
OpenAI发布GPT-6.2 Sol,在性价比指标上超越同类模型
来源标题:GPT-6.2 Sol Moves the Pareto Frontier in Artificial Analysis Score vs. Cost
GPT-6.2 Sol在Artificial Analysis智能指数中得分57,高于同类模型中位数43,成本与智能的性价比表现领先。该模型输入价格每百万token 2美元、输出10美元,支持文本和图像输入,上下文窗口达100万token。其首答延迟57.55秒,输出速度85 tok/s,单任务成本1.01美元。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
Artificial AnalysisK Artificial Analysis模型 编程智能体 图像、语音、视频 推理 排行榜 关于 AI 趋势 K 全部发布• OpenAI •专有模型 57 Artificial Analysis 智能指数 智能维度得分 4/4。 性能 #34 / 89 首答案 token 时间 57.55s输出速度 85 tok/s 7.9 每项智能指数任务耗时(分钟) 性能维度得分 2/4。 成本 #24 / 90 输入 $2.00输出 $10.00缓存折扣 95% $1.01 每项智能指数任务成本 成本维度得分 2/4。 冗长度 #42 / 90 输入 token 2.22B输出/输入 2.748% 60.9M 智能指数产生的输出 token 冗长度维度得分 2/4。 GPT-6.2 Sol (Max) 在智能方面处于领先模型之列,与同等价位的其他模型相比定价合理。它的每任务耗时也快于平均水平,且相当简洁。该模型支持文本和图像输入,输出文本,并拥有 1M token 的上下文窗口。 GPT-6.2 Sol (Max) 在 Artificial Analysis 智能指数上得分 57,远高于同类模型的中位数(43)。在评估智能指数时,它生成了 60.9M token,相比 65.4M 的中位数而言相当简洁。 GPT-6.2 Sol (Max) 的定价为每 1M 输入 token $2.00(中等价位,中位数:$2.00),每 1M 输出 token $10.00(中等价位,中位数:$10.00)。平均而言,在智能指数上评估 GPT-6.2 Sol (Max) 每项任务成本为 $1.01。 GPT-6.2 Sol (Max) 每项智能指数任务耗时 7.9 分钟,相比同类模型中位数 11.3 分钟更快(越低越好)。 推理是输入模态 支持:文本和图像 上下文窗口1M~1500 页 A4、12 号 Arial 字体 此类模型共 254 个 指标与同类模型进行对比: Artificial Analysis 智能指数 v5.0.1 包含 9 项评估:AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode-AA 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2(Hard Subset)和 Terminal-Bench-Science 0.1 753 个模型中的 28 个 从特定提供商添加模型 Artificial Analysis 智能指数 Artificial Analysis 智能指数 v5.0.1 包含:AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode-AA 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2(Hard Subset)、Terminal-Bench-Science 0.1。有关更多细节,包括每项评估的细分以及我们如何运行它们,请参阅智能指数方法论。 753 个模型中的 28 个 从特定提供商添加模型 专有 Artificial Analysis 智能指数 Artificial Analysis 智能指数 v5.0.1 包含:AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode-AA 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2(Hard Subset)、Terminal-Bench-Science 0.1。有关更多细节,包括每项评估的细分以及我们如何运行它们,请参阅智能指数方法论。 开放权重 表示模型权重是否可用。如果商业使用受条件限制,模型被标记为“商业使用受限”;如果许可证禁止商业使用,则标记为“非商业”。 753 个模型中的 28 个 最具吸引力的象限 GPT-6.2 Sol 帕累托线 OpenAIAnthropicGoogle 每项智能指数任务成本 每项智能指数任务的加权平均成本。每项评估的成本由输入、缓存命中、缓存写入、推理和答案 token 价格计算得出,除以任务数,再按其智能指数权重加权。 Artificial Analysis 智能指数 Artificial Analysis 智能指数 v5.0.1 包含:AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode-AA 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2(Hard Subset)、Terminal-Bench-Science 0.1。有关更多细节,包括每项评估的细分以及我们如何运行它们,请参阅智能指数方法论。 753 个模型中的 28 个 从特定提供商添加模型 金融与会计指数包含 5 项评估:AA-Briefcase v1.1、AA-Omniscience v1.1、HLE-Diamond、AutomationBench-AA、GDP.pdf · 越高越好 战略与运营指数包含 4 项评估:AutomationBench-AA、AA-Briefcase v1.1、AA-Omniscience v1.1、GDP.pdf · 越高越好 法律指数包含 5 项评估:AA-Omniscience v1.1、AA-Briefcase v1.1、HLE-Diamond、GDP.pdf、AutomationBench-AA · 越高越好 医疗与医学指数包含 5 项评估:AA-Omniscience v1.1、AA-Briefcase v1.1、MLCR-AA、AutomationBench-AA、HLE-Diamond · 越高越好 工程指数包含 7 项评估:AA-Omniscience v1.1、CritPt v2(Hard Subset)、Terminal-Bench-Science 0.1、HLE-Diamond、Terminal-Bench 4.0、FrontierCode-AA 2.0、AA-Briefcase v1.1 · 越高越好 经济学指数包含 4 项评估:AA-Omniscience v1.1、AA-Briefcase v1.1、HLE-Diamond、GDP.pdf · 越高越好 基准测试 评估 评估由 Artificial Analysis 独立测量 · AA-PersonalityBench 分数为 1 到 100 的百分位排名 编程智能体工具使用私有数据集用户交互金融医疗法律智能指数个性长上下文多模态指令遵循忠实度写作商业查看更多 45 项评估中的 19 项753 个模型中的 28 个 从特定提供商添加模型 AA-Briefcase v1.1 智能体知识工作,Elo AA-Omniscience v1.1 非幻觉率 1 - 幻觉率 AutomationBench-AA 智能体 SaaS 工作流 Terminal-Bench-Science 0.1 终端中的智能体科研工作流 FrontierCode-AA 2.0 开源仓库中的智能体软件工程 GDP.pdf 专业文档推理,全通过 Terminal-Bench 4.0 智能体编程与终端使用 CritPt v2(Hard Subset) 物理推理 AA-AnalystAgent 电子表格与文档的定量分析 Harvey LAB-AA v1.1 法律智能体工作,幻觉门控全通过率 EnterpriseOps-Gym-AA 智能体业务运营 AA-3D 智能体交互式 3D 体验,Elo
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。