GPT-6.1Sol

Po prezantojmë GPT-6.1 Sol, një version të përmirësuar të GPT-6 Sol që i afrohet inteligjencës së GPT-6 Astra në kodimin agjentik, përdorimin e kompjuterit dhe punën profesionale, me një të pestën e çmimeve standarde të Astra për tokenët hyrës dhe dalës. Tokenët hyrës të ruajtur në memorien e përkohshme kushtojnë vetëm 0,10 $ për një milion tokenë — 95% më pak se çmimi standard i tokenëve hyrës dhe 50% më pak se çmimi i tokenëve hyrës të ruajtur në memorien e përkohshme të GPT-6 Sol — duke u dhënë zhvilluesve më shumë mundësi për të ndërtuar dhe vënë në punë agjentë të aftë që ripërdorin kontekstin në kërkesa të ndryshme.

Një Sol më i aftë në detyra të ndryshme

GPT-6.1 Sol ofron një ekuilibër të ri mes aftësive dhe kostos për detyrat e rëndësishme të përditshme. Ai sjell përmirësime të ndjeshme krahasuar me GPT-6 Sol në detyra profesionale komplekse, nga shkrimi i kodit dhe korrigjimi i gabimeve në të deri te kuptimi i dokumenteve dhe kryerja e proceseve të biznesit me shumë hapa. Në disa prej këtyre vlerësimeve, ai i afrohet performancës së GPT-6 Astra me një kosto dukshëm më të ulët.

Kodimi

Në DeepSWE v1.1, që vlerëson detyra komplekse të inxhinierisë softuerike në baza reale kodi, GPT-6.1 Sol arrin performancën e GPT-6 Astra me rreth një të pestën e kostos, ndërkohë që e tejkalon rezultatin më të mirë të GPT-6 Sol me 6,4 pikë përqindjeje, me më pak përpjekje arsyetimi dhe me kosto më të ulët.

Detyrat profesionale

Në GDP.pdf, që mat se me sa saktësi u përgjigjen modelet pyetjeve profesionale duke përdorur dokumente komplekse PDF, duke përfshirë tabela, grafikë, diagrame dhe detaje të hollësishme, GPT-6.1 Sol siguron rezultat më të lartë se Opus 5.5 me alternativa rezervë, me më pak se gjysmën e kostos për detyrë në të gjitha nivelet e testuara të arsyetimit. Ai i afrohet gjithashtu performancës së nivelit më të lartë të GPT-6 Astra me rreth një të pestën e kostos për detyrë.

Në AutomationBench, që mat nëse agjentët kryejnë me saktësi procese biznesi me shumë hapa, GPT-6.1 Sol shënon 2,2 pikë përqindjeje më shumë se Opus 5.5 në përpjekje mesatare arsyetimi, me rreth një të tretën e kostos. Ky rezultat është gjithashtu 4,8 pikë përqindjeje më i lartë se ai i GPT-6 Sol në të njëjtin nivel.

Përdorimi i kompjuterit

GPT-6.1 Sol siguron po ashtu një progres të konsiderueshëm në detyra që kërkojnë ndërveprim me aplikacione kompjuterike. Në grupin e testeve jashtë linje të OSWorld 2.0, që vlerëson agjentët në rrjedha të vështira pune kompjuterike, GPT-6.1 Sol tejkalon GPT-6 Sol me shtatë pikë përqindjeje në nivelin maksimal të përpjekjes së arsyetimit, me më pak se gjysmën e kostos. Në nivelin maksimal të përpjekjes së arsyetimit, ai arrin vetëm 2,1 pikë përqindjeje larg rezultatit të Astra, me rreth një të shtatën e kostos për detyrë.

Kërkimi shkencor

Në Terminal-Bench Science 0.1, që vlerëson rrjedhat e punës shkencore, duke përfshirë analizën e të dhënave, simulimin dhe vërtetimin e teoremave, GPT-6.1 Sol arrin më shumë se dyfishin e rezultatit të GPT-6 Sol në nivelin maksimal të përpjekjes së arsyetimit, me më pak se gjysmën e kostos për detyrë. Me përpjekje maksimale, GPT-6.1 Sol kushton mesatarisht 5,47 $ për detyrë, krahasuar me 23,21 $ për Opus 5.5 dhe 23,80 $ për Astra, duke ofruar aftësi të konsiderueshme shkencore me kosto mbi 75% më të ulët se secili prej këtyre modeleve.

GPT-6 Astra arrin përsëri rezultatin më të lartë mes modeleve të testuara, me 68,1%, dhe duhet të përdoret për detyrat më të vështira të kërkimit shkencor.

Saktësia faktike

GPT-6.1 Sol përmirëson gjithashtu saktësinë faktike në kërkesat e vështira. Përmirësimi më i madh krahasuar me GPT-6 Sol vërehet në nivelin e ulët të përpjekjes së arsyetimit, ku përqindja e përgjigjeve që përmbajnë një gabim faktik ulet nga 11,4% në 7,7% — një ulje prej afërsisht 32%. Në të gjitha cilësimet e testuara të arsyetimit, shkalla e gabimeve të tij ndryshon me jo më shumë se 1,9 pikë përqindjeje nga ajo e GPT-6 Astra, ndërsa kostoja për detyrë është më pak se një e pesta e kostos së GPT-6 Astra.

Ky vlerësim mat përqindjen e përgjigjeve që përmbajnë të paktën një gabim faktik në biseda me të dhëna jo identifikuese, ku përdoruesit kishin raportuar gabimin e një modeli të mëparshëm. Këto kërkesa, të zgjedhura qëllimisht për vështirësinë e tyre, nuk përfaqësojnë përdorimin tipik.

Vënia në përdorim e GPT-6.1 Sol në mënyrë të sigurt

GPT-6.1 Sol tregon përmirësime të ndjeshme ndaj GPT-6 Sol në vlerësimet tona të përputhjes me synimet dhe kufizimet, duke iu afruar GPT-6 Astra.

GPT-6.1 Sol është më transparent për kufizimet e veta dhe më i besueshëm në respektimin e synimit të përdoruesit dhe të kufizimeve të sigurisë. Në vlerësime të vështira, ai shfaq shkallë më të ulëta dështimi se GPT-6 Sol në lidhje me transparencën për mjetet e kërkimit që nuk funksionojnë, respektimin e kufizimeve të shprehura qartë dhe shmangien e rezultateve të paautorizuara gjatë detyrave agjentike. Nuk vërejtëm asnjë përpjekje për të anashkaluar një shqyrtues automatik të sigurisë, njësoj si në rastin e GPT-6 Astra dhe GPT-6 Sol. Detajet e plota gjenden në shtojcën e kartës së sistemit të GPT-6.1 Sol⁠(hapet në një dritare të re).

Vlerësimet më poshtë testojnë qëllimisht situata të vështira dhe nuk matin shkallët e dështimit në përdorim tipik.

Çmimet dhe disponueshmëria

GPT-6.1 Sol është i disponueshëm nga sot për të gjithë përdoruesit e Plus, Pro, Business, Enterprise dhe Edu në ChatGPT Work dhe Codex. GPT-6.1 Sol nuk është ende i disponueshëm në Chat. Zhvilluesit mund ta përdorin edhe përmes API-së së OpenAI si gpt-6.1-sol. Çmimet standarde të përdorimit të tij përmes API-së janë 2 $ për një milion tokenë hyrës, 0,10 $ për një milion tokenë hyrës të ruajtur në memorien e përkohshme dhe 10 $ për një milion tokenë dalës. Në ditët në vijim, do të ofrojmë edhe GPT-6.1 Sol Ultrafast⁠, me gjenerim tokenësh deri në 8 herë më të shpejtë se me shpejtësinë e tij standarde në Codex.