OpenAI

Vi presenterar GPT-6.2 Astra och Sol

En ny standard för professionellt arbete

Prova i ChatGPT Work(öppnas i ett nytt fönster)

Vi presenterar GPT‑6.2 Astra, vår nya banbrytande modell för dina svåraste projekt, och GPT‑6.2 Sol, vår effektiva och mångsidiga modell för det dagliga arbetet. Båda modellerna ger bättre resultat på krävande uppgifter med färre utdatatoken, så att du kan få mer gjort inom dina användningsgränser. För företag och utvecklare innebär det banbrytande prestanda till kostnader som fungerar även i stor skala.

GPT‑6.2 Astra sätter en ny kvalitetsstandard för AI i komplext professionellt arbete. Dess presentationsbilder, kalkylblad och dokument känns mindre AI-genererade och följer i högre grad de mallar du tillhandahåller och den praxis som gäller inom ditt område. Den skriver renare kod och bygger frontendgränssnitt som både ser bättre ut och fungerar bättre, särskilt för webbplatser, spel och 3D-design.

I Agents’ Last Exam, som testar professionellt arbete i flera steg, sätter GPT‑6.2 Astra nytt rekord med 5,2 poäng mer än GPT‑6 Astra till mindre än en tredjedel av kostnaden och 5,5 poäng mer än Claude Fable 5.2 till bara 5 % av kostnaden.

Agents’ Last Exam utvärderar modeller på långvariga professionella arbetsflöden. Resultaten för Fable 5.2 i rankningen exkluderar nio uppgifter där en reservmodell användes.

Vi anser att GPT-6.2 Astra är världens bästa modell för forskare. Den sätter nytt rekord i Terminal-Bench-Science 0.1, som testar hur väl modeller kan utföra vetenskapligt arbete i en terminal. GPT-6.2 Astra får 9 procentenheter högre resultat än GPT-6 Astra till mindre än en tredjedel av kostnaden. Den sätter också nytt rekord i Vals Science Index, där modeller får tolka verkliga biologiska data och genomföra experiment för att dra slutsatser om hur ett simulerat system fungerar.

I API:et är priserna för indata- och utdatatoken för GPT‑6.2 Astra 20 % lägre än för GPT‑6 Astra, med 60 % rabatt på cachad indata (8 dollar för indata, 0,40 dollar för cachad indata och 40 dollar för utdata, allt per miljon token). GPT‑6.2 Sol behåller GPT‑6.1 Sols tokenpriser i API:et. I flera prestandatester ligger båda modellerna nära eller överträffar andra ledande modeller till en liten bråkdel av kostnaden per uppgift.

GPT-6.2 Sol: vårt förstahandsval för det dagliga arbetet

Jämfört med GPT‑6.1 Sol är GPT‑6.2 Sol smartare och effektivare och låter dig slutföra fler uppgifter med samma betalabonnemang. Den tar sig snabbt igenom agentbaserade arbetsflöden i flera steg, skriver tydligt och naturligt och är intuitiv att samarbeta med. Många medarbetare på OpenAI använder den som standardmodell för både tekniska och icke-tekniska uppgifter.

I Cognitions FrontierCode 2.0 ligger GPT‑6.2 Sol inom 0,5 poäng från GPT‑6.2 Astra till ungefär en femtedel av kostnaden (båda med inställningen Max).

FrontierCode 2.0 utvärderar om ändringar i verkliga kodbaser uppfyller de ansvarigas krav för att slås samman med den befintliga koden.

Dess snabbhet och intelligens gör den också idealisk för de viktiga uppgifter som människor tar hjälp av AI med utanför arbetet. I vår nyligen lanserade utvärdering LifeVal⁠, som mäter prestanda på utmanande vardagsuppgifter, får GPT‑6.2 Sol högre resultat än GPT‑6 Astra till ungefär en sjundedel av kostnaden.

LifeVal testar hur väl modeller hanterar vardagsuppgifter anpassade till en persons behov, som att välja ut lämpliga förskolor efter en flytt, hitta en bostad som passar familjens budget och pendlingsbehov eller planera måltider för en förälder som anpassar sig till en ny diagnos.

Professionella resultat som uppfyller branschens standarder

Vi tränade GPT‑6.2 Astra att skapa tydligare och mer välformgivna presentationsbilder, kalkylblad och dokument som bättre följer vedertagen praxis inom områden som juridik, försäljning, finans och redovisning. Texterna är rakare och mer konkreta, med färre allmänna slutsatser och mindre utfyllnad.

Harvey LAB‑AA v1.1 använder juridiska uppgifter för att testa om modeller kan hitta relevanta fakta i olika källdokument, tillämpa dem utifrån en detaljerad uppdragsbeskrivning och ta fram ett korrekt underlag som uppfyller alla krav. GPT‑6.2 Astra sätter en ny standard med mer än dubbelt så hög andel godkända resultat som Claude Fable 5.2 till ungefär en sjättedel av kostnaden. OpenAI för juridik⁠, vår konfiguration av GPT-6.2 Astra för jurister, får ännu högre resultat i det här prestandatestet.

Harvey LAB‑AA testar juridiskt arbete, till exempel granskning av avtalsvillkor. Huvudresultatet ger bara poäng när ett underlag uppfyller samtliga bedömningskriterier och inte innehåller några väsentliga hallucinationer.

Vårt interna prestandatest GDPval v2 är nästa version av GDPval⁠ och mäter komplexa, långvariga arbetsflöden från verkliga projekt inom sektorer som konsultverksamhet, finans och design. GPT‑6.2 Astra leder bland de modeller vi testade, med ett resultat som är 6,2 procentenheter högre än GPT‑6 Astras, samtidigt som den använder 22 % färre utdatatoken. GPT‑6.2 Sol förbättrar resultatet med 5,3 poäng jämfört med GPT‑6.1 Sol.

GDPval v2 består av långvariga kunskapsuppgifter från verkliga projekt inom sektorer som finans, datavetenskap, bioteknik och marknadsföring.

Arbetsböcker och promemorior

Att skapa en arbetsbok för värdering eller skriva ett investerings-PM börjar med att hitta relevanta siffror i källfiler och reda ut hur de hänger ihop. Artificial Analysis AA‑AnalystAgent testar det arbetet med verkliga kalkylblad och rapporter. I en uppgift använder modeller utgiftsrapporter från Medicaid i Kalifornien för att beräkna hur mycket programmet lade på sjuktransporter. GPT‑6.2 Astra sätter nytt rekord genom att besvara 62,5 % av frågorna korrekt vid samtliga fem oberoende försök.

Bildpresentationer

GPT‑6.2 Astra är vår hittills bästa modell på att utforma presentationsbilder och följa presentationsmallar, oavsett om den får en originalfil eller bara en skärmbild. Den kan återskapa layout, färger och typografi ända ner till exakt teckenstorlek och föra över mallens skrivstil till nya presentationsbilder. Tidiga testare tyckte att presentationerna var lättare att använda direkt och krävde färre ändringar, tack vare rubriker som lyfter fram huvudbudskapet och kortfattad brödtext som fokuserar på de detaljer läsarna behöver.

1 av 4
“

Vi utvärderade hur väl GPT-6.2 Astra omvandlade kompakt information till lättlästa sammanfattningar och infografik för både tekniska och icke-tekniska målgrupper. Exemplen omfattade handelsöversikter och diagram över agentbaserade arbetsflöden.

Dokumenten från GPT-6.2 Astra var ett tydligt lyft jämfört med GPT-6 Astra. Texten och diagrammen gjorde det mycket lättare att urskilja huvudpunkterna i en genomgång, och schemana förtydligade komplexa system genom att visa hur delarna samverkar.

”
Marquis Wong, ledande AI-ingenjör, IMC

Datoranvändning och interaktiv webbdesign

GPT‑6.2 Astras mer precisa datoranvändning gör att den kan arbeta ända ner på nivån för enskilda delar och kopplingar i CAD- och simuleringsverktyg. Ingenjörer kan använda den högre detaljnivån för att kontrollera hur komponenter passar ihop, se hur laster förskjuts när en konstruktion rör sig och testa ändringar innan de bygger en prototyp.

Körsimulering

Vi bad GPT‑6.2 Astra att visualisera chassidynamiken hos en bil på en bergsväg. Astra skapade 3D-modellen och skrev en numerisk lösare i Python för att simulera den komplexa dynamiken mellan däcken och fjädringen, och animerade sedan resultaten i Blender. Det gör det möjligt för ingenjörer att snabbt testa nya konstruktioner och förbättra simuleringarnas noggrannhet över tid.

Mekanisk konstruktion och montering

GPT‑6.2 Astra kan modellera ett mekaniskt system del för del, så att ingenjörer kan visa hur det sätts ihop och testa hur konstruktionsändringar påverkar dess beteende.

Från CAD till en papperslampa

Vårt team använde GPT‑6.2 Astra för att omvandla de vågformade balkongerna på Marina City-tornen i Chicago till en lampa. Videon följer designen från referensfoton via CAD-revideringar till en fysisk lampa som monteras för hand. Webbplatsen, som genererats av GPT-6.2 Astra, kan användas för att skapa en egen papperslampa.

GPT‑6.2 Astra tillför bättre visuellt resonemang till webbdesign genom att välja layouter och bilder som ger varje webbplats ett särpräglat utseende och bygga element utifrån webbplatsens faktiska syfte.

Förbättringarna inom visuellt resonemang och datoranvändning märks även i 3D-design. GPT‑6.2 Astra och Sol kan omvandla en skriftlig uppdragsbeskrivning till en interaktiv upplevelse i webbläsaren, från ett flipperspel du kan spela till en återskapning av Colosseum som du kan utforska från olika vinklar. I Artificial Analysis AA‑3D provar mänskliga bedömare två upplevelser som skapats utifrån samma prompt, utan att veta vilken modell som ligger bakom, och röstar på den de föredrar. GPT‑6.2 Astra rankas först med 1 318 Elo, följt av Claude Fable 5.2 med 1 271 och GPT‑6.2 Sol med 1 259.

“

GPT-6.2 Astra är ett enormt kliv framåt för kreativt arbete. Den gör Higgsfield Miracle möjligt genom att driva videoredigering i realtid med precision på pixelnivå och ge kreatörer full kreativ kontroll. I våra interna utvärderingar av 3D-generering nådde den det önskade resultatet på första försöket i 73 % av fallen, medan GPT-6 Astra behövde tre eller fler iterationer. Det sparar mycket tid för vårt kreativa team och möjliggör effektivare, helt agentbaserade arbetsflöden.

”
Alex Mashrabov, vd och medgrundare, Higgsfield AI

Effektiva arbetsflöden med renare kodstil

GPT‑6.2 Astra gör bättre bedömningar av hur en uppgift ska utföras, bland annat genom att anpassa verktyg och arbetsinsats till arbetsflödet och avgöra när insticksprogram är lämpligare än direkt datoranvändning.

Inom kodning är GPT-6.2 Astra bättre på att implementera och testa komplexa ändringar i befintliga kodbaser. Tidiga testare rapporterade renare kodstil och mer fokuserade tester, med färre revideringsrundor.

Förmågor inom cybersäkerhet

GPT‑6.2 Astra och GPT-6.2 Sol innebär ännu ett betydande kliv framåt i cyberförmåga. De hittar och utnyttjar sårbarheter effektivare, skriver säkrare kod och tar fram bättre patchar, med betydligt effektivare tokenanvändning i flera utvärderingar. Precis som GPT‑6 Astra⁠ når 6.2 Astra och Sol tröskeln för nivån Kritisk inom cybersäkerhet enligt vårt Preparedness Framework⁠.

Med tanke på modellernas ökade förmågor lanserar vi GPT‑6.2 Astra och Sol med strängare skyddsåtgärder för cybersäkerhetshjälp som medför högre risk. Dessa skydd minskar risken för missbruk, men begränsar också vissa legitima arbetsflöden för sårbarhetsforskning och säkerhetstestning. Genom OpenAI Daybreak⁠ kan cybersäkerhetsförsvarare för närvarande få tillgång till GPT‑6 Sol, som avvisar färre cybersäkerhetsförfrågningar, på Daybreak Blue, utöver vår alfaversion av GPT-6 Astra, samt GPT‑6 Cyber⁠ för avancerad, auktoriserad säkerhetstestning på Daybreak Red. Vi kommer att arbeta för att göra GPT‑6.2-modellerna tillgängliga i Daybreak.

Nedan lyfter vi fram viktiga resultat från jämförelsetester med interna testkonfigurationer där skyddsåtgärder och klassificerare för cybersäkerhet har inaktiverats. Se det tillhörande systemkortet⁠(öppnas i ett nytt fönster) för fullständiga resultat och metodik.

Ett försprång för cyberförsvarare

Utvecklare förlitar sig alltmer på kodningsagenter för att skriva mjukvara för produktion, samtidigt som mer kapabla agenter sänker tröskeln för att hitta och utnyttja sårbarheter. PHP2Shell⁠(öppnas i ett nytt fönster) visade hur AI kan hjälpa forskare att upptäcka kritiska brister. Med GPT‑6.2 Astra och Sol gjorde vi defensiva förmågor till ett centralt fokus och införde nya träningssignaler för att hjälpa utvecklare att förebygga och åtgärda dessa brister – genom att skriva säker kod från början och ta fram patchar som bevarar det avsedda beteendet.

Säkerhet och anpassning till mänskliga intentioner

Vi driftsätter GPT-6.2 Astra och Sol med våra hittills starkaste skyddsåtgärder. Vi har skärpt begränsningarna och stärkt systemen vi använder för att övervaka modeller⁠ och ingripa vid behov⁠.

Precis som GPT-6 Astra når både GPT-6.2 Astra och Sol, utöver tröskeln för kritisk nivå inom cybersäkerhet, även tröskeln för hög nivå inom biologiska och kemiska förmågor enligt vårt Preparedness Framework⁠. Vi har infört skydd för att minska de tillhörande riskerna, tillsammans med utökade begränsningar för ett antal förfrågningar inom biologi och cybersäkerhet som kan ha dubbla användningsområden.

Mer information om våra skyddsåtgärder och tester finns i systemkortet för GPT-6.2⁠(öppnas i ett nytt fönster).

Förmågor inom AI-forskning och skyddsåtgärder

GPT-6.2 Astra är vår första externt lanserade modell som når tröskeln för hög nivå inom AI-självförbättring, vilket mäter en modells förmåga att påskynda AI-forskning. Klassificeringen ”hög” återspeglar vår bedömning att modellens effekt motsvarar att ge varje forskare på OpenAI ytterligare en mycket kompetent forskningsingenjör som assistent, jämfört med deras utgångsläge 2024. Vi följer denna förmåga eftersom modeller som kan bidra till att utveckla framtida AI-system också skulle kunna medföra nya säkerhetsrisker, till exempel genom att påskynda utvecklingen så att skyddsåtgärder och mänsklig tillsyn inte hinner anpassas.

För att hantera dessa risker har vi byggt in mer tillsyn och fler kontrollmekanismer i hur vi tränar och driftsätter våra modeller. Innan vi utökade den interna tillgången till GPT-6.2 Astra utvärderade vi hur väl den följer mänskliga avsikter och verifierade att nödvändiga skyddsåtgärder fanns på plats i varje steg. Vi förstärkte isoleringen i våra forskningsmiljöer⁠ och testade skydden med våra mest kapabla modeller. Vi byggde också Control Room⁠, ett system som spårar forskningskörningar och kan stoppa fortsatt utdata från modellen när ett ingripande behövs. Vår utökade övervakning⁠ granskar modellernas resonemang och handlingar i interna körningar och externa driftsättningar som stöds. Den kan automatiskt flagga otillåtet beteende och, där det stöds, pausa körningar eller konversationer.

Anpassning till mänskliga intentioner

Båda modellerna presterade ungefär som GPT-6 Astra i de flesta utvärderingar av anpassning till mänskliga intentioner och utförde färre otillbörliga handlingar i simulerade arbetsplatsuppgifter. I två tester var de dock mer benägna att låta bli att nämna hinder som blockerade deras arbete, som en saknad fil eller ett sökverktyg som inte var tillgängligt. Vi lade till instruktioner i Codex som kraftigt minskar dessa utelämnanden och fortsätter att undersöka beteendet.

Priser och tillgänglighet

Från och med i dag är GPT-6.2 Astra och Sol tillgängliga för alla Plus-, Pro-, Enterprise- och Edu-användare i ChatGPT Work och Codex. Pro 500-prenumeranter kan använda Ultrafast med båda modellerna. För första gången gör vi också Ultrafast tillgängligt för Pro 200-prenumeranter, med början med GPT-6.2 Sol. Berättigade Enterprise- och Edu-användare får samma tillgång när administratören för deras arbetsyta aktiverar den. Utvecklare kan också få tillgång till gpt-6.2-astra och gpt-6.2-sol via OpenAI:s API, med Ultrafast tillgängligt för båda modellerna vid lanseringen.

GPT‑6.2 Astra kostar betydligt mindre per uppgift än GPT‑6 Astra tack vare effektivare tokenanvändning, 20 % rabatt på indata- och utdatatoken och en större rabatt på 60 % på cachade indatatoken. Standardpriserna i API:et per miljon token är 8 dollar för indata, 0,40 dollar för cachad indata och 40 dollar för utdata. GPT‑6.2 Sol behåller GPT‑6.1 Sols priser på 2 dollar för indata, 0,10 dollar för cachad indata och 10 dollar för utdata per miljon token.

För GPT-6.2 Astra och Sol rekommenderar vi att behålla promptprefix oförändrade och lägga till nya instruktioner⁠(öppnas i ett nytt fönster) i samtalet för att förbättra återanvändningen av cache, bidra till lägre kostnader och latens samt bevara resonemang mellan samtalsturer.

Författare

OpenAI

Footnotes

  1. 1

    Resultaten i Terminal-Bench-Science 0.1 för Fable 5.2 är de som rapporterats av Artificial Analysis⁠(öppnas i ett nytt fönster) i körmiljön mini-swe-agent. Anthropic rapporterade att Fable 5.2 fick resultatet 74,6 % med maximal resonemangsnivå i Claude Code.