GPT-6.1Sol

Представляем GPT‑6.1 Sol — обновление GPT‑6 Sol с исключительно высокими результатами в агентном программировании, управлении компьютером и профессиональных задачах. Новая модель приближает Sol к GPT‑6 Astra в сложных задачах, при этом стандартные цены на входные и выходные токены в пять раз ниже, чем у Astra. Это дает разработчикам больше возможностей создавать и запускать мощных агентов в рамках того же бюджета.

GPT‑6.1 Sol предлагает результаты, близкие к Astra, по ценам Sol — это самая выгодная на сегодня модель для такого уровня возможностей. Кэшированные входные данные стоят всего 0,10 $ за миллион токенов — на 95% ниже стандартной цены входных данных. Это делает модель доступнее для агентных задач, в которых нужно повторно использовать контекст в нескольких запросах.

GPT‑6 Astra остается нашей самой мощной передовой моделью по совокупности возможностей. GPT‑6.1 Sol предлагает новый баланс возможностей и стоимости — как для важных задач, которые пользователи хотят выполнять чаще, так и для клиентов API, создающих и запускающих приложения в больших масштабах.

GPT‑6.1 Sol значительно превосходит GPT‑6 Sol в сложной профессиональной работе: от написания и отладки кода до понимания документов и выполнения многоэтапных бизнес-процессов. В ряде этих тестов модель приближается к результатам GPT‑6 Astra при существенно меньших затратах.

В DeepSWE v1.1, который оценивает решение сложных задач разработки ПО в реальных кодовых базах, GPT‑6.1 Sol достигает уровня GPT‑6 Astra при затратах примерно в пять раз ниже. При этом модель превосходит лучший результат GPT‑6 Sol на 6,4 процентного пункта при меньших усилиях на рассуждения и меньших затратах.

Тест GDP.pdf измеряет точность ответов моделей на профессиональные вопросы по сложным PDF-документам, включая таблицы, графики, схемы и мелкий шрифт. В нем GPT‑6.1 Sol превосходит Opus 5.5 с резервными моделями при стоимости задачи более чем вдвое ниже на всех проверенных уровнях усилий на рассуждения. Модель также приближается к передовым результатам GPT‑6 Astra при стоимости задачи примерно в пять раз ниже.

В AutomationBench, который проверяет, правильно ли агенты выполняют многоэтапные бизнес-процессы, GPT‑6.1 Sol при среднем уровне усилий на рассуждения превосходит Opus 5.5 на 2,2 процентного пункта при затратах примерно втрое ниже. Этот результат также на 4,8 процентного пункта выше, чем у GPT‑6 Sol при той же настройке.

GPT‑6.1 Sol также демонстрирует значительный прогресс в задачах, требующих взаимодействия с компьютерными приложениями. На офлайн-наборе OSWorld 2.0, который оценивает агентов в сложных сценариях управления компьютером, GPT‑6.1 Sol превосходит GPT‑6 Sol на семь процентных пунктов при максимальных усилиях на рассуждения и затратах более чем вдвое ниже. При максимальных усилиях на рассуждения модель отстает от Astra всего на 2,1 процентного пункта, а стоимость задачи примерно в семь раз ниже.

В Terminal-Bench Science 0.1, который оценивает научные рабочие процессы, включая анализ данных, моделирование и доказательство теорем, GPT‑6.1 Sol более чем вдвое превосходит результат GPT‑6 Sol при максимальных усилиях на рассуждения и стоимости задачи более чем вдвое ниже. При максимальном уровне усилий средняя стоимость задачи для GPT‑6.1 Sol составляет 5,47 $ против 23,21 $ для Opus 5.5 и 23,80 $ для Astra. Таким образом, модель предлагает широкие возможности для научной работы при затратах более чем на 75% ниже, чем у обеих моделей.

GPT‑6 Astra по-прежнему показывает самый высокий результат среди протестированных моделей — 68,1%. Именно ее следует использовать для самых сложных научно-исследовательских задач.

GPT‑6.1 Sol также повышает фактическую точность ответов на сложные запросы. При очень высоком уровне усилий на рассуждения частота фактических ошибок составляет 4,1% против 4,5% у GPT‑6 Sol, приближаясь к 4,0% у Astra при той же настройке. При этом стоимость задачи примерно на 83% ниже, чем у Astra.

Этот тест измеряет долю ответов хотя бы с одной фактической ошибкой на обезличенных диалогах, в которых пользователи указали на ошибку более ранней модели. Эти намеренно сложные запросы не отражают обычное использование.

В наших тестах на соответствие человеческим намерениям и ценностям GPT‑6.1 Sol показывает значительные улучшения по сравнению с GPT‑6 Sol, приближаясь к GPT‑6 Astra.

GPT‑6.1 Sol более открыто сообщает о своих ограничениях и надежнее соблюдает намерения пользователя и ограничения безопасности. В сложных тестах модель реже, чем GPT‑6 Sol, допускает сбои: скрывает неисправность инструментов поиска, нарушает явные ограничения или совершает несанкционированные действия при выполнении агентных задач. Мы не обнаружили попыток обойти автоматическую систему проверки безопасности, как и в случае GPT‑6 Astra и GPT‑6 Sol.

Приведенные ниже тесты намеренно проверяют сложные ситуации и не измеряют частоту сбоев при обычном использовании.

С сегодняшнего дня GPT‑6.1 Sol доступна всем пользователям Plus, Pro, Business, Enterprise и Edu в ChatGPT Работа и Codex. В режиме «Чат» эти модели пока недоступны. Разработчики также могут обращаться к модели через API OpenAI под именем gpt-6.1-sol. Стандартные цены в API: 2 $ за миллион входных токенов, 0,10 $ за миллион кэшированных входных токенов и 10 $ за миллион выходных токенов.

Одновременно мы запускаем GPT‑6 Astra Ultrafast — самую быструю передовую модель в мире, до 8 раз быстрее GPT‑6 Astra, — а также GPT‑6.1 Sol Ultrafast. Они доступны через API, а также в ChatGPT Работа и Codex пользователям нашего нового уровня Pro с самыми высокими лимитами за 500 $ в месяц. С GPT‑6.1 Sol Ultrafast разработчики получают интеллект почти на уровне Astra и скорость до 8 раз выше, тратя на API примерно столько же, сколько раньше на GPT‑6 Astra.