OpenAI

Представљамо GPT-6.2 Astra и Sol

Представљамо GPT‑6.2 Astra, наш нови гранични модел за ваше најтеже пројекте, и GPT‑6.2 Sol, наш ефикасан и свестран модел за свакодневни рад. Оба модела дају боље резултате на захтевним задацима уз мање излазних токена, па можете да урадите више у оквиру својих ограничења коришћења. За предузећа и програмере то значи перформансе граничних модела уз трошкове који су исплативи и при примени великог обима.

GPT‑6.2 Astra поставља нови стандард квалитета за AI у сложеном професионалном раду. Његови слајдови, табеле и документи мање одају утисак да их је направио AI и верније прате шаблоне које доставите и устаљену праксу ваше области. Пише чистији код и израђује корисничке интерфејсе који боље изгледају и раде, нарочито за веб-сајтове, игре и 3D дизајн.

На тесту Agents’ Last Exam, који испитује професионални рад у више корака, GPT‑6.2 Astra поставља нови рекорд: постиже 5,2 поена више од модела GPT‑6 Astra уз мање од трећине трошкова и 5,5 поена више од модела Claude Fable 5.2 уз свега 5% трошкова.

Agents’ Last Exam оцењује моделе на дуготрајним професионалним радним процесима. Резултати за Fable 5.2 на његовој ранг-листи не обухватају девет задатака у којима је коришћен резервни модел.

Верујемо да је GPT-6.2 Astra најбољи модел на свету за научнике. Поставља нови рекорд на тесту Terminal-Bench-Science 0.1, који испитује колико добро модели обављају научни рад у терминалу. GPT-6.2 Astra постиже резултат за 9 процентних поена виши од модела GPT-6 Astra уз мање од трећине трошкова. Поставља нови рекорд и на тесту Vals Science Index, који од модела тражи да тумаче стварне биолошке податке и спроводе експерименте како би закључили како функционише симулирани систем.

У API-ју су цене улазних и излазних токена за GPT‑6.2 Astra за 20% ниже него за GPT‑6 Astra, уз попуст од 60% на кеширани улаз (8 долара за улаз, 0,40 долара за кеширани улаз и 40 долара за излаз, све по милион токена). GPT‑6.2 Sol задржава цене API токена модела GPT‑6.1 Sol. На неколико референтних тестова оба модела се приближавају другим водећим моделима или их надмашују уз само мали део њихових трошкова по задатку.

GPT-6.2 Sol: наш први избор за свакодневни рад

У поређењу са моделом GPT‑6.1 Sol, GPT‑6.2 Sol је паметнији, ефикаснији и омогућава вам да завршите више задатака у оквиру истог плаћеног плана. С лакоћом обавља агентске радне токове у више корака, пише јасно и природно, а сарадња с њим је интуитивна. Многи запослени у компанији OpenAI користе га као подразумевани модел и за техничке и за нетехничке задатке.

На тесту FrontierCode 2.0 компаније Cognition, GPT‑6.2 Sol заостаје за моделом GPT‑6.2 Astra за свега 0,5 поена уз око петину трошкова (оба на подешавању Max).

FrontierCode 2.0 оцењује да ли измене у стварним базама кода испуњавају стандарде које особе задужене за њихово одржавање постављају за спајање измена.

Његова брзина и интелигенција чине га идеалним и за важне задатке због којих се људи обраћају AI-ју ван посла. На нашој недавно објављеној евалуацији LifeVal⁠, која мери успешност у захтевним свакодневним задацима, GPT‑6.2 Sol постиже бољи резултат од модела GPT‑6 Astra уз око седмину трошкова.

LifeVal испитује колико успешно модели решавају свакодневне задатке прилагођене нечијим потребама, као што су прављење ужег избора вртића након селидбе, проналажење дома који одговара породичном буџету и путовању на посао или планирање оброка за родитеља који се прилагођава новој дијагнози.

Професионални резултати у складу са стандардима сектора

Обучили смо GPT‑6.2 Astra да прави јасније и боље дизајниране слајдове, табеле и документе који верније прате устаљену праксу стручњака у областима као што су право, продаја, финансије и рачуноводство. Текст је директнији и конкретнији, са мање уопштених закључака и сувишних речи.

Harvey LAB‑AA v1.1 користи правне задатке да испита да ли модели могу да пронађу релевантне чињенице у изворним документима, примене их у складу са детаљним описом задатка и израде тачан материјал који испуњава све захтеве. GPT‑6.2 Astra поставља нови стандард, постижући више него двоструко већу стопу успешно решених задатака од модела Claude Fable 5.2 уз око шестину трошкова. OpenAI за правни сектор⁠, наша конфигурација модела GPT-6.2 Astra за правнике, постиже још виши резултат на овом референтном тесту.

Harvey LAB‑AA испитује правне послове као што је преглед уговорних одредаба. Његов главни резултат признаје успех само када израђени материјал испуњава сваки критеријум оцењивања и не садржи халуцинације које битно утичу на тачност.

Наш интерни референтни тест GDPval v2 је следећа верзија теста GDPval⁠ и мери успешност у сложеним, дуготрајним радним процесима из стварних пројеката у секторима као што су консалтинг, финансије и дизајн. GPT‑6.2 Astra предводи моделе које смо тестирали, са резултатом за 6,2 процентна поена вишим од модела GPT‑6 Astra, уз 22% мање излазних токена. GPT‑6.2 Sol постиже резултат за 5,3 поена виши од модела GPT‑6.1 Sol.

GDPval v2 се састоји од дуготрајних задатака који захтевају интелектуални рад, преузетих из стварних пројеката у секторима као што су финансије, наука о подацима, биотехнологија и маркетинг.

Радне свеске и меморандуми

Израда радне свеске за процену вредности или писање инвестиционог меморандума почиње проналажењем релевантних бројчаних података у изворним датотекама и утврђивањем њихових међусобних веза. AA‑AnalystAgent компаније Artificial Analysis испитује тај рад на стварним табелама и извештајима. У једном задатку модели користе извештаје о расходима калифорнијског програма Medicaid да израчунају колико је програм потрошио на медицински превоз. GPT‑6.2 Astra поставља нови рекорд, тачно одговарајући на 62,5% питања у свих пет независних покушаја.

Презентације

GPT‑6.2 Astra је наш до сада најбољи модел за дизајнирање слајдова и праћење њихових шаблона, било да добије оригиналну датотеку или чак само снимак екрана. Може да понови распоред, боје и типографију све до тачне величине фонта и да пренесе стил писања из шаблона на нове слајдове. Први тестери су оценили да је презентације лакше одмах употребити, уз мање измена, захваљујући насловима који износе главни закључак и сажетом основном тексту усмереном на детаље потребне читаоцима.

1 од 4
“

Оцењивали смо GPT-6.2 Astra у претварању обимних и сложених информација у читљиве сажетке и инфографике за техничку и нетехничку публику. Примери су обухватали сажетке о трговању и дијаграме агентских радних токова.

Документи модела GPT-6.2 Astra били су значајно бољи од докумената модела GPT-6 Astra. Текст и графикони су знатно олакшали уочавање кључних тачака извештаја, а дијаграми су разјаснили сложене системе показујући како њихови делови раде заједно.

”
Маркиз Вонг, главни AI инжењер, IMC

Коришћење рачунара и интерактивни веб-дизајн

Прецизније коришћење рачунара омогућава моделу GPT‑6.2 Astra да у CAD алатима и алатима за симулацију ради све до нивоа појединачних делова и спојева. Инжењери могу да искористе тај додатни ниво детаља да провере уклапање компоненти, виде како се оптерећења прерасподељују током кретања конструкције и испитају измене пре израде прототипа.

Симулација вожње

Затражили смо од модела GPT‑6.2 Astra да визуелизује динамику шасије аутомобила на планинском путу. Astra је направио 3D модел и написао нумерички решавач у језику Python за симулацију сложене динамике између пнеуматика и ослањања, а затим анимирао резултате у програму Blender. То омогућава инжењерима да брзо испитују нова конструкциона решења и временом побољшавају тачност симулације.

Машинско пројектовање и склапање

GPT‑6.2 Astra може да моделира механички систем део по део, омогућавајући инжењерима да прикажу како се саставља и испитају како измене конструкције утичу на његово понашање.

Од CAD-а до папирне лампе

Наш тим је користио GPT‑6.2 Astra да таласасте балконе кула Марина Сити у Чикагу преточи у лампу. Видео прати развој дизајна од референтних фотографија, преко измена у CAD-у, до физичке лампе састављене ручно. Сајт који је генерисао GPT-6.2 Astra можете да користите за израду сопствене папирне лампе.

GPT‑6.2 Astra доноси напредније визуелно резоновање у веб-дизајн: бира распоред и слике који сваком сајту дају препознатљив изглед и израђује елементе у складу са стварном сврхом сајта.

Та побољшања у визуелном резоновању и коришћењу рачунара преносе се и на 3D дизајн. GPT‑6.2 Astra и Sol могу да претворе писани опис задатка у интерактивно искуство у прегледачу, од флипера који можете да играте до реконструкције Колосеума коју можете да истражујете из различитих углова. На тесту AA‑3D компаније Artificial Analysis, људски оцењивачи испробавају два искуства направљена на основу исте инструкције, не знајући који модел их је израдио, и гласају за оно које им се више допада. GPT‑6.2 Astra заузима прво место са Ело рејтингом од 1.318, а следе Claude Fable 5.2 са 1.271 и GPT‑6.2 Sol са 1.259.

“

GPT-6.2 Astra је огроман корак напред за креативни рад. Омогућава Higgsfield Miracle, покрећући уређивање видеа у реалном времену са прецизношћу до нивоа пиксела и пружајући ствараоцима потпуну креативну контролу. У нашим интерним евалуацијама 3D генерисања постигао је жељени резултат из првог покушаја у 73% случајева, док су моделу GPT-6 Astra биле потребне три или више итерација. То нашем креативном тиму штеди много времена и омогућава ефикасније радне токове које у потпуности обављају агенти.

”
Алекс Машрабов, извршни директор и суоснивач, Higgsfield AI

Ефикасни радни токови уз чистији стил кода

GPT‑6.2 Astra боље процењује како да изврши задатак: прилагођава алате и уложени напор радном току и препознаје када треба користити додатке, а када директно управљати рачунаром.

У програмирању, GPT-6.2 Astra је бољи у имплементацији и тестирању сложених измена у постојећим базама кода. Први тестери су пријавили чистији стил кода и усмереније тестове, уз мање кругова измена.

Способности у области сајбер безбедности

GPT‑6.2 Astra и GPT-6.2 Sol доносе још један значајан скок у сајбер способностима. Ефикасније проналазе и искоришћавају рањивости, пишу безбеднији код и израђују боље закрпе, уз значајно ефикасније коришћење токена на више евалуација. Као и GPT‑6 Astra⁠, модели 6.2 Astra и Sol достижу критични праг за сајбер безбедност у оквиру нашег Оквира спремности⁠.

Због њихових већих способности, GPT‑6.2 Astra и Sol уводимо уз строже заштитне мере за пружање помоћи у сајбер безбедности која носи већи ризик. Ове мере смањују ризик од злоупотребе, али ограничавају и неке легитимне радне процесе истраживања рањивости и безбедносног тестирања. Кроз OpenAI Daybreak⁠, стручњаци за сајбер одбрану тренутно могу да приступе моделу GPT‑6 Sol са мање одбијања захтева из области сајбер безбедности у оквиру понуде Daybreak Blue, поред наше алфа верзије модела GPT-6 Astra, као и моделу GPT‑6 Cyber⁠ за напредно, овлашћено безбедносно тестирање у оквиру понуде Daybreak Red. Радићемо на томе да модели GPT‑6.2 буду доступни у оквиру понуде Daybreak.

У наставку истичемо кључне резултате референтних тестова, добијене уз интерне конфигурације тестирања са искљученим заштитним мерама и класификаторима за сајбер безбедност. Потпуне резултате и методологију погледајте у пратећој системској картици⁠(отвара се у новом прозору).

Предност за стручњаке за сајбер одбрану

Програмери се све више ослањају на агенте за програмирање при писању продукционог софтвера, док истовремено способнији агенти олакшавају проналажење и искоришћавање рањивости. PHP2Shell⁠(отвара се у новом прозору) је показао како AI може да помогне истраживачима да открију критичне пропусте. Код модела GPT‑6.2 Astra и Sol ставили смо одбрамбене способности у средиште пажње, уводећи нове сигнале за обуку како бисмо помогли програмерима да спрече и отклоне те пропусте — писањем безбедног кода од самог почетка и израдом закрпа које чувају предвиђено понашање.

Безбедност и усклађеност

GPT-6.2 Astra и Sol пуштамо у употребу уз наше до сада најснажније заштитне мере. Пооштрили смо ограничења и ојачали системе које користимо да надгледамо моделе⁠ и интервенишемо када је потребно⁠.

Као и GPT-6 Astra, поред достизања критичног прага за сајбер безбедност, и GPT-6.2 Astra и Sol достижу високи праг за биолошке и хемијске способности према нашем Оквиру спремности⁠. Увели смо заштитне мере за ублажавање повезаних ризика, уз пооштрена ограничења за скуп захтева из области биологије и сајбер безбедности који могу имати двоструку намену.

Више детаља о нашим заштитним мерама и тестирању доступно је у системској картици модела GPT-6.2⁠(отвара се у новом прозору).

Способности за истраживање AI-ја и заштитне мере

GPT-6.2 Astra је наш први модел објављен за спољне кориснике који достиже високи праг за самоусавршавање AI-ја, категорију која мери способност модела да убрза AI истраживање. Ознака „високо“ одражава нашу процену да је утицај модела еквивалентан томе да сваки истраживач у компанији OpenAI добије додатног, веома способног истраживачког инжењера као асистента, у односу на полазно стање из 2024. године. Пратимо ову способност зато што модели који могу да помогну у развоју будућих AI система могу да донесу и нове безбедносне ризике, попут убрзавања напретка темпом који заштитне мере или људски надзор не могу да испрате.

Да бисмо одговорили на ове ризике, у начин на који обучавамо и уводимо моделе уградили смо више надзора и контрола. Пре него што смо проширили интерни приступ моделу GPT-6.2 Astra, оценили смо његову усклађеност и проверили да ли су у свакој фази успостављене потребне заштитне мере. Појачали смо изолацију у нашим истраживачким окружењима⁠ и тестирали те заштитне мере помоћу наших најспособнијих модела. Израдили смо и Control Room⁠, систем који прати истраживачке задатке у извршавању и може да заустави даље генерисање излаза модела када је потребна интервенција. Наш проширени надзор⁠ испитује резоновање и радње модела током интерних задатака и у подржаним спољним применама. Може аутоматски да означи неовлашћено понашање и, тамо где је то подржано, паузира извршавање задатака или разговоре.

Усклађеност

Оба модела су на већини евалуација усклађености постигла резултате сличне моделу GPT-6 Astra и предузимала су мање непримерених радњи у симулираним пословним задацима. Међутим, у два теста чешће су пропуштала да помену препреке које су блокирале њихов рад, попут датотеке која недостаје или недоступног алата за претрагу. У Codex смо додали упутства која знатно смањују ова изостављања и настављамо да истражујемо то понашање.

Цене и доступност

Од данас су GPT-6.2 Astra и Sol доступни свим корисницима планова Plus, Pro, Enterprise и Edu у режиму ChatGPT Посао и у Codex-у. Претплатници на Pro 500 могу да користе Ultrafast са било којим од ова два модела. Први пут уводимо Ultrafast и за претплатнике на Pro 200, почевши од модела GPT-6.2 Sol. Корисници планова Enterprise и Edu који испуњавају услове добијају исти приступ када га администратор њиховог радног простора омогући. Програмери такође могу да приступе моделима gpt-6.2-astra и gpt-6.2-sol преко OpenAI API-ја, а Ultrafast је доступан за оба модела од самог покретања.

GPT‑6.2 Astra кошта знатно мање по задатку од модела GPT‑6 Astra, захваљујући ефикаснијем коришћењу токена, попусту од 20% на улазне и излазне токене и већем попусту од 60% на кеширане улазне токене. Стандардне API цене по милион токена износе 8 долара за улаз, 0,40 долара за кеширани улаз и 40 долара за излаз. GPT‑6.2 Sol задржава цене модела GPT‑6.1 Sol: 2 долара за улаз, 0,10 долара за кеширани улаз и 10 долара за излаз по милион токена.

За GPT-6.2 Astra и Sol препоручујемо да оставите префиксе инструкција непромењене и додајете нова упутства⁠(отвара се у новом прозору) у разговор како бисте побољшали поновно коришћење кеша, смањили трошкове и кашњење и сачували резоновање између размена.

Аутор

OpenAI

Footnotes

  1. 1

    Резултати модела Fable 5.2 на тесту Terminal-Bench-Science 0.1 преузети су из извештаја компаније Artificial Analysis⁠(отвара се у новом прозору), у окружењу mini-swe-agent. Anthropic је пријавио резултат модела Fable 5.2 од 74,6% уз максимално резоновање у Claude Code-у.