OpenAI

Giới thiệu GPT-6.2 Astra và Sol

Một tiêu chuẩn mới cho công việc chuyên môn

Dùng thử trong ChatGPT Công việc(mở trong cửa sổ mới)

Chúng tôi giới thiệu GPT‑6.2 Astra, mô hình tiên phong mới dành cho những dự án khó nhất của bạn, và GPT‑6.2 Sol, mô hình đa năng, hiệu quả dành cho công việc hằng ngày. Cả hai mô hình đều mang lại kết quả tốt hơn cho các tác vụ đòi hỏi cao với ít token đầu ra hơn, giúp bạn làm được nhiều việc hơn trong giới hạn sử dụng. Với doanh nghiệp và nhà phát triển, điều đó có nghĩa là hiệu năng tiên phong đi cùng mức chi phí hợp lý khi triển khai ở quy mô lớn.

GPT‑6.2 Astra thiết lập chuẩn mực chất lượng mới cho AI trong công việc chuyên môn phức tạp. Các trang chiếu, bảng tính và tài liệu do mô hình tạo ra ít mang dấu ấn của AI hơn, đồng thời bám sát hơn các mẫu bạn cung cấp và quy chuẩn trong lĩnh vực của bạn. Mô hình viết mã gọn gàng hơn và xây dựng giao diện vừa đẹp hơn vừa hoạt động tốt hơn, đặc biệt cho trang web, trò chơi và thiết kế 3D.

Trên Agents’ Last Exam, bài đánh giá công việc chuyên môn nhiều bước, GPT‑6.2 Astra lập kỷ lục mới với điểm số cao hơn GPT‑6 Astra 5,2 điểm ở mức chi phí chưa bằng một phần ba, và cao hơn Claude Fable 5.2 5,5 điểm với chi phí chỉ bằng 5%.

Agents’ Last Exam đánh giá các mô hình qua những quy trình công việc chuyên môn kéo dài. Kết quả của Fable 5.2 trên bảng xếp hạng không bao gồm chín tác vụ đã sử dụng mô hình dự phòng.

Chúng tôi tin rằng GPT-6.2 Astra là mô hình tốt nhất thế giới dành cho các nhà khoa học. Mô hình này lập kỷ lục mới trên Terminal-Bench-Science 0.1, bài đánh giá khả năng thực hiện công việc khoa học trong môi trường dòng lệnh của các mô hình. GPT-6.2 Astra đạt điểm số cao hơn GPT-6 Astra 9 điểm phần trăm với chi phí chưa bằng một phần ba. Mô hình này cũng lập kỷ lục mới trên Vals Science Index, bài đánh giá yêu cầu các mô hình diễn giải dữ liệu sinh học thực tế và tiến hành thí nghiệm để suy ra cách hoạt động của một hệ thống mô phỏng.

Trên API, giá token đầu vào và đầu ra của GPT‑6.2 Astra thấp hơn 20% so với GPT‑6 Astra, còn giá đầu vào được lưu trong bộ nhớ đệm giảm 60% (8 USD cho đầu vào, 0,40 USD cho đầu vào được lưu trong bộ nhớ đệm và 40 USD cho đầu ra, tất cả đều tính trên mỗi triệu token). GPT‑6.2 Sol giữ nguyên giá token API của GPT‑6.1 Sol. Trên một số bài đánh giá chuẩn, cả hai mô hình đều đạt kết quả gần bằng hoặc vượt các mô hình hàng đầu khác, trong khi chi phí cho mỗi tác vụ chỉ bằng một phần nhỏ.

GPT-6.2 Sol: mô hình chúng tôi ưu tiên cho công việc hằng ngày

So với GPT‑6.1 Sol, GPT‑6.2 Sol thông minh hơn, hiệu quả hơn và cho phép bạn hoàn thành nhiều tác vụ hơn trên cùng một gói trả phí. Mô hình xử lý nhanh các quy trình tác nhân gồm nhiều bước, viết rõ ràng, tự nhiên và dễ cộng tác. Nhiều nhân viên tại OpenAI dùng đây làm mô hình mặc định cho cả tác vụ kỹ thuật lẫn phi kỹ thuật.

Trên FrontierCode 2.0 của Cognition, GPT‑6.2 Sol chỉ kém GPT‑6.2 Astra tối đa 0,5 điểm với chi phí bằng khoảng một phần năm (cả hai đều ở mức Max).

FrontierCode 2.0 đánh giá xem các thay đổi đối với cơ sở mã thực tế có đáp ứng tiêu chuẩn hợp nhất mã của người bảo trì hay không.

Tốc độ và trí thông minh cũng khiến mô hình này trở thành lựa chọn lý tưởng cho những việc quan trọng ngoài công việc mà mọi người tìm đến AI để được hỗ trợ. Trên LifeVal⁠, bài đánh giá chúng tôi mới công bố nhằm đo lường hiệu suất ở những tác vụ hằng ngày đầy thách thức, GPT‑6.2 Sol đạt điểm cao hơn GPT‑6 Astra với chi phí bằng khoảng một phần bảy.

LifeVal kiểm tra khả năng xử lý các tác vụ hằng ngày theo nhu cầu riêng của từng người, chẳng hạn như lập danh sách trường mẫu giáo phù hợp sau khi chuyển nhà, tìm nhà đáp ứng ngân sách và nhu cầu đi lại của gia đình, hoặc lên thực đơn cho cha hay mẹ đang thích nghi sau khi được chẩn đoán mắc bệnh.

Sản phẩm chuyên môn đáp ứng tiêu chuẩn ngành

Chúng tôi đã huấn luyện GPT‑6.2 Astra để tạo các trang chiếu, bảng tính và tài liệu rõ ràng hơn, có thiết kế tốt hơn, đồng thời bám sát hơn những quy ước mà giới chuyên môn sử dụng trong các lĩnh vực như luật, bán hàng, tài chính và kế toán. Văn phong đi thẳng vào vấn đề và cụ thể hơn, bớt những kết luận chung chung và nội dung thừa.

Harvey LAB‑AA v1.1 sử dụng các nhiệm vụ pháp lý để kiểm tra xem mô hình có thể tìm ra những thông tin thực tế liên quan trong các tài liệu nguồn, vận dụng chúng theo một bản yêu cầu chi tiết và tạo ra sản phẩm chính xác, đáp ứng mọi yêu cầu hay không. GPT‑6.2 Astra xác lập thành tích dẫn đầu mới, với tỷ lệ vượt qua cao hơn gấp đôi Claude Fable 5.2 ở mức chi phí bằng khoảng một phần sáu. OpenAI cho Luật⁠, cấu hình GPT-6.2 Astra của chúng tôi dành cho luật sư, còn đạt điểm cao hơn trên bài đánh giá chuẩn này.

Harvey LAB‑AA kiểm tra các công việc pháp lý như rà soát điều khoản hợp đồng. Điểm số chính chỉ được ghi nhận khi sản phẩm đáp ứng mọi tiêu chí chấm điểm và không chứa thông tin bịa đặt có ảnh hưởng đáng kể.

Bài đánh giá chuẩn nội bộ GDPval v2 là phiên bản tiếp theo của GDPval⁠, đo lường khả năng thực hiện các quy trình phức tạp, kéo dài từ những dự án thực tế trong các lĩnh vực như tư vấn, tài chính và thiết kế. GPT‑6.2 Astra dẫn đầu các mô hình chúng tôi đã kiểm thử, tăng 6,2 điểm phần trăm so với GPT‑6 Astra trong khi sử dụng ít hơn 22% token đầu ra. GPT‑6.2 Sol cải thiện 5,3 điểm so với GPT‑6.1 Sol.

GDPval v2 bao gồm các nhiệm vụ tri thức kéo dài từ những dự án thực tế trong các lĩnh vực như tài chính, khoa học dữ liệu, công nghệ sinh học và tiếp thị.

Sổ tính và bản ghi nhớ

Việc xây dựng sổ tính định giá hoặc viết bản ghi nhớ đầu tư bắt đầu bằng việc tìm các số liệu liên quan trong tệp nguồn và xác định mối liên hệ giữa chúng. AA‑AnalystAgent của Artificial Analysis kiểm tra công việc đó trên các bảng tính và báo cáo thực tế. Trong một tác vụ, các mô hình sử dụng báo cáo chi tiêu của Medicaid California để tính số tiền chương trình đã chi cho vận chuyển y tế. GPT‑6.2 Astra lập kỷ lục mới, trả lời đúng 62,5% số câu hỏi trong cả năm lần thử độc lập.

Bản trình chiếu

GPT‑6.2 Astra là mô hình tốt nhất của chúng tôi từ trước đến nay về thiết kế trang chiếu và làm theo mẫu trang chiếu, dù được cung cấp tệp gốc hay chỉ ảnh chụp màn hình. Mô hình có thể tái hiện bố cục, màu sắc và kiểu chữ đến chính xác từng cỡ chữ, đồng thời áp dụng văn phong của mẫu cho các trang chiếu mới. Những người thử nghiệm ban đầu nhận thấy các bản trình chiếu dễ dùng ngay hơn và cần ít chỉnh sửa hơn, nhờ tiêu đề nêu rõ thông điệp chính cùng phần nội dung súc tích, tập trung vào những chi tiết người đọc cần.

1 trong số 4
“

Chúng tôi đánh giá GPT-6.2 Astra về khả năng chuyển thông tin dày đặc thành các bản tóm lược và đồ họa thông tin dễ đọc cho cả người có và không có chuyên môn kỹ thuật. Các ví dụ gồm bản tóm lược giao dịch và sơ đồ quy trình tác nhân.

Tài liệu của GPT-6.2 Astra là một bước tiến đáng kể so với GPT-6 Astra. Cách viết và biểu đồ giúp người đọc dễ nắm bắt các ý chính trong bản tóm lược hơn nhiều, còn sơ đồ làm rõ những hệ thống phức tạp bằng cách thể hiện sự phối hợp giữa các bộ phận.

”
Marquis Wong, Kỹ sư AI chủ chốt, IMC

Sử dụng máy tính và thiết kế web tương tác

Khả năng sử dụng máy tính chính xác hơn cho phép GPT‑6.2 Astra thao tác đến từng chi tiết và mối nối trong các công cụ CAD và mô phỏng. Kỹ sư có thể tận dụng mức độ chi tiết cao hơn này để kiểm tra độ khớp của các bộ phận, xem tải trọng dịch chuyển ở đâu khi thiết kế chuyển động và thử nghiệm các chỉnh sửa trước khi chế tạo nguyên mẫu.

Mô phỏng lái xe

Chúng tôi yêu cầu GPT‑6.2 Astra trực quan hóa động lực học khung gầm của một chiếc xe trên đường núi. Astra tạo mô hình 3D và viết bộ giải bằng Python để mô phỏng tương tác động lực học phức tạp giữa lốp và hệ thống treo, rồi tạo hoạt ảnh cho kết quả trong Blender. Điều này giúp kỹ sư nhanh chóng thử nghiệm thiết kế mới và cải thiện độ chính xác của mô phỏng theo thời gian.

Thiết kế và lắp ráp cơ khí

GPT‑6.2 Astra có thể mô hình hóa từng bộ phận của một hệ thống cơ khí, giúp kỹ sư thể hiện cách lắp ráp hệ thống và kiểm tra ảnh hưởng của các thay đổi thiết kế đến cách hệ thống vận hành.

Từ CAD đến chiếc đèn giấy

Nhóm chúng tôi đã sử dụng GPT‑6.2 Astra để biến những ban công có đường viền lượn sóng của các tòa tháp Marina City ở Chicago thành một chiếc đèn. Video ghi lại hành trình thiết kế từ ảnh tham khảo, qua các lần chỉnh sửa CAD, đến chiếc đèn thực tế được lắp ráp bằng tay. Bạn có thể dùng trang web do GPT-6.2 Astra tạo ra để làm chiếc đèn giấy của riêng mình.

GPT‑6.2 Astra mang khả năng suy luận trực quan mạnh mẽ hơn vào thiết kế web, lựa chọn bố cục và hình ảnh để mỗi trang có diện mạo riêng, đồng thời xây dựng các thành phần xoay quanh mục tiêu thực tế của trang.

Những cải tiến về suy luận trực quan và sử dụng máy tính cũng được phát huy trong thiết kế 3D. GPT‑6.2 Astra và Sol có thể biến một bản yêu cầu bằng văn bản thành trải nghiệm tương tác trên trình duyệt, từ bàn pinball mà bạn có thể chơi đến bản tái hiện Đấu trường La Mã để bạn khám phá từ nhiều góc nhìn. Trong AA‑3D của Artificial Analysis, giám khảo là con người dùng thử hai trải nghiệm được tạo từ cùng một câu lệnh mà không biết mô hình nào đã tạo ra chúng, rồi bình chọn trải nghiệm họ thích hơn. GPT‑6.2 Astra đứng đầu với 1.318 Elo, tiếp theo là Claude Fable 5.2 với 1.271 và GPT‑6.2 Sol với 1.259.

“

GPT-6.2 Astra là bước nhảy vọt lớn cho công việc sáng tạo. Mô hình giúp hiện thực hóa Higgsfield Miracle, hỗ trợ chỉnh sửa video theo thời gian thực với độ chính xác đến từng điểm ảnh và trao cho nhà sáng tạo quyền kiểm soát sáng tạo tối đa. Trong các đánh giá nội bộ về tạo nội dung 3D của chúng tôi, mô hình đạt kết quả mục tiêu ngay lần đầu trong 73% trường hợp, trong khi GPT-6 Astra cần ba lần lặp trở lên. Điều này tiết kiệm rất nhiều thời gian cho đội ngũ sáng tạo của chúng tôi và giúp các quy trình hoàn toàn do tác nhân thực hiện trở nên hiệu quả hơn.

”
Alex Mashrabov, CEO kiêm đồng sáng lập, Higgsfield AI

Quy trình hiệu quả với phong cách viết mã gọn gàng hơn

GPT‑6.2 Astra có khả năng phán đoán tốt hơn về cách thực hiện tác vụ, gồm lựa chọn công cụ và mức nỗ lực phù hợp với quy trình, cũng như biết khi nào nên dùng tiện ích thay vì thao tác trên máy tính.

Về lập trình, GPT-6.2 Astra triển khai và kiểm thử các thay đổi phức tạp trong cơ sở mã hiện có tốt hơn. Những người thử nghiệm ban đầu ghi nhận phong cách viết mã gọn gàng hơn và các bài kiểm thử tập trung hơn, với ít vòng chỉnh sửa hơn.

Năng lực an ninh mạng

GPT‑6.2 Astra và GPT-6.2 Sol đánh dấu thêm một bước nhảy vọt đáng kể về năng lực an ninh mạng. Hai mô hình tìm và khai thác lỗ hổng hiệu quả hơn, viết mã bảo mật hơn và tạo bản vá tốt hơn, đồng thời cải thiện đáng kể hiệu quả sử dụng token trên một số bài đánh giá. Giống GPT‑6 Astra⁠, 6.2 Astra và Sol đạt ngưỡng Nghiêm trọng về an ninh mạng theo Khung chuẩn bị⁠ của chúng tôi.

Do năng lực của các mô hình đã tăng lên, chúng tôi ra mắt GPT‑6.2 Astra và Sol với những biện pháp bảo vệ chặt chẽ hơn đối với hoạt động hỗ trợ an ninh mạng có mức rủi ro cao hơn. Những biện pháp bảo vệ này giảm nguy cơ lạm dụng, nhưng cũng hạn chế một số quy trình nghiên cứu lỗ hổng và kiểm thử bảo mật hợp pháp. Thông qua OpenAI Daybreak⁠, những người làm công tác phòng thủ hiện có thể truy cập GPT‑6 Sol với ít trường hợp từ chối yêu cầu về an ninh mạng hơn trên Daybreak Blue, bên cạnh bản alpha của GPT-6 Astra, cũng như truy cập GPT‑6 Cyber⁠ để thực hiện kiểm thử bảo mật nâng cao được cấp phép trên Daybreak Red. Chúng tôi sẽ nỗ lực đưa các mô hình GPT‑6.2 lên Daybreak.

Dưới đây là những kết quả đánh giá chuẩn nổi bật, sử dụng cấu hình thử nghiệm nội bộ đã tắt các biện pháp bảo vệ và bộ phân loại an ninh mạng. Xem thẻ hệ thống đi kèm⁠(mở trong cửa sổ mới) để biết đầy đủ kết quả và phương pháp.

Tạo lợi thế cho lực lượng phòng thủ mạng

Các nhà phát triển ngày càng dựa vào tác nhân lập trình để viết phần mềm đưa vào vận hành thực tế, trong khi các tác nhân mạnh hơn cũng khiến việc tìm và khai thác lỗ hổng trở nên dễ dàng hơn. PHP2Shell⁠(mở trong cửa sổ mới) cho thấy AI có thể giúp các nhà nghiên cứu phát hiện những lỗ hổng nghiêm trọng như thế nào. Với GPT‑6.2 Astra và Sol, chúng tôi đặt năng lực phòng thủ làm trọng tâm, bổ sung các tín hiệu huấn luyện mới để giúp nhà phát triển ngăn ngừa và khắc phục những lỗ hổng đó: viết mã bảo mật ngay từ đầu và tạo các bản vá giữ nguyên hành vi mong muốn.

An toàn và căn chỉnh

Chúng tôi triển khai GPT-6.2 Astra và Sol với các biện pháp bảo vệ mạnh nhất từ trước đến nay. Chúng tôi đã siết chặt các hạn chế và củng cố những hệ thống dùng để giám sát mô hình⁠ và can thiệp khi cần⁠.

Giống GPT-6 Astra, ngoài việc đạt ngưỡng Nghiêm trọng về an ninh mạng, cả GPT-6.2 Astra và Sol đều đạt ngưỡng Cao về năng lực sinh học và hóa học theo Khung chuẩn bị⁠ của chúng tôi. Chúng tôi đã triển khai các biện pháp bảo vệ để giảm thiểu rủi ro liên quan, đồng thời tăng cường hạn chế đối với một nhóm yêu cầu về sinh học và an ninh mạng có thể được dùng cho cả mục đích có lợi lẫn gây hại.

Thông tin chi tiết hơn về các biện pháp bảo vệ và hoạt động thử nghiệm của chúng tôi có trong thẻ hệ thống GPT-6.2⁠(mở trong cửa sổ mới).

Năng lực nghiên cứu AI và các biện pháp bảo vệ

GPT-6.2 Astra là mô hình đầu tiên chúng tôi phát hành ra bên ngoài đạt ngưỡng Cao về khả năng AI tự cải thiện, một tiêu chí đo lường khả năng đẩy nhanh nghiên cứu AI của mô hình. Mức xếp loại “Cao” phản ánh đánh giá của chúng tôi rằng tác động của mô hình tương đương với việc bổ sung cho mỗi nhà nghiên cứu OpenAI một kỹ sư nghiên cứu có năng lực rất cao làm trợ lý, so với điều kiện cơ sở của họ vào năm 2024. Chúng tôi theo dõi năng lực này vì các mô hình có thể hỗ trợ phát triển những hệ thống AI trong tương lai cũng có thể tạo ra rủi ro an toàn mới, chẳng hạn như đẩy nhanh tiến độ vượt quá khả năng thích ứng của các biện pháp bảo vệ hoặc hoạt động giám sát của con người.

Để ứng phó với những rủi ro này, chúng tôi đã tăng cường giám sát và kiểm soát trong quá trình huấn luyện và triển khai các mô hình. Trước khi mở rộng quyền truy cập GPT-6.2 Astra trong nội bộ, chúng tôi đã đánh giá mức độ căn chỉnh của mô hình và xác minh rằng các biện pháp bảo vệ bắt buộc đã được áp dụng ở từng giai đoạn. Chúng tôi đã tăng cường các biện pháp cô lập trong môi trường nghiên cứu⁠ và kiểm thử những biện pháp bảo vệ đó bằng các mô hình có năng lực cao nhất của mình. Chúng tôi cũng xây dựng Control Room⁠, một hệ thống theo dõi các khối lượng công việc nghiên cứu và có thể ngăn mô hình tiếp tục tạo đầu ra khi cần can thiệp. Hoạt động giám sát được mở rộng⁠ của chúng tôi xem xét suy luận và hành động của các mô hình trong các khối lượng công việc nội bộ cũng như những triển khai bên ngoài được hỗ trợ. Hệ thống có thể tự động gắn cờ hành vi không được phép và, ở những nơi có hỗ trợ, tạm dừng khối lượng công việc hoặc cuộc trò chuyện.

Căn chỉnh

Cả hai mô hình đạt kết quả tương tự GPT-6 Astra trên phần lớn các bài đánh giá căn chỉnh và thực hiện ít hành động không phù hợp hơn trong các tác vụ công sở mô phỏng. Tuy nhiên, trong hai bài kiểm tra, hai mô hình có xu hướng không đề cập đến những trở ngại khiến công việc bị chặn nhiều hơn, chẳng hạn như thiếu tệp hoặc không có công cụ tìm kiếm. Chúng tôi đã bổ sung chỉ dẫn trong Codex giúp giảm đáng kể những trường hợp bỏ sót này và đang tiếp tục tìm hiểu hành vi đó.

Giá và phạm vi cung cấp

Từ hôm nay, GPT-6.2 Astra và Sol có mặt cho tất cả người dùng Plus, Pro, Enterprise và Edu trong ChatGPT Công việc và Codex. Người đăng ký Pro 500 có thể dùng Ultrafast với cả hai mô hình. Lần đầu tiên, chúng tôi cũng đưa Ultrafast đến với người đăng ký Pro 200, bắt đầu từ GPT-6.2 Sol. Người dùng Enterprise và Edu đủ điều kiện được hưởng quyền truy cập tương tự sau khi quản trị viên không gian làm việc bật tính năng này. Các nhà phát triển cũng có thể truy cập gpt-6.2-astra và gpt-6.2-sol qua API OpenAI, với Ultrafast có sẵn cho cả hai mô hình ngay khi ra mắt.

GPT‑6.2 Astra có chi phí cho mỗi tác vụ thấp hơn đáng kể so với GPT‑6 Astra nhờ sử dụng token hiệu quả hơn, giá token đầu vào và đầu ra giảm 20%, cùng mức giảm sâu hơn là 60% cho token đầu vào được lưu trong bộ nhớ đệm. Mức giá API tiêu chuẩn trên mỗi triệu token là 8 USD cho đầu vào, 0,40 USD cho đầu vào được lưu trong bộ nhớ đệm và 40 USD cho đầu ra. GPT‑6.2 Sol tiếp tục áp dụng mức giá của GPT‑6.1 Sol: 2 USD cho đầu vào, 0,10 USD cho đầu vào được lưu trong bộ nhớ đệm và 10 USD cho đầu ra trên mỗi triệu token.

Với GPT-6.2 Astra và Sol, để cải thiện khả năng tái sử dụng bộ nhớ đệm, giảm chi phí và độ trễ, đồng thời duy trì suy luận qua các lượt, chúng tôi khuyên bạn giữ nguyên phần tiền tố của câu lệnh và nối thêm chỉ dẫn mới⁠(mở trong cửa sổ mới) vào cuộc trò chuyện.

Tác giả

OpenAI

Footnotes

  1. 1

    Kết quả Terminal-Bench-Science 0.1 của Fable 5.2 được trích theo báo cáo của Artificial Analysis⁠(mở trong cửa sổ mới) trong hệ thống điều khiển mini-swe-agent. Anthropic báo cáo Fable 5.2 đạt 74,6% ở mức suy luận tối đa trong Claude Code.