GPT-6.1Sol

Kami memperkenalkan GPT-6.1 Sol, naik taraf kepada GPT-6 Sol yang hampir menyamai kecerdasan GPT-6 Astra dalam pengekodan agentic, penggunaan komputer dan kerja profesional, pada satu perlima harga token input dan output standard Astra. Input dicache berharga hanya $0.10 per juta token—95% lebih rendah daripada harga input standard dan 50% lebih rendah daripada harga input dicache GPT-6 Sol—memberi pembangun lebih ruang untuk membina dan menjalankan ejen berkeupayaan tinggi yang menggunakan semula konteks merentas permintaan.

Sol yang lebih berkeupayaan di seluruh tugasan

GPT-6.1 Sol menawarkan keseimbangan baharu antara keupayaan dengan kos untuk kerja harian yang penting. GPT-6.1 Sol membawa peningkatan yang ketara berbanding dengan GPT-6 Sol dalam tugasan profesional yang kompleks, daripada menulis dan menyahpepijat kod hingga memahami dokumen dan melaksanakan aliran kerja perniagaan berbilang langkah. Dalam beberapa penilaian ini, prestasinya menghampiri GPT-6 Astra pada kos yang jauh lebih rendah.

Pengekodan

Dalam DeepSWE v1.1, yang menilai tugas kejuruteraan perisian kompleks dalam pangkalan kod sebenar, GPT-6.1 Sol menyamai GPT-6 Astra pada kira-kira satu perlima kosnya, sambil mengatasi skor terbaik GPT-6 Sol sebanyak 6.4 mata peratusan pada tahap usaha penaakulan dan kos yang lebih rendah.

Kerja profesional

Dalam GDP.pdf, yang mengukur ketepatan model menjawab soalan profesional menggunakan dokumen PDF kompleks, termasuk jadual, carta, rajah dan butiran cetakan halus, GPT-6.1 Sol mencatatkan skor lebih tinggi daripada Opus 5.5 dengan model sandaran, pada kurang separuh kos setiap tugas merentas tetapan penaakulan yang diuji. Model ini juga menghampiri prestasi canggih GPT-6 Astra pada kira-kira satu perlima kos setiap tugas.

Dalam AutomationBench, yang mengukur sama ada ejen menyelesaikan aliran kerja perniagaan berbilang langkah dengan betul, GPT-6.1 Sol mencatatkan skor 2.2 mata peratusan lebih tinggi daripada Opus 5.5 pada tahap usaha penaakulan sederhana, dengan kira-kira satu pertiga kosnya. Skor itu juga meningkat 4.8 mata peratusan berbanding GPT-6 Sol pada tetapan yang sama.

Penggunaan komputer

GPT-6.1 Sol turut mencatatkan kemajuan ketara dalam tugas yang memerlukan interaksi dengan aplikasi komputer. Dalam set luar talian OSWorld 2.0, yang menilai ejen pada aliran kerja penggunaan komputer yang mencabar, GPT-6.1 Sol mengatasi GPT-6 Sol sebanyak tujuh mata peratusan pada tahap usaha penaakulan maksimum dengan kurang separuh kosnya. Skornya hanya 2.1 mata peratusan di bawah Astra pada tahap usaha penaakulan maksimum, dengan kira-kira satu pertujuh kos setiap tugas.

Penyelidikan saintifik

Dalam Terminal-Bench Science 0.1, yang menilai aliran kerja saintifik termasuk analisis data, simulasi dan pembuktian teorem, GPT-6.1 Sol mencatatkan lebih dua kali ganda skor GPT-6 Sol pada tahap usaha penaakulan maksimum dengan kurang separuh kos setiap tugas. Pada tahap usaha maksimum, kos purata GPT-6.1 Sol ialah $5.47 setiap tugas, berbanding $23.21 untuk Opus 5.5 dan $23.80 untuk Astra, memberikan keupayaan saintifik yang tinggi pada kos lebih 75% lebih rendah daripada kedua-dua model tersebut.

GPT-6 Astra masih mencapai skor tertinggi antara model yang diuji, iaitu 68.1%, dan wajar digunakan untuk tugas penyelidikan saintifik yang paling sukar.

Ketepatan fakta

GPT-6.1 Sol turut meningkatkan ketepatan fakta bagi prom yang sukar. Peningkatan kefaktaannya yang terbesar berbanding dengan GPT-6 Sol berlaku pada tahap usaha penaakulan rendah, apabila GPT-6.1 Sol mengurangkan bahagian jawapan yang mengandungi kesilapan fakta daripada 11.4% kepada 7.7%—pengurangan kira-kira 32%. Merentas tetapan penaakulan yang diuji, kadar kesilapannya kekal dalam 1.9 mata peratusan daripada kadar GPT-6 Astra, pada kurang daripada satu perlima kos setiap tugas.

Penilaian ini mengukur bahagian jawapan yang mengandungi sekurang-kurangnya satu kesilapan fakta dalam perbualan yang telah dibuang maklumat pengenalannya, apabila pengguna melaporkan kesilapan model terdahulu. Prom yang sengaja dibuat sukar ini tidak mewakili penggunaan biasa.

Pelaksanaan GPT-6.1 Sol yang selamat

GPT-6.1 Sol menunjukkan peningkatan ketara berbanding GPT-6 Sol dalam penilaian penjajaran kami, menjadikannya lebih hampir kepada GPT-6 Astra.

GPT-6.1 Sol lebih telus tentang batasannya dan lebih boleh diharap untuk menghormati niat pengguna serta mematuhi kekangan keselamatan. Dalam penilaian yang mencabar, kadar kegagalannya lebih rendah daripada GPT-6 Sol dari segi ketelusan tentang alat carian yang rosak, pematuhan sekatan yang dinyatakan secara jelas dan mengelakkan hasil tanpa kebenaran semasa menjalankan tugas agentic. Kami tidak melihat sebarang cubaan memintas penyemak keselamatan automatik, sama seperti GPT-6 Astra dan GPT-6 Sol. Butiran lengkap boleh didapati dalam adendum kad sistem GPT-6.1 Sol⁠(dibuka dalam tetingkap baru).

Penilaian di bawah sengaja menguji situasi yang mencabar dan tidak mengukur kadar kegagalan dalam penggunaan biasa.

Harga dan ketersediaan

GPT-6.1 Sol tersedia mulai hari ini kepada semua pengguna Plus, Pro, Business, Enterprise dan Edu dalam ChatGPT Kerja dan Codex. GPT-6.1 Sol belum tersedia dalam Sembang. Pembangun juga boleh mengaksesnya melalui API OpenAI sebagai gpt-6.1-sol. Harga API standardnya ialah $2 bagi setiap juta token input, $0.10 bagi setiap juta token input dicache dan $10 bagi setiap juta token output. Dalam beberapa hari yang akan datang, kami juga akan menawarkan GPT-6.1 Sol Ultrapantas⁠, dengan penjanaan token hingga 8x lebih pantas berbanding dengan kelajuan standardnya dalam Codex.