
OpenAI 发布 GPT-6.2 Astra 与 Sol 两款模型
来源标题:Introducing GPT-6.2 Astra and Sol
OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol 两款模型。Astra 面向高难度复杂项目,Sol 主打日常办公,二者均以更少输出 token 完成任务。新模型在专业输出、编程、计算机使用等方面提升,并覆盖 ChatGPT Work、Codex 和 API,成本更低。
以下正文由 AI 翻译自 OpenAI(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。
GPT‑6.2 Sol:我们日常工作的首选模型GPT‑6.2 Sol:我们日常工作的首选模型 符合行业标准的专业产出 计算机使用与交互式网页设计 更高效的工作流与更整洁的代码风格 网络安全能力 安全与对齐 定价与可用性 GPT‑6.2 Sol:我们日常工作的首选模型 符合行业标准的专业产出 计算机使用与交互式网页设计 更高效的工作流与更整洁的代码风格 网络安全能力 安全与对齐 定价与可用性 我们推出 GPT‑6.2 Astra,这是面向最艰难项目的新一代前沿模型;同时推出 GPT‑6.2 Sol,这是面向日常工作的高效、多用途模型。两款模型在处理高要求任务时都能以更少的输出 token 给出更好的结果,让你在使用额度内完成更多工作。对企业与开发者而言,这意味着以适合大规模应用的成本获得前沿性能。 GPT‑6.2 Astra 为 AI 在复杂专业工作中的表现树立了新的质量标杆。它生成的幻灯片、电子表格和文档不再那么像 AI 的产出,而是更贴近你提供的模板以及你所在领域的惯例。它写出的代码更整洁,构建的前端在观感和功能上都更出色,尤其在网站、游戏和 3D 设计方面。 在测试多步骤专业工作的 Agents’ Last Exam 上,GPT‑6.2 Astra 创下新高,得分比 GPT‑6 Astra 高 5.2 分,成本却不到后者的三分之一;比 Claude Fable 5.2 高 5.5 分,成本仅为后者的 5%。 Agents’ Last Exam 评估模型在长周期专业工作流中的表现。其排行榜上 Fable 5.2 的结果排除了九个使用了回退模型的任务。 我们认为 GPT-6.2 Astra 是全球最适合科学家的模型。它在 Terminal-Bench-Science 0.1 上创下新高,该基准测试模型在终端中开展科学工作的能力。GPT-6.2 Astra 的得分比 GPT-6 Astra 高 9 个百分点,成本却不到后者的三分之一。它还在 Vals Science Index 上创下新高,该指数要求模型解读真实生物数据,并通过运行实验来推断一个模拟系统如何运作。 在 API 中,GPT‑6.2 Astra 的输入和输出 token 价格比 GPT‑6 Astra 低 20%,缓存输入还可享受 60% 的折扣(输入 $8、缓存输入 $0.40、输出 $40,均为每百万 token)。GPT‑6.2 Sol 维持 GPT‑6.1 Sol 的 API token 价格。在多项基准测试中,两款模型都以每任务成本的一小部分接近或超越了其他领先模型。 与 GPT‑6.1 Sol 相比,GPT‑6.2 Sol 更聪明、更高效,让你在同一付费方案下完成更多任务。它能顺利推进多步骤 agentic 工作流,写作清晰自然,协作起来也很直观。OpenAI 的许多员工把它作为技术和非技术任务的默认模型。 在 Cognition 的 FrontierCode 2.0 中,GPT‑6.2 Sol 与 GPT‑6.2 Astra 的差距在 0.5 分以内,成本约为后者的五分之一(两者均为最高配置)。 FrontierCode 2.0 评估对真实代码库的改动是否符合维护者的合并标准。 它的速度与智能也使其非常适合人们在业余时间求助于 AI 的那些重要任务。在我们近期发布的 LifeVal 评估(衡量模型在具有挑战性的日常任务上的表现)中,GPT‑6.2 Sol 的得分超过 GPT‑6 Astra,成本约为后者的七分之一。 LifeVal 测试模型处理为某人量身定制的日常任务的能力,例如搬家后筛选幼儿园、寻找符合家庭预算和通勤需求的住房,或为一位刚刚面对新诊断的家长规划膳食。 我们训练 GPT‑6.2 Astra 生成更清晰、设计更好的幻灯片、电子表格和文档,更贴近法律、销售、金融和会计等领域专业人士使用的惯例。文字更直接、更具体,泛泛而谈的结论和空话更少。 Harvey LAB‑AA v1.1 使用法律任务来测试模型能否在源文件中找到相关事实、将其应用于一份详细的简报,并产出一份满足所有要求的准确交付物。GPT‑6.2 Astra 创下新的最优成绩,通过率是 Claude Fable 5.2 的两倍多,成本约为后者的六分之一。Astra for Law——我们为律师配置的 GPT-6.2 Astra——在该基准上得分更高。 Harvey LAB‑AA 测试诸如审阅合同条款之类的法律工作。其头条分数只有在交付物满足每一项评分标准且不含实质性幻觉时才会给分。 我们的内部 GDPval v2 基准是 GDPval 的下一代版本,其多步骤任务取自咨询、金融和设计领域的真实项目。GPT‑6.2 Astra 在我们测试的模型中领先,比 GPT‑6 Astra 高 6.2 个百分点,同时输出 token 少用 22%。GPT‑6.2 Sol 比 GPT‑6.1 Sol 提升 5.3 分。 GDPval v2 由取自咨询、金融和设计领域真实项目的任务组成,使用团队在任务分配时所持有的文件和消息。 GPT‑6.2 Astra 是我们迄今最擅长设计幻灯片和遵循幻灯片模板的模型,无论给定的是原始文件还是一张截图。它能精确匹配布局、颜色和排版,细到确切的字号,并将模板的写作风格延续到新幻灯片中。早期测试者发现,这些演示文稿更易于直接使用、所需修改更少,这得益于点明核心结论的标题和聚焦读者所需细节的简洁正文。 构建估值工作簿或撰写投资备忘录,首先要从源文件中找到相关数字,并弄清它们之间的关系。Artificial Analysis 的 AA‑AnalystAgent 在真实电子表格和报告上测试这项工作。在一项任务中,模型使用加州 Medicaid 的支出报告来计算该项目在医疗运输上花了多少钱。GPT‑6.2 Astra 创下新高,在全部五次独立尝试中正确回答了 62.5% 的问题。
(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。