OpenAI

GPT-6.2 ကို မိတ်ဆက်ခြင်း Astra နှင့် Sol

ပရော်ဖက်ရှင်နယ်အလုပ်အတွက် စံနှုန်းသစ်တစ်ခု

ChatGPT အလုပ်တွင် စမ်းသုံးကြည့်ပါ(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)

သင့်အတွက် အခက်ခဲဆုံးပရောဂျက်များကို လုပ်ဆောင်ပေးမည့် ကျွန်ုပ်တို့၏ စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ်အသစ် GPT‑6.2 Astra နှင့် နေ့စဉ်အလုပ်များအတွက် ထိရောက်ပြီး ဘက်စုံအသုံးဝင်သော မော်ဒယ် GPT‑6.2 Sol ကို မိတ်ဆက်လိုက်ပါသည်။ မော်ဒယ်နှစ်ခုစလုံးသည် ခက်ခဲသောအလုပ်များတွင် အထွက်တိုကင် ပိုနည်းနည်းဖြင့် ပိုမိုကောင်းမွန်သော ရလဒ်များကို ပေးနိုင်သောကြောင့် သင့်အသုံးပြုခွင့်ကန့်သတ်ချက်အတွင်း အလုပ်ပိုပြီးမြောက်နိုင်ပါသည်။ လုပ်ငန်းများနှင့် ဆော့ဖ်ဝဲဖန်တီးသူများအတွက်မူ ပမာဏများများ အသုံးပြုသည့်အခါတွင်လည်း သင့်တင့်သောကုန်ကျစရိတ်ဖြင့် စွမ်းဆောင်ရည်အမြင့်ဆုံး အဆင့်ကို ရရှိနိုင်ခြင်း ဖြစ်ပါသည်။

GPT‑6.2 Astra သည် ရှုပ်ထွေးသော အသက်မွေးဝမ်းကျောင်းဆိုင်ရာ အလုပ်များတွင် AI အတွက် အရည်အသွေးစံသစ်ကို သတ်မှတ်ပေးလိုက်ပါသည်။ ၎င်း၏ဆလိုက်များ၊ စာရင်းဇယားများနှင့် စာရွက်စာတမ်းများသည် AI ရေးထားသည့်ဟန် ပိုနည်းလာပြီး သင်ပေးထားသော နမူနာပုံစံများနှင့် သင့်နယ်ပယ်၏ စံလုပ်ထုံးလုပ်နည်းများကို ပိုမိုလိုက်နာပါသည်။ ၎င်းသည် ပိုမိုသပ်ရပ်သော ကုဒ်ကို ရေးသားပြီး အထူးသဖြင့် ဝက်ဘ်ဆိုက်များ၊ ဂိမ်းများနှင့် 3D ဒီဇိုင်းများအတွက် အမြင်နှင့် လုပ်ဆောင်ပုံ နှစ်မျိုးစလုံး ပိုကောင်းသော frontend များကို တည်ဆောက်ပေးပါသည်။

အဆင့်များစွာပါဝင်သော ပရော်ဖက်ရှင်နယ်အလုပ်များကို စမ်းသပ်သည့် Agents’ Last Exam တွင် GPT‑6.2 Astra သည် GPT‑6 Astra ကုန်ကျစရိတ်၏ သုံးပုံတစ်ပုံအောက်ဖြင့် ရမှတ် 5.2 မှတ် ပိုမိုရရှိခဲ့ပြီး Claude Fable 5.2 ကုန်ကျစရိတ်၏ 5% မျှဖြင့် ရမှတ် 5.5 မှတ် သာလွန်ကာ အမြင့်ဆုံးစံချိန်သစ် တင်နိုင်ခဲ့ပါသည်။

Agents’ Last Exam သည် အချိန်ကြာကြာ ဆက်လက်လုပ်ဆောင်ရသော ပရော်ဖက်ရှင်နယ်လုပ်ငန်းစဉ်များအပေါ် မော်ဒယ်များကို အကဲဖြတ်ပါသည်။ Fable 5.2 အတွက် ၎င်း၏အဆင့်သတ်မှတ်ဇယားရလဒ်များတွင် အစားထိုးမော်ဒယ်ကို အသုံးပြုခဲ့သော အလုပ်ကိုးခုကို ထည့်မတွက်ထားပါ။

GPT-6.2 Astra သည် သိပ္ပံပညာရှင်များအတွက် ကမ္ဘာ့အကောင်းဆုံးမော်ဒယ် ဖြစ်သည်ဟု ကျွန်ုပ်တို့ ယုံကြည်ပါသည်။ မော်ဒယ်များက terminal တွင် သိပ္ပံဆိုင်ရာအလုပ်များကို မည်မျှကောင်းစွာ လုပ်ဆောင်နိုင်သည်ကို စမ်းသပ်သည့် Terminal-Bench-Science 0.1 တွင် ၎င်းသည် အမြင့်ဆုံးစံချိန်သစ် တင်နိုင်ခဲ့ပါသည်။ GPT-6.2 Astra သည် GPT-6 Astra ကုန်ကျစရိတ်၏ သုံးပုံတစ်ပုံအောက်ဖြင့် ရမှတ် 9 ရာခိုင်နှုန်းပွိုင့် ပိုမိုရရှိခဲ့ပါသည်။ ဇီဝဗေဒဆိုင်ရာ အချက်အလက်အစစ်များကို အဓိပ္ပာယ်ဖော်ထုတ်ပြီး ပုံတူဖန်တီးထားသော စနစ်တစ်ခု အလုပ်လုပ်ပုံကို ကောက်ချက်ချနိုင်ရန် စမ်းသပ်မှုများ ပြုလုပ်ခိုင်းသည့် Vals Science Index တွင်လည်း အမြင့်ဆုံးစံချိန်သစ် တင်နိုင်ခဲ့ပါသည်။

API တွင် GPT‑6.2 Astra ၏ အဝင်နှင့် အထွက်တိုကင်ဈေးနှုန်းများသည် GPT‑6 Astra ထက် 20% နိမ့်ပြီး ကက်ရှ်သိမ်းထားသော အဝင်တိုကင်အတွက် 60% လျှော့ချထားပါသည် (တိုကင်တစ်သန်းလျှင် အဝင်အတွက် $8၊ ကက်ရှ်သိမ်းထားသော အဝင်အတွက် $0.40 နှင့် အထွက်အတွက် $40 ဖြစ်ပါသည်)။ GPT‑6.2 Sol သည် GPT‑6.1 Sol ၏ API တိုကင်ဈေးနှုန်းများကို ဆက်လက်ထိန်းသိမ်းထားပါသည်။ စံနှုန်းစမ်းသပ်မှုအများအပြားတွင် မော်ဒယ်နှစ်ခုစလုံးသည် အခြားထိပ်တန်းမော်ဒယ်များ၏ အလုပ်တစ်ခုလျှင် ကုန်ကျစရိတ် အနည်းငယ်မျှဖြင့် ၎င်းတို့နှင့် နီးစပ်သော သို့မဟုတ် သာလွန်သော စွမ်းဆောင်ရည်ကို ရရှိပါသည်။

GPT-6.2 Sol — နေ့စဉ်အလုပ်များအတွက် ကျွန်ုပ်တို့ အဓိကအားထားသော မော်ဒယ်

GPT‑6.1 Sol နှင့် နှိုင်းယှဉ်လျှင် GPT‑6.2 Sol သည် ပိုမိုထက်မြက်၊ ထိရောက်ပြီး တူညီသော အခပေးအစီအစဉ်ဖြင့် အလုပ်ပိုပြီးမြောက်နိုင်စေပါသည်။ ၎င်းသည် အဆင့်များစွာပါသော အေးဂျင့်အခြေပြု လုပ်ငန်းစဉ်များကို အားကောင်းစွာ ဆောင်ရွက်နိုင်ပြီး ရှင်းလင်းသဘာဝကျစွာ ရေးသားကာ အလွယ်တကူ ပူးပေါင်းလုပ်ကိုင်နိုင်ပါသည်။ OpenAI ဝန်ထမ်းများစွာသည် နည်းပညာဆိုင်ရာနှင့် နည်းပညာမဟုတ်သော အလုပ်များအတွက် ၎င်းကို ပုံမှန်သုံးမော်ဒယ်အဖြစ် အသုံးပြုကြပါသည်။

Cognition ၏ FrontierCode 2.0 တွင် GPT‑6.2 Sol သည် GPT‑6.2 Astra ကုန်ကျစရိတ်၏ ငါးပုံတစ်ပုံခန့်ဖြင့် ရမှတ် 0.5 မှတ်အတွင်းသာ ကွာဟပါသည် (နှစ်ခုစလုံးကို Max တွင် သတ်မှတ်ထားပါသည်)။

FrontierCode 2.0 သည် တကယ့်ကုဒ်အစုအဝေးများတွင် ပြုလုပ်ထားသော ပြောင်းလဲမှုများက ကုဒ်ထိန်းသိမ်းသူများ၏ ပေါင်းထည့်လက်ခံရန် စံနှုန်းများနှင့် ကိုက်ညီခြင်း ရှိမရှိ အကဲဖြတ်ပါသည်။

၎င်း၏မြန်နှုန်းနှင့် ဉာဏ်ရည်ကြောင့် အလုပ်ပြင်ပတွင် လူများက AI ကို အားကိုးလုပ်ဆောင်ခိုင်းသည့် အရေးကြီးသောအလုပ်များအတွက်လည်း အထူးသင့်တော်ပါသည်။ ခက်ခဲသော နေ့စဉ်အလုပ်များတွင် စွမ်းဆောင်ရည်ကို တိုင်းတာရန် မကြာသေးမီက ကျွန်ုပ်တို့ ထုတ်ပြန်ခဲ့သည့် LifeVal⁠ အကဲဖြတ်မှုတွင် GPT‑6.2 Sol သည် GPT‑6 Astra ကုန်ကျစရိတ်၏ ခုနစ်ပုံတစ်ပုံခန့်ဖြင့် ရမှတ် ပိုမိုရရှိခဲ့ပါသည်။

LifeVal သည် အိမ်ပြောင်းပြီးနောက် မူကြိုကျောင်းများကို စိစစ်ရွေးချယ်ခြင်း၊ မိသားစု၏ဘတ်ဂျက်နှင့် နေ့စဉ်အသွားအပြန်ခရီးအတွက် သင့်လျော်သောအိမ် ရှာဖွေခြင်း သို့မဟုတ် ရောဂါအသစ်တွေ့ရှိပြီး လိုက်လျောညီထွေ နေထိုင်နေရသော မိဘအတွက် အစားအစာစီစဉ်ခြင်းကဲ့သို့ လူတစ်ဦးချင်း၏ လိုအပ်ချက်နှင့်အညီ နေ့စဉ်အလုပ်များကို မော်ဒယ်များ မည်မျှကောင်းစွာ ကိုင်တွယ်နိုင်ကြောင်း စမ်းသပ်ပါသည်။

လုပ်ငန်းကဏ္ဍစံနှုန်းများနှင့် ကိုက်ညီသော ကျွမ်းကျင်အဆင့် ရလဒ်များ

ဥပဒေ၊ အရောင်း၊ ဘဏ္ဍာရေးနှင့် စာရင်းကိုင်ကဲ့သို့သော နယ်ပယ်များတွင် ပညာရှင်များ အသုံးပြုသည့် လုပ်ထုံးလုပ်နည်းများနှင့် ပိုမိုကိုက်ညီပြီး ပိုမိုရှင်းလင်းကာ ဒီဇိုင်းပိုကောင်းသော ဆလိုက်များ၊ စာရင်းဇယားများနှင့် စာရွက်စာတမ်းများ ဖန်တီးနိုင်ရန် GPT‑6.2 Astra ကို ကျွန်ုပ်တို့ လေ့ကျင့်ပေးထားပါသည်။ ရေးသားချက်များသည် ပိုမိုတိုက်ရိုက်ကျပြီး တိကျကာ ယေဘုယျဆန်သော ကောက်ချက်များနှင့် မလိုအပ်သော စကားပိုများ နည်းပါးလာပါသည်။

Harvey LAB‑AA v1.1 သည် မော်ဒယ်များက မူရင်းစာရွက်စာတမ်းများတစ်လျှောက် သက်ဆိုင်သော အချက်အလက်များကို ရှာဖွေ၊ ၎င်းတို့ကို အသေးစိတ်အလုပ်ညွှန်ကြားချက်အတိုင်း အသုံးချပြီး လိုအပ်ချက်အားလုံးနှင့် ကိုက်ညီသည့် တိကျသောအလုပ်ရလဒ် ထုတ်ပေးနိုင်ခြင်း ရှိမရှိကို ဥပဒေဆိုင်ရာတာဝန်များဖြင့် စမ်းသပ်ပါသည်။ GPT‑6.2 Astra သည် Claude Fable 5.2 ကုန်ကျစရိတ်၏ ခြောက်ပုံတစ်ပုံခန့်ဖြင့် အောင်မြင်မှုနှုန်း နှစ်ဆကျော် ရရှိကာ စွမ်းဆောင်ရည်စံချိန်သစ် တင်နိုင်ခဲ့ပါသည်။ ရှေ့နေများအတွက် GPT-6.2 Astra ကို ကျွန်ုပ်တို့ အထူးပြင်ဆင်သတ်မှတ်ထားသည့် ဥပဒေလုပ်ငန်းအတွက် OpenAI⁠ သည် ဤစံနှုန်းစမ်းသပ်မှုတွင် ရမှတ် ပို၍ပင် မြင့်မားပါသည်။

Harvey LAB‑AA သည် စာချုပ်ပြဋ္ဌာန်းချက်များကို စိစစ်ခြင်းကဲ့သို့သော ဥပဒေဆိုင်ရာအလုပ်များကို စမ်းသပ်ပါသည်။ ၎င်း၏အဓိကရမှတ်တွင် အလုပ်ရလဒ်တစ်ခုက အမှတ်ပေးစံနှုန်းအားလုံးနှင့် ကိုက်ညီပြီး အရေးပါသော မဟုတ်မမှန်လုပ်ကြံဖော်ပြချက်များ မပါရှိမှသာ အမှတ်ပေးပါသည်။

ကျွန်ုပ်တို့၏ အတွင်းသုံး GDPval v2 စံနှုန်းစမ်းသပ်မှုသည် အတိုင်ပင်ခံ၊ ဘဏ္ဍာရေးနှင့် ဒီဇိုင်းကဲ့သို့သော ကဏ္ဍများရှိ တကယ့်ပရောဂျက်များမှ ရှုပ်ထွေးပြီး အချိန်ကြာကြာ ဆက်လက်လုပ်ဆောင်ရသော လုပ်ငန်းစဉ်များကို တိုင်းတာသည့် GDPval⁠ ၏ နောက်မျိုးဆက် ဖြစ်ပါသည်။ GPT‑6.2 Astra သည် ကျွန်ုပ်တို့ စမ်းသပ်ခဲ့သော မော်ဒယ်များအနက် ဦးဆောင်နေပြီး GPT‑6 Astra ထက် အထွက်တိုကင် 22% လျော့နည်းစွာ အသုံးပြုလျက် ရမှတ် 6.2 ရာခိုင်နှုန်းပွိုင့် ပိုမိုရရှိခဲ့ပါသည်။ GPT‑6.2 Sol သည် GPT‑6.1 Sol ထက် 5.3 မှတ် ပိုမိုရရှိခဲ့ပါသည်။

GDPval v2 တွင် ဘဏ္ဍာရေး၊ ဒေတာသိပ္ပံ၊ ဇီဝနည်းပညာနှင့် ဈေးကွက်ဖော်ဆောင်ရေးကဲ့သို့သော ကဏ္ဍများရှိ တကယ့်ပရောဂျက်များမှ အချိန်ကြာကြာ ဆက်လက်လုပ်ဆောင်ရသော အသိပညာအခြေပြုတာဝန်များ ပါဝင်ပါသည်။

စာရင်းဇယားဖိုင်များနှင့် မှတ်တမ်းစာများ

တန်ဖိုးဖြတ်စာရင်းဇယားဖိုင်တစ်ခု ဖန်တီးခြင်း သို့မဟုတ် ရင်းနှီးမြှုပ်နှံမှုမှတ်တမ်းစာ ရေးသားခြင်းသည် မူရင်းဖိုင်များထဲမှ သက်ဆိုင်ရာကိန်းဂဏန်းများကို ရှာဖွေပြီး ၎င်းတို့ အချင်းချင်း ဆက်စပ်ပုံကို ဖော်ထုတ်ခြင်းမှ စတင်ပါသည်။ Artificial Analysis ၏ AA‑AnalystAgent သည် ထိုအလုပ်ကို တကယ့်စာရင်းဇယားများနှင့် အစီရင်ခံစာများပေါ်တွင် စမ်းသပ်ပါသည်။ အလုပ်တစ်ခုတွင် မော်ဒယ်များသည် California Medicaid ၏ အသုံးစရိတ်အစီရင်ခံစာများကို အသုံးပြုကာ ထိုအစီအစဉ်က ဆေးဘက်ဆိုင်ရာပို့ဆောင်ရေးအတွက် မည်မျှသုံးစွဲခဲ့သည်ကို တွက်ချက်ရပါသည်။ GPT‑6.2 Astra သည် သီးခြားစမ်းသပ်ဖြေဆိုမှု ငါးကြိမ်စလုံးတွင် မေးခွန်း 62.5% ကို မှန်ကန်စွာ ဖြေဆိုနိုင်ကာ အမြင့်ဆုံးစံချိန်သစ် တင်နိုင်ခဲ့ပါသည်။

ဆလိုက်တင်ဆက်မှုများ

မူရင်းဖိုင်ဖြစ်စေ၊ စခရင်ရှော့တစ်ပုံသာဖြစ်စေ ပေးထားလျှင် GPT‑6.2 Astra သည် ဆလိုက်ဒီဇိုင်းရေးဆွဲခြင်းနှင့် ဆလိုက်နမူနာပုံစံအတိုင်း လိုက်လုပ်ခြင်းတို့တွင် ယနေ့အထိ ကျွန်ုပ်တို့၏ အကောင်းဆုံးမော်ဒယ်ဖြစ်ပါသည်။ ၎င်းသည် အပြင်အဆင်၊ အရောင်နှင့် စာလုံးပုံစံတို့ကို ဖောင့်အရွယ်အစားအတိအကျအထိ တူညီအောင် ဖန်တီးနိုင်ပြီး နမူနာပုံစံ၏ ရေးသားဟန်ကို ဆလိုက်အသစ်များတွင်ပါ အသုံးပြုနိုင်ပါသည်။ အဓိကကောက်ချက်ကို ဖော်ပြသော ခေါင်းစဉ်များနှင့် စာဖတ်သူလိုအပ်သည့် အသေးစိတ်အချက်များကိုသာ အလေးပေးသော တိုတောင်းရှင်းလင်းသည့် စာသားများကြောင့် ဆလိုက်အစုများကို ပြင်ဆင်မှုနည်းနည်းဖြင့် တိုက်ရိုက်အသုံးပြုရ ပိုလွယ်ကြောင်း အစောပိုင်းစမ်းသပ်သူများက တွေ့ရှိခဲ့ပါသည်။

4အနက် 1
“

နည်းပညာနားလည်သူများနှင့် နားမလည်သူများ နှစ်မျိုးစလုံးအတွက် ရှုပ်ထွေးများပြားသော အချက်အလက်များကို ဖတ်ရလွယ်သော အကျဉ်းချုပ်များနှင့် အချက်အလက်သရုပ်ဖော်ပုံများအဖြစ် ပြောင်းလဲရာတွင် GPT-6.2 Astra ကို ကျွန်ုပ်တို့ အကဲဖြတ်ခဲ့ပါသည်။ ဥပမာများတွင် အရောင်းအဝယ်ဆိုင်ရာ အကျဉ်းချုပ်များနှင့် အေးဂျင့်အခြေပြု လုပ်ငန်းစဉ်ပုံများ ပါဝင်ပါသည်။

GPT-6.2 Astra ၏ စာရွက်စာတမ်းများသည် GPT-6 Astra ထက် သိသိသာသာ ပိုကောင်းလာပါသည်။ အရေးအသားနှင့် ဇယားများကြောင့် အကျဉ်းချုပ်၏ အဓိကအချက်များကို ရွေးထုတ်ရ ပိုမိုလွယ်ကူပြီး ပုံကြမ်းများက အစိတ်အပိုင်းများ အတူတကွအလုပ်လုပ်ပုံကို ပြသကာ ရှုပ်ထွေးသောစနစ်များကို ရှင်းလင်းစေပါသည်။

”
Marquis Wong၊ အဓိက AI အင်ဂျင်နီယာ၊ IMC

ကွန်ပျူတာအသုံးပြုမှုနှင့် အပြန်အလှန်တုံ့ပြန်နိုင်သော ဝက်ဘ်ဒီဇိုင်း

GPT‑6.2 Astra ၏ ပိုမိုတိကျသော ကွန်ပျူတာအသုံးပြုနိုင်မှုကြောင့် CAD နှင့် သရုပ်တူစမ်းသပ်ရေးကိရိယာများတွင် အစိတ်အပိုင်းတစ်ခုချင်းနှင့် ချိတ်ဆက်မှုများအထိ အသေးစိတ် လုပ်ဆောင်နိုင်ပါသည်။ အင်ဂျင်နီယာများသည် ထိုအသေးစိတ်အချက်များကို သုံး၍ အစိတ်အပိုင်းများ ကိုက်ညီတပ်ဆင်ပုံကို စစ်ဆေးခြင်း၊ ဒီဇိုင်းလှုပ်ရှားသည့်အခါ ဝန်အားများ မည်သည့်နေရာသို့ ရွေ့ပြောင်းကြောင်း ကြည့်ရှုခြင်းနှင့် ရှေ့ပြေးပုံစံ မတည်ဆောက်မီ ပြင်ဆင်ချက်များကို စမ်းသပ်ခြင်းတို့ ပြုလုပ်နိုင်ပါသည်။

ကားမောင်းနှင်မှု ပုံတူစမ်းသပ်ခြင်း

တောင်ပေါ်လမ်းတွင် သွားနေသောကားတစ်စီး၏ ကိုယ်ထည်အောက်ခံ လှုပ်ရှားမှုကို GPT‑6.2 Astra အား ပုံဖော်ခိုင်းခဲ့ပါသည်။ Astra သည် 3D မော်ဒယ်ကို ဖန်တီးပြီး တာယာများနှင့် ဆိုင်းထိန်းစနစ်ကြား ရှုပ်ထွေးသော အားနှင့်လှုပ်ရှားမှုများကို သရုပ်တူစမ်းသပ်ရန် Python တွက်ချက်ဖြေရှင်းပရိုဂရမ်တစ်ခု ရေးခဲ့ကာ ရလဒ်များကို Blender တွင် လှုပ်ရှားပုံဖော်ခဲ့ပါသည်။ ယင်းကြောင့် အင်ဂျင်နီယာများသည် ဒီဇိုင်းအသစ်များကို လျင်မြန်စွာ စမ်းသပ်နိုင်ပြီး သရုပ်တူစမ်းသပ်မှု၏ တိကျမှုကို အချိန်နှင့်အမျှ မြှင့်တင်နိုင်ပါသည်။

စက်ပိုင်းဆိုင်ရာ ဒီဇိုင်းနှင့် တပ်ဆင်မှု

GPT‑6.2 Astra သည် စက်ပိုင်းဆိုင်ရာစနစ်တစ်ခုကို အစိတ်အပိုင်းတစ်ခုချင်းစီအလိုက် ပုံစံတည်ဆောက်ပေးနိုင်သောကြောင့် အင်ဂျင်နီယာများအနေဖြင့် ၎င်းကို မည်သို့တပ်ဆင်ရသည်ကို ပြသနိုင်ပြီး ဒီဇိုင်းပြောင်းလဲမှုများက ၎င်း၏အလုပ်လုပ်ပုံအပေါ် မည်သို့သက်ရောက်သည်ကို စမ်းသပ်နိုင်ပါသည်။

CAD မှ စက္ကူမီးအိမ်အထိ

ကျွန်ုပ်တို့အဖွဲ့သည် Chicago ရှိ Marina City တာဝါများ၏ လှိုင်းတွန့်အနားသတ် ဝရန်တာများကို မီးအိမ်ပုံစံအဖြစ် ပြောင်းလဲဖန်တီးရန် GPT‑6.2 Astra ကို အသုံးပြုခဲ့ပါသည်။ ဤဗီဒီယိုသည် ကိုးကားဓာတ်ပုံများမှ CAD ပြင်ဆင်မှုများကို ဖြတ်သန်းပြီး လက်ဖြင့်တပ်ဆင်ထားသော မီးအိမ်အစစ်တစ်ခုအထိ ဒီဇိုင်းဖန်တီးပုံအဆင့်ဆင့်ကို ပြသထားပါသည်။ GPT-6.2 Astra ဖန်တီးပေးထားသော ဝက်ဘ်ဆိုက်ကို အသုံးပြု၍ သင်ကိုယ်တိုင်၏ စက္ကူမီးအိမ်ကို ဖန်တီးနိုင်ပါသည်။

GPT‑6.2 Astra သည် ဝက်ဘ်ဒီဇိုင်းတွင် ရုပ်ပုံများကို ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော စွမ်းရည် ပိုမိုကောင်းမွန်လာပြီး ဝက်ဘ်ဆိုက်တစ်ခုစီ၏ ထူးခြားသည့်အသွင်အပြင်ကို ဖော်ဆောင်ပေးသော အပြင်အဆင်နှင့် ပုံများကို ရွေးချယ်ကာ ဆိုက်၏တကယ့်ရည်ရွယ်ချက်နှင့် ကိုက်ညီသော အစိတ်အပိုင်းများကို တည်ဆောက်ပေးပါသည်။

ရုပ်ပုံများကို ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော စွမ်းရည်နှင့် ကွန်ပျူတာအသုံးပြုမှုတွင် ရရှိလာသော ထိုတိုးတက်မှုများသည် 3D ဒီဇိုင်းအတွက်လည်း အကျိုးသက်ရောက်ပါသည်။ GPT‑6.2 Astra နှင့် Sol သည် စာဖြင့်ရေးထားသော အလုပ်ညွှန်ကြားချက်ကို ဘရောက်ဇာတွင် အပြန်အလှန်အသုံးပြုနိုင်သော ဖန်တီးမှုအဖြစ် ပြောင်းလဲပေးနိုင်ပါသည်။ ကစားနိုင်သော ပင်ဘောစားပွဲမှ ရှုထောင့်အမျိုးမျိုးဖြင့် လေ့လာနိုင်သော Colosseum ပုံတူအထိ ဖန်တီးပေးနိုင်ပါသည်။ Artificial Analysis ၏ AA‑3D တွင် လူသားအကဲဖြတ်သူများသည် တုံ့ပြန်ညွှန်ကြားချက်တစ်ခုတည်းမှ ဖန်တီးထားပြီး ဖန်တီးသည့်မော်ဒယ်ကို ဖုံးကွယ်ထားသော ဖန်တီးမှုနှစ်ခုကို စမ်းသုံးကာ ၎င်းတို့ပိုနှစ်သက်သည့်တစ်ခုကို မဲပေးကြပါသည်။ GPT‑6.2 Astra သည် Elo 1,318 ဖြင့် ပထမနေရာတွင် ရပ်တည်ပြီး ၎င်းနောက်တွင် Claude Fable 5.2 က 1,271၊ GPT‑6.2 Sol က 1,259 ဖြင့် အသီးသီး ရပ်တည်နေပါသည်။

“

GPT-6.2 Astra သည် ဖန်တီးမှုလုပ်ငန်းအတွက် အလွန်ကြီးမားသော တိုးတက်မှုတစ်ရပ်ဖြစ်ပါသည်။ ၎င်းကြောင့် Higgsfield Miracle ကို အကောင်အထည်ဖော်နိုင်ပြီး ပစ်ဇယ်အဆင့်တိကျမှုဖြင့် ဗီဒီယိုကို အချိန်နှင့်တစ်ပြေးညီ တည်းဖြတ်နိုင်ကာ ဖန်တီးသူများက မိမိတို့ဖန်တီးမှုကို အပြည့်အဝထိန်းချုပ်နိုင်ပါသည်။ ကျွန်ုပ်တို့၏ အတွင်းသုံး 3D ဖန်တီးမှုအကဲဖြတ်ချက်များတွင် ၎င်းသည် စမ်းသပ်မှုများ၏ 73% ၌ ရည်မှန်းရလဒ်ကို တစ်ကြိမ်တည်းဖြင့် ရရှိခဲ့သော်လည်း GPT-6 Astra က သုံးကြိမ်နှင့်အထက် မွမ်းမံရန် လိုအပ်ခဲ့ပါသည်။ ယင်းက ကျွန်ုပ်တို့၏ ဖန်တီးရေးအဖွဲ့အတွက် အချိန်များစွာ သက်သာစေပြီး အေးဂျင့်များက အစအဆုံးဆောင်ရွက်သည့် လုပ်ငန်းစဉ်များကို ပိုမိုထိရောက်စေပါသည်။

”
Alex Mashrabov၊ အမှုဆောင်အရာရှိချုပ်နှင့် ပူးတွဲတည်ထောင်သူ၊ Higgsfield AI

ပိုသပ်ရပ်သော ကုဒ်ရေးဟန်ဖြင့် ထိရောက်သော လုပ်ငန်းစဉ်များ

GPT‑6.2 Astra သည် လုပ်ငန်းစဉ်နှင့်အညီ ကိရိယာနှင့် အားထုတ်မှုပမာဏကို ရွေးချယ်ခြင်း၊ plugin ကို မည်သည့်အချိန်တွင်သုံး၍ ကွန်ပျူတာကို မည်သည့်အချိန်တွင် တိုက်ရိုက်အသုံးပြုသင့်ကြောင်း သိရှိခြင်းအပါအဝင် အလုပ်တစ်ခုကို မည်သို့ဆောင်ရွက်ရမည်ကို ပိုမိုကောင်းမွန်စွာ ဆုံးဖြတ်နိုင်ပါသည်။

ကုဒ်ရေးသားမှုတွင် GPT-6.2 Astra သည် ရှိပြီးသားကုဒ်အစုများ၌ ရှုပ်ထွေးသော အပြောင်းအလဲများကို အကောင်အထည်ဖော်ခြင်းနှင့် စမ်းသပ်ခြင်းတို့ကို ပိုမိုကောင်းမွန်စွာ လုပ်ဆောင်နိုင်ပါသည်။ ကုဒ်ရေးဟန် ပိုသပ်ရပ်ပြီး စမ်းသပ်ချက်များ ပိုမိုအာရုံစိုက်တိကျကာ ပြင်ဆင်ရသည့်အကြိမ် ပိုနည်းကြောင်း အစောပိုင်းစမ်းသပ်သူများက ပြောကြားခဲ့ပါသည်။

ဆိုက်ဘာလုံခြုံရေး စွမ်းရည်များ

GPT‑6.2 Astra နှင့် GPT-6.2 Sol သည် ဆိုက်ဘာစွမ်းရည်များတွင် နောက်ထပ် သိသာသော တိုးတက်မှုတစ်ရပ်ကို ဖော်ဆောင်ပါသည်။ ၎င်းတို့သည် အားနည်းချက်များကို ပိုထိရောက်စွာ ရှာဖွေအသုံးချနိုင်ပြီး ပိုလုံခြုံသောကုဒ်နှင့် ပိုကောင်းသော ပြင်ဆင်ချက်များကို ရေးသားပေးကာ အကဲဖြတ်မှုအများအပြားတွင် တိုကင်အသုံးပြုမှု ထိရောက်မှုလည်း သိသိသာသာ တိုးတက်လာပါသည်။ GPT‑6 Astra⁠ ကဲ့သို့ပင် 6.2 Astra နှင့် Sol သည် ကျွန်ုပ်တို့၏ ကြိုတင်ပြင်ဆင်ထားခြင်းဆိုင်ရာ ဖွဲ့စည်းမှု⁠ အရ ဆိုက်ဘာလုံခြုံရေးအတွက် အလွန်အရေးကြီးအဆင့် သတ်မှတ်ချက်ကို ပြည့်မီပါသည်။

စွမ်းဆောင်ရည်များ ပိုမိုမြင့်မားလာသောကြောင့် အန္တရာယ်ပိုများသည့် ဆိုက်ဘာလုံခြုံရေးအကူအညီများအတွက် ပိုမိုတင်းကျပ်သော အကာအကွယ်များဖြင့် GPT‑6.2 Astra နှင့် Sol ကို ကျွန်ုပ်တို့ စတင်ဖြန့်ချိနေပါသည်။ ဤအကာအကွယ်များသည် အလွဲသုံးစားလုပ်နိုင်ခြေကို လျော့နည်းစေသော်လည်း တရားဝင် အားနည်းချက်သုတေသနနှင့် လုံခြုံရေးစမ်းသပ်မှုလုပ်ငန်းစဉ်အချို့ကိုလည်း ကန့်သတ်ထားပါသည်။ OpenAI Daybreak⁠ မှတစ်ဆင့် ဆိုက်ဘာကာကွယ်ရေးသမားများသည် လက်ရှိတွင် ကျွန်ုပ်တို့၏ GPT-6 Astra အစောပိုင်း alpha ဗားရှင်းအပြင် ဆိုက်ဘာဆိုင်ရာတောင်းဆိုချက်များကို ငြင်းဆိုမှု လျှော့ချထားသည့် GPT‑6 Sol ကို Daybreak Blue တွင်လည်းကောင်း၊ ခွင့်ပြုချက်ရရှိထားသော အဆင့်မြင့်လုံခြုံရေးစမ်းသပ်မှုများအတွက် GPT‑6 Cyber⁠ ကို Daybreak Red တွင်လည်းကောင်း အသုံးပြုနိုင်ပါသည်။ GPT‑6.2 မော်ဒယ်များကို Daybreak တွင် အသုံးပြုနိုင်စေရန် ကျွန်ုပ်တို့ ဆက်လက်ဆောင်ရွက်သွားမည်ဖြစ်ပါသည်။

ဆိုက်ဘာလုံခြုံရေးကာကွယ်မှုများနှင့် အမျိုးအစားခွဲစနစ်များကို ပိတ်ထားသော အတွင်းသုံးစမ်းသပ်သတ်မှတ်ချက်များဖြင့် ရရှိသည့် အဓိကစံနှုန်းစမ်းသပ်ရလဒ်များကို အောက်တွင် ဖော်ပြထားပါသည်။ ရလဒ်အပြည့်အစုံနှင့် နည်းစနစ်အတွက် ပူးတွဲစနစ်ကဒ်⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကို ကြည့်ပါ။

ဆိုက်ဘာကာကွယ်ရေးသမားများကို အသာစီးရစေခြင်း

ပိုစွမ်းဆောင်နိုင်သော အေးဂျင့်များကြောင့် အားနည်းချက်ရှာဖွေခြင်းနှင့် အသုံးချခြင်း ပိုလွယ်ကူလာသည့် တစ်ချိန်တည်းတွင် ဆော့ဖ်ဝဲရေးသားသူများက လက်တွေ့သုံးဆော့ဖ်ဝဲ ရေးသားရန် ကုဒ်ရေးအေးဂျင့်များကို ပိုမိုအားကိုးလာကြပါသည်။ PHP2Shell⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) က အလွန်အရေးကြီးသော ချို့ယွင်းချက်များကို သုတေသီများ ဖော်ထုတ်နိုင်ရန် AI မည်သို့ကူညီပေးနိုင်ကြောင်း ပြသခဲ့ပါသည်။ GPT‑6.2 Astra နှင့် Sol တွင် ကာကွယ်ရေးစွမ်းရည်များကို အဓိကအလေးပေးပြီး ဆော့ဖ်ဝဲရေးသားသူများက အစကတည်းက လုံခြုံသောကုဒ်ရေးသားခြင်း၊ ရည်ရွယ်ထားသော လုပ်ဆောင်ပုံကို ထိန်းသိမ်းသည့် ပြင်ဆင်ချက်များ ထုတ်ပေးခြင်းတို့ဖြင့် ထိုချို့ယွင်းချက်များကို ကာကွယ်ပြုပြင်နိုင်ရန် လေ့ကျင့်ရေးအချက်ပြအသစ်များကို ထည့်သွင်းခဲ့ပါသည်။

ဘေးကင်းရေးနှင့် လူ့ရည်ရွယ်ချက်များနှင့် ကိုက်ညီမှု

GPT-6.2 Astra နှင့် Sol ကို ယနေ့အထိ ကျွန်ုပ်တို့၏ အခိုင်မာဆုံးကာကွယ်မှုများနှင့်အတူ အသုံးပြုနိုင်ရန် ဖြန့်ချိနေပါသည်။ ကန့်သတ်ချက်များကို ပိုတင်းကျပ်ထားပြီး မော်ဒယ်များကို စောင့်ကြည့်ရန်⁠ နှင့် လိုအပ်သည့်အခါ ကြားဝင်ဆောင်ရွက်ရန်⁠ အသုံးပြုသော စနစ်များကို ပိုမိုအားကောင်းစေခဲ့ပါသည်။

GPT-6 Astra ကဲ့သို့ပင် GPT-6.2 Astra နှင့် Sol နှစ်ခုစလုံးသည် ဆိုက်ဘာလုံခြုံရေးအတွက် အလွန်အရေးကြီးအဆင့် သတ်မှတ်မျဉ်းကို ပြည့်မီသည့်အပြင် ကျွန်ုပ်တို့၏ ကြိုတင်ပြင်ဆင်ထားခြင်းဆိုင်ရာ ဖွဲ့စည်းမှု⁠ အရ ဇီဝဗေဒနှင့် ဓာတုဗေဒဆိုင်ရာ စွမ်းရည်များအတွက် မြင့်မားအဆင့် သတ်မှတ်မျဉ်းကိုလည်း ပြည့်မီပါသည်။ ဆက်စပ်အန္တရာယ်များကို လျော့ပါးစေရန် အကာအကွယ်များကို ကျွန်ုပ်တို့ အကောင်အထည်ဖော်ထားပြီး အကောင်းအဆိုး နှစ်မျိုးလုံးအတွက် အသုံးပြုနိုင်ခြေရှိသော ဇီဝဗေဒနှင့် ဆိုက်ဘာလုံခြုံရေးဆိုင်ရာ တောင်းဆိုချက်အချို့အပေါ် ကန့်သတ်ချက်များကိုလည်း တိုးမြှင့်ထားပါသည်။

ကျွန်ုပ်တို့၏ ကာကွယ်မှုများနှင့် စမ်းသပ်မှုများအကြောင်း အသေးစိတ်ကို GPT-6.2 စနစ်ကဒ်⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) တွင် ကြည့်ရှုနိုင်ပါသည်။

AI သုတေသနစွမ်းရည်များနှင့် အကာအကွယ်များ

GPT-6.2 Astra သည် AI သုတေသနကို အရှိန်မြှင့်တင်ပေးနိုင်သည့် မော်ဒယ်တစ်ခု၏စွမ်းရည်ကို တိုင်းတာသော AI ကိုယ်တိုင်တိုးတက်အောင်လုပ်နိုင်မှုတွင် မြင့်မားအဆင့် သတ်မှတ်မျဉ်းကို ပြည့်မီသည့် ကျွန်ုပ်တို့၏ ပထမဆုံး ပြင်ပသို့ထုတ်ပေးသော မော်ဒယ်ဖြစ်ပါသည်။ ‘မြင့်မား’ ဟူသော သတ်မှတ်ချက်သည် မော်ဒယ်၏အကျိုးသက်ရောက်မှုမှာ 2024 ခုနှစ် အခြေခံအခြေအနေနှင့် နှိုင်းယှဉ်လျှင် OpenAI သုတေသီတိုင်းကို အလွန်စွမ်းရည်ပြည့်ဝသော သုတေသနအင်ဂျင်နီယာတစ်ဦးစီ ထပ်မံအကူအညီပေးထားခြင်းနှင့် ညီမျှကြောင်း ကျွန်ုပ်တို့၏အကဲဖြတ်ချက်ကို ထင်ဟပ်ပါသည်။ အနာဂတ် AI စနစ်များ ဖွံ့ဖြိုးတိုးတက်ရေးကို ကူညီပေးနိုင်သည့် မော်ဒယ်များသည် အကာအကွယ်များ သို့မဟုတ် လူသားကြီးကြပ်မှုက လိုက်လျောညီထွေ ပြောင်းလဲနိုင်သည့်နှုန်းထက် တိုးတက်မှုကို ပိုမိုမြန်ဆန်စေခြင်းကဲ့သို့ ဘေးကင်းရေးဆိုင်ရာ အန္တရာယ်သစ်များကိုလည်း ဖြစ်ပေါ်စေနိုင်သောကြောင့် ဤစွမ်းရည်ကို ကျွန်ုပ်တို့ စောင့်ကြည့်တိုင်းတာနေပါသည်။

ဤအန္တရာယ်များကို ဖြေရှင်းရန် မော်ဒယ်များ လေ့ကျင့်ခြင်းနှင့် ဖြန့်ချိအသုံးပြုခြင်း လုပ်ငန်းစဉ်များတွင် ကြီးကြပ်မှုနှင့် ထိန်းချုပ်မှုများ ပိုမိုထည့်သွင်းထားပါသည်။ GPT-6.2 Astra ကို အဖွဲ့အစည်းအတွင်း ပိုမိုအသုံးပြုခွင့်မပေးမီ ၎င်း၏ လူ့ရည်ရွယ်ချက်များနှင့် ကိုက်ညီမှုကို အကဲဖြတ်ခဲ့ပြီး အဆင့်တစ်ခုစီတွင် လိုအပ်သော အကာအကွယ်များ အသင့်ရှိကြောင်း အတည်ပြုခဲ့ပါသည်။ ကျွန်ုပ်တို့သည် သုတေသနပတ်ဝန်းကျင်များအတွင်း သီးခြားခွဲထား၍ ထိန်းချုပ်မှုကို အားဖြည့်ခဲ့ပြီး⁠ ထိုအကာအကွယ်များကို ကျွန်ုပ်တို့၏ စွမ်းရည်အကောင်းဆုံးမော်ဒယ်များဖြင့် စမ်းသပ်ခဲ့ပါသည်။ သုတေသနလုပ်ငန်းများကို ခြေရာခံပြီး ကြားဝင်ထိန်းချုပ်ရန် လိုအပ်သည့်အခါ မော်ဒယ်က နောက်ထပ်ရလဒ်ထုတ်ပေးမှုကို ရပ်တန့်နိုင်သော စနစ်ဖြစ်သည့် Control Room⁠ ကိုလည်း ကျွန်ုပ်တို့ တည်ဆောက်ခဲ့ပါသည်။ ကျွန်ုပ်တို့၏ တိုးချဲ့ထားသော စောင့်ကြည့်မှု⁠ သည် အဖွဲ့အစည်းအတွင်း လုပ်ငန်းများနှင့် ပံ့ပိုးထားသော ပြင်ပအသုံးပြုမှုများတစ်လျှောက် မော်ဒယ်များ၏ ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော လုပ်ငန်းစဉ်နှင့် လုပ်ဆောင်ချက်များကို စစ်ဆေးပါသည်။ ၎င်းသည် ခွင့်ပြုချက်မရှိသော အပြုအမူများကို အလိုအလျောက် သတိပေးမှတ်သားနိုင်ပြီး ပံ့ပိုးထားသည့်နေရာများတွင် လုပ်ငန်းများ သို့မဟုတ် စကားဝိုင်းများကို ယာယီရပ်တန့်နိုင်ပါသည်။

လူ့ရည်ရွယ်ချက်များနှင့် ကိုက်ညီမှု

လူ့ရည်ရွယ်ချက်များနှင့် ကိုက်ညီမှုဆိုင်ရာ အကဲဖြတ်ချက်အများစုတွင် မော်ဒယ်နှစ်ခုစလုံးသည် GPT-6 Astra နှင့် အလားတူစွမ်းဆောင်ခဲ့ပြီး သရုပ်တူဖန်တီးထားသော လုပ်ငန်းခွင်အလုပ်များတွင် မသင့်လျော်သောလုပ်ဆောင်ချက် ပိုနည်းခဲ့ပါသည်။ သို့သော် စမ်းသပ်မှုနှစ်ခုတွင် ဖိုင်ပျောက်နေခြင်း သို့မဟုတ် ရှာဖွေကိရိယာ မရရှိခြင်းကဲ့သို့ အလုပ်ကို ဟန့်တားသောအတားအဆီးများကို မဖော်ပြဘဲ ချန်လှပ်ထားနိုင်ခြေ ပိုများခဲ့ပါသည်။ ထိုချန်လှပ်မှုများကို သိသိသာသာ လျှော့ချပေးသော ညွှန်ကြားချက်များကို Codex တွင် ထည့်သွင်းခဲ့ပြီး ထိုအပြုအမူကို ဆက်လက်စုံစမ်းလေ့လာနေပါသည်။

ဈေးနှုန်းနှင့် ရရှိအသုံးပြုနိုင်မှု

ယနေ့မှစ၍ Plus၊ Pro၊ Enterprise နှင့် Edu အသုံးပြုသူအားလုံးသည် ChatGPT အလုပ် နှင့် Codex တွင် GPT-6.2 Astra နှင့် Sol ကို အသုံးပြုနိုင်ပါသည်။ Pro 500 စာရင်းသွင်းသူများသည် မော်ဒယ်နှစ်ခုစလုံးတွင် Ultrafast ကို အသုံးပြုနိုင်ပါသည်။ ထို့အပြင် GPT-6.2 Sol မှစ၍ Pro 200 စာရင်းသွင်းသူများအတွက်လည်း Ultrafast ကို ပထမဆုံးအကြိမ် ပေးအပ်နေပါသည်။ အရည်အချင်းပြည့်မီသော Enterprise နှင့် Edu အသုံးပြုသူများသည် မိမိတို့၏ အလုပ်နေရာစီမံခန့်ခွဲသူက ဖွင့်ပေးသည်နှင့် တူညီသော အသုံးပြုခွင့်ကို ရရှိပါမည်။ ဆော့ဖ်ဝဲရေးသားသူများသည် OpenAI API မှတစ်ဆင့် gpt-6.2-astra နှင့် gpt-6.2-sol ကိုလည်း အသုံးပြုနိုင်ပြီး စတင်ဖြန့်ချိချိန်တွင် မော်ဒယ်နှစ်ခုစလုံးအတွက် Ultrafast ကို ရရှိပါသည်။

တိုကင်အသုံးပြုမှု ပိုမိုထိရောက်လာခြင်း၊ အဝင်နှင့် အထွက်တိုကင်ဈေးနှုန်း 20% လျှော့ချခြင်းနှင့် ကက်ရှ်သိမ်းထားသော အဝင်တိုကင်ဈေးနှုန်းကို 60% အထိ ပိုမိုလျှော့ချခြင်းတို့ကြောင့် GPT‑6.2 Astra ၏ အလုပ်တစ်ခုလျှင် ကုန်ကျစရိတ်သည် GPT‑6 Astra ထက် သိသိသာသာ လျော့နည်းပါသည်။ စံ API နှုန်းထားများမှာ တိုကင်တစ်သန်းလျှင် အဝင်အတွက် $8၊ ကက်ရှ်သိမ်းထားသော အဝင်အတွက် $0.40 နှင့် အထွက်အတွက် $40 ဖြစ်ပါသည်။ GPT‑6.2 Sol သည် GPT‑6.1 Sol ၏ တိုကင်တစ်သန်းလျှင် အဝင်အတွက် $2၊ ကက်ရှ်သိမ်းထားသော အဝင်အတွက် $0.10 နှင့် အထွက်အတွက် $10 ဟူသော နှုန်းထားများကို ဆက်လက်ထိန်းသိမ်းထားပါသည်။

GPT-6.2 Astra နှင့် Sol အတွက် cache ပြန်လည်အသုံးပြုမှု ကောင်းမွန်စေရန်၊ ကုန်ကျစရိတ်နှင့် တုံ့ပြန်ကြာချိန် လျော့နည်းစေရန်၊ အလှည့်များတစ်လျှောက် ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော လုပ်ငန်းစဉ်ကို ထိန်းသိမ်းရန် စကားဝိုင်းတွင် တုံ့ပြန်ညွှန်ကြားချက်၏ ရှေ့ပိုင်းစာသားများကို မပြောင်းဘဲ ညွှန်ကြားချက်အသစ်များကို နောက်မှထပ်ဖြည့်ရန်⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကျွန်ုပ်တို့ အကြံပြုပါသည်။

စာရေးသူများ

OpenAI

Footnotes

  1. 1

    Fable 5.2 အတွက် Terminal-Bench-Science 0.1 ရလဒ်များသည် mini-swe-agent အကဲဖြတ်စမ်းသပ်မှု စနစ်တွင် စမ်းသပ်၍ Artificial Analysis⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) က ထုတ်ပြန်ထားသည့်အတိုင်း ဖြစ်ပါသည်။ Anthropic က Claude Code တွင် ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော စွမ်းရည်ကို အများဆုံးသတ်မှတ်ထားသည့်အခါ Fable 5.2 ၏ ရမှတ်သည် 74.6% ဖြစ်ကြောင်း ထုတ်ပြန်ခဲ့ပါသည်။