GPT-6.1Sol

Predstavujeme GPT-6.1 Sol, vylepšenú verziu GPT-6 Sol, ktorá sa svojou inteligenciou pri agentickom programovaní, ovládaní počítača a profesionálnej práci takmer vyrovná modelu GPT-6 Astra, no za pätinu štandardnej ceny vstupných a výstupných tokenov modelu Astra. Vstup vo vyrovnávacej pamäti stojí len 0,10 USD za milión tokenov, čo je o 95 % menej než štandardná cena vstupu a o 50 % menej než cena vstupu z vyrovnávacej pamäte pre GPT-6 Sol. Vývojári tak majú viac priestoru na tvorbu a prevádzku schopných agentov, ktorí opakovane využívajú kontext vo viacerých požiadavkách.

Schopnejší Sol naprieč úlohami

GPT-6.1 Sol ponúka nový pomer schopností a nákladov na dôležitú každodennú prácu. Pri komplexných odborných úlohách prináša oproti GPT-6 Sol výrazné zlepšenia: od písania a ladenia kódu cez porozumenie dokumentom až po vykonávanie viacstupňových firemných pracovných postupov. Vo viacerých z týchto hodnotení sa približuje výkonu GPT-6 Astra pri podstatne nižších nákladoch.

Programovanie

V teste DeepSWE v1.1, ktorý hodnotí komplexné softvérové inžinierstvo v reálnych kódových základniach, sa GPT-6.1 Sol vyrovná GPT-6 Astra pri približne pätinových nákladoch. Zároveň prekonáva najlepšie skóre GPT-6 Sol o 6,4 percentuálneho bodu pri nižšej úrovni úsilia pri uvažovaní aj nižších nákladoch.

Odborná práca

V teste GDP.pdf, ktorý meria presnosť odpovedí modelov na odborné otázky na základe komplexných dokumentov PDF vrátane tabuliek, grafov, diagramov a drobného písma, dosahuje GPT-6.1 Sol vyššie skóre než Opus 5.5 so záložnými modelmi. Naprieč testovanými nastaveniami uvažovania pritom náklady na úlohu nedosahujú ani polovicu. Zároveň sa približuje špičkovému výkonu GPT-6 Astra pri približne pätinových nákladoch na úlohu.

V teste AutomationBench, ktorý meria, či agenti správne dokončia viacstupňové firemné pracovné postupy, dosahuje GPT-6.1 Sol pri strednej úrovni úsilia pri uvažovaní skóre o 2,2 percentuálneho bodu vyššie než Opus 5.5, a to pri približne tretinových nákladoch. Toto skóre je zároveň o 4,8 percentuálneho bodu vyššie než pri GPT-6 Sol s rovnakým nastavením.

Používanie počítača

GPT-6.1 Sol dosahuje výrazný pokrok aj v úlohách, ktoré vyžadujú interakciu s počítačovými aplikáciami. Na offline súbore testu OSWorld 2.0, ktorý hodnotí agentov pri náročných pracovných postupoch na počítači, prekonáva GPT-6.1 Sol model GPT-6 Sol o sedem percentuálnych bodov pri maximálnej úrovni úsilia pri uvažovaní a menej než polovičných nákladoch. Pri maximálnej úrovni úsilia pri uvažovaní zaostáva za skóre modelu Astra len o 2,1 percentuálneho bodu, pričom náklady na úlohu sú približne sedminové.

Vedecký výskum

V teste Terminal-Bench Science 0.1, ktorý hodnotí vedecké pracovné postupy vrátane analýzy údajov, simulácií a dokazovania viet, dosahuje GPT-6.1 Sol pri maximálnej úrovni úsilia pri uvažovaní viac než dvojnásobné skóre oproti GPT-6 Sol pri menej než polovičných nákladoch na úlohu. Pri maximálnej úrovni úsilia stojí GPT-6.1 Sol v priemere 5,47 $ na úlohu v porovnaní s 23,21 $ pri Opus 5.5 a 23,80 $ pri modeli Astra. Ponúka tak značné vedecké schopnosti za náklady o viac než 75 % nižšie než pri oboch týchto modeloch.

GPT-6 Astra stále dosahuje najvyššie skóre spomedzi testovaných modelov, 68,1 %, a mal by sa používať na najťažšie úlohy vedeckého výskumu.

Faktická správnosť

GPT-6.1 Sol zlepšuje aj faktickú presnosť pri náročných príkazoch. Najväčšie zlepšenie faktickosti oproti modelu GPT-6 Sol dosahuje pri nízkej úrovni úsilia pri uvažovaní, keď znižuje podiel odpovedí obsahujúcich faktickú chybu z 11,4 % na 7,7 %, čo predstavuje pokles približne o 32 %. Naprieč testovanými nastaveniami úrovne úsilia pri uvažovaní zostáva jeho miera chýb v rozmedzí 1,9 percentuálneho bodu od miery chýb modelu GPT-6 Astra, pričom náklady na úlohu sú nižšie než pätina nákladov modelu GPT-6 Astra.

Toto hodnotenie meria podiel odpovedí s aspoň jednou faktickou chybou v konverzáciách zbavených identifikačných údajov, v ktorých používatelia nahlásili chybu skoršieho modelu. Tieto zámerne náročné prompty neodrážajú bežné používanie.

Bezpečné nasadenie GPT-6.1 Sol

V našich hodnoteniach súladu s ľudskými zámermi a hodnotami vykazuje GPT-6.1 Sol výrazné zlepšenia oproti GPT-6 Sol, čím sa približuje k GPT-6 Astra.

GPT-6.1 Sol otvorenejšie informuje o svojich obmedzeniach a spoľahlivejšie rešpektuje zámer používateľa aj bezpečnostné obmedzenia. V náročných hodnoteniach zlyháva menej často než GPT-6 Sol pri informovaní o nefunkčných vyhľadávacích nástrojoch, rešpektovaní výslovných obmedzení a predchádzaní neoprávneným výsledkom počas agentických úloh. Nezaznamenali sme žiadne pokusy o obídenie automatizovanej bezpečnostnej kontroly, rovnako ako pri GPT-6 Astra a GPT-6 Sol. Úplné podrobnosti nájdeš v doplnku k systémovej karte GPT-6.1 Sol⁠(otvorí sa v novom okne).

Nasledujúce hodnotenia zámerne testujú náročné situácie a nemerajú mieru zlyhaní pri bežnom používaní.

Ceny a dostupnosť

GPT-6.1 Sol je od dnešného dňa dostupný všetkým používateľom plánov Plus, Pro, Business, Enterprise a Edu v ChatGPT Work a Codex. GPT-6.1 Sol zatiaľ nie je dostupný v režime Chat. Vývojári k nemu majú prístup aj cez API OpenAI pod označením gpt-6.1-sol. Štandardné ceny v API sú 2 USD za milión vstupných tokenov, 0,10 USD za milión vstupných tokenov vo vyrovnávacej pamäti a 10 $ za milión výstupných tokenov. V najbližších dňoch ponúkneme aj GPT-6.1 Sol Ultrafast⁠, s až 8-násobne rýchlejším generovaním tokenov v porovnaní so štandardnou rýchlosťou v Codexe.