Представляем GPT‑5.2

Мы представляем GPT‑5.2, самую мощную серию моделей для работы с профессиональными знаниями.

Уже сейчас средний пользователь ChatGPT Enterprise говорит⁠, что ИИ экономит им 40–60 минут в день, а активные пользователи утверждают, что экономят более 10 часов в неделю. Мы разработали GPT‑5.2, чтобы обеспечить ещё больше экономической выгоды для людей; модель лучше справляется с созданием электронных таблиц, подготовкой презентаций, написанием кода, восприятием изображений, пониманием длинных контекстов, использованием инструментов и выполнением сложных, многоэтапных проектов.

GPT‑5.2 устанавливает новый стандарт в различных бенчмарках, включая GDPval, где он превосходит отраслевых профессионалов в четко определённых задачах, связанных с работой с профессиональными знаниями, охватывающих 44 профессии.

Notion⁠(открывается в новом окне), Box⁠(открывается в новом окне), Shopify⁠(открывается в новом окне), Harvey⁠(открывается в новом окне) и Zoom⁠(открывается в новом окне) отметили, что GPT‑5.2 демонстрирует передовые результаты в области долгосрочного рассуждения и вызова инструментов. Databricks⁠(открывается в новом окне), Hex⁠(открывается в новом окне) и Triple Whale⁠(открывается в новом окне) обнаружили, что GPT‑5.2 исключительно хорошо справляется с агентными задачами в области науки о данных и анализа документов. Cognition⁠(открывается в новом окне), Warp⁠(открывается в новом окне), Charlie Labs⁠(открывается в новом окне), JetBrains⁠(открывается в новом окне) и Augment Code⁠(открывается в новом окне) утверждают, что GPT‑5.2 обеспечивает передовую производительность в области агентного программирования, с измеримыми улучшениями в таких областях, как интерактивное программирование, обзоры кода и поиск ошибок.

GPT‑5.2 Instant, Thinking и Pro начнут развертываться в платных тарифных планах ChatGPT сегодня. В API они уже сейчас доступны всем разработчикам.

В целом, GPT‑5.2 обеспечивает значительные улучшения в общем интеллекте, понимании длинного контекста, агентном вызове инструментов и работе с изображениями, что делает эту модель более эффективной в выполнении сложных, реальных задач от начала до конца по сравнению с любыми нашими предыдущими моделями.

GPT‑5.2 Thinking — лучшая модель на сегодняшний день для профессионального использования в реальных условиях. На GDPval⁠, оценке, измеряющей хорошо определенные задачи по работе со знаниями в 44 профессиях, GPT‑5.2 Thinking устанавливает новый рекорд и является нашей первой моделью, которая работает на уровне или выше уровня эксперта-человека. В частности, по мнению экспертов GPT‑5.2 Thinking превосходит или показывает сопоставимые результаты с ведущими отраслевыми профессионалами в 70,9 % случаев при выполнении задач, связанных с работой, требующей знаний, по мнению экспертов. Эти задачи включают создание презентаций, электронных таблиц и других материалов. Модель GPT‑5.2 Thinking производила результаты для задач GDPval с более чем 11-кратной скоростью и менее чем за 1% стоимости работы профессиональных экспертов, что предполагает, что в сочетании с человеческим надзором GPT‑5.2 может помочь в профессиональной деятельности. Оценки скорости и стоимости основаны на исторических данных; скорость в ChatGPT может варьироваться.

При оценке одного особенно удачного результата, один из судей GDPval отметил: «Это захватывающий и заметный скачок в качестве результатов... создаётся впечатление, что это выполнено профессиональной компанией с персоналом, и имеет удивительно хорошо продуманный макет и рекомендации для обоих результатов, хотя в одном из них нам всё ещё предстоит исправить несколько мелких ошибок».

Кроме того, на нашем внутреннем бенчмарке задач по моделированию для младших аналитиков инвестиционных банков — таких как создание трехкомпонентной модели для компании из списка Fortune 500 с правильным форматированием и ссылками или построение модели выкупа с привлечением заемных средств для приватизации — средний балл GPT‑5.2 Thinking за задачу на 9,3 % выше, чем у GPT‑5.1, рост с 59,1 % до 68,4 %.

Параллельные сравнения показывают улучшение изысканности и форматирования в электронных таблицах и слайдах, cформированных GPT‑5.2. Thinking:

Чтобы использовать новые возможности работы с электронными таблицами и презентациями в ChatGPT, вам необходимо иметь платный план и выбрать либо GPT‑5.2 Thinking, либо Pro. Создание сложных материалов может занять несколько минут.

GPT‑5.2 Thinking устанавливает новый стандарт — 55,6 % — на SWE-bench Pro, строгом тесте реальных задач программной инженерии. В отличие от SWE-bench Verified, который тестирует только Python, SWE-bench Pro проверяет четыре языка и стремится быть более устойчивым к загрязнению, более сложным, разнообразным и промышленно значимым.

На SWE-bench Verified (не показано на графике) GPT‑5.2 Thinking достигает нового для нас результата в 80 %.

Для повседневного профессионального использования это означает, что такая модель может более надежно отлаживать производственный код, реализовывать запросы на новые функции, проводить рефакторинг больших кодовых баз и выпускать исправления от начала до конца с меньшим количеством ручных вмешательств.

GPT‑5.2 Thinking также лучше справляется с фронтенд-разработкой, чем GPT‑5.1 Thinking. Первые тестировщики отметили, что эта модель значительно сильнее в фронтенд-разработке и сложной или нестандартной работе с пользовательским интерфейсом, особенно с 3D-элементами, что делает её мощным ежедневным партнёром для инженеров по всему стеку. Посмотрите несколько примеров того, что можно создать из одного промпта:

Первые тестировщики поделились своими отзывами о возможностях GPT‑5.2 в программировании:

GPT‑5.2 Thinking генерирует меньше галлюцинаций, чем GPT‑5.1 Thinking. Ответы с ошибками встречались на 38 %_rel реже на наборе обезличенных запросов из ChatGPT. Для профессионалов это означает меньше ошибок при использовании модели для исследований, написания, анализа и поддержки принятия решений, что делает модель более надежной для повседневной работы со знаниями.

Как и все модели, GPT‑5.2 Thinking несовершенна. Во всех критически важных случаях перепроверяйте ответы модели.

GPT‑5.2 Thinking устанавливает новый стандарт в области рассуждений с длинным контекстом, достигая ведущих результатов на OpenAI MRCRv2 — оценке, которая проверяет способность модели интегрировать информацию, распределённую по длинным документам. На реальных задачах, таких как глубокий анализ документов, которые требуют учёта связанной информации, распределённой на сотни тысяч токенов, GPT‑5.2 Thinking значительно точнее, чем GPT‑5.1 Thinking. В частности, это первая модель, которую мы видели, достигающая почти 100% точности на варианте MRCR с 4 иглами (до 256 тыс. токенов).

В практическом плане это позволяет профессионалам использовать GPT‑5.2 для работы с длинными документами — такими как отчеты, контракты, научные статьи, стенограммы и проекты с несколькими файлами — сохраняя при этом согласованность и точность на протяжении сотен тысяч токенов. Это делает модель GPT‑5.2 особенно подходящей для глубокого анализа, синтеза и сложных многокомпонентных рабочих процессов.

Для задач, которые выигрывают от мышления за пределами максимального контекстного окна, GPT‑5.2 Thinking совместим с нашей новой конечной точкой Responses /compact, которая расширяет эффективное контекстное окно модели. Это позволяет GPT‑5.2 Thinking обрабатывать более сложные, насыщенные вызовами инструментов и длительные рабочие процессы, которые в противном случае были бы ограничены длиной контекста. Узнайте больше в нашей документации по API⁠(открывается в новом окне).

GPT‑5.2 Thinking — наша самая мощная модель для работы с визуальными данными на сегодняшний день, сокращающая уровень ошибок примерно вдвое при анализе диаграмм и понимании интерфейсов программного обеспечения.

Для повседневного профессионального использования это означает, что модель может более точно интерпретировать панели управления, скриншоты продуктов, технические диаграммы и визуальные отчеты, поддерживая рабочие процессы в финансах, операциях, инженерии, дизайне и поддержке клиентов, где визуальная информация играет ключевую роль.

По сравнению с предыдущими моделями, GPT‑5.2 Thinking лучше понимает, как элементы расположены в изображении, что помогает в задачах, где относительное расположение играет ключевую роль в решении проблемы. В приведённом ниже примере мы просим модель определить компоненты во вводе изображения (в данном случае, материнская плата) и вернуть метки с приблизительными ограничивающими рамками. Даже на изображении низкого качества GPT‑5.2 идентифицирует основные области и размещает рамки, которые примерно соответствуют истинным местоположениям каждого компонента, в то время как GPT‑5.1 маркирует лишь несколько частей и демонстрирует значительно более слабое понимание их пространственного расположения.

GPT‑5.2 Thinking достигает нового уровня передовых технологий с результатом 98,7 % на Tau2-bench Telecom, демонстрируя свою способность надежно использовать инструменты в рамках длительных, многоэтапных задач.

Для сценариев использования, чувствительных к задержкам, GPT‑5.2 Thinkikg также демонстрирует значительно лучшие результаты в рассуждении в режиме reasoning.effort=’none’, заметно превосходя GPT‑5.1 и GPT‑4.1.

Для профессионалов это означает более надежные сквозные рабочие процессы — такие как разрешение обращений в службу поддержки клиентов, извлечение данных из нескольких систем, проведение анализа и формирование конечных результатов с меньшим количеством сбоев между этапами.

Например, при обращении в службу поддержки клиентов со сложным вопросом, требующим многоэтапного решения, модель может более эффективно координировать весь рабочий процесс между несколькими агентами. В приведенном ниже случае путешественник сообщает о задержке рейса, пропущенной пересадке, ночевке в Нью-Йорке и медицинской необходимости предоставления особых условий по месту для сидения. GPT‑5.2 управляет всей цепочкой задач — повторным бронированием, местами для особых условий сидения и компенсацией — обеспечивая более полный результат, чем GPT‑5.1.

Одна из наших надежд на ИИ заключается в том, что он ускорит научные исследования на благо каждого. В этом направлении мы работаем с учеными и прислушиваемся к ним, чтобы понять, как искусственный интеллект может ускорить их работу, и в прошлом месяце мы поделились некоторыми ранними совместными экспериментами здесь⁠.

Мы верим, что GPT‑5.2 Pro и GPT‑5.2 Thinking — лучшие в мире модели для помощи учёным и ускорения их работы. На GPQA Diamond, выпускном уровне Google-proof Q&A бенчмарке, GPT‑5.2 Pro достигает 93,2 %, за ним следует GPT‑5.2 Thinking на уровне 92,4 %.

На FrontierMath (уровни 1–3) — оценке по математике экспертного уровня, GPT‑5.2 Thinking установил новый стандарт, решив 40,3 % задач.

Мы начинаем замечать, как модели ИИ существенно ускоряют прогресс в математике и науке, что выражается в осязаемых, практических результатах. Например, в недавней работе⁠ с GPT‑5.2. Pro исследователи изучали открытый вопрос в теории статистического обучения. В узком, четко определенном контексте модель предложила доказательство, которое впоследствии проверялось авторами и рассматривалось внешними экспертами, иллюстрируя, как передовые модели могут помогать математическим исследованиям под тщательным наблюдением человека.

На ARC-AGI-1 (Verified), эталоне, разработанном для измерения общей способности к рассуждению, GPT‑5.2 стала первой моделью, преодолевшей порог в 90 %, улучшив результат с 87 %, достигнутых o3‑preview в прошлом году, при этом снизив стоимость достижения этой производительности примерно в 390 раз.

На ARC-AGI-2 (Проверенный), который повышает сложность и лучше изолирует гибкое мышление, GPT‑5.2 Thinking достигает нового результата для моделей с цепочкой рассуждений (CoT), набирая 52,9 %. Модель GPT‑5.2 Pro демонстрирует еще более высокие результаты, достигая 54,2 %, что еще больше расширяет способность модели решать новые, абстрактные задачи.

Улучшения в этих оценках отражают достижения GPT‑5.2 более мощного многошагового рассуждения, более высокой количественной точности и более надежного решение проблем в сложных технических задачах.

Вот что говорят наши первые тестировщики о GPT‑5.2:

В ChatGPT пользователи должны заметить, что GPT‑5.2 стал более удобным для повседневного использования — более структурированным, более надежным и по-прежнему приятным в общении.

GPT‑5.2 Instant — это быстрый и надежный инструмент для повседневной работы и обучения, с явными улучшениями в вопросах поиска информации, инструкциях и пошаговых руководствах, техническом письме и переводах, опираясь на более теплый разговорный тон, представленный в GPT‑5.1 Instant. Первые тестировщики особенно отметили более ясные объяснения, которые сразу представляют ключевую информацию.

GPT‑5.2 Thinking предназначен для более углубленной работы, помогая пользователям решать более сложные задачи с большей тщательностью — особенно в программировании, резюмировании длинных документов, ответах на вопросы о загруженных файлах, пошаговом решении математических и логических задач, а также в поддержке планирования и принятия решений с более четкой структурой и более полезными деталями.

GPT‑5.2 Pro — это наш самый умный и надежный вариант для сложных вопросов, где ответ более высокого качества стоит ожидания. Ранние тесты показывают меньше крупных ошибок и более высокую производительность в сложных областях, таких как программирование.

GPT‑5.2 основывается на исследовании безопасного завершения⁠, которое мы представили с GPT‑5, обучая модель давать наиболее полезный ответ, оставаясь в пределах безопасных границ.

С этим выпуском мы продолжили нашу работу по улучшению ответов наших моделей в деликатных обсуждениях⁠, добившись значительных улучшений в том, как они реагируют на подсказки, указывающие на признаки суицида или самоповреждения, психического стресса или эмоциональной зависимости от модели. Эти целенаправленные вмешательства привели к уменьшению количества нежелательных ответов в версиях GPT‑5.2 Instant и GPT‑5.2 Thinking по сравнению с моделями GPT‑5.1, GPT‑5 Instant и GPT‑5 Thinking. Дополнительные сведения можно найти в системной карточке⁠.

Мы находимся на ранних этапах внедрения нашей модели прогнозирования возраста⁠, с целью автоматического применения защиты контента для пользователей младше 18 лет, чтобы ограничить доступ к чувствительному контенту. Это основывается на нашем существующем подходе к пользователям, о которых мы знаем, что они младше 18 лет, и на наших средствах родительского контроля.

GPT‑5.2 — это один из шагов в продолжающейся серии улучшений, и мы ещё далеки от завершения. Хотя это обновление приносит значительные улучшения в интеллектуальных возможностях моделей и продуктивности, мы знаем, что существуют области, в которых люди хотят большего. В ChatGPT мы работаем над известными проблемами, такими как чрезмерные отказы, и при этом продолжаем повышать общий уровень безопасности и надёжности. Эти изменения сложны, и мы сосредоточены на том, чтобы реализовать их как следует.

В ChatGPT мы начнем развертывание GPT‑5.2 (Instant, Thinking и Pro) сегодня, начиная с платных планов (Plus, Pro, Go, Business, Enterprise). Мы постепенно внедряем GPT‑5.2, чтобы ChatGPT работал как можно более плавно и надежно; если вы не увидите его сразу, пожалуйста, попробуйте еще раз позже. GPT‑5.1 будет доступен в ChatGPT платным пользователям в течение трёх месяцев в рамках устаревших моделей, после чего мы прекратим использование GPT‑5.1.

На нашей платформе API, GPT‑5.2 Thinking доступен сегодня в Responses API и чат Completions API как gpt-5.2, и GPT‑5.2 Instant как gpt-5.2-chat-latest. Модель GPT‑5.2 Pro доступна в Responses API как gpt-5.2-pro. Разработчики теперь могут задавать параметр режима рассуждений в GPT‑5.2 Pro, и обе модели GPT‑5.2 Pro и GPT‑5.2 Thinking теперь поддерживают новый пятый режим рассуждений xhigh — для задач, где качество особенно важно.

GPT‑5.2 стоит 1,75 доллара США за 1 млн входных токенов и 14 долларов США за 1 млн выходных токенов, при 90 % скидке на кэшированные входные данные. В ряде агентных систем оценки (evals) мы увидели, что, несмотря на более высокую стоимость токена у GPT‑5.2, достижение заданного уровня качества оказалось дешевле за счёт более эффективного использования токенов в GPT‑5.2.

Хотя цена подписки на ChatGPT остается прежней, в API GPT‑5.2 стоит дороже за токен, чем GPT‑5.1, поскольку эта модель более мощная. При этом цена всё ещё ниже, чем цены на другие передовые модели, чтобы люди могли продолжать активно использовать эту модель в своей повседневной работе и ключевых приложениях.

В настоящее время у нас нет планов выводить из эксплуатации GPT‑5.1, GPT‑5, или GPT‑4.1 в API, и мы заранее сообщим разработчикам о любых планах по прекращению их поддержки. Хотя GPT‑5.2 уже сейчас хорошо работает в Codex без дополнительной настройки, мы планируем в ближайшие недели выпустить оптимизированную для Codex версию GPT‑5.2.

GPT‑5.2 был создан в сотрудничестве с нашими давними партнёрами NVIDIA и Microsoft. Центры обработки данных Azure и графические процессоры NVIDIA, включая H100, H200 и GB200-NVL72, составляют основу инфраструктуры обучения OpenAI в масштабах, обеспечивая значительные улучшения в интеллектуальных возможностях моделей. Это партнёрство позволяет нам уверенно масштабировать вычислительные мощности и быстрее выводить на рынок новые модели.

Ниже мы приводим полные результаты тестирования для GPT‑5.2 Thinking, а также часть показателей для GPT‑5.2 Pro.

^{Модели запускались с максимальным доступным уровнем рассуждений в нашем API (xhigh для GPT‑5.2 Thinking & Pro, и high для GPT‑5.1 Thinking), за исключением профессиональных оценки, где GPT‑5.2 Thinking запускалась в режиме рассуждений heavy, максимальном доступном в ChatGPT Pro. Бенчмарки проводились в исследовательской среде, что в некоторых случаях может давать немного отличные результаты по сравнению с производственной версией ChatGPT.}

^{* Для SWE-Lancer мы исключаем 40 из 237 задач, которые не запускались на нашей инфраструктуре.}