Представляем GPT-6.2 Astra и Sol
Новый стандарт профессиональной работы
Попробуйте в ChatGPT Работа(открывается в новом окне)Представляем GPT‑6.2 Astra — нашу новую передовую модель для самых сложных проектов — и GPT‑6.2 Sol — нашу эффективную универсальную модель для повседневной работы. Обе модели лучше справляются со сложными задачами, используя меньше выходных токенов, поэтому вы можете успеть больше в рамках своих лимитов использования. Для компаний и разработчиков это означает передовой уровень возможностей при затратах, оправданных даже при масштабном использовании.
GPT‑6.2 Astra задаёт новую планку качества ИИ в сложной профессиональной работе. Созданные ею слайды, электронные таблицы и документы меньше похожи на материалы, сгенерированные ИИ, и точнее соответствуют предоставленным вами шаблонам и нормам вашей отрасли. Она пишет более чистый код и создаёт интерфейсы, которые лучше выглядят и работают, особенно для сайтов, игр и 3D-дизайна.
В тесте Agents’ Last Exam, который оценивает выполнение многоэтапных профессиональных задач, GPT‑6.2 Astra устанавливает новый рекорд: она опережает GPT‑6 Astra на 5,2 балла при затратах более чем втрое ниже, а Claude Fable 5.2 — на 5,5 балла при затратах всего в 5% от её уровня.
Agents’ Last Exam оценивает модели на длительных профессиональных рабочих процессах. Результаты Fable 5.2 в рейтинге не включают девять задач, в которых использовалась резервная модель.
Мы считаем GPT-6.2 Astra лучшей в мире моделью для учёных. Она устанавливает новый рекорд в Terminal-Bench-Science 0.1 — тесте, который проверяет, насколько хорошо модели выполняют научную работу в терминале. GPT-6.2 Astra опережает GPT-6 Astra на 9 процентных пунктов при затратах более чем втрое ниже. Она также устанавливает новый рекорд в Vals Science Index, где моделям предлагается интерпретировать реальные биологические данные и проводить эксперименты, чтобы выяснить, как работает смоделированная система.
В API цены на входные и выходные токены GPT‑6.2 Astra на 20% ниже, чем у GPT‑6 Astra, а на кэшированные входные токены — на 60% ниже (8 долларов за входные, 0,40 доллара за кэшированные входные и 40 долларов за выходные токены; все цены указаны за миллион токенов). Для GPT‑6.2 Sol сохраняются цены на токены в API, действующие для GPT‑6.1 Sol. В ряде тестов обе модели приближаются к результатам других ведущих моделей или превосходят их при многократно меньших затратах на задачу.
GPT-6.2 Sol: наша основная модель для повседневной работы
По сравнению с GPT‑6.1 Sol модель GPT‑6.2 Sol умнее, эффективнее и позволяет выполнять больше задач на том же платном тарифе. Она уверенно справляется с многоэтапными агентными процессами, пишет ясно и естественно, а совместная работа с ней интуитивно понятна. Многие сотрудники OpenAI используют её как основную модель и для технических, и для нетехнических задач.
В тесте FrontierCode 2.0 от Cognition GPT‑6.2 Sol отстаёт от GPT‑6.2 Astra всего на 0,5 балла при затратах примерно в пять раз ниже (обе модели — на уровне Max).
FrontierCode 2.0 оценивает, соответствуют ли изменения в реальных кодовых базах требованиям сопровождающих разработчиков для включения в основной код.
Благодаря своей скорости и интеллектуальным возможностям модель также идеально подходит для важных задач, с которыми люди обращаются к ИИ вне работы. В нашем недавно выпущенном тесте LifeVal, который оценивает выполнение сложных повседневных задач, GPT‑6.2 Sol превосходит GPT‑6 Astra при затратах примерно в семь раз ниже.
LifeVal проверяет, насколько хорошо модели решают повседневные задачи с учётом индивидуальных потребностей: например, подбирают детские сады после переезда, находят жильё, которое подходит семье по бюджету и удобству расположения, или составляют меню для одного из родителей, который учится жить с новым диагнозом.
Профессиональные материалы, соответствующие отраслевым стандартам
Мы обучили GPT‑6.2 Astra создавать более понятные и лучше оформленные слайды, электронные таблицы и документы, которые точнее соответствуют нормам, принятым среди специалистов в таких областях, как юриспруденция, продажи, финансы и бухгалтерский учёт. Тексты стали более чёткими и конкретными, в них меньше общих выводов и лишних слов.
Harvey LAB‑AA v1.1 использует юридические задания, чтобы проверить, могут ли модели находить нужные факты в исходных документах, использовать их для выполнения подробного задания и готовить точный итоговый материал, отвечающий всем требованиям. GPT‑6.2 Astra устанавливает новый рекорд: доля успешно выполненных заданий более чем вдвое выше, чем у Claude Fable 5.2, при затратах примерно в шесть раз ниже. OpenAI для Юридических организаций, наша конфигурация GPT-6.2 Astra для юристов, показывает в этом тесте ещё более высокий результат.
Harvey LAB‑AA проверяет выполнение юридической работы, например анализ положений договоров. В основном показателе результат засчитывается только тогда, когда итоговый материал отвечает каждому критерию оценки и не содержит существенных галлюцинаций.
Наш внутренний тест GDPval v2 — это следующая версия GDPval, которая оценивает выполнение сложных, длительных рабочих процессов из реальных проектов в таких областях, как консалтинг, финансы и дизайн. GPT‑6.2 Astra лидирует среди протестированных нами моделей: её результат на 6,2 процентного пункта выше, чем у GPT‑6 Astra, при этом она использует на 22% меньше выходных токенов. GPT‑6.2 Sol улучшает результат GPT‑6.1 Sol на 5,3 балла.
GDPval v2 состоит из длительных заданий, требующих интеллектуального труда, взятых из реальных проектов в таких областях, как финансы, наука о данных, биотехнологии и маркетинг.
Книги и аналитические записки
Создание книги Excel для оценки стоимости или подготовка инвестиционной записки начинается с поиска нужных показателей в исходных файлах и выяснения связей между ними. AA‑AnalystAgent от Artificial Analysis проверяет выполнение такой работы на реальных электронных таблицах и отчётах. В одном из заданий модели используют отчёты о расходах программы Medicaid в Калифорнии, чтобы рассчитать, сколько программа потратила на медицинскую транспортировку. GPT‑6.2 Astra устанавливает новый рекорд, правильно отвечая на 62,5% вопросов во всех пяти независимых попытках.
Презентации
GPT‑6.2 Astra — наша лучшая на сегодня модель для оформления слайдов и работы по шаблонам, независимо от того, предоставлен исходный файл или всего лишь скриншот. Она может воспроизвести макет, цвета и типографику вплоть до точного размера шрифта, а также перенести стиль текста из шаблона на новые слайды. Первые тестировщики отмечали, что презентации проще использовать сразу и они требуют меньше правок: заголовки передают главный вывод, а лаконичный основной текст сосредоточен на нужных читателю деталях.
Работа с компьютером и интерактивный веб-дизайн
Более точное управление компьютером позволяет GPT‑6.2 Astra работать в САПР и инструментах моделирования вплоть до отдельных деталей и соединений. Инженеры могут использовать эту дополнительную детализацию, чтобы проверять сопряжение компонентов, видеть перераспределение нагрузок при движении конструкции и тестировать изменения до создания прототипа.
Моделирование движения автомобиля
Мы попросили GPT‑6.2 Astra визуализировать динамику шасси автомобиля на горной дороге. Astra создала 3D-модель и написала на Python решатель для моделирования сложного динамического взаимодействия шин и подвески, а затем анимировала результаты в Blender. Это позволяет инженерам быстро тестировать новые конструкции и со временем повышать точность моделирования.
Проектирование и сборка механических систем
GPT‑6.2 Astra может моделировать механическую систему деталь за деталью, позволяя инженерам показывать, как она собирается, и проверять, как изменения конструкции влияют на её поведение.
От САПР до бумажного светильника
Наша команда использовала GPT‑6.2 Astra, чтобы создать светильник по мотивам волнистых балконов башен Marina City в Чикаго. Видео показывает весь путь создания: от фотографий-образцов и доработок в CAD до настоящего светильника, собранного вручную. Сайт, созданный GPT-6.2 Astra, можно использовать, чтобы сделать собственный бумажный светильник.
GPT‑6.2 Astra применяет улучшенные способности к визуальным рассуждениям в веб-дизайне: выбирает макеты и изображения, которые придают каждому сайту узнаваемый облик, и создаёт элементы с учётом его реальной цели.
Эти улучшения в визуальных рассуждениях и использовании компьютера проявляются и в 3D-дизайне. GPT‑6.2 Astra и Sol могут превратить письменное задание в интерактивный проект для браузера — от пинбольного стола, за которым можно играть, до воссозданного Колизея, который можно изучать с разных ракурсов. В тесте AA‑3D от Artificial Analysis люди-оценщики пробуют два интерактивных проекта, созданных по одному промпту, не зная, какие модели их создали, и голосуют за понравившийся. GPT‑6.2 Astra занимает первое место с рейтингом Эло 1 318, за ней следуют Claude Fable 5.2 с 1 271 и GPT‑6.2 Sol с 1 259.
Эффективные рабочие процессы и более чистый код
GPT‑6.2 Astra лучше выбирает способ выполнения задачи: подбирает подходящие инструменты, определяет, сколько усилий потребуется, и понимает, когда использовать плагины, а когда — управление компьютером.
В программировании GPT-6.2 Astra лучше справляется с внесением и тестированием сложных изменений в существующих кодовых базах. Первые тестировщики отмечали более чистый стиль кода и тесты, точнее нацеленные на проверку изменений; доработок требовалось меньше.
Возможности в области кибербезопасности
GPT‑6.2 Astra и GPT-6.2 Sol — ещё один значительный скачок в возможностях в области кибербезопасности. Они эффективнее находят и эксплуатируют уязвимости, пишут более безопасный код и создают более качественные патчи, демонстрируя значительный рост эффективности использования токенов в ряде оценок. Как и GPT‑6 Astra, модели 6.2 Astra и Sol достигают порога «Критический» в области кибербезопасности согласно нашей Программе готовности.
В связи с расширением возможностей GPT‑6.2 Astra и Sol мы выпускаем их с более строгими мерами защиты при оказании помощи в задачах кибербезопасности повышенного риска. Эти меры снижают риск злоупотреблений, но также ограничивают некоторые законные сценарии исследования уязвимостей и тестирования безопасности. В рамках OpenAI Daybreak специалистам по киберзащите уже доступна GPT‑6 Sol с меньшим числом отказов на запросы по кибербезопасности в Daybreak Blue — в дополнение к нашей альфа-версии GPT-6 Astra, — а также GPT‑6 Cyber для углублённого авторизованного тестирования безопасности в Daybreak Red. Мы будем работать над добавлением моделей GPT‑6.2 в Daybreak.
Ниже приведены ключевые результаты бенчмарков, полученные во внутренних тестовых конфигурациях с отключёнными мерами защиты и классификаторами кибербезопасности. Полные результаты и методология представлены в сопроводительной системной карточке(открывается в новом окне).
Преимущество для специалистов по киберзащите
Разработчики всё чаще полагаются на агентов-программистов при создании ПО для промышленной эксплуатации, хотя более способные агенты одновременно упрощают поиск и эксплуатацию уязвимостей. PHP2Shell(открывается в новом окне) показал, как ИИ может помогать исследователям выявлять критические уязвимости. В GPT‑6.2 Astra и Sol мы сделали защитные возможности одним из главных приоритетов, добавив новые обучающие сигналы, которые помогают разработчикам предотвращать и устранять такие уязвимости: писать безопасный код с самого начала и создавать патчи, сохраняющие предусмотренное поведение.
Безопасность и согласованность с намерениями человека
Мы развёртываем GPT-6.2 Astra и Sol с самыми строгими мерами защиты на сегодняшний день. Мы ужесточили ограничения и усилили системы, которые используем для мониторинга моделей и вмешательства при необходимости.
Как и GPT-6 Astra, обе модели — GPT-6.2 Astra и Sol — достигают не только критического порога по кибербезопасности, но и высокого порога по биологическим и химическим возможностям согласно нашей Программе готовности. Мы внедрили меры защиты для снижения соответствующих рисков, а также усилили ограничения для ряда потенциально применимых в двойных целях запросов в области биологии и кибербезопасности.
Подробнее о наших мерах защиты и тестировании можно узнать в системной карточке GPT-6.2(открывается в новом окне).
Возможности для исследований ИИ и меры защиты
GPT-6.2 Astra — наша первая модель, выпущенная для внешних пользователей, которая достигает высокого порога в категории «Самосовершенствование ИИ», оценивающей способность модели ускорять исследования в области ИИ. Обозначение «высокий» отражает нашу оценку: по сравнению с исходным уровнем 2024 года влияние модели эквивалентно тому, как если бы каждый исследователь OpenAI получил в помощники ещё одного высококвалифицированного инженера-исследователя. Мы отслеживаем эту способность, поскольку модели, которые могут помогать разрабатывать будущие системы ИИ, способны создавать и новые риски для безопасности — например, ускорять прогресс настолько, что меры защиты или человеческий надзор не будут успевать адаптироваться.
Чтобы противодействовать этим рискам, мы встроили дополнительные механизмы надзора и контроля в процессы обучения и развёртывания наших моделей. Прежде чем расширить внутренний доступ к GPT-6.2 Astra, мы оценили её согласованность с человеческими намерениями и убедились, что на каждом этапе действуют необходимые меры защиты. Мы усилили изоляцию в наших исследовательских средах и проверили эти меры защиты с помощью наших наиболее способных моделей. Мы также создали Control Room — систему, которая отслеживает выполнение исследовательских задач и может остановить дальнейшую генерацию ответов модели, когда требуется вмешательство. Наша расширенная система мониторинга анализирует рассуждения и действия моделей при выполнении внутренних задач и в поддерживаемых внешних развёртываниях. Она может автоматически сигнализировать о несанкционированном поведении и, если это поддерживается, приостанавливать выполнение задач или разговоры.
Согласованность с намерениями человека
Обе модели показали результаты, сопоставимые с GPT-6 Astra, в большинстве оценок согласованности с намерениями человека и совершали меньше недопустимых действий в имитациях рабочих задач. Однако в двух тестах они чаще не упоминали препятствия, мешавшие работе, например отсутствие файла или недоступность инструмента поиска. Мы добавили в Codex инструкции, которые существенно сокращают такие умолчания, и продолжаем изучать это поведение.
Цены и доступность
С сегодняшнего дня GPT-6.2 Astra и Sol доступны всем пользователям Plus, Pro, Enterprise и Edu в ChatGPT Работе и Codex. Подписчики Pro 500 могут использовать Ultrafast с любой из двух моделей. Мы также впервые открываем доступ к Ultrafast для подписчиков Pro 200, начиная с GPT-6.2 Sol. Пользователи Enterprise и Edu, которые соответствуют условиям доступа, получат те же возможности, как только Администратор их рабочей области включит доступ. Разработчики также могут использовать gpt-6.2-astra и gpt-6.2-sol через API OpenAI; Ultrafast доступен для обеих моделей с момента запуска.
Стоимость выполнения задачи с GPT‑6.2 Astra значительно ниже, чем с GPT‑6 Astra, благодаря более экономному использованию токенов, снижению цен на входные и выходные токены на 20% и ещё более значительному снижению цены на кэшированные входные токены — на 60%. Стандартные тарифы API за миллион токенов составляют 8 долларов за входные, 0,40 доллара за кэшированные входные и 40 долларов за выходные токены. Для GPT‑6.2 Sol сохраняются тарифы GPT‑6.1 Sol за миллион токенов: 2 доллара за входные, 0,10 доллара за кэшированные входные и 10 долларов за выходные токены.
При работе с GPT-6.2 Astra и Sol мы рекомендуем оставлять префиксы промптов неизменными и добавлять новые инструкции(открывается в новом окне) в конец диалога. Это помогает эффективнее повторно использовать кэш, снижать затраты и задержку, а также сохранять рассуждения между шагами диалога.
Автор
Footnotes
- 1
Результаты Fable 5.2 в Terminal-Bench-Science 0.1 приведены по данным Artificial Analysis(открывается в новом окне), полученным в обвязке mini-swe-agent. Anthropic сообщила о результате Fable 5.2 в 74,6% при максимальном уровне рассуждений в Claude Code.



