GPT-6.1Sol

Представљамо GPT‑6.1 Sol, унапређену верзију модела GPT‑6 Sol са изузетним перформансама у програмирању од стране агента, као и у коришћењу рачунара и професионалном раду. Ова верзија приближава Sol моделу GPT‑6 Astra на захтевним задацима, по петини стандардне цене улазних и излазних токена модела Astra, што програмерима пружа више простора да у оквиру истог буџета развијају и покрећу способне агенте.

GPT‑6.1 Sol доноси перформансе блиске моделу Astra по ценама модела Sol, што га чини моделом са најбољим односом цене и перформанси који је данас доступан. Кеширани улаз кошта само 0,10 $ по милиону токена – 95% мање од стандардне цене улаза – што га чини приступачнијим за задатке агената који захтевају поновну употребу контекста у узастопним захтевима.

GPT‑6 Astra у целини остаје наш најспособнији гранични модел. GPT‑6.1 Sol нуди нов однос могућности и трошкова за важне послове које корисници желе чешће да обављају, као и за кориснике API-ја који развијају и покрећу апликације у великом обиму.

GPT‑6.1 Sol доноси значајна побољшања у односу на GPT‑6 Sol у сложеним професионалним пословима, од писања кода и отклањања грешака до разумевања докумената и извршавања пословних токова рада са више корака. На неколико ових евалуација приближава се перформансама модела GPT‑6 Astra уз знатно ниже трошкове.

На тесту DeepSWE v1.1, који процењује сложене задатке софтверског инжењерства у стварним базама кода, GPT‑6.1 Sol изједначава се са моделом GPT‑6 Astra уз приближно петину трошкова, а најбољи резултат модела GPT‑6 Sol надмашује за 6,4 процентна поена уз мањи напор резоновања и ниже трошкове.

На тесту GDP.pdf, који мери колико тачно модели одговарају на стручна питања користећи сложене PDF документе са табелама, графиконима, дијаграмима и детаљима у ситном тексту, GPT‑6.1 Sol постиже боље резултате од модела Opus 5.5 са резервним опцијама, уз мање од половине трошка по задатку на тестираним подешавањима резоновања. Такође се приближава водећим перформансама модела GPT‑6 Astra уз приближно петину трошка по задатку.

На тесту AutomationBench, који мери да ли агенти правилно извршавају пословне токове рада са више корака, GPT‑6.1 Sol постиже резултат за 2,2 процентна поена виши од модела Opus 5.5 при средњем напору резоновања, уз приближно трећину трошкова. Тај резултат је уједно за 4,8 процентних поена виши од резултата модела GPT‑6 Sol при истом подешавању.

GPT‑6.1 Sol такође доноси значајан напредак у задацима који захтевају интеракцију са рачунарским апликацијама. На офлајн скупу теста OSWorld 2.0, који процењује агенте у захтевним токовима рада на рачунару, GPT‑6.1 Sol надмашује GPT‑6 Sol за седам процентних поена при максималном напору резоновања, уз мање од половине трошкова. При максималном напору резоновања заостаје само 2,1 процентни поен за резултатом модела Astra, уз приближно седмину трошка по задатку.

На тесту Terminal-Bench Science 0.1, који процењује научне токове рада, укључујући анализу података, симулације и доказивање теорема, GPT‑6.1 Sol постиже више него двоструко бољи резултат од модела GPT‑6 Sol при максималном напору резоновања, уз мање од половине трошка по задатку. При максималном напору, GPT‑6.1 Sol у просеку кошта 5,47 $ по задатку, у поређењу са 23,21 $ за Opus 5.5 и 23,80 $ за Astra, пружајући значајне могућности за научни рад уз преко 75% ниже трошкове у односу на оба модела.

GPT‑6 Astra и даље постиже највиши резултат међу тестираним моделима, 68,1%, и треба га користити за најтеже научноистраживачке задатке.

GPT‑6.1 Sol такође побољшава чињеничну тачност одговора на тешке упите. При изузетно високом напору резоновања, стопа чињеничних грешака износи 4,1%, што је ниже од 4,5% код модела GPT‑6 Sol и ближе стопи од 4,0% код модела Astra при истом подешавању, уз приближно 83% нижи трошак по задатку у односу на Astra.

Ова евалуација мери удео одговора са бар једном чињеничном грешком на основу разговора из којих су уклоњени идентификациони подаци, а у којима су корисници пријавили грешку ранијег модела. Ови намерно тешки упити нису репрезентативни за уобичајену употребу.

GPT‑6.1 Sol показује значајна побољшања у односу на GPT‑6 Sol у нашим евалуацијама усклађености понашања, чиме се приближава моделу GPT‑6 Astra.

GPT‑6.1 Sol отвореније саопштава своја ограничења и поузданије поштује намеру корисника и безбедносна ограничења. У захтевним евалуацијама бележи ниже стопе пропуста од модела GPT‑6 Sol када је реч о пријављивању неисправних алата за претрагу, поштовању изричитих ограничења и избегавању неовлашћених исхода током агентских задатака. Нисмо уочили ниједан покушај заобилажења аутоматизованог безбедносног контролора, као ни код модела GPT‑6 Astra и GPT‑6 Sol.

Евалуације у наставку намерно испитују захтевне ситуације и не мере стопе пропуста у уобичајеној употреби.

GPT‑6.1 Sol је од данас доступан свим корисницима планова Plus, Pro, Business, Enterprise и Edu у режиму ChatGPT Посао и у производу Codex. Ови модели још нису доступни у режиму Ћаскање. Програмери му могу приступити и преко OpenAI API-ја као gpt-6.1-sol. Његове стандардне API цене су 2 $ по милиону улазних токена, 0,10 $ по милиону кешираних улазних токена и 10 $ по милиону излазних токена.

Истовремено представљамо GPT‑6 Astra Ultrafast, најбржи гранични модел на свету, до 8 пута бржи од модела GPT‑6 Astra, као и GPT‑6.1 Sol Ultrafast. Доступни су преко API-ја, као и у режиму ChatGPT Work и у производу Codex корисницима нашег новог Pro нивоа са највишим лимитима коришћења, по цени од 500 $ месечно. Уз GPT‑6.1 Sol Ultrafast, програмери могу да добију интелигенцију блиску моделу Astra уз до 8 пута већу брзину, за приближно исти API трошак који су раније имали за GPT‑6 Astra.