде што квалитетот е најважен.

GPT‑5.2 чини 1,75 долари за 1 милион токени за внесување и 14 долари за 1 милион токени за резултати, со 90% попуст на кеширани внесувања. На повеќе агентски евалуации, откривме дека и покрај поголемата цена на GPT‑5.2 по токен, цената за постигнување на дадено ниво на квалитет беше поевтина поради поголемата ефикасност на токените на GPT‑5.2.

Додека цените за претплата на ChatGPT остануваат исти, во API GPT‑5.2 е ценет повисоко по токен од GPT‑5.1 затоа што е поспособен модел. Сè уште е поевтин од другите современи модели, така што луѓето можат да продолжат да го користат длабоко во нивната секојдневна работа и основни апликации.

Во моментов немаме планови да го отфрлиме GPT‑5.1, GPT‑5, или GPT‑4.1 во API и ќе ги соопштиме сите планови за отфрлање со доволно претходно известување за развивачи на софтвер. Додека GPT‑5.2 ќе работи добро веднаш во Codex, очекуваме да објавиме верзија на GPT‑5.2 оптимизирана за Codex во следните седмици.

GPT‑5.2 беше изграден во соработка со нашите долготрајни партнери NVIDIA и Microsoft. Azure центрите за податоци и графичките карти на NVIDIA, вклучувајќи ги H100, H200 и GB200-NVL72, ја поддржуваат инфраструктурата за обука на OpenAI во голем обем, овозможувајќи значителни придобивки во интелигенцијата на моделот. Заедно, оваа соработка ни овозможува да го зголемиме капацитетот за пресметување со самодоверба и да донесеме нови модели на пазарот побрзо.

Подолу ги прикажуваме сеопфатните резултати од бенчмаркот за GPT‑5.2 Thinking, заедно со подмножество за GPT‑5.2 Pro.

^{Моделите беа извршени со максимален достапен напор за расудување во нашиот API (xhigh за GPT‑5.2 Thinking и Pro, и високо за GPT‑5.1 Thinking), освен за професионалните евалуации, каде што GPT‑5.2 Thinking беше извршен со тежок напор за расудување, максималното достапно во ChatGPT Pro. Бенчмарковите беа спроведени во истражувачка средина, што може да даде малку поинаков резултат од производната верзија на ChatGPT во некои случаи.}

^{* За SWE-Lancer, изоставуваме 40/237 проблеми кои не работеа на нашата инфраструктура.}