GPT-6.1Sol

Го претставуваме GPT-6.1 Sol, надградба на GPT-6 Sol што речиси се изедначува со интелигенцијата на GPT-6 Astra при кодирање со агент, користење компјутер и професионална работа, по една петтина од стандардните цени на Astra за влезни и излезни токени. Кешираниот влез чини само $0.10 per million tokens— 95 % помалку од стандардната цена за влез и 50 % помалку од цената за кеширан влез на GPT-6 Sol — што им овозможува на програмерите повеќе простор да креираат и користат способни агенти што повторно го користат контекстот во повеќе барања.

Поспособен Sol за различни задачи

GPT-6.1 Sol нуди нова рамнотежа меѓу способностите и трошоците за важната секојдневна работа. Носи значителни подобрувања во однос на GPT-6 Sol во сложените професионални задачи, од пишување код и отстранување грешки до разбирање документи и извршување деловни работни текови во повеќе чекори. На неколку од овие евалуации се приближува до перформансите на GPT-6 Astra со значително пониски трошоци.

Кодирање

На DeepSWE v1.1, кој оценува сложени задачи од софтверското инженерство во реални кодни бази, GPT-6.1 Sol го изедначува резултатот на GPT-6 Astra со околу петпати понизок трошок, а го надминува најдобриот резултат на GPT-6 Sol за 6,4 процентни поени со понизок степен на расудување и понизок трошок.

Професионална работа

На GDP.pdf, кој мери колку точно моделите одговараат на стручни прашања користејќи сложени PDF-документи со табели, графикони, дијаграми и ситно испечатени детали, GPT-6.1 Sol постигнува повисок резултат од Opus 5.5 со резервни модели, со помалку од половина од трошокот по задача низ тестираните поставки за расудување. Исто така, се приближува до водечките перформанси на GPT-6 Astra со околу петпати понизок трошок по задача.

На AutomationBench, кој мери дали агентите правилно завршуваат деловни работни текови во повеќе чекори, GPT-6.1 Sol постигнува резултат за 2,2 процентни поени повисок од Opus 5.5 при среден степен на расудување, со околу трипати понизок трошок. Овој резултат е и за 4,8 процентни поени повисок од оној на GPT-6 Sol со истата поставка.

Користење компјутер

GPT-6.1 Sol бележи значителен напредок и во задачите што бараат интеракција со компјутерски апликации. На офлајн-збирката на OSWorld 2.0, која ги оценува агентите во сложени работни текови со користење компјутер, GPT-6.1 Sol го надминува GPT-6 Sol за седум процентни поени при максимален степен на расудување, со помалку од половина од трошокот. При максимален степен на расудување, неговиот резултат заостанува само 2,1 процентни поени зад Astra, со околу седумпати понизок трошок по задача.

Научно истражување

На Terminal-Bench Science 0.1, кој оценува научни работни текови, вклучувајќи анализа на податоци, симулации и докажување теореми, GPT-6.1 Sol постигнува повеќе од двојно повисок резултат од GPT-6 Sol при максимален степен на расудување, со помалку од половина од трошокот по задача. При максимален степен на расудување, GPT-6.1 Sol чини просечно 5,47 $ по задача, во споредба со 23,21 $ за Opus 5.5 и 23,80 $ за Astra, нудејќи значителни научни способности со над 75% понизок трошок од двата модела.

GPT-6 Astra и понатаму го постигнува највисокиот резултат меѓу тестираните модели, 68,1%, и треба да се користи за најтешките научноистражувачки задачи.

Фактичка точност

GPT-6.1 Sol ја подобрува и фактичката точност при тешки промпти. Неговото најголемо подобрување во фактичката точност во однос на GPT-6 Sol се забележува при ниско ниво на расудување, при што го намалува уделот на одговори со фактичка грешка од 11,4 % на 7,7 % — намалување од приближно 32 %. Во сите тестирани поставки за расудување, неговата стапка на грешки останува во рамките на 1,9 процентни поени од стапката на GPT-6 Astra, со трошок по задача помал од една петтина.

Оваа евалуација го мери уделот на одговори со барем една фактичка грешка во разговори од кои се отстранети податоците за идентификација, а во кои корисниците пријавиле грешка од претходен модел. Овие намерно тешки барања не се репрезентативни за вообичаената употреба.

Безбедно воведување на GPT-6.1 Sol

GPT-6.1 Sol покажува значителни подобрувања во однос на GPT-6 Sol во нашите евалуации на усогласеноста, со што се приближува до GPT-6 Astra.

GPT-6.1 Sol е потранспарентен во однос на своите ограничувања и посигурно ги почитува намерата на корисникот и безбедносните ограничувања. Во предизвикувачки евалуации покажува пониски стапки на пропусти од GPT-6 Sol во однос на транспарентноста за нефункционални алатки за пребарување, почитувањето на експлицитните ограничувања и избегнувањето неовластени исходи при задачи со агенти. Не забележавме обиди за заобиколување на автоматизиран безбедносен проверувач, исто како кај GPT-6 Astra и GPT-6 Sol. Целосните детали може да се најдат во дополнувањето на системската картичка за GPT-6.1 Sol⁠(се отвора во нов прозорец).

Евалуациите подолу намерно тестираат тешки ситуации и не ги мерат стапките на пропусти при вообичаена употреба.

Цени и достапност

Од денес, GPT-6.1 Sol е достапен за сите корисници на Plus, Pro, Business, Enterprise и Edu во ChatGPT Work и Codex. GPT-6.1 Sol сѐ уште не е достапен во Chat. Програмерите можат да му пристапат и преку API на OpenAI како gpt-6.1-sol. Неговите стандардни цени преку API се 2 $ за милион влезни токени, 0,10 $ за милион кеширани влезни токени и 10 $ за милион излезни токени. Во наредните денови, ќе понудиме и GPT-6.1 Sol Ултрабрз⁠, со до 8 пати побрзо генерирање токени во споредба со неговата стандардна брзина во Codex.