Memperkenalkan GPT-6.2 Astra dan Sol
Standard baharu untuk kerja profesional
Cuba dalam ChatGPT Work(dibuka dalam tetingkap baru)Kami memperkenalkan GPT‑6.2 Astra, model perbatasan baharu kami untuk projek anda yang paling mencabar, dan GPT‑6.2 Sol, model kami yang cekap dan serba boleh untuk kerja harian. Kedua-dua model memberikan hasil yang lebih baik untuk tugasan mencabar dengan token output yang lebih sedikit, supaya anda boleh menyiapkan lebih banyak kerja dalam had penggunaan anda. Bagi perniagaan dan pembangun, ini bermakna prestasi perbatasan pada kos yang munasabah untuk penggunaan berskala besar.
GPT‑6.2 Astra menetapkan standard kualiti baharu untuk AI dalam kerja profesional yang kompleks. Slaid, hamparan dan dokumennya kurang menyerupai hasil tulisan AI, serta lebih menepati templat yang anda berikan dan amalan lazim dalam bidang anda. Model ini menulis kod yang lebih kemas dan membina bahagian hadapan yang lebih baik dari segi rupa dan fungsi, khususnya untuk laman web, permainan dan reka bentuk 3D.
Dalam Agents’ Last Exam, yang menguji kerja profesional berbilang langkah, GPT‑6.2 Astra mencatat pencapaian tertinggi baharu, dengan skor 5.2 mata lebih tinggi daripada GPT‑6 Astra pada kos kurang daripada satu pertiga, dan 5.5 mata mendahului Claude Fable 5.2 pada hanya 5% daripada kosnya.
Agents’ Last Exam menilai model berdasarkan aliran kerja profesional jangka panjang. Keputusan Fable 5.2 pada papan kedudukannya tidak merangkumi sembilan tugasan yang menggunakan model sandaran.
Kami percaya GPT-6.2 Astra ialah model terbaik di dunia untuk saintis. Model ini mencatat pencapaian tertinggi baharu dalam Terminal-Bench-Science 0.1, yang menguji sejauh mana model dapat menjalankan kerja saintifik dalam terminal. GPT-6.2 Astra meraih skor 9 mata peratusan lebih tinggi daripada GPT-6 Astra pada kos kurang daripada satu pertiga. Model ini juga mencatat pencapaian tertinggi baharu dalam Vals Science Index, yang meminta model mentafsir data biologi sebenar dan menjalankan eksperimen untuk membuat inferens tentang cara sistem simulasi berfungsi.
Dalam API, harga token input dan output GPT‑6.2 Astra adalah 20% lebih rendah berbanding GPT‑6 Astra, dengan diskaun 60% untuk input dicache ($8 untuk input, $0.40 untuk input dicache dan $40 untuk output, semuanya bagi setiap juta token). GPT‑6.2 Sol mengekalkan harga token API GPT‑6.1 Sol. Dalam beberapa penanda aras, kedua-dua model hampir menyamai atau mengatasi prestasi model terkemuka lain pada kos setiap tugasan yang jauh lebih rendah.
GPT-6.2 Sol: model pilihan kami untuk kerja harian
Berbanding GPT‑6.1 Sol, GPT‑6.2 Sol lebih pintar, lebih cekap dan membolehkan anda menyiapkan lebih banyak tugas dengan pelan berbayar yang sama. Model ini cekap melaksanakan aliran kerja agentic berbilang langkah, menulis dengan jelas dan semula jadi, serta mudah diajak bekerjasama. Ramai kakitangan OpenAI menggunakannya sebagai model lalai untuk tugas teknikal dan bukan teknikal.
Dalam FrontierCode 2.0 oleh Cognition, skor GPT‑6.2 Sol hanya berbeza dalam lingkungan 0.5 mata daripada GPT‑6.2 Astra pada kira-kira satu perlima kosnya (kedua-duanya pada Max).
FrontierCode 2.0 menilai sama ada perubahan pada pangkalan kod sebenar memenuhi piawaian penyelenggara untuk digabungkan.
Kepantasan dan kecerdasannya juga menjadikannya pilihan yang ideal untuk tugasan penting di luar pekerjaan yang memerlukan bantuan AI. Dalam penilaian LifeVal kami yang dikeluarkan baru-baru ini, yang mengukur prestasi dalam tugasan harian yang mencabar, GPT‑6.2 Sol mengatasi skor GPT‑6 Astra pada kira-kira satu pertujuh kosnya.
LifeVal menguji sejauh mana model dapat mengendalikan tugas harian yang disesuaikan dengan keperluan seseorang, seperti menyenarai pendek tadika selepas berpindah, mencari rumah yang sesuai dengan bajet dan perjalanan ulang-alik keluarga, atau merancang hidangan untuk ibu atau bapa yang sedang menyesuaikan diri dengan diagnosis baharu.
Hasil kerja profesional yang menepati standard industri
Kami melatih GPT‑6.2 Astra untuk menghasilkan slaid, hamparan dan dokumen yang lebih jelas serta direka dengan lebih baik, dan lebih menepati kelaziman yang digunakan oleh profesional dalam bidang seperti undang-undang, jualan, kewangan dan perakaunan. Penulisannya lebih berterus terang dan khusus, dengan lebih sedikit kesimpulan umum serta isi yang tidak perlu.
Harvey LAB‑AA v1.1 menggunakan tugasan undang-undang untuk menguji sama ada model dapat mencari fakta yang relevan dalam pelbagai dokumen sumber, menggunakannya untuk memenuhi arahan tugasan terperinci dan menghasilkan hasil kerja yang tepat serta memenuhi setiap keperluan. GPT‑6.2 Astra mencatat tahap prestasi termaju baharu, dengan kadar lulus lebih dua kali ganda daripada Claude Fable 5.2 pada kira-kira satu perenam kosnya. OpenAI untuk Undang-undang, konfigurasi GPT-6.2 Astra kami untuk peguam, meraih skor yang lebih tinggi lagi dalam penanda aras ini.
Harvey LAB‑AA menguji kerja undang-undang seperti menyemak peruntukan kontrak. Skor utamanya hanya memberikan markah apabila hasil kerja memenuhi setiap kriteria pemarkahan dan tidak mengandungi halusinasi yang material.
Penanda aras dalaman GDPval v2 kami ialah versi seterusnya bagi GDPval yang mengukur aliran kerja kompleks dan jangka panjang daripada projek sebenar dalam sektor seperti perundingan, kewangan dan reka bentuk. GPT‑6.2 Astra mendahului model yang kami uji, dengan peningkatan 6.2 mata peratusan berbanding GPT‑6 Astra sambil menggunakan 22% lebih sedikit token output. GPT‑6.2 Sol mencatat peningkatan 5.3 mata berbanding GPT‑6.1 Sol.
GDPval v2 terdiri daripada tugasan kerja berasaskan pengetahuan jangka panjang daripada projek sebenar dalam sektor seperti kewangan, sains data, bioteknologi dan pemasaran.
Buku kerja dan memo
Membina buku kerja penilaian atau menulis memo pelaburan bermula dengan mencari angka yang relevan dalam fail sumber dan memahami hubung kait antara angka tersebut. AA‑AnalystAgent oleh Artificial Analysis menguji kerja tersebut menggunakan hamparan dan laporan sebenar. Dalam satu tugasan, model menggunakan laporan perbelanjaan California Medicaid untuk mengira jumlah yang dibelanjakan oleh program tersebut bagi pengangkutan perubatan. GPT‑6.2 Astra mencatat pencapaian tertinggi baharu dengan menjawab 62.5% soalan dengan betul dalam kelima-lima percubaan bebas.
Persembahan slaid
GPT‑6.2 Astra ialah model terbaik kami setakat ini dalam mereka bentuk slaid dan mengikuti templat slaid, sama ada diberikan fail asal atau sekadar tangkapan skrin. Model ini boleh memadankan susun atur, warna dan tipografi hingga ke saiz fon yang tepat, serta menerapkan gaya penulisan templat pada slaid baharu. Penguji awal mendapati set slaid lebih mudah digunakan terus dengan kurang suntingan, berkat tajuk yang menyatakan isi utama dan teks kandungan ringkas yang memfokuskan butiran yang diperlukan pembaca.
Penggunaan komputer dan reka bentuk web interaktif
Keupayaan penggunaan komputer GPT‑6.2 Astra yang lebih tepat membolehkannya bekerja hingga ke perincian komponen dan sambungan individu dalam alat CAD dan simulasi. Jurutera boleh menggunakan perincian tambahan itu untuk menyemak kesesuaian pemasangan komponen, melihat tempat beban beralih apabila reka bentuk bergerak, dan menguji pindaan sebelum membina prototaip.
Simulasi pemanduan
Kami meminta GPT‑6.2 Astra memvisualisasikan dinamik casis sebuah kereta di jalan pergunungan. Astra menghasilkan model 3D dan menulis penyelesai Python untuk mensimulasikan dinamik kompleks antara tayar dan suspensi, kemudian menganimasikan hasilnya dalam Blender. Ini membolehkan jurutera menguji reka bentuk baharu dengan pantas dan meningkatkan ketepatan simulasi dari semasa ke semasa.
Reka bentuk dan pemasangan mekanikal
GPT‑6.2 Astra boleh memodelkan sistem mekanikal komponen demi komponen, membolehkan jurutera menunjukkan cara sistem itu dipasang dan menguji kesan perubahan reka bentuk terhadap kelakuannya.
Daripada CAD kepada lampu kertas
Pasukan kami menggunakan GPT‑6.2 Astra untuk menghasilkan lampu berasaskan bentuk balkoni berlekuk pada menara Marina City di Chicago. Video ini menjejaki proses reka bentuk daripada foto rujukan, melalui pindaan CAD, hingga menjadi lampu fizikal yang dipasang dengan tangan. Laman yang dijana oleh GPT-6.2 Astra ini boleh digunakan untuk mencipta lampu kertas anda sendiri.
GPT‑6.2 Astra membawa penaakulan visual yang lebih mantap kepada reka bentuk web, dengan memilih susun atur dan imej yang memberikan rupa tersendiri kepada setiap laman serta membina elemen berdasarkan matlamat sebenar laman tersebut.
Peningkatan dalam penaakulan visual dan penggunaan komputer ini turut dimanfaatkan dalam reka bentuk 3D. GPT‑6.2 Astra dan Sol boleh mengubah arahan bertulis menjadi pengalaman interaktif dalam pelayar, daripada meja pinball yang boleh anda mainkan hingga replika Colosseum yang boleh anda terokai dari pelbagai sudut. Dalam AA‑3D oleh Artificial Analysis, penilai manusia mencuba dua pengalaman yang dibina daripada prom yang sama tanpa mengetahui model yang menghasilkannya, kemudian mengundi pengalaman yang lebih disukai. GPT‑6.2 Astra menduduki tempat pertama dengan 1,318 Elo, diikuti Claude Fable 5.2 pada 1,271 dan GPT‑6.2 Sol pada 1,259.
Aliran kerja cekap dengan gaya kod yang lebih kemas
GPT‑6.2 Astra membuat pertimbangan yang lebih baik tentang cara melaksanakan tugas, termasuk menyesuaikan alat dan usahanya dengan aliran kerja serta mengetahui bila perlu menggunakan pemalam dan bila perlu mengendalikan komputer.
Dalam pengekodan, GPT-6.2 Astra lebih baik dalam melaksanakan dan menguji perubahan kompleks pada pangkalan kod sedia ada. Penguji awal melaporkan gaya kod yang lebih kemas dan ujian yang lebih terfokus, dengan lebih sedikit pusingan pindaan.
Keupayaan keselamatan siber
GPT‑6.2 Astra dan GPT-6.2 Sol menandakan satu lagi lonjakan ketara dalam keupayaan siber. Kedua-duanya mencari dan mengeksploitasi kerentanan dengan lebih berkesan, menulis kod yang lebih selamat dan menghasilkan tampalan yang lebih baik, dengan peningkatan besar dalam kecekapan token pada beberapa penilaian. Seperti GPT‑6 Astra, 6.2 Astra dan Sol memenuhi ambang Kritikal untuk keselamatan siber di bawah Rangka Kerja Kesediaan kami.
Memandangkan keupayaan kedua-dua model semakin meningkat, kami melancarkan GPT‑6.2 Astra dan Sol dengan perlindungan yang lebih ketat bagi bantuan keselamatan siber berisiko lebih tinggi. Perlindungan ini mengurangkan risiko penyalahgunaan, tetapi turut mengehadkan sesetengah aliran kerja penyelidikan kerentanan dan pengujian keselamatan yang sah. Melalui OpenAI Daybreak, pihak pertahanan siber kini boleh mengakses GPT‑6 Sol dengan penolakan permintaan siber yang dikurangkan dalam Daybreak Blue, selain versi alfa kami untuk GPT-6 Astra, serta GPT‑6 Cyber untuk pengujian keselamatan lanjutan yang dibenarkan dalam Daybreak Red. Kami akan berusaha untuk membawa model GPT‑6.2 ke Daybreak.
Di bawah, kami mengetengahkan hasil penanda aras utama menggunakan konfigurasi ujian dalaman dengan langkah perlindungan dan pengelas keselamatan siber dinyahdayakan. Lihat kad sistem yang disertakan(dibuka dalam tetingkap baru) untuk hasil penuh dan metodologi.
Memberikan kelebihan kepada pihak pertahanan siber
Pembangun semakin bergantung pada ejen pengekodan untuk menulis perisian produksi, walaupun ejen yang lebih berkeupayaan turut memudahkan pencarian dan eksploitasi kerentanan. PHP2Shell(dibuka dalam tetingkap baru) menunjukkan cara AI dapat membantu penyelidik menemukan kelemahan kritikal. Dengan GPT‑6.2 Astra dan Sol, kami menjadikan keupayaan pertahanan sebagai fokus utama, dengan memperkenalkan isyarat latihan baharu untuk membantu pembangun mencegah dan membaiki kelemahan tersebut—menulis kod yang selamat sejak awal dan menghasilkan tampalan yang mengekalkan tingkah laku yang dimaksudkan.
Keselamatan dan penjajaran
Kami melaksanakan GPT-6.2 Astra dan Sol dengan langkah perlindungan paling kukuh kami setakat ini. Kami telah mengetatkan sekatan dan memperkukuh sistem yang kami gunakan untuk memantau model dan campur tangan apabila diperlukan.
Seperti GPT-6 Astra, selain memenuhi ambang Kritikal untuk keselamatan siber, kedua-dua GPT-6.2 Astra dan Sol memenuhi ambang Tinggi untuk keupayaan biologi dan kimia di bawah Rangka Kerja Kesediaan kami. Kami telah melaksanakan perlindungan untuk mengurangkan risiko berkaitan, di samping meningkatkan sekatan terhadap sekumpulan permintaan biologi dan keselamatan siber yang berpotensi mempunyai dwikegunaan.
Butiran lanjut tentang langkah perlindungan dan pengujian kami tersedia dalam kad sistem GPT-6.2(dibuka dalam tetingkap baru).
Keupayaan penyelidikan AI dan perlindungan
GPT-6.2 Astra ialah model pertama kami yang dikeluarkan untuk kegunaan luar yang memenuhi ambang Tinggi bagi Penambahbaikan Kendiri AI, yang mengukur keupayaan model untuk mempercepat penyelidikan AI. Penetapan ‘Tinggi’ mencerminkan penilaian kami bahawa kesan model ini setara dengan menyediakan seorang jurutera penyelidikan tambahan yang sangat berkebolehan sebagai pembantu kepada setiap penyelidik OpenAI, berbanding garis dasar mereka pada tahun 2024. Kami menjejaki keupayaan ini kerana model yang boleh membantu membangunkan sistem AI masa hadapan juga boleh menimbulkan risiko keselamatan baharu, seperti mempercepat kemajuan sehingga perlindungan atau pengawasan manusia tidak sempat menyesuaikan diri.
Untuk menangani risiko ini, kami telah menerapkan lebih banyak pengawasan dan kawalan dalam cara kami melatih serta melaksanakan model kami. Sebelum meluaskan akses dalaman kepada GPT-6.2 Astra, kami menilai penjajarannya dan mengesahkan bahawa perlindungan yang diperlukan telah tersedia pada setiap peringkat. Kami memperkukuh pembendungan dalam persekitaran penyelidikan kami, dan menguji perlindungan tersebut menggunakan model kami yang paling berkeupayaan. Kami juga membina Control Room, sistem yang menjejaki beban kerja penyelidikan dan boleh menghentikan output model selanjutnya apabila campur tangan diperlukan. Pemantauan kami yang diperluas meneliti penaakulan dan tindakan model merentas beban kerja dalaman serta pelaksanaan luaran yang disokong. Sistem ini boleh menandai kelakuan tanpa kebenaran secara automatik dan, jika disokong, menjeda beban kerja atau perbualan.
Penjajaran
Kedua-dua model menunjukkan prestasi yang serupa dengan GPT-6 Astra dalam kebanyakan penilaian penjajaran, dan mengambil lebih sedikit tindakan tidak wajar dalam tugas tempat kerja yang disimulasikan. Namun, dalam dua ujian, kedua-duanya lebih cenderung untuk tidak menyebut halangan yang menyekat kerja mereka, seperti fail yang hilang atau alat carian yang tidak tersedia. Kami menambahkan arahan dalam Codex yang mengurangkan pengabaian maklumat ini dengan ketara, dan kami terus menyiasat tingkah laku tersebut.
Harga dan ketersediaan
Mulai hari ini, GPT-6.2 Astra dan Sol tersedia kepada semua pengguna Plus, Pro, Enterprise dan Edu dalam ChatGPT Kerja dan Codex. Pelanggan Pro 500 boleh menggunakan Ultrafast dengan mana-mana model. Buat pertama kalinya, kami turut menyediakan Ultrafast kepada pelanggan Pro 200, bermula dengan GPT-6.2 Sol. Pengguna Enterprise dan Edu yang layak mendapat akses yang sama selepas pentadbir ruang kerja mereka mendayakannya. Pembangun juga boleh mengakses gpt-6.2-astra dan gpt-6.2-sol melalui API OpenAI, dengan Ultrafast tersedia untuk kedua-dua model sejak pelancaran.
Kos setiap tugasan GPT‑6.2 Astra jauh lebih rendah berbanding GPT‑6 Astra, hasil kecekapan token yang lebih baik, diskaun 20% untuk token input dan output, serta diskaun lebih besar sebanyak 60% untuk token input dicache. Kadar API standard bagi setiap juta token ialah $8 untuk input, $0.40 untuk input dicache dan $40 untuk output. GPT‑6.2 Sol mengekalkan kadar GPT‑6.1 Sol, iaitu $2 untuk input, $0.10 untuk input dicache dan $10 untuk output bagi setiap juta token.
Untuk GPT-6.2 Astra & Sol, bagi meningkatkan penggunaan semula cache, membantu mengurangkan kos dan kependaman serta mengekalkan penaakulan merentas giliran, kami mengesyorkan agar anda mengekalkan awalan prom tanpa perubahan dan menambahkan arahan baharu(dibuka dalam tetingkap baru) pada perbualan.
Penulis
Footnotes
- 1
Keputusan Terminal-Bench-Science 0.1 untuk Fable 5.2 adalah seperti yang dilaporkan oleh Artificial Analysis(dibuka dalam tetingkap baru) dalam harnes mini-swe-agent. Anthropic melaporkan skor Fable 5.2 sebanyak 74.6% pada tahap penaakulan maksimum dalam Claude Code.



