GPT-6.1Sol

Представляем GPT-6.1 Sol — обновление GPT-6 Sol, которое почти достигает уровня интеллекта GPT-6 Astra в агентном программировании, управлении компьютером и профессиональных задачах при цене входных и выходных токенов в пять раз ниже стандартных цен Astra. Кэшированные входные данные стоят всего $0.10 за млн токенов— на 95 % меньше стандартной цены входных данных и на 50 % меньше цены кэшированных входных данных GPT-6 Sol. Это дает разработчикам больше возможностей создавать и запускать мощных агентов, повторно использующих контекст в нескольких запросах.

Больше возможностей Sol для разных задач

GPT-6.1 Sol предлагает новый баланс возможностей и стоимости для важных повседневных задач. Она значительно превосходит GPT-6 Sol в сложных профессиональных задачах: 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.

Программирование

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.

Профессиональная работа

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.

Управление компьютером

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.

Научные исследования

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.

Фактическая точность

GPT-6.1 Sol также повышает фактическую точность ответов на сложные запросы. Наибольшее улучшение фактической точности по сравнению с GPT-6 Sol достигается при низком уровне усилий на рассуждения: доля ответов с фактической ошибкой снижается с 11,4 % до 7,7 % — примерно на 32 %. Во всех протестированных настройках уровня рассуждений частота ошибок остается в пределах 1,9 процентного пункта от показателя GPT-6 Astra, при стоимости задачи менее одной пятой.

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.

Безопасное внедрение GPT-6.1 Sol

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. Полные сведения можно найти в дополнении к системной карточке GPT-6.1 Sol⁠(открывается в новом окне).

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

Цены и доступность

С сегодняшнего дня GPT-6.1 Sol доступна всем пользователям Plus, Pro, Business, Enterprise и Edu в ChatGPT Работа и Codex. В режиме «Чат» GPT-6.1 Sol пока недоступна. Разработчики также могут обращаться к ней 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. В ближайшие дни мы также предложим GPT-6.1 Sol Ultrafast⁠ со скоростью генерации токенов до 8 раз выше стандартной скорости в Codex.