GPT-6.1Sol

Vi presenterar GPT-6.1 Sol, en uppgradering av GPT-6 Sol som nästan matchar GPT-6 Astras intelligens inom agentbaserad kodning, datoranvändning och professionellt arbete – till en femtedel av Astras standardpriser för in- och utdatatoken. Cachad indata kostar bara 0,10 USD per miljon token– 95 % mindre än standardpriset för indata och 50 % mindre än GPT-6 Sols pris för cachad indata. Det ger utvecklare större utrymme att bygga och köra kapabla agenter som återanvänder kontext mellan anrop.

En mer kapabel Sol för många slags uppgifter

GPT-6.1 Sol erbjuder en ny balans mellan kapacitet och kostnad för viktiga vardagliga arbetsuppgifter. Den ger betydande förbättringar jämfört med GPT-6 Sol inom komplexa professionella uppgifter, från att skriva och felsöka kod till att förstå dokument och genomföra affärsarbetsflöden i flera steg. I flera av dessa utvärderingar närmar den sig GPT-6 Astras prestanda till en betydligt lägre kostnad.

Kodning

På DeepSWE v1.1, som utvärderar komplexa mjukvaruutvecklingsuppgifter i verkliga kodbaser, matchar GPT-6.1 Sol GPT-6 Astra till ungefär en femtedel av kostnaden. Samtidigt överträffar den GPT-6 Sols bästa resultat med 6,4 procentenheter, med lägre resonemangsnivå och kostnad.

Professionellt arbete

På GDP.pdf, som mäter hur korrekt modeller besvarar yrkesrelaterade frågor med hjälp av komplexa PDF-dokument med tabeller, grafer, diagram och finstilt information, får GPT-6.1 Sol högre poäng än Opus 5.5 med reservlösningar till mindre än halva kostnaden per uppgift vid de testade resonemangsinställningarna. Den närmar sig också GPT-6 Astras topprestanda till ungefär en femtedel av kostnaden per uppgift.

På AutomationBench, som mäter om agenter slutför affärsarbetsflöden i flera steg korrekt, får GPT-6.1 Sol 2,2 procentenheter högre poäng än Opus 5.5 med resonemangsnivån Balanserad, till ungefär en tredjedel av kostnaden. Det resultatet är också 4,8 procentenheter högre än GPT-6 Sols med samma inställning.

Datoranvändning

GPT-6.1 Sol gör också stora framsteg på uppgifter som kräver interaktion med datorprogram. På offlinedatasetet i OSWorld 2.0, som utvärderar agenter på krävande arbetsflöden med datoranvändning, överträffar GPT-6.1 Sol GPT-6 Sol med sju procentenheter vid maximal resonemangsnivå, till mindre än halva kostnaden. Den ligger bara 2,1 procentenheter under Astras resultat vid maximal resonemangsnivå, till ungefär en sjundedel av kostnaden per uppgift.

Vetenskaplig forskning

På Terminal-Bench Science 0.1, som utvärderar vetenskapliga arbetsflöden som dataanalys, simulering och teorembevisning, får GPT-6.1 Sol mer än dubbelt så höga poäng som GPT-6 Sol vid maximal resonemangsnivå, till mindre än halva kostnaden per uppgift. Vid maximal resonemangsnivå kostar GPT-6.1 Sol i genomsnitt 5,47 USD per uppgift, jämfört med 23,21 USD för Opus 5.5 och 23,80 USD för Astra. Den erbjuder därmed stor vetenskaplig kapacitet till över 75 % lägre kostnad än båda dessa modeller.

GPT-6 Astra får fortfarande högst poäng bland de testade modellerna med 68,1 % och bör användas för de svåraste vetenskapliga forskningsuppgifterna.

Faktakorrekthet

GPT-6.1 Sol förbättrar också den faktamässiga riktigheten för svåra promptar. Den största förbättringen jämfört med GPT-6 Sol kommer vid låg resonemangsnivå, där andelen svar som innehåller ett faktafel minskar från 11,4 % till 7,7 % – en minskning med cirka 32 %. Över de testade resonemangsnivåerna ligger felandelen inom 1,9 procentenheter från GPT-6 Astras, till mindre än en femtedel av kostnaden per uppgift.

Den här utvärderingen mäter andelen svar som innehåller minst ett faktafel i avidentifierade konversationer där användare har påtalat ett fel från en tidigare modell. Dessa avsiktligt svåra promptar är inte representativa för typisk användning.

Säker driftsättning av GPT-6.1 Sol

GPT-6.1 Sol visar betydande förbättringar jämfört med GPT-6 Sol i våra utvärderingar av följsamhet till mänskliga avsikter och säkerhetskrav, och närmar sig därmed GPT-6 Astra.

GPT-6.1 Sol är öppnare med sina begränsningar och mer tillförlitlig när det gäller att respektera användarens avsikt och säkerhetsbegränsningar. I krävande utvärderingar misslyckas den mer sällan än GPT-6 Sol med att informera om trasiga sökverktyg, respektera uttryckliga begränsningar och undvika obehöriga utfall under agentbaserade uppgifter. Vi observerade inga försök att kringgå en automatiserad säkerhetsgranskare, precis som för GPT-6 Astra och GPT-6 Sol. Fullständig information finns i tillägget till systemkortet för GPT-6.1 Sol⁠(öppnas i ett nytt fönster).

Utvärderingarna nedan testar avsiktligt krävande situationer och mäter inte felfrekvensen vid typisk användning.

Priser och tillgänglighet

GPT-6.1 Sol är tillgänglig från och med i dag för alla Plus-, Pro-, Business-, Enterprise- och Edu-användare i ChatGPT Work och Codex. GPT-6.1 Sol är ännu inte tillgänglig i Chat. Utvecklare kan också använda den via OpenAI:s API som gpt-6.1-sol. De ordinarie API-priserna är 2 USD per miljon indatatoken, 0,10 USD per miljon cachade indatatoken och 10 USD per miljon utdatatoken. Under de kommande dagarna kommer vi även att erbjuda GPT-6.1 Sol Ultrafast⁠, med upp till åtta gånger snabbare tokengenerering jämfört med standardhastigheten i Codex.