GPT-6.2 загварыг танилцуулж байна Astra болон Sol
Мэргэжлийн ажлын шинэ стандарт
ChatGPT Ажилд туршиж үзэх(шинэ цонхонд нээгдэнэ)Таны хамгийн хүнд төслүүдэд зориулсан, боломжийн хил хязгаарыг тэлсэн шинэ загвар GPT‑6.2 Astra болон өдөр тутмын ажилд зориулсан, үр ашигтай, олон талын чадвартай GPT‑6.2 Sol загваруудаа танилцуулж байна. Хоёр загвар хоёулаа өндөр шаардлагатай даалгавруудад гаралтын цөөн токен ашиглан илүү сайн үр дүн гаргадаг тул та хэрэглээнийхээ хязгаарт багтаан илүү их ажил амжуулах боломжтой. Бизнесүүд болон хөгжүүлэгчдийн хувьд энэ нь хэрэглээг өргөжүүлэхэд ч боломжийн зардлаар гүйцэтгэлийн хил хязгаарыг тэлсэн түвшинд хүрнэ гэсэн үг юм.
GPT‑6.2 Astra нь мэргэжлийн нарийн төвөгтэй ажилд AI-ийн чанарын шинэ жишиг тогтоож байна. Түүний бүтээсэн слайд, хүснэгт, баримт бичгүүд AI-аар хийсэн мэт бага санагдаж, таны өгсөн загвар болон салбарын тань тогтсон жишгийг илүү сайн дагадаг. Энэ нь илүү цэгцтэй код бичиж, ялангуяа вэбсайт, тоглоом, 3D дизайны хувьд харагдах байдал болон ажиллагаа сайтай хэрэглэгчийн интерфэйс бүтээдэг.
Олон үе шаттай мэргэжлийн ажлыг шалгадаг Agents’ Last Exam үнэлгээнд GPT‑6.2 Astra шинэ дээд амжилт тогтоолоо. Тус загвар GPT‑6 Astra-ийн зардлын гуравны нэгээс бага зардлаар 5.2 оноогоор илүү, Claude Fable 5.2-ын зардлын ердөө 5%-тай тэнцэх зардлаар 5.5 оноогоор илүү үр дүн үзүүлэв.
Agents’ Last Exam нь урт хугацаанд үргэлжлэх мэргэжлийн ажлын урсгалаар загваруудыг үнэлдэг. Тус үнэлгээний эрэмбийн хүснэгт дэх Fable 5.2-ын үр дүнд орлуулах загвар ашигласан есөн даалгаврыг оруулаагүй.
GPT-6.2 Astra-г эрдэмтдэд зориулсан дэлхийн шилдэг загвар гэж бид үзэж байна. Загварууд терминал орчинд шинжлэх ухааны ажлыг хэр сайн гүйцэтгэж чадахыг шалгадаг Terminal-Bench-Science 0.1 үнэлгээнд тус загвар шинэ дээд амжилт тогтоолоо. GPT-6.2 Astra нь GPT-6 Astra-ийн зардлын гуравны нэгээс бага зардлаар 9 нэгж хувиар өндөр оноо авсан. Мөн биологийн бодит өгөгдлийг тайлбарлаж, туршилт явуулан дуурайлган загварчилсан систем хэрхэн ажилладгийг дүгнэхийг загваруудаас шаарддаг Vals Science Index үнэлгээнд шинэ дээд амжилт тогтоов.
API-д GPT‑6.2 Astra-ийн оролтын болон гаралтын токены үнэ GPT‑6 Astra-ийнхаас 20%-иар, кэшилсэн оролтын үнэ 60%-иар хямд байна (нэг сая токен тутамд оролт $8, кэшилсэн оролт $0.40, гаралт $40). GPT‑6.2 Sol нь GPT‑6.1 Sol-ийн API токены үнийг хэвээр хадгална. Хэд хэдэн жишиг шалгалтад хоёр загвар хоёулаа бусад тэргүүлэх загварын нэг даалгаварт зарцуулах зардлын өчүүхэн хэсэгтэй тэнцэх зардлаар тэдгээртэй ойролцоо эсвэл илүү сайн үр дүн үзүүлсэн.
GPT-6.2 Sol: өдөр тутмын ажилд бидний хамгийн түрүүнд сонгодог загвар
GPT‑6.1 Sol-той харьцуулахад GPT‑6.2 Sol нь илүү ухаалаг, илүү үр ашигтай бөгөөд ижил төлбөртэй багцаар илүү олон даалгавар гүйцэтгэх боломж олгоно. Энэ нь агентын олон үе шаттай ажлын явцыг шуурхай гүйцэтгэж, ойлгомжтой, эвлэг бичдэг бөгөөд хамтран ажиллахад хялбар. OpenAI-ийн олон ажилтан үүнийг техникийн болон техникийн бус ажлын аль алинд нь үндсэн загвараа болгон ашигладаг.
Cognition-ийн FrontierCode 2.0 үнэлгээнд GPT‑6.2 Sol нь GPT‑6.2 Astra-ийн зардлын ойролцоогоор тавны нэгээр түүнээс 0.5-аас ихгүй онооны зөрүүтэй үр дүн үзүүлсэн (хоёуланг нь Max тохиргоогоор ажиллуулсан).
FrontierCode 2.0 нь бодит кодын санд хийсэн өөрчлөлтүүд тухайн санг хариуцагчдын нэгтгэх шаардлагыг хангаж байгаа эсэхийг үнэлдэг.
Мөн түүний хурд, оюуны чадамж нь хүмүүс ажлаас гадуурх чухал ажлуудаа хийхийн тулд AI-д хандах үед ч тун тохиромжтой болгодог. Өдөр тутмын төвөгтэй даалгавруудын гүйцэтгэлийг хэмждэг, бидний саяхан гаргасан LifeVal үнэлгээнд GPT‑6.2 Sol нь GPT‑6 Astra-ийн зардлын ойролцоогоор долооны нэгээр түүнээс өндөр оноо авсан.
LifeVal нь нүүсний дараа цэцэрлэгүүдээс сонголт хийх, гэр бүлийн төсөв болон ажилдаа явах нөхцөлд тохирсон байр олох, эсвэл шинэ оноштойгоо зохицон амьдарч буй эцэг эхийнхээ хоолыг төлөвлөх зэрэг хувь хүний хэрэгцээнд нийцсэн өдөр тутмын даалгаврыг загварууд хэр сайн гүйцэтгэж байгааг шалгадаг.
Салбарын стандартад нийцсэн мэргэжлийн үр дүн
Бид GPT‑6.2 Astra-г хууль, борлуулалт, санхүү, нягтлан бодох бүртгэл зэрэг салбарын мэргэжилтнүүдийн баримталдаг хэв маягт илүү нийцсэн, ойлгомжтой, загвар сайтай слайд, хүснэгт, баримт бичиг боловсруулахад сургасан. Бичвэр нь илүү шулуун, тодорхой болж, хэт ерөнхий дүгнэлт, илүүц үг багассан.
Harvey LAB‑AA v1.1 нь загварууд эх баримтуудаас холбогдох баримт мэдээллийг олж, дэлгэрэнгүй даалгаварт ашиглан, шаардлага бүрийг хангасан, үнэн зөв эцсийн бүтээл гаргаж чадах эсэхийг хууль зүйн даалгавруудаар шалгадаг. GPT‑6.2 Astra нь Claude Fable 5.2-ын зардлын ойролцоогоор зургааны нэгээр шалгалт давсан хувийг нь хоёр дахинаас ч илүү давуулж, шинэ дээд түвшинд хүрлээ. Хуульчдад зориулан тохируулсан GPT-6.2 Astra хувилбар болох Хуулийн салбарт зориулсан OpenAI энэ жишиг шалгалтад бүр ч өндөр оноо авсан.
Harvey LAB‑AA нь гэрээний заалтыг хянах зэрэг хууль зүйн ажлыг шалгадаг. Эцсийн бүтээл нь үнэлгээний бүх шалгуурыг хангаж, бодит мэт зохиомол мэдээллийн ноцтой алдаагүй үед л үндсэн оноонд тооцдог.
Манай дотоодын GDPval v2 жишиг шалгалт нь GDPval-ийн дараагийн хувилбар бөгөөд зөвлөх үйлчилгээ, санхүү, дизайн зэрэг салбарын бодит төслүүдийн урт хугацаанд үргэлжлэх, нарийн төвөгтэй ажлын урсгалыг хэмждэг. GPT‑6.2 Astra нь гаралтын токеныг 22%-иар бага ашигласан атлаа GPT‑6 Astra-аас 6.2 нэгж хувиар өндөр оноо авч, бидний шалгасан загваруудыг тэргүүллээ. GPT‑6.2 Sol нь GPT‑6.1 Sol-оос 5.3 оноогоор ахисан.
GDPval v2 нь санхүү, өгөгдлийн шинжлэх ухаан, биотехнологи, маркетинг зэрэг салбарын бодит төслүүдээс авсан, урт хугацаанд үргэлжлэх оюуны хөдөлмөрийн даалгавруудаас бүрддэг.
Ажлын дэвтэр ба албан тэмдэглэл
Үнэлгээний тооцооллын файл боловсруулах эсвэл хөрөнгө оруулалтын танилцуулга бичих ажил нь эх файлуудаас холбогдох тоон мэдээллийг олж, хоорондын уялдааг нь тодорхойлохоос эхэлдэг. Artificial Analysis-ийн AA‑AnalystAgent нь энэ ажлыг бодит хүснэгт, тайлан дээр шалгадаг. Нэг даалгаварт загварууд Калифорнийн Medicaid хөтөлбөрийн зарлагын тайланг ашиглан эмнэлгийн тээвэрт хэчнээн мөнгө зарцуулсныг тооцоолдог. GPT‑6.2 Astra нь асуултуудын 62.5%-д таван бие даасан оролдлого бүрдээ зөв хариулж, шинэ дээд амжилт тогтоолоо.
Слайд танилцуулга
Эх файл, эсвэл бүр дэлгэцийн зураг өгсөн ч слайд зохиомжлох, слайдын загварыг дагахад GPT‑6.2 Astra нь бидний өнөөг хүртэлх шилдэг загвар юм. Энэ нь байрлал, өнгө, үсгийн хэвийг үсгийн яг хэмжээнд нь хүртэл тааруулж, загварын бичлэгийн хэв маягийг шинэ слайдуудад хадгалж чадна. Гол дүгнэлтийг илэрхийлсэн гарчиг, уншигчдад хэрэгтэй дэлгэрэнгүй мэдээлэлд төвлөрсөн товч бичвэрийн ачаар танилцуулгуудыг цөөн засвартайгаар шууд ашиглахад хялбар болсныг анхны туршигчид онцолсон.
Компьютер ашиглалт ба интерактив вэб дизайн
GPT‑6.2 Astra компьютерийг илүү нарийвчлалтай ашигладаг болсон нь CAD болон симуляцийн хэрэгслүүдэд эд анги, холболт бүрийн түвшинд ажиллах боломж олгодог. Инженерүүд энэ нэмэлт нарийвчлалыг ашиглан эд ангиуд хэрхэн таарч байгааг шалгах, хийц хөдлөхөд ачаалал хаашаа шилжиж байгааг харах, туршилтын загвар бүтээхээс өмнө өөрчлөлтөө турших боломжтой.
Жолоодлогын симуляц
Бид GPT‑6.2 Astra-д уулын замаар явж буй автомашины явах эд ангийн динамикийг дүрслэх даалгавар өгсөн. Astra нь 3D загвар бүтээж, дугуй болон тулавч хоорондын нарийн төвөгтэй динамикийг симуляцлах Python шийдэл бичээд, үр дүнг Blender-д хөдөлгөөнд оруулсан. Ингэснээр инженерүүд шинэ хийцийг хурдан туршиж, симуляцийн нарийвчлалыг цаашид сайжруулах боломжтой болно.
Механик хийц ба угсралт
GPT‑6.2 Astra нь механик системийг эд анги тус бүрээр нь загварчилж чаддаг тул инженерүүд уг систем хэрхэн угсрагдахыг үзүүлж, хийцийн өөрчлөлт ажиллагаанд нь хэрхэн нөлөөлөхийг турших боломжтой.
CAD-аас цаасан гэрэл хүртэл
Манай баг GPT‑6.2 Astra-г ашиглан Чикагогийн Marina City цамхгуудын долгиолсон ирмэгтэй тагтны хэлбэрийг гэрлийн загвар болгосон. Видеонд жишиг зургуудаас эхлэн CAD засваруудыг хийж, гараар угсарсан бодит гэрэл болгох хүртэлх зохион бүтээх явцыг харуулна. Та GPT-6.2 Astra-ийн бүтээсэн сайтыг ашиглан өөрийн цаасан гэрлийг хийж болно.
GPT‑6.2 Astra нь дүрслэлд тулгуурлан сэтгэн бодох сайжирсан чадвараа вэб дизайнд ашиглаж, сайт бүрд өвөрмөц төрх өгөх зохиомж, зураг дүрслэлийг сонгон, сайтын үндсэн зорилгод нийцсэн элементүүдийг бүтээдэг.
Дүрслэлд тулгуурлан сэтгэн бодох болон компьютер ашиглах чадварын эдгээр ахиц нь 3D дизайнд ч мөн илэрч байна. GPT‑6.2 Astra болон Sol нь бичгэн даалгаврыг хөтөч дээр ажиллах интерактив бүтээл болгож чадна. Үүнд тоглож болох пинболын ширээнээс эхлээд янз бүрийн өнцгөөс үзэж сонирхох боломжтой Колизейн сэргээн бүтээсэн загвар хүртэл багтана. Artificial Analysis-ийн AA‑3D үнэлгээнд хүмүүс шүүгчээр оролцож, ижил өгөгдлөөр бүтээсэн, ямар загвар бүтээснийг нь нууцалсан хоёр интерактив бүтээлийг туршаад, илүүд үзсэн бүтээлдээ санал өгдөг. GPT‑6.2 Astra нь 1,318 Elo оноогоор нэгдүгээрт, Claude Fable 5.2 нь 1,271, GPT‑6.2 Sol нь 1,259 оноогоор удаалж байна.
Илүү цэгцтэй код, илүү үр ашигтай ажлын явц
GPT‑6.2 Astra нь хэрэгсэл, хүчин чармайлтаа ажлын явцад тохируулах, хэзээ нэмэлт өргөтгөл ашиглаж, хэзээ компьютерийг шууд ашиглахыг шийдэх зэрэг даалгавар гүйцэтгэх арга замыг илүү оновчтой сонгодог.
Кодчиллын хувьд GPT-6.2 Astra нь одоо байгаа кодын санд нарийн төвөгтэй өөрчлөлт хэрэгжүүлэх, туршихдаа илүү сайн. Кодын бичлэг илүү цэгцтэй, тестүүд илүү зорилтот болж, засварын давталт цөөрснийг анхны туршигчид мэдээлсэн.
Кибер аюулгүй байдлын чадвар
GPT‑6.2 Astra болон GPT-6.2 Sol нь кибер чадварын хувьд дахин нэг томоохон ахиц гаргаж байна. Эдгээр нь эмзэг байдлыг илүү үр дүнтэй олж ашиглан, илүү аюулгүй код бичиж, илүү сайн засвар гаргадаг бөгөөд хэд хэдэн үнэлгээнд токен ашиглалтын үр ашиг нь мэдэгдэхүйц сайжирсан. GPT‑6 Astra-ийн адил 6.2 Astra болон Sol нь манай Preparedness Framework-ийн кибер аюулгүй байдлын "Нэн ноцтой" босго түвшинд хүрсэн.П
Чадварууд нь нэмэгдсэн тул бид GPT‑6.2 Astra болон Sol-ийг эрсдэл өндөртэй кибер аюулгүй байдлын туслалцаанд илүү хатуу хамгаалалтын арга хэмжээтэйгээр нэвтрүүлж байна. Эдгээр хамгаалалт нь буруугаар ашиглах эрсдэлийг бууруулдаг ч эмзэг байдлын зарим хууль ёсны судалгаа болон аюулгүй байдлын туршилтын ажлын урсгалыг мөн хязгаарладаг. Одоогоор хамгаалалтын мэргэжилтнүүд OpenAI Daybreak-ээр дамжуулан GPT-6 Astra-ийн альфа хувилбараас гадна кибер хүсэлтэд татгалзах нь багассан GPT‑6 Sol-ийг Daybreak Blue дээр, мөн зөвшөөрөлтэй, ахисан түвшний аюулгүй байдлын туршилтад зориулсан GPT‑6 Cyber-ийг Daybreak Red дээр ашиглах боломжтой. Бид GPT‑6.2 загваруудыг Daybreak-д нэвтрүүлэхээр ажиллах болно.
Кибер аюулгүй байдлын хамгаалалт болон ангилагчдыг унтраасан дотоод туршилтын тохиргоогоор авсан жишиг сорилын гол үр дүнг доор онцоллоо. Бүрэн үр дүн, аргачлалыг дагалдах системийн картаас(шинэ цонхонд нээгдэнэ) үзнэ үү.
Кибер хамгаалагчдад давуу тал олгох нь
Илүү чадварлаг агентууд эмзэг байдлыг олох, ашиглахад хялбар болгож буй энэ үед хөгжүүлэгчид бодит хэрэглээний программ хангамж бичихдээ кодчиллын агентуудад улам бүр тулгуурлаж байна. PHP2Shell(шинэ цонхонд нээгдэнэ) нь AI судлаачдад нэн ноцтой доголдлыг илрүүлэхэд хэрхэн тусалж болохыг харуулсан. GPT‑6.2 Astra болон Sol-д бид хамгаалах чадварыг гол чиглэлээ болгож, хөгжүүлэгчдэд эдгээр доголдлоос урьдчилан сэргийлэх, засахад туслах шинэ сургалтын дохио нэвтрүүлсэн. Ингэснээр эхнээс нь аюулгүй код бичиж, зориулалтын ажиллагааг хадгалсан засвар гаргахад чиглүүлсэн.
Аюулгүй байдал ба хүний зорилготой нийцэл
Бид GPT-6.2 Astra болон Sol-ийг өнөөг хүртэлх хамгийн хүчтэй хамгаалалтуудтайгаа нэвтрүүлж байна. Бид хязгаарлалтыг чангатгаж, загваруудыг хянах болон шаардлагатай үед хөндлөнгөөс оролцох системүүдээ бэхжүүлсэн.
GPT-6 Astra-ийн адил GPT-6.2 Astra болон Sol хоёулаа манай Preparedness Framework-ийн дагуу кибер аюулгүй байдлын «Ноцтой» босгыг хангахаас гадна биологи, химийн чадварын «Өндөр» босгыг хангаж байна. Бид үүнтэй холбоотой эрсдэлийг бууруулах хамгаалалтын арга хэмжээг хэрэгжүүлж, биологи болон кибер аюулгүй байдлын сайн, муу аль ч зорилгоор ашиглагдаж болзошгүй зарим хүсэлтэд тавих хязгаарлалтыг нэмэгдүүлсэн.
Манай хамгаалалт, туршилтын дэлгэрэнгүйг GPT-6.2-ийн системийн картаас(шинэ цонхонд нээгдэнэ) үзэх боломжтой.
AI судалгааны чадвар ба хамгаалалт
GPT-6.2 Astra нь загварын AI судалгааг хурдасгах чадварыг хэмждэг «AI өөрийгөө сайжруулах» ангиллын «Өндөр» босгыг хангасан, бидний байгууллагаас гадуур ашиглуулахаар гаргасан анхны загвар юм. «Өндөр» гэсэн ангилал нь загварын нөлөөг 2024 оны суурь түвшинтэй харьцуулахад OpenAI-ийн судлаач бүрд өндөр чадвартай судалгааны инженерийг нэмэлт туслахаар өгсөнтэй дүйцнэ гэж бид үнэлснийг илэрхийлнэ. Ирээдүйн AI системийг хөгжүүлэхэд туслах загварууд нь хамгаалалтын арга хэмжээ, хүний хяналт дасан зохицож амжихаас хурдан ахиц гаргах зэрэг аюулгүй байдлын шинэ эрсдэл үүсгэж болзошгүй тул бид энэ чадварыг хянадаг.
Эдгээр эрсдэлийг шийдвэрлэхийн тулд бид загваруудаа сургах, нэвтрүүлэх үйл явцад хяналт, удирдлагын нэмэлт арга хэмжээг тусгасан. GPT-6.2 Astra-г дотооддоо ашиглах хүрээг тэлэхээс өмнө бид түүний хүний зорилго, үнэт зүйлстэй нийцэж буй эсэхийг үнэлж, үе шат бүрд шаардлагатай хамгаалалт бүрдсэн эсэхийг баталгаажуулсан. Бид судалгааны орчны тусгаарлалт, хязгаарлалтыг чангатгаж, эдгээр хамгаалалтыг хамгийн чадварлаг загваруудаараа туршсан. Мөн судалгааны ажлуудыг хянаж, хөндлөнгөөс оролцох шаардлагатай үед загварын цаашдын гаралтыг зогсоох боломжтой Control Room системийг бүтээсэн. Манай өргөжүүлсэн хяналт нь дотоод ажлууд болон хяналт дэмждэг гадаад нэвтрүүлэлтүүдэд загваруудын сэтгэн бодох явц, үйлдлийг шалгадаг. Энэ нь зөвшөөрөлгүй үйлдлийг автоматаар илрүүлэн тэмдэглэж, дэмжигдсэн орчинд ажлууд эсвэл харилцан яриаг түр зогсоох боломжтой.
Хүний зорилготой нийцэл
Хоёр загвар хоёулаа хүний зорилготой нийцлийн ихэнх үнэлгээнд GPT-6 Astra-тай ойролцоо үр дүн үзүүлж, ажлын байрны дуурайлгасан даалгавруудад зохисгүй үйлдэл цөөн хийсэн. Гэхдээ хоёр туршилтад байхгүй файл, ашиглах боломжгүй хайлтын хэрэгсэл зэрэг ажлыг нь саатуулсан саадыг дурдахгүй орхих магадлал нь өндөр байв. Бид эдгээр орхигдуулалтыг мэдэгдэхүйц бууруулах зааврыг Codex-д нэмсэн бөгөөд уг зан төлөвийг үргэлжлүүлэн судалж байна.
Үнэ ба ашиглах боломж
Өнөөдрөөс эхлэн Plus, Pro, Enterprise болон Edu-ийн бүх хэрэглэгч GPT-6.2 Astra болон Sol-ийг ChatGPT Ажил болон Codex-д ашиглах боломжтой. Pro 500 захиалагчид хоёр загварын аль алинд Ultrafast ашиглаж болно. Мөн бид анх удаа Pro 200 захиалагчдад GPT-6.2 Sol-оос эхлэн Ultrafast ашиглах боломж олгож байна. Шаардлага хангасан Enterprise болон Edu хэрэглэгчид ажлын талбарын администратор нь идэвхжүүлсний дараа ижил эрхтэй болно. Хөгжүүлэгчид мөн OpenAI API-аар дамжуулан gpt-6.2-astra болон gpt-6.2-sol-ийг ашиглаж болох бөгөөд хоёр загварт хоёуланд нь нээлтийн үеэс Ultrafast ашиглах боломжтой.
GPT‑6.2 Astra нь токеныг илүү үр ашигтай ашиглаж, оролтын болон гаралтын токены үнэ 20%-иар, кэшилсэн оролтын токены үнэ бүр 60%-иар буурсан тул нэг даалгаврын зардал нь GPT‑6 Astra-ийнхаас мэдэгдэхүйц бага болсон. API-ийн стандарт үнэ нэг сая токен тутамд оролт $8, кэшилсэн оролт $0.40, гаралт $40 байна. GPT‑6.2 Sol нь GPT‑6.1 Sol-ийн үнийг хэвээр хадгалж, нэг сая токен тутамд оролт $2, кэшилсэн оролт $0.10, гаралт $10 байна.
GPT-6.2 Astra болон Sol-ийн хувьд кэшийг дахин ашиглалтыг сайжруулах, зардал болон хүлээлгийн хугацааг багасгах, харилцан ярианы ээлжүүдийн хооронд сэтгэн бодох үйл явцыг хадгалахын тулд зааврын эхний хэсгийг өөрчлөлгүй хадгалж, шинэ зааврыг харилцан ярианы төгсгөлд нэмэхийг(шинэ цонхонд нээгдэнэ) зөвлөж байна.
Зохиогч
Footnotes
- 1
Fable 5.2-ын Terminal-Bench-Science 0.1 үр дүн нь Artificial Analysis(шинэ цонхонд нээгдэнэ)-ийн mini-swe-agent хамгаалалтад туршиж мэдээлсэн дүн юм. Anthropic-ийн мэдээлснээр Fable 5.2 нь Claude Code-д сэтгэн бодох түвшнийг дээд хэмжээнд тохируулсан үед 74.6%-ийн оноо авсан.



