OpenAI

Претставување на GPT-6.2 Astra и Sol

Нов стандард за професионална работа

Пробајте во ChatGPT Work(се отвора во нов прозорец)

Ви ги претставуваме GPT‑6.2 Astra, нашиот нов граничен модел за вашите најтешки проекти, и GPT‑6.2 Sol, нашиот ефикасен, сестран модел за секојдневна работа. Двата модела даваат подобри резултати на сложени задачи со помалку излезни токени, за да можете да завршите повеќе работа во рамките на вашите ограничувања за користење. За компаниите и програмерите, тоа значи перформанси на ниво на граничните модели со трошоци што се исплатливи и при користење во голем обем.

GPT‑6.2 Astra поставува нов стандард за квалитетот на ВИ во сложената професионална работа. Неговите слајдови, електронски табели и документи помалку наликуваат на содржина создадена со ВИ и подоследно ги следат шаблоните што ги доставувате и конвенциите во вашата област. Пишува почист код и создава кориснички интерфејси што изгледаат и функционираат подобро, особено за веб-страници, игри и 3D-дизајн.

На Agents’ Last Exam, кој тестира професионална работа во повеќе чекори, GPT‑6.2 Astra поставува нов рекорд: постигнува 5,2 поени повеќе од GPT‑6 Astra за помалку од третина од трошокот и 5,5 поени повеќе од Claude Fable 5.2 за само 5% од трошокот.

Agents’ Last Exam ги оценува моделите на долготрајни професионални работни процеси. Резултатите за Fable 5.2 на неговата ранг-листа не вклучуваат девет задачи за кои бил користен резервен модел.

Веруваме дека GPT-6.2 Astra е најдобриот модел во светот за научниците. Поставува нов рекорд на Terminal-Bench-Science 0.1, кој тестира колку успешно моделите можат да извршуваат научна работа во терминал. GPT-6.2 Astra постигнува резултат за 9 процентни поени повисок од GPT-6 Astra за помалку од една третина од трошокот. Поставува нов рекорд и на Vals Science Index, кој бара од моделите да толкуваат вистински биолошки податоци и да спроведуваат експерименти за да заклучат како функционира симулиран систем.

Во API, цените на влезните и излезните токени за GPT‑6.2 Astra се 20% пониски од оние за GPT‑6 Astra, со 60% попуст за кеширан влез (8 долари за влез, 0,40 долари за кеширан влез и 40 долари за излез, сите за милион токени). GPT‑6.2 Sol ги задржува цените на токените во API на GPT‑6.1 Sol. На неколку референтни тестови, двата модела се приближуваат до другите водечки модели или ги надминуваат, со само мал дел од трошокот по задача.

GPT-6.2 Sol: нашиот прв избор за секојдневна работа

Во споредба со GPT‑6.1 Sol, GPT‑6.2 Sol е попаметен, поефикасен и ви овозможува да завршите повеќе задачи со истиот платен план. Лесно се справува со агентски работни текови во повеќе чекори, пишува јасно и природно, а соработката со него е интуитивна. Многу вработени во OpenAI го користат како свој стандарден модел и за технички и за нетехнички задачи.

На FrontierCode 2.0 од Cognition, GPT‑6.2 Sol се приближува на 0,5 поени до GPT‑6.2 Astra со околу една петтина од трошокот (двата на Max).

FrontierCode 2.0 оценува дали измените во вистински кодни бази ги исполнуваат стандардите за спојување на оние што ги одржуваат.

Неговата брзина и интелигенција го прават идеален и за важните задачи за кои луѓето се обраќаат до ВИ надвор од работата. На нашата неодамна објавена евалуација LifeVal⁠, која ги мери перформансите на сложени секојдневни задачи, GPT‑6.2 Sol постигнува повисок резултат од GPT‑6 Astra со околу една седмина од трошокот.

LifeVal тестира колку добро моделите се справуваат со секојдневни задачи приспособени на нечии потреби, како што се составување потесен избор на градинки по преселба, наоѓање дом што одговара на семејниот буџет и патувањето до работа или планирање оброци за родител што се приспособува на нова дијагноза.

Професионални резултати во согласност со стандардите во дејноста

Го обучивме GPT‑6.2 Astra да создава појасни и подобро дизајнирани слајдови, табеларни пресметки и документи што поблиску ги следат вообичаените практики на професионалците во области како правото, продажбата, финансиите и сметководството. Текстот е подиректен и поконкретен, со помалку општи заклучоци и непотребни зборови.

Harvey LAB‑AA v1.1 користи правни задачи за да тестира дали моделите можат да ги најдат релевантните факти во изворните документи, да ги применат според детални насоки и да изработат точен конечен материјал што го исполнува секое барање. GPT‑6.2 Astra поставува нов стандард, постигнувајќи повеќе од двојно поголема стапка на успешно завршени задачи од Claude Fable 5.2 со околу една шестина од трошокот. OpenAI за правен сектор⁠, нашата конфигурација на GPT-6.2 Astra за правници, постигнува уште повисок резултат на овој референтен тест.

Harvey LAB‑AA тестира правна работа, како што е преглед на договорни одредби. Неговиот главен резултат признава успех само кога изработениот материјал го исполнува секој критериум за оценување и не содржи суштински халуцинации.

Нашиот интерен референтен тест GDPval v2 е следната верзија на GDPval⁠, која мери сложени, долготрајни работни процеси од вистински проекти во сектори како консалтингот, финансиите и дизајнот. GPT‑6.2 Astra е прв меѓу моделите што ги тестиравме, со резултат за 6,2 процентни поени повисок од GPT‑6 Astra, а притоа користи 22% помалку излезни токени. GPT‑6.2 Sol го подобрува резултатот на GPT‑6.1 Sol за 5,3 поени.

GDPval v2 се состои од долготрајни задачи што бараат стручни знаења, преземени од вистински проекти во сектори како финансиите, науката за податоци, биотехнологијата и маркетингот.

Работни книги и меморандуми

Изработката на работна книга за процена на вредност или пишувањето инвестициски меморандум започнува со наоѓање на релевантните бројки во изворните датотеки и утврдување како тие се поврзани. AA‑AnalystAgent од Artificial Analysis ја тестира таа работа со вистински табеларни пресметки и извештаи. Во една задача, моделите ги користат извештаите за расходите на Medicaid во Калифорнија за да пресметаат колку програмата потрошила за медицински превоз. GPT‑6.2 Astra поставува нов рекорд, одговарајќи точно на 62,5% од прашањата во сите пет независни обиди.

Презентации со слајдови

GPT‑6.2 Astra е нашиот досега најдобар модел за дизајнирање слајдови и следење шаблони за слајдови, без разлика дали добива оригинална датотека или само слика од екранот. Може да ги усогласи распоредот, боите и типографијата до точната големина на фонтот и да го пренесе стилот на пишување од шаблонот во новите слајдови. Првите тестери утврдија дека презентациите полесно се користат директно, со помалку измени, благодарение на насловите што го истакнуваат главниот заклучок и концизниот текст што се фокусира на деталите потребни на читателите.

1 од 4
“

Го евалуиравме GPT-6.2 Astra во претворање обемни и сложени информации во читливи резимеа и инфографици за техничка и нетехничка публика. Примерите вклучуваа резимеа за тргување и дијаграми на агентски работни текови.

Документите на GPT-6.2 Astra беа значително подобри од оние на GPT-6 Astra. Текстот и графиконите многу го олеснија издвојувањето на клучните точки од извештаите, а дијаграмите ги појаснија сложените системи покажувајќи како функционираат нивните делови заедно.

”
Маркис Вонг, главен инженер за ВИ, IMC

Користење компјутер и интерактивен веб-дизајн

Попрецизното користење компјутер му овозможува на GPT‑6.2 Astra да работи до ниво на поединечни делови и врски во алатките за CAD и симулација. Инженерите можат да го искористат тоа дополнително ниво на детали за да проверат како се вклопуваат компонентите, да видат каде се прераспределуваат оптоварувањата при движење на конструкцијата и да ги тестираат измените пред да изработат прототип.

Симулација на возење

Побаравме од GPT‑6.2 Astra да ја визуализира динамиката на шасијата на автомобил на планински пат. Astra го креираше 3D-моделот и напиша нумерички решавач во Python за да ја симулира сложената динамика меѓу гумите и суспензијата, а потоа ги анимираше резултатите во Blender. Ова им овозможува на инженерите брзо да тестираат нови конструкции и со текот на времето да ја подобруваат точноста на симулациите.

Машинско проектирање и склопување

GPT‑6.2 Astra може да моделира механички систем дел по дел, овозможувајќи им на инженерите да покажат како се составува и да тестираат како промените во дизајнот влијаат врз неговото однесување.

Од CAD до хартиена ламба

Нашиот тим го користеше GPT‑6.2 Astra за да ги претвори брановидните балкони на кулите Marina City во Чикаго во ламба. Видеото го следи дизајнот од референтните фотографии, преку ревизиите во CAD, до физичка ламба составена рачно. Веб-страницата, генерирана со GPT-6.2 Astra, може да ја користите за да создадете сопствена хартиена ламба.

GPT‑6.2 Astra носи посилно визуелно расудување во веб-дизајнот, избирајќи распореди и слики што на секоја веб-страница ѝ даваат препознатлив изглед и создавајќи елементи според нејзината вистинска цел.

Овие подобрувања во визуелното расудување и користењето компјутер се пренесуваат и во 3D-дизајнот. GPT‑6.2 Astra и Sol можат да претворат пишани насоки во интерактивно искуство во прелистувачот, од флипер на кој можете да играте до реконструкција на Колосеумот што можете да ја истражувате од различни агли. На AA‑3D од Artificial Analysis, оценувачи пробуваат две искуства создадени од ист промпт, без да знаат кој модел ги создал, и гласаат за она што го претпочитаат. GPT‑6.2 Astra е на прво место со 1.318 Elo-поени, по него следуваат Claude Fable 5.2 со 1.271 и GPT‑6.2 Sol со 1.259.

“

GPT-6.2 Astra е огромен чекор напред за креативната работа. Го овозможува Higgsfield Miracle, поддржувајќи уредување видео во реално време со прецизност на ниво на пиксел и давајќи им на авторите целосна креативна контрола. Во нашите интерни евалуации на 3D-генерирање, го постигна посакуваниот резултат од прв обид во 73% од случаите, додека на GPT-6 Astra му беа потребни три или повеќе итерации. Ова му заштедува многу време на нашиот креативен тим и овозможува поефикасни работни текови целосно извршувани од агенти.

”
Алекс Машрабов, извршен директор и коосновач, Higgsfield AI

Ефикасни работни текови со почист стил на код

GPT‑6.2 Astra подобро проценува како да изврши задача, вклучувајќи избор на алатки и вложен напор соодветни на работниот тек, и кога да користи приклучоци, а кога директно да управува со компјутерот.

Во кодирањето, GPT-6.2 Astra е подобар во имплементирање и тестирање сложени промени во постојни бази на код. Првите тестери пријавија почист стил на код и понасочени тестови, со помалку кругови на ревизија.

Способности за сајбер-безбедност

GPT‑6.2 Astra и GPT-6.2 Sol означуваат уште еден значаен скок во сајбер-способностите. Поефикасно наоѓаат и искористуваат ранливости, пишуваат побезбеден код и создаваат подобри закрпи, со значително поефикасно користење токени на неколку евалуации. Исто како и GPT‑6 Astra⁠, 6.2 Astra и Sol го достигнуваат прагот „Критично“ за сајбер-безбедност според нашата Рамка за подготвеност⁠.

Поради нивните зголемени способности, ги воведуваме GPT‑6.2 Astra и Sol со построги заштитни мерки за помош во сајбербезбедноста што носи повисок ризик. Овие заштитни мерки го намалуваат ризикот од злоупотреба, но исто така ограничуваат некои легитимни работни процеси за истражување ранливости и тестирање на безбедноста. Преку OpenAI Daybreak⁠, професионалците за сајберодбрана моментално можат да пристапат до GPT‑6 Sol со помалку одбивања на барања поврзани со сајбербезбедноста на Daybreak Blue, покрај нашата алфа-верзија за GPT-6 Astra, како и до GPT‑6 Cyber⁠ за напредно, овластено безбедносно тестирање на Daybreak Red. Ќе работиме на тоа моделите GPT‑6.2 да ги направиме достапни во Daybreak.

Подолу ги издвојуваме клучните резултати од референтните тестови, добиени со интерни тест-конфигурации со исклучени заштитни мерки и класификатори за сајбер-безбедност. Целосните резултати и методологијата се достапни во придружната системска картичка⁠(се отвора во нов прозорец).

Предност за стручњаците за сајбер-одбрана

Програмерите сè повеќе се потпираат на агенти за кодирање за да пишуваат софтвер за продукција, додека поспособните агенти истовремено го олеснуваат наоѓањето и искористувањето ранливости. PHP2Shell⁠(се отвора во нов прозорец) покажа како ВИ може да им помогне на истражувачите да откријат критични пропусти. Кај GPT‑6.2 Astra и Sol, одбранбените способности ги ставивме во центарот на вниманието, воведувајќи нови сигнали за обука за да им помогнеме на програмерите да ги спречат и поправат тие пропусти — со пишување безбеден код од самиот почеток и создавање закрпи што го зачувуваат предвиденото однесување.

Безбедност и усогласеност

Ги пуштаме во употреба GPT-6.2 Astra и Sol со нашите досега најсилни заштитни мерки. Ги заостривме ограничувањата и ги зајакнавме системите што ги користиме за следење на моделите⁠ и интервенција кога е потребно⁠.

Како и GPT-6 Astra, покрај тоа што го достигнуваат прагот „Критично“ за сајбербезбедност, и GPT-6.2 Astra и Sol го достигнуваат прагот „Високо“ за биолошки и хемиски способности според нашата Рамка за подготвеност⁠. Воведовме заштитни мерки за ублажување на поврзаните ризици, заедно со построги ограничувања за низа барања од биологијата и сајбербезбедноста што потенцијално можат да имаат двојна намена.

Повеќе детали за нашите заштитни мерки и тестирања се достапни во системската картичка за GPT-6.2⁠(се отвора во нов прозорец).

Способности за истражување на ВИ и заштитни мерки

GPT-6.2 Astra е нашиот прв модел достапен за надворешни корисници што го достигнува прагот „Високо“ за самоподобрување на ВИ, со кој се мери способноста на моделот да го забрза истражувањето на ВИ. Ознаката „Високо“ ја одразува нашата процена дека влијанието на моделот е еквивалентно на тоа секој истражувач во OpenAI да добие дополнителен, високоспособен истражувачки инженер како асистент, во споредба со неговата почетна состојба во 2024 година. Ја следиме оваа способност затоа што моделите што можат да помогнат во развојот на идни системи со ВИ би можеле да воведат и нови безбедносни ризици, како што е забрзување на напредокот до темпо на кое заштитните мерки или човечкиот надзор не можат да се приспособат.

За да се справиме со овие ризици, вградивме поголем надзор и повеќе контроли во начинот на кој ги обучуваме и пуштаме во употреба нашите модели. Пред да го прошириме интерниот пристап до GPT-6.2 Astra, ја оценивме неговата усогласеност и потврдивме дека потребните заштитни мерки се воспоставени во секоја фаза. Ја зајакнавме изолацијата во нашите истражувачки средини⁠ и ги тестиравме тие заштитни мерки со нашите најспособни модели. Го изградивме и Control Room⁠, систем што ги следи истражувачките работни задачи и може да го запре понатамошното генерирање излез од моделот кога е потребна интервенција. Нашиот проширен надзор⁠ ги испитува расудувањето и постапките на моделите при интерните работни задачи и поддржаните надворешни имплементации. Може автоматски да означи неовластено однесување и, каде што е поддржано, да ги паузира работните задачи или разговорите.

Усогласеност

Двата модела постигнаа слични резултати како GPT-6 Astra на повеќето евалуации на усогласеноста и преземаа помалку несоодветни дејства во симулирани работни задачи. Сепак, во два теста почесто пропуштаа да споменат пречки што ја блокираа нивната работа, како што е датотека што недостасува или недостапна алатка за пребарување. Додадовме инструкции во Codex што значително ги намалуваат овие пропусти и продолжуваме да го истражуваме ова однесување.

Цени и достапност

Од денес, GPT-6.2 Astra и Sol се достапни за сите корисници на Plus, Pro, Enterprise и Edu во ChatGPT Work и Codex. Претплатниците на Pro 500 можат да користат Ultrafast со кој било од двата модела. За првпат го правиме Ultrafast достапен и за претплатниците на Pro 200, почнувајќи со GPT-6.2 Sol. Корисниците на Enterprise и Edu што ги исполнуваат условите го добиваат истиот пристап откако ќе го овозможи администраторот на нивниот работен простор. Програмерите можат да пристапат до gpt-6.2-astra и gpt-6.2-sol и преку API на OpenAI, со Ultrafast достапен за двата модела уште од лансирањето.

GPT‑6.2 Astra чини значително помалку по задача од GPT‑6 Astra, благодарение на поефикасното користење токени, попустот од 20% на влезните и излезните токени и поголемиот попуст од 60% на кешираните влезни токени. Стандардните цени на API за милион токени се 8 долари за влез, 0,40 долари за кеширан влез и 40 долари за излез. GPT‑6.2 Sol ги задржува цените на GPT‑6.1 Sol од 2 долари за влез, 0,10 долари за кеширан влез и 10 долари за излез за милион токени.

За GPT-6.2 Astra и Sol, за да се подобри повторното користење на кеш-меморијата, да се намалат трошоците и латентноста и да се зачува расудувањето меѓу интеракциите, препорачуваме да ги задржите префиксите на промптовите непроменети и да додавате нови инструкции⁠(се отвора во нов прозорец) во разговорот.

Автор

OpenAI

Footnotes

  1. 1

    Резултатите на Fable 5.2 на Terminal-Bench-Science 0.1 се според објавеното од Artificial Analysis⁠(се отвора во нов прозорец), со користење на рамката mini-swe-agent. Anthropic објави резултат од 74,6% за Fable 5.2 со максимално расудување во Claude Code.