OpenAI

GPT-6.2 അവതരിപ്പിക്കുന്നു Astra-യും Sol-ഉം

നിങ്ങളുടെ ഏറ്റവും പ്രയാസമേറിയ പദ്ധതികൾക്കായി ഞങ്ങളുടെ പുതിയ അത്യാധുനിക മോഡലായ GPT‑6.2 Astraയും ദൈനംദിന ജോലികൾക്കായി കാര്യക്ഷമവും വിവിധ ആവശ്യങ്ങൾക്ക് അനുയോജ്യവുമായ GPT‑6.2 Sol മോഡലും ഞങ്ങൾ അവതരിപ്പിക്കുന്നു. രണ്ട് മോഡലുകളും വെല്ലുവിളി നിറഞ്ഞ ജോലികളിൽ കുറച്ച് ഔട്ട്പുട്ട് ടോക്കണുകൾ ഉപയോഗിച്ച് മികച്ച ഫലങ്ങൾ നൽകുന്നു. അതിനാൽ നിങ്ങളുടെ ഉപയോഗപരിധിക്കുള്ളിൽ കൂടുതൽ കാര്യങ്ങൾ ചെയ്തുതീർക്കാം. ബിസിനസുകൾക്കും ഡെവലപ്പർമാർക്കും, വലിയ തോതിലുള്ള ഉപയോഗത്തിലും താങ്ങാനാകുന്ന ചെലവിൽ അത്യാധുനിക പ്രകടനം ലഭിക്കുമെന്നാണ് ഇതിനർഥം.

സങ്കീർണ്ണമായ പ്രൊഫഷണൽ ജോലികളിൽ AI-യുടെ ഗുണനിലവാരത്തിന് GPT‑6.2 Astra പുതിയ മാനദണ്ഡം സ്ഥാപിക്കുന്നു. അതിന്റെ സ്ലൈഡുകൾ, സ്പ്രെഡ്ഷീറ്റുകൾ, രേഖകൾ എന്നിവയിൽ AI എഴുതിയതെന്ന തോന്നൽ കുറവാണ്. നിങ്ങൾ നൽകുന്ന ടെംപ്ലേറ്റുകളും നിങ്ങളുടെ മേഖലയിലെ രീതികളും അവ കൂടുതൽ കൃത്യമായി പിന്തുടരുന്നു. വെബ്‌സൈറ്റുകൾ, ഗെയിമിംഗ്, 3D ഡിസൈൻ എന്നിവയ്ക്കായി ഇത് കൂടുതൽ വ്യക്തമായ കോഡ് എഴുതുകയും മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്നതും കാണാൻ ഭംഗിയുള്ളതുമായ ഫ്രണ്ട്എൻഡുകൾ നിർമ്മിക്കുകയും ചെയ്യുന്നു.

പല ഘട്ടങ്ങളുള്ള പ്രൊഫഷണൽ ജോലികൾ പരിശോധിക്കുന്ന Agents’ Last Exam-ൽ GPT‑6.2 Astra പുതിയ ഉയരം കൈവരിക്കുന്നു. GPT‑6 Astra-യുടെ ചെലവിന്റെ മൂന്നിലൊന്നിൽ താഴെ മാത്രം ചെലവിൽ അതിനെക്കാൾ 5.2 പോയിന്റും, Claude Fable 5.2-ന്റെ ചെലവിന്റെ വെറും 5% മാത്രം ചെലവിൽ അതിനെക്കാൾ 5.5 പോയിന്റും അധികം നേടുന്നു.

ദീർഘമായ പ്രവർത്തനക്രമങ്ങളുള്ള പ്രൊഫഷണൽ ജോലികളിലാണ് Agents’ Last Exam മോഡലുകളെ വിലയിരുത്തുന്നത്. പകരം മറ്റൊരു മോഡൽ ഉപയോഗിച്ച ഒൻപത് ജോലികൾ Fable 5.2-ന്റെ റാങ്കിംഗ് പട്ടികയിലെ ഫലങ്ങളിൽ ഉൾപ്പെടുത്തിയിട്ടില്ല.

ശാസ്ത്രജ്ഞർക്കായി ലോകത്ത് ലഭ്യമായ ഏറ്റവും മികച്ച മോഡലാണ് GPT-6.2 Astra എന്ന് ഞങ്ങൾ വിശ്വസിക്കുന്നു. ടെർമിനലിൽ ശാസ്ത്രീയ ജോലികൾ മോഡലുകൾക്ക് എത്ര നന്നായി ചെയ്യാനാകുമെന്ന് പരിശോധിക്കുന്ന Terminal-Bench-Science 0.1-ൽ ഇത് പുതിയ ഉയരം കൈവരിക്കുന്നു. GPT-6 Astra-യുടെ ചെലവിന്റെ മൂന്നിലൊന്നിൽ താഴെ മാത്രം ചെലവിൽ GPT-6.2 Astra അതിനെക്കാൾ 9 ശതമാന പോയിന്റ് അധികം നേടുന്നു. യഥാർഥ ജൈവ ഡാറ്റ വ്യാഖ്യാനിക്കാനും അനുകരിക്കപ്പെട്ട ഒരു സംവിധാനം എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് പരീക്ഷണങ്ങളിലൂടെ കണ്ടെത്താനും മോഡലുകളോട് ആവശ്യപ്പെടുന്ന Vals Science Index-ലും ഇത് പുതിയ ഉയരം കൈവരിക്കുന്നു.

API-യിൽ GPT‑6.2 Astra-യുടെ ഇൻപുട്ട്, ഔട്ട്പുട്ട് ടോക്കൺ നിരക്കുകൾ GPT‑6 Astra-യുടേതിനെക്കാൾ 20% കുറവാണ്; കാഷെ ചെയ്ത ഇൻപുട്ടിന് 60% ഇളവുമുണ്ട് (പത്ത് ലക്ഷം ടോക്കണുകൾക്ക് ഇൻപുട്ടിന് $8, കാഷെ ചെയ്ത ഇൻപുട്ടിന് $0.40, ഔട്ട്പുട്ടിന് $40). GPT‑6.2 Sol, GPT‑6.1 Sol-ന്റെ API ടോക്കൺ നിരക്കുകൾ നിലനിർത്തുന്നു. നിരവധി ബെഞ്ച്മാർക്കുകളിൽ, ഓരോ ജോലിക്കും വരുന്ന ചെലവിന്റെ ചെറിയൊരു അംശം മാത്രം ചെലവഴിച്ച് രണ്ട് മോഡലുകളും മറ്റ് മുൻനിര മോഡലുകളുടെ പ്രകടനത്തിനടുത്തെത്തുകയോ അവയെ മറികടക്കുകയോ ചെയ്യുന്നു.

GPT-6.2 Sol: ദൈനംദിന ജോലികൾക്കായി ഞങ്ങൾ ആദ്യം തിരഞ്ഞെടുക്കുന്ന മോഡൽ

GPT‑6.1 Sol-നുമായി താരതമ്യം ചെയ്യുമ്പോൾ, GPT‑6.2 Sol കൂടുതൽ ബുദ്ധിപരവും കാര്യക്ഷമവുമാണ്. ഒരേ പണമടച്ചുള്ള പ്ലാനിൽ കൂടുതൽ ടാസ്ക്കുകൾ പൂർത്തിയാക്കാനും ഇത് നിങ്ങളെ സഹായിക്കുന്നു. പല ഘട്ടങ്ങളുള്ള ഏജന്റിക് വർക്ക്‌ഫ്ലോകൾ ഇത് അനായാസം നിർവഹിക്കുകയും, വ്യക്തവും സ്വാഭാവികവുമായ രീതിയിൽ എഴുതുകയും ചെയ്യുന്നു, ഒപ്പം ചേർന്ന് പ്രവർത്തിക്കാനും എളുപ്പമാണ്. OpenAI-യിലെ പല ജീവനക്കാരും സാങ്കേതികവും സാങ്കേതികേതരവുമായ ടാസ്ക്കുകൾക്ക് തങ്ങളുടെ പതിവ് മോഡലായി ഇത് ഉപയോഗിക്കുന്നു.

Cognition-ന്റെ FrontierCode 2.0-ൽ, ഏകദേശം അഞ്ചിലൊന്ന് ചെലവിൽ GPT‑6.2 Sol, GPT‑6.2 Astra-യുടെ സ്കോറിന്റെ 0.5 പോയിന്റിനുള്ളിൽ എത്തുന്നു (രണ്ടും Max ക്രമീകരണത്തിൽ).

യഥാർഥ കോഡ് ശേഖരങ്ങളിൽ വരുത്തുന്ന മാറ്റങ്ങൾ ലയിപ്പിക്കുന്നതിന് അവയുടെ പരിപാലകർ നിശ്ചയിച്ച മാനദണ്ഡങ്ങൾ പാലിക്കുന്നുണ്ടോ എന്ന് FrontierCode 2.0 വിലയിരുത്തുന്നു.

ജോലിക്ക് പുറത്തും ആളുകൾ AI-യുടെ സഹായം തേടുന്ന പ്രധാന കാര്യങ്ങൾക്ക് അതിന്റെ വേഗവും ബുദ്ധിശേഷിയും അതിനെ ഏറെ അനുയോജ്യമാക്കുന്നു. വെല്ലുവിളി നിറഞ്ഞ ദൈനംദിന ജോലികളിലെ പ്രകടനം അളക്കുന്ന, ഞങ്ങൾ അടുത്തിടെ പുറത്തിറക്കിയ LifeVal⁠ മൂല്യനിർണയത്തിൽ, ഏകദേശം ഏഴിലൊന്ന് ചെലവിൽ GPT‑6.2 Sol, GPT‑6 Astra-യെക്കാൾ ഉയർന്ന സ്കോർ നേടുന്നു.

താമസം മാറിയശേഷം കിൻഡർഗാർട്ടനുകളുടെ ചുരുക്കപ്പട്ടിക തയ്യാറാക്കുക, ഒരു കുടുംബത്തിന്റെ ബജറ്റിനും യാത്രാസൗകര്യത്തിനും അനുയോജ്യമായ വീട് കണ്ടെത്തുക, പുതുതായി രോഗം കണ്ടെത്തിയതുമായി പൊരുത്തപ്പെടുന്ന അച്ഛനോ അമ്മയ്ക്കോ ഭക്ഷണക്രമം തയ്യാറാക്കുക തുടങ്ങിയ വ്യക്തിഗത ആവശ്യങ്ങൾക്കനുസരിച്ചുള്ള ദൈനംദിന ടാസ്ക്കുകൾ മോഡലുകൾ എത്ര നന്നായി കൈകാര്യം ചെയ്യുന്നുവെന്ന് LifeVal പരിശോധിക്കുന്നു.

മേഖലയിലെ നിലവാരങ്ങൾ പാലിക്കുന്ന പ്രൊഫഷണൽ ഫലങ്ങൾ

നിയമം, വിൽപ്പന, ധനകാര്യം, അക്കൗണ്ടിംഗ് തുടങ്ങിയ മേഖലകളിലെ പ്രൊഫഷണലുകൾ പിന്തുടരുന്ന രീതികളോട് കൂടുതൽ ചേർന്നുനിൽക്കുന്ന, വ്യക്തതയും മികച്ച രൂപകൽപ്പനയുമുള്ള സ്ലൈഡുകളും സ്പ്രെഡ്ഷീറ്റുകളും രേഖകളും സൃഷ്ടിക്കാൻ ഞങ്ങൾ GPT‑6.2 Astra-യെ പരിശീലിപ്പിച്ചു. എഴുത്ത് കൂടുതൽ നേരിട്ടുള്ളതും കൃത്യവുമാണ്; പൊതുവായ നിഗമനങ്ങളും അനാവശ്യ വാചകങ്ങളും കുറവാണ്.

ഉറവിട രേഖകളിൽ നിന്ന് പ്രസക്തമായ വസ്തുതകൾ കണ്ടെത്താനും അവ വിശദമായ നിർദേശങ്ങൾക്കനുസരിച്ച് പ്രയോഗിക്കാനും എല്ലാ ആവശ്യകതകളും നിറവേറ്റുന്ന കൃത്യമായ ഫലം തയ്യാറാക്കാനും മോഡലുകൾക്ക് കഴിയുമോ എന്ന് നിയമപരമായ ജോലികൾ ഉപയോഗിച്ച് Harvey LAB‑AA v1.1 പരിശോധിക്കുന്നു. ഏകദേശം ആറിലൊന്ന് ചെലവിൽ Claude Fable 5.2-ന്റെ വിജയനിരക്കിന്റെ ഇരട്ടിയിലധികം നേടി GPT‑6.2 Astra പ്രകടനത്തിൽ പുതിയ നിലവാരം സ്ഥാപിക്കുന്നു. അഭിഭാഷകർക്കായി ഞങ്ങൾ ക്രമീകരിച്ച GPT-6.2 Astra പതിപ്പായ നിയമകാര്യങ്ങൾക്കുള്ള OpenAI⁠ ഈ ബെഞ്ച്മാർക്കിൽ അതിലും ഉയർന്ന സ്കോർ നേടുന്നു.

കരാർ വ്യവസ്ഥകൾ അവലോകനം ചെയ്യുന്നതുപോലുള്ള നിയമപരമായ ജോലികൾ Harvey LAB‑AA പരിശോധിക്കുന്നു. തയ്യാറാക്കിയ ഫലം എല്ലാ മൂല്യനിർണയ മാനദണ്ഡങ്ങളും പാലിക്കുകയും കാര്യമായ കെട്ടിച്ചമച്ച വിവരങ്ങൾ ഇല്ലാതിരിക്കുകയും ചെയ്താൽ മാത്രമേ അതിന്റെ പ്രധാന സ്കോറിൽ അംഗീകാരം ലഭിക്കൂ.

കൺസൾട്ടിംഗ്, ധനകാര്യം, രൂപകൽപ്പന തുടങ്ങിയ മേഖലകളിലെ യഥാർഥ പദ്ധതികളിൽ നിന്നുള്ള സങ്കീർണവും ദീർഘവുമായ പ്രവർത്തനക്രമങ്ങൾ അളക്കുന്ന GDPval⁠-ന്റെ അടുത്ത പതിപ്പാണ് ഞങ്ങളുടെ ആഭ്യന്തര ബെഞ്ച്മാർക്കായ GDPval v2. 22% കുറവ് ഔട്ട്പുട്ട് ടോക്കണുകൾ ഉപയോഗിക്കുമ്പോഴും GPT‑6 Astra-യെക്കാൾ 6.2 ശതമാന പോയിന്റ് അധികം നേടി, ഞങ്ങൾ പരീക്ഷിച്ച മോഡലുകളിൽ GPT‑6.2 Astra മുന്നിലെത്തുന്നു. GPT‑6.1 Sol-നെക്കാൾ GPT‑6.2 Sol 5.3 പോയിന്റ് മെച്ചപ്പെടുന്നു.

ധനകാര്യം, ഡാറ്റ സയൻസ്, ജൈവസാങ്കേതികവിദ്യ, വിപണനം തുടങ്ങിയ മേഖലകളിലെ യഥാർഥ പദ്ധതികളിൽ നിന്നുള്ള ദീർഘമായ അറിവധിഷ്ഠിത ജോലികളാണ് GDPval v2-ൽ ഉൾപ്പെടുന്നത്.

വർക്ക്ബുക്കുകളും മെമ്മോകളും

മൂല്യനിർണയത്തിനുള്ള വർക്ക്ബുക്ക് തയ്യാറാക്കുന്നതായാലും നിക്ഷേപ മെമ്മോ എഴുതുന്നതായാലും, ഉറവിട ഫയലുകളിലെ പ്രസക്തമായ കണക്കുകൾ കണ്ടെത്തുകയും അവ തമ്മിലുള്ള ബന്ധം മനസ്സിലാക്കുകയും ചെയ്യുന്നതാണ് ആദ്യപടി. Artificial Analysis-ന്റെ AA‑AnalystAgent യഥാർഥ സ്പ്രെഡ്ഷീറ്റുകളും റിപ്പോർട്ടുകളും ഉപയോഗിച്ച് ഈ ജോലി പരിശോധിക്കുന്നു. ഒരു ജോലിയിൽ, ചികിത്സാസംബന്ധമായ ഗതാഗതത്തിന് പദ്ധതി എത്ര ചെലവഴിച്ചുവെന്ന് കണക്കാക്കാൻ മോഡലുകൾ California Medicaid-ന്റെ ചെലവ് റിപ്പോർട്ടുകൾ ഉപയോഗിക്കുന്നു. അഞ്ച് സ്വതന്ത്ര ശ്രമങ്ങളിലും 62.5% ചോദ്യങ്ങൾക്ക് ശരിയായ ഉത്തരം നൽകി GPT‑6.2 Astra പുതിയ ഉയരം കൈവരിക്കുന്നു.

സ്ലൈഡ് അവതരണങ്ങൾ

അസൽ ഫയലോ ഒരു സ്ക്രീൻഷോട്ട് മാത്രമോ നൽകിയാലും, സ്ലൈഡുകൾ രൂപകൽപ്പന ചെയ്യുന്നതിലും സ്ലൈഡ് ടെംപ്ലേറ്റുകൾ പിന്തുടരുന്നതിലും ഇതുവരെയുള്ള ഞങ്ങളുടെ ഏറ്റവും മികച്ച മോഡലാണ് GPT‑6.2 Astra. കൃത്യമായ അക്ഷരവലുപ്പം വരെ ഉൾപ്പെടുത്തി വിന്യാസം, നിറങ്ങൾ, അക്ഷരശൈലി എന്നിവ അതേപടി പുനരാവിഷ്കരിക്കാനും ടെംപ്ലേറ്റിന്റെ എഴുത്തുശൈലി പുതിയ സ്ലൈഡുകളിലേക്ക് കൊണ്ടുവരാനും ഇതിന് കഴിയും. പ്രധാന ആശയം വ്യക്തമാക്കുന്ന തലക്കെട്ടുകളും വായനക്കാർക്ക് ആവശ്യമായ വിശദാംശങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന സംക്ഷിപ്തമായ ഉള്ളടക്കവും കാരണം, കുറച്ച് തിരുത്തലുകളോടെ അവതരണങ്ങൾ നേരിട്ട് ഉപയോഗിക്കാൻ എളുപ്പമാണെന്ന് ആദ്യകാല പരീക്ഷകർ കണ്ടെത്തി.

4-ൽ 1
“

സാങ്കേതിക വിദഗ്ദ്ധരായ ആളുകൾക്കും അല്ലാത്തവർക്കും ഒരുപോലെ വായിച്ചു മനസ്സിലാക്കാൻ പാകത്തിൽ, സങ്കീർണ്ണമായ വിവരങ്ങളെ ലളിതമായ സംഗ്രഹങ്ങളും ഇൻഫോഗ്രാഫിക്കുകളായും മാറ്റാനുള്ള GPT-6.2 Astra-യുടെ കഴിവ് ഞങ്ങൾ വിലയിരുത്തി. വ്യാപാര സംക്ഷിപ്ത രേഖകളും ഏജന്റിക് വർക്ക്‌ഫ്ലോകളുടെ രേഖാചിത്രങ്ങളും ഇതിന് ഉദാഹരണങ്ങളായിരുന്നു.

GPT-6.2 Astra-യുടെ ഡോക്യുമെന്റുകൾ GPT-6 Astra-യേക്കാൾ വളരെ മികച്ചതായിരുന്നു. എഴുത്തും ചാർട്ടുകളും ഒരു വിശദീകരണത്തിലെ പ്രധാന ആശയങ്ങൾ കണ്ടെത്തുന്നത് വളരെ എളുപ്പമാക്കി. ഭാഗങ്ങൾ എങ്ങനെ ഒരുമിച്ച് പ്രവർത്തിക്കുന്നുവെന്ന് കാണിച്ചുകൊണ്ട് രേഖാചിത്രങ്ങൾ സങ്കീർണ്ണമായ സംവിധാനങ്ങൾ വ്യക്തമാക്കുകയും ചെയ്തു.

”
മാർക്വിസ് വോങ്, പ്രിൻസിപ്പൽ AI എൻജിനീയർ, IMC

കമ്പ്യൂട്ടർ ഉപയോഗവും സംവേദനാത്മക വെബ് ഡിസൈനും

കൂടുതൽ കൃത്യതയോടെയുള്ള കമ്പ്യൂട്ടർ ഉപയോഗത്തിലൂടെ CAD, സിമുലേഷൻ ഉപകരണങ്ങളിലെ ഓരോ ഭാഗത്തിന്റെയും ബന്ധത്തിന്റെയും തലത്തിൽ പ്രവർത്തിക്കാൻ GPT‑6.2 Astra-യ്ക്ക് കഴിയുന്നു. പ്രോട്ടോടൈപ്പ് നിർമ്മിക്കുന്നതിന് മുമ്പ്, ഘടകങ്ങൾ എങ്ങനെ യോജിക്കുന്നുവെന്ന് പരിശോധിക്കാനും, ഡിസൈൻ മാറുമ്പോൾ ലോഡുകൾ എവിടേക്കാണ് മാറുന്നതെന്ന് കാണാനും, ഡിസൈനിലെ മാറ്റങ്ങൾ പരീക്ഷിച്ചുനോക്കാനും എൻജിനീയർമാർക്ക് ആ അധിക വിവരങ്ങൾ ഉപയോഗിക്കാം.

ഡ്രൈവിംഗ് സിമുലേഷൻ

മലയോര റോഡിലൂടെ സഞ്ചരിക്കുന്ന കാറിന്റെ ഷാസിയുടെ ചലനസ്വഭാവം ദൃശ്യവൽക്കരിക്കാൻ ഞങ്ങൾ GPT‑6.2 Astra-യോട് ആവശ്യപ്പെട്ടു. ടയറുകളും സസ്പെൻഷനും തമ്മിലുള്ള സങ്കീർണ്ണമായ ഡൈനാമിക്സ് സിമുലേറ്റ് ചെയ്യുന്നതിനായി Astra ഒരു 3D മോഡലും Python സോൾവറും നിർമ്മിച്ചു, തുടർന്ന് അതിന്റെ ഫലങ്ങൾ ബ്ലെൻഡറിൽ അനിമേഷൻ ചെയ്തു. പുതിയ ഡിസൈനുകൾ വേഗത്തിൽ പരീക്ഷിക്കാനും കാലക്രമേണ സിമുലേഷന്റെ കൃത്യത മെച്ചപ്പെടുത്താനും ഇത് എൻജിനീയർമാരെ സഹായിക്കുന്നു.

മെക്കാനിക്കൽ ഡിസൈനും അസംബ്ലിയും

GPT‑6.2 Astra-യ്ക്ക് ഒരു യാന്ത്രിക സംവിധാനത്തിന്റെ ഓരോ ഭാഗവും പ്രത്യേകം മോഡൽ ചെയ്യാനാകും. ഭാഗങ്ങൾ എങ്ങനെ ഒത്തുചേരുന്നുവെന്ന് കാണിക്കാനും രൂപകൽപ്പനയിലെ മാറ്റങ്ങൾ അതിന്റെ പ്രവർത്തനത്തെ എങ്ങനെ ബാധിക്കുന്നുവെന്ന് പരീക്ഷിക്കാനും ഇത് എൻജിനീയർമാരെ സഹായിക്കുന്നു.

CAD-ൽ നിന്ന് ഒരു കടലാസ് വിളക്കിലേക്ക്

ഷിക്കാഗോയിലെ Marina City ടവറുകളുടെ വളവുകളുള്ള അരികുകളോടുകൂടിയ ബാൽക്കണികളെ ഒരു വിളക്കിന്റെ രൂപത്തിലേക്ക് മാറ്റാൻ ഞങ്ങളുടെ ടീം GPT‑6.2 Astra ഉപയോഗിച്ചു. അവലംബ ചിത്രങ്ങളിൽ തുടങ്ങി CAD-ലെ പരിഷ്കരണങ്ങളിലൂടെ കടന്ന് കൈകൊണ്ട് കൂട്ടിച്ചേർത്ത യഥാർഥ വിളക്കിലെത്തുന്ന രൂപകൽപ്പനാ പ്രക്രിയയാണ് വീഡിയോ കാണിക്കുന്നത്. GPT-6.2 Astra സൃഷ്ടിച്ച ഈ സൈറ്റ് ഉപയോഗിച്ച് നിങ്ങൾക്ക് സ്വന്തമായി ഒരു കടലാസ് വിളക്ക് നിർമ്മിക്കാം.

വെബ് രൂപകൽപ്പനയിൽ GPT‑6.2 Astra കൂടുതൽ ശക്തമായ ദൃശ്യ റീസണിംഗ് കൊണ്ടുവരുന്നു. ഓരോ സൈറ്റിനും തനതായ രൂപം നൽകുന്ന വിന്യാസങ്ങളും ദൃശ്യങ്ങളും തിരഞ്ഞെടുക്കുകയും സൈറ്റിന്റെ യഥാർഥ ലക്ഷ്യത്തിന് അനുസൃതമായി ഘടകങ്ങൾ നിർമ്മിക്കുകയും ചെയ്യുന്നു.

ദൃശ്യ റീസണിംഗിലെയും കമ്പ്യൂട്ടർ ഉപയോഗത്തിലെയും ഈ മെച്ചപ്പെടുത്തലുകൾ ത്രിമാന രൂപകൽപ്പനയിലും പ്രതിഫലിക്കുന്നു. എഴുതിനൽകിയ ഒരു വിവരണത്തെ ബ്രൗസറിൽ ഇടപഴകാവുന്ന അനുഭവമാക്കി മാറ്റാൻ GPT‑6.2 Astra-യ്ക്കും Sol-നും കഴിയും. കളിക്കാവുന്ന പിൻബോൾ മേശ മുതൽ വിവിധ കോണുകളിൽ നിന്ന് പര്യവേക്ഷണം ചെയ്യാവുന്ന കൊളോസിയത്തിന്റെ പുനഃസൃഷ്ടി വരെ ഇതിൽ ഉൾപ്പെടുന്നു. Artificial Analysis-ന്റെ AA‑3D-യിൽ, ഒരേ പ്രോംപ്റ്റിൽ നിന്ന് നിർമ്മിച്ച രണ്ട് അനുഭവങ്ങൾ ഏത് മോഡലിന്റേതാണെന്ന് അറിയാതെ മനുഷ്യ വിധികർത്താക്കൾ പരീക്ഷിക്കുകയും ഇഷ്ടപ്പെട്ടതിന് വോട്ട് ചെയ്യുകയും ചെയ്യുന്നു. 1,318 Elo-യോടെ GPT‑6.2 Astra ഒന്നാം സ്ഥാനത്താണ്; തുടർന്ന് 1,271-യോടെ Claude Fable 5.2-ഉം 1,259-യോടെ GPT‑6.2 Sol-ഉം വരുന്നു.

“

സൃഷ്ടിപരമായ ജോലികളിൽ GPT-6.2 Astra വലിയൊരു കുതിച്ചുചാട്ടമാണ്. പിക്സൽ തലത്തിലുള്ള കൃത്യതയോടെ തത്സമയ വീഡിയോ എഡിറ്റിംഗ് സാധ്യമാക്കുകയും സ്രഷ്ടാക്കൾക്ക് പരമാവധി സൃഷ്ടിപരമായ നിയന്ത്രണം നൽകുകയും ചെയ്തുകൊണ്ട് ഇത് Higgsfield Miracle യാഥാർത്ഥ്യമാക്കുന്നു. ഞങ്ങളുടെ ആഭ്യന്തര 3D സൃഷ്ടി മൂല്യനിർണ്ണയങ്ങളിൽ 73% കേസുകളിലും ആദ്യ ശ്രമത്തിൽത്തന്നെ ഇത് ലക്ഷ്യമിട്ട ഫലം നേടി. അതേസമയം GPT-6 Astra-യ്ക്ക് മൂന്നോ അതിലധികമോ ആവർത്തനങ്ങൾ വേണ്ടിവന്നു. ഇത് ഞങ്ങളുടെ ക്രിയേറ്റീവ് ടീമിന്റെ സമയം ഗണ്യമായി ലാഭിക്കുകയും പൂർണ്ണമായും ഏജന്റിക് ആയ വർക്ക്‌ഫ്ലോകൾ കൂടുതൽ കാര്യക്ഷമമാക്കുകയും ചെയ്യുന്നു.

”
അലക്സ് മഷ്റബോവ്, ചീഫ് എക്സിക്യൂട്ടീവ് ഓഫീസറും സഹസ്ഥാപകനും, Higgsfield AI

കൂടുതൽ വൃത്തിയായ കോഡ് ശൈലിയോടെ കാര്യക്ഷമമായ വർക്ക്‌ഫ്ലോകൾ

ഒരു ടാസ്ക് എങ്ങനെ നിർവഹിക്കണം എന്നതിനെക്കുറിച്ച് GPT-6.2 Astra-യ്ക്ക് മികച്ച തീരുമാനമെടുക്കാനുള്ള കഴിവുണ്ട്; വർക്ക്‌ഫ്ലോയ്ക്ക് അനുയോജ്യമായ ടൂളുകളും പ്രയത്നവും തിരഞ്ഞെടുക്കുന്നതും, പ്ലഗിനുകളും കമ്പ്യൂട്ടർ ഉപയോഗവും എപ്പോഴൊക്കെ ഉപയോഗിക്കണം എന്ന് തിരിച്ചറിയുന്നതും ഇതിൽ ഉൾപ്പെടുന്നു.

കോഡിംഗിൽ, നിലവിലുള്ള കോഡ്ബേസുകളിൽ സങ്കീർണ്ണമായ മാറ്റങ്ങൾ നടപ്പാക്കുന്നതിലും പരിശോധിക്കുന്നതിലും GPT-6.2 Astra കൂടുതൽ മികവ് പുലർത്തുന്നു. കൂടുതൽ വ്യക്തമായ കോഡ് ശൈലിയും ശ്രദ്ധ കേന്ദ്രീകരിച്ച ടെസ്റ്റുകളും ലഭിച്ചുവെന്നും, കുറഞ്ഞ തിരുത്തലുകൾ മാത്രമേ വേണ്ടി വന്നുള്ളൂ എന്നും ആദ്യകാല പരിശോധനയിൽ പങ്കെടുത്തവർ അറിയിച്ചു.

സൈബർ സുരക്ഷാ കഴിവുകൾ

സൈബർ കഴിവുകളിൽ GPT‑6.2 Astra-യും GPT-6.2 Sol-ഉം മറ്റൊരു വലിയ മുന്നേറ്റം അടയാളപ്പെടുത്തുന്നു. അവ സുരക്ഷാ ദുർബലതകൾ കൂടുതൽ ഫലപ്രദമായി കണ്ടെത്തുകയും പ്രയോജനപ്പെടുത്തുകയും ചെയ്യുന്നു, കൂടുതൽ സുരക്ഷിതമായ കോഡ് എഴുതുന്നു, മെച്ചപ്പെട്ട പാച്ചുകൾ നിർമ്മിക്കുന്നു. നിരവധി മൂല്യനിർണ്ണയങ്ങളിൽ ടോക്കൺ കാര്യക്ഷമതയിലും ഗണ്യമായ നേട്ടങ്ങളുണ്ട്. GPT‑6 Astra⁠-യെപ്പോലെ, ഞങ്ങളുടെ പ്രിപെയർഡ്നസ് ഫ്രെയിംവർക്ക്⁠ പ്രകാരം 6.2 Astra-യും Sol-ഉം സൈബർ സുരക്ഷയുടെ നിർണ്ണായക പരിധി പാലിക്കുന്നു.

വർധിച്ച കഴിവുകൾ കണക്കിലെടുത്ത്, കൂടുതൽ അപകടസാധ്യതയുള്ള സൈബർസുരക്ഷാ സഹായത്തിന് കർശനമായ സുരക്ഷാ മുൻകരുതലുകളോടെയാണ് ഞങ്ങൾ GPT‑6.2 Astra-യും Sol-ഉം അവതരിപ്പിക്കുന്നത്. ഈ സംരക്ഷണങ്ങൾ ദുരുപയോഗ സാധ്യത കുറയ്ക്കുന്നു. എന്നാൽ, സുരക്ഷാ ദൗർബല്യങ്ങളെക്കുറിച്ചുള്ള ചില നിയമാനുസൃത ഗവേഷണങ്ങൾക്കും സുരക്ഷാ പരിശോധനാ പ്രവർത്തനക്രമങ്ങൾക്കും ഇവ നിയന്ത്രണങ്ങൾ ഏർപ്പെടുത്തുന്നു. OpenAI Daybreak⁠ വഴി, സൈബർ പ്രതിരോധ പ്രവർത്തകർക്ക് നിലവിൽ GPT-6 Astra-യ്ക്കുള്ള ഞങ്ങളുടെ ആൽഫ പതിപ്പിനു പുറമേ, സൈബർസംബന്ധമായ അഭ്യർഥനകൾ നിരസിക്കുന്നത് കുറച്ചിട്ടുള്ള GPT‑6 Sol, Daybreak Blue-യിൽ ഉപയോഗിക്കാം. വിപുലവും അംഗീകൃതവുമായ സുരക്ഷാ പരിശോധനകൾക്കായി Daybreak Red-യിൽ GPT‑6 Cyber⁠-ഉം ഉപയോഗിക്കാം. GPT‑6.2 മോഡലുകൾ Daybreak-ൽ ലഭ്യമാക്കാൻ ഞങ്ങൾ പ്രവർത്തിക്കും.

സൈബർ സുരക്ഷാ സംവിധാനങ്ങളും വർഗീകരണ സംവിധാനങ്ങളും പ്രവർത്തനരഹിതമാക്കിയ ആഭ്യന്തര പരിശോധനാ ക്രമീകരണങ്ങൾ ഉപയോഗിച്ചുള്ള പ്രധാന ബെഞ്ച്മാർക്ക് ഫലങ്ങൾ താഴെ എടുത്തുകാട്ടുന്നു. പൂർണ്ണമായ ഫലങ്ങൾക്കും രീതിശാസ്ത്രത്തിനും അനുബന്ധ സിസ്റ്റം കാർഡ്⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) കാണുക.

സൈബർ പ്രതിരോധപ്രവർത്തകർക്ക് മുൻതൂക്കം നൽകുന്നു

കൂടുതൽ കഴിവുള്ള ഏജന്റുകൾ സുരക്ഷാ ദുർബലതകൾ കണ്ടെത്തുന്നതും പ്രയോജനപ്പെടുത്തുന്നതും എളുപ്പമാക്കുമ്പോഴും, യഥാർത്ഥ ഉപയോഗത്തിനുള്ള സോഫ്റ്റ്‌വെയർ എഴുതാൻ ഡെവലപ്പർമാർ കോഡിംഗ് ഏജന്റുകളെ കൂടുതലായി ആശ്രയിക്കുന്നു. ഗുരുതരമായ പിഴവുകൾ കണ്ടെത്താൻ AI എങ്ങനെ ഗവേഷകരെ സഹായിക്കുമെന്ന് PHP2Shell⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) കാണിച്ചു. GPT‑6.2 Astra-യിലും Sol-ലും പ്രതിരോധശേഷിക്ക് ഞങ്ങൾ പ്രധാന പരിഗണന നൽകി. തുടക്കം മുതൽ സുരക്ഷിതമായ കോഡ് എഴുതിയും ഉദ്ദേശിച്ച പ്രവർത്തനം നിലനിർത്തുന്ന പാച്ചുകൾ നിർമ്മിച്ചും ഇത്തരം പിഴവുകൾ തടയാനും പരിഹരിക്കാനും ഡെവലപ്പർമാരെ സഹായിക്കുന്ന പുതിയ പരിശീലന സൂചനകൾ അവതരിപ്പിച്ചു.

സുരക്ഷയും വിന്യാസവും

ഇതുവരെയുള്ള ഞങ്ങളുടെ ഏറ്റവും ശക്തമായ സുരക്ഷാ സംവിധാനങ്ങളോടെയാണ് GPT-6.2 Astra-യും Sol-ഉം വിന്യസിക്കുന്നത്. ഞങ്ങൾ നിയന്ത്രണങ്ങൾ കർശനമാക്കുകയും മോഡലുകളെ നിരീക്ഷിക്കാനും⁠ ആവശ്യമായപ്പോൾ ഇടപെടാനും⁠ ഉപയോഗിക്കുന്ന സംവിധാനങ്ങൾ ശക്തിപ്പെടുത്തുകയും ചെയ്തു.

GPT-6 Astra പോലെ, സൈബർസുരക്ഷയിൽ ‘അതിഗുരുതരം’ എന്ന പരിധിയിലെത്തുന്നതിനൊപ്പം, ഞങ്ങളുടെ പ്രിപെയർഡ്നസ് ഫ്രെയിംവർക്കിന്⁠ കീഴിൽ ജൈവ, രാസ കഴിവുകളിൽ ‘ഉയർന്ന’ പരിധിയിലും GPT-6.2 Astra-യും Sol-ഉം എത്തുന്നു. ഇതുമായി ബന്ധപ്പെട്ട അപകടസാധ്യതകൾ ലഘൂകരിക്കാൻ ഞങ്ങൾ സംരക്ഷണങ്ങൾ നടപ്പാക്കിയിട്ടുണ്ട്. അതോടൊപ്പം, നല്ലതിനും ദോഷത്തിനും ഉപയോഗിക്കപ്പെടാൻ സാധ്യതയുള്ള ഒരുകൂട്ടം ജൈവശാസ്ത്ര, സൈബർസുരക്ഷാ അഭ്യർഥനകളിൽ നിയന്ത്രണങ്ങൾ വർധിപ്പിച്ചിട്ടുമുണ്ട്.

ഞങ്ങളുടെ സുരക്ഷാ സംവിധാനങ്ങളെയും പരിശോധനകളെയും കുറിച്ചുള്ള കൂടുതൽ വിവരങ്ങൾ GPT-6.2 സിസ്റ്റം കാർഡിൽ⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ലഭ്യമാണ്.

AI ഗവേഷണ കഴിവുകളും സുരക്ഷാ സംവിധാനങ്ങളും

AI ഗവേഷണം വേഗത്തിലാക്കാനുള്ള ഒരു മോഡലിന്റെ കഴിവ് അളക്കുന്ന AI സ്വയം മെച്ചപ്പെടുത്തൽ വിഭാഗത്തിൽ ‘ഉയർന്ന’ പരിധിയിലെത്തുന്ന, ഞങ്ങൾ ബാഹ്യ ഉപയോഗത്തിനായി പുറത്തിറക്കിയ ആദ്യ മോഡലാണ് GPT-6.2 Astra. ഓരോ OpenAI ഗവേഷകനും അവരുടെ 2024-ലെ അടിസ്ഥാന നിലയുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, അതിസമർഥനായ ഒരു ഗവേഷണ എൻജിനീയറെ അധിക സഹായിയായി ലഭിക്കുന്നതിന് തുല്യമാണ് ഈ മോഡലിന്റെ സ്വാധീനമെന്ന ഞങ്ങളുടെ വിലയിരുത്തലാണ് ‘ഉയർന്ന’ എന്ന പദവി സൂചിപ്പിക്കുന്നത്. ഭാവിയിലെ AI സംവിധാനങ്ങൾ വികസിപ്പിക്കാൻ സഹായിക്കുന്ന മോഡലുകൾക്ക് സുരക്ഷയിൽ പുതിയ അപകടസാധ്യതകളും സൃഷ്ടിക്കാനാകുമെന്നതിനാലാണ് ഞങ്ങൾ ഈ കഴിവ് നിരീക്ഷിക്കുന്നത്. സുരക്ഷാ മുൻകരുതലുകൾക്കോ മനുഷ്യ മേൽനോട്ടത്തിനോ പൊരുത്തപ്പെടാനാകുന്നതിനെക്കാൾ വേഗത്തിൽ പുരോഗതി ത്വരിതപ്പെടുത്തുന്നത് ഇതിന് ഒരു ഉദാഹരണമാണ്.

ഈ അപകടസാധ്യതകൾ നേരിടാൻ, ഞങ്ങളുടെ മോഡലുകളെ പരിശീലിപ്പിക്കുന്നതിലും വിന്യസിക്കുന്നതിലും കൂടുതൽ മേൽനോട്ടവും നിയന്ത്രണങ്ങളും ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. GPT-6.2 Astra-യുടെ ആഭ്യന്തര ഉപയോഗാനുമതി വിപുലീകരിക്കുന്നതിന് മുമ്പ്, ഉദ്ദേശിച്ച ലക്ഷ്യങ്ങളോടും നിർദേശങ്ങളോടുമുള്ള അതിന്റെ പൊരുത്തം ഞങ്ങൾ വിലയിരുത്തുകയും ഓരോ ഘട്ടത്തിലും ആവശ്യമായ സുരക്ഷാ മുൻകരുതലുകൾ നിലവിലുണ്ടെന്ന് ഉറപ്പാക്കുകയും ചെയ്തു. ഞങ്ങൾ ഗവേഷണ പരിതസ്ഥിതികളിലെ ഒറ്റപ്പെടുത്തൽ നിയന്ത്രണങ്ങൾ ശക്തിപ്പെടുത്തുകയും⁠, ഏറ്റവും കഴിവുള്ള മോഡലുകൾ ഉപയോഗിച്ച് ആ സംരക്ഷണങ്ങൾ പരീക്ഷിക്കുകയും ചെയ്തു. ഗവേഷണ ജോലിഭാരങ്ങൾ നിരീക്ഷിക്കുകയും ഇടപെടൽ ആവശ്യമാകുമ്പോൾ മോഡൽ തുടർന്നും ഔട്ട്പുട്ട് നൽകുന്നത് നിർത്തുകയും ചെയ്യുന്ന Control Room⁠ എന്ന സംവിധാനവും ഞങ്ങൾ നിർമ്മിച്ചു. ഞങ്ങളുടെ വിപുലീകരിച്ച നിരീക്ഷണം⁠ ആഭ്യന്തര ജോലിഭാരങ്ങളിലും പിന്തുണയ്ക്കുന്ന ബാഹ്യ വിന്യാസങ്ങളിലും മോഡലുകളുടെ റീസണിംഗും പ്രവർത്തനങ്ങളും പരിശോധിക്കുന്നു. അനുമതിയില്ലാത്ത പെരുമാറ്റം സ്വയമേവ അടയാളപ്പെടുത്താനും, പിന്തുണയുള്ളിടത്ത് ജോലിഭാരങ്ങളോ സംഭാഷണങ്ങളോ താൽക്കാലികമായി നിർത്താനും ഇതിന് കഴിയും.

വിന്യാസം

മിക്ക വിന്യാസ വിലയിരുത്തലുകളിലും രണ്ട് മോഡലുകളും GPT-6 Astra-യ്ക്ക് സമാനമായ പ്രകടനം കാഴ്ചവെച്ചു, കൂടാതെ സിമുലേറ്റ് ചെയ്ത വർക്ക്‌പ്ലേസ് ടാസ്കുകളിൽ അനുചിതമായ നടപടികൾ കുറവായി സ്വീകരിക്കുകയും ചെയ്തു. എന്നിരുന്നാലും, നഷ്ടപ്പെട്ട ഫയലോ ലഭ്യമല്ലാത്ത സെർച്ച് ടൂളോ പോലുള്ള, അവരുടെ ജോലിയെ തടസ്സപ്പെടുത്തുന്ന കാര്യങ്ങളെക്കുറിച്ച് പരാമർശിക്കാതിരിക്കാൻ രണ്ട് പരീക്ഷണങ്ങളിൽ അവ കൂടുതൽ സാധ്യത കാണിച്ചു. ഇത്തരം ഒഴിവാക്കലുകൾ ഗണ്യമായി കുറയ്ക്കുന്ന നിർദേശങ്ങൾ ഞങ്ങൾ Codex-ൽ ചേർത്തിട്ടുണ്ട്, ഈ പെരുമാറ്റത്തെക്കുറിച്ചുള്ള അന്വേഷണം തുടരുകയും ചെയ്യുന്നു.

നിരക്കുകളും ലഭ്യതയും

ഇന്നുമുതൽ, എല്ലാ Plus, Pro, Enterprise, Edu ഉപയോക്താക്കൾക്കും ChatGPT ജോലിയിലും Codex-ലും GPT-6.2 Astra-യും Sol-ഉം ലഭ്യമാണ്. Pro 500 വരിക്കാർക്ക് രണ്ട് മോഡലുകളിലും Ultrafast ഉപയോഗിക്കാം. ആദ്യമായി, GPT-6.2 Sol-ൽ തുടങ്ങി Pro 200 വരിക്കാർക്കും ഞങ്ങൾ അൾട്രാഫാസ്റ്റ് ലഭ്യമാക്കുന്നു. യോഗ്യരായ Enterprise, Edu ഉപയോക്താക്കൾക്ക് അവരുടെ വർക്ക്സ്പേസ് അഡ്മിൻ പ്രവർത്തനക്ഷമമാക്കുന്നതോടെ ഇതേ ആക്സസ് ലഭിക്കും. ഡെവലപ്പർമാർക്ക് OpenAI API വഴി gpt-6.2-astra, gpt-6.2-sol എന്നിവയും ഉപയോഗിക്കാം. പുറത്തിറക്കുന്ന സമയത്തുതന്നെ രണ്ട് മോഡലുകൾക്കും അൾട്രാഫാസ്റ്റ് ലഭ്യമാണ്.

മെച്ചപ്പെട്ട ടോക്കൺ കാര്യക്ഷമത, ഇൻപുട്ട്-ഔട്ട്പുട്ട് ടോക്കണുകളിൽ 20% ഇളവ്, കാഷെ ചെയ്ത ഇൻപുട്ട് ടോക്കണുകളിൽ കൂടുതൽ ആഴത്തിലുള്ള 60% ഇളവ് എന്നിവ കാരണം, GPT‑6 Astra-യെക്കാൾ ഓരോ ജോലിക്കും ഗണ്യമായി കുറഞ്ഞ ചെലവാണ് GPT‑6.2 Astra-യ്ക്ക് വരുന്നത്. പത്ത് ലക്ഷം ടോക്കണുകൾക്കുള്ള സാധാരണ API നിരക്കുകൾ ഇൻപുട്ടിന് $8, കാഷെ ചെയ്ത ഇൻപുട്ടിന് $0.40, ഔട്ട്പുട്ടിന് $40 എന്നിങ്ങനെയാണ്. പത്ത് ലക്ഷം ടോക്കണുകൾക്ക് ഇൻപുട്ടിന് $2, കാഷെ ചെയ്ത ഇൻപുട്ടിന് $0.10, ഔട്ട്പുട്ടിന് $10 എന്ന GPT‑6.1 Sol-ന്റെ നിരക്കുകൾ GPT‑6.2 Sol തുടരുന്നു.

GPT-6.2 Astra, Sol എന്നിവയിൽ കാഷെ പുനരുപയോഗം മെച്ചപ്പെടുത്താനും ചെലവും പ്രതികരണവൈകവും കുറയ്ക്കാനും സംഭാഷണഘട്ടങ്ങളിലുടനീളം റീസണിംഗ് നിലനിർത്താനും, പ്രോംപ്റ്റിന്റെ പ്രാരംഭ ഭാഗങ്ങൾ മാറ്റാതെ പുതിയ നിർദേശങ്ങൾ സംഭാഷണത്തിന്റെ അവസാനം ചേർക്കാൻ⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ഞങ്ങൾ ശുപാർശ ചെയ്യുന്നു.

രചയിതാവ്

OpenAI

Footnotes

  1. 1

    mini-swe-agent ഹാർനെസിൽ Artificial Analysis⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) റിപ്പോർട്ട് ചെയ്തതുപ്രകാരമാണ് Fable 5.2-ന്റെ Terminal-Bench-Science 0.1 ഫലങ്ങൾ നൽകിയിരിക്കുന്നത്. Claude Code-ൽ Max റീസണിംഗിൽ Fable 5.2 നേടിയ സ്കോർ 74.6% ആണെന്ന് Anthropic റിപ്പോർട്ട് ചെയ്തു.