OpenAI发布GPT-6.2Astra与Sol,在长程专业工作流基准上拿到78.3%新高,单任务花费却只有ClaudeFable5.2的零头。Astra的API单价下调两成,Sol在生活类任务上超越上一代旗舰。成本曲线正被重新划定。
为庆祝Anthropic顺利上市,OpenAI发布了GPT-6.2Astra&Sol:
Astra:输入$8,缓存$0.40,输出$40
Sol:输入$2,缓存$0.10,输出$10
在长程专业工作流的Agents’LastExam上,GPT-6.2Astra拿到新高(78.3%),每个任务花$2.89,而ClaudeFable5.2,则要$60.05
对于同样的多步专业任务,GPT-6.2Astra比上一代高5.2分,花费不到三分之一
Astra的API单价降了20%(缓存输入降60%),同样的活输出的token更少
Sol价格照旧,生活类任务上超过了上一代旗舰GPT-6Astra
今天起,ChatGPTWork和Codex里的Plus、Pro、Enterprise、Edu用户(后两类由管理员开启)都能用,API同步上线
Benchmark成绩如下:
能操作到单个零件
GPT-6.2现在有了更牛逼的computeruse
比如把一辆跑车在山路上的底盘动力学做成可视化:Astra建了3D模型,用Python写了轮胎和悬架的求解器,再在Blender里做成动画
照着公开照片和组装手册,它把一台1:8油动遥控越野车套件和一台直列六缸发动机逐个零件建了出来,附上装配动画和带图的零件目录
对于CAD和仿真软件,则可以细微操作到每一个零件和连接,工程师打样前就能查零件配合、看运动时载荷怎么转移
在CAD建模的BenchCAD上,它从GPT-6Astra的62.6%涨到了82.5%
OpenAI团队还拿它把芝加哥MarinaCity双塔的扇形阳台做成了一盏纸灯:从参考照片出发,经过几轮CAD改版,最后手工拼成实物;配套生成纸灯图纸的网站由Astra写成
做网页和浏览器3D交互时,它挑版式和图片更贴合网站的用途
做AI视频的Higgsfield内部测3D生成,GPT-6.2Astra有73%一次到位(GPT-6Astra要改三轮以上)
更更更省钱
在长程专业工作流的Agents’LastExam上,GPT-6.2Astra拿到新高(78.3%),每个任务花$2.89;对比与昂贵的ClaudeFable5.2,每个任务则要$60.05
之所以这么省,一方面API输入输出单价比GPT-6Astra降了20%,另一方面跑同样的活输出的token更少
科研上,OpenAI管GPT-6.2Astra叫“对科学家最好的模型”,在终端里跑科研流程的Terminal-Bench-Science上,它比GPT-6Astra高9个百分点,花费不到三分之一
解读真实生物数据、跑模拟实验反推系统机制的ValsScienceIndex上,GPT-6.2Astra拿到了最高分(68.4%)
Sol追上了上一代旗舰
GPT-6.2Sol沿用GPT-6.1Sol的价格,每百万token输入$2、输出$10。OpenAI内部不少人拿它当默认模型,技术活和日常杂活都交给它
测日常复杂任务的LifeVal里,有搬家后筛幼儿园、按预算和通勤找房、给刚确诊的父母配餐这类事。Sol拿了83.8%,超过了GPT-6Astra(79.8%),花费约七分之一
至于写代码,Cognition的FrontierCode2.0看真实代码库的改动能不能达到维护者合并的标准,都开在max档时,Sol(43.8%)和自家Astra(44.2%)差0.4分,花费约五分之一
更高的交付标准
OpenAI这次专门训练GPT-6.2Astra做幻灯片、表格和文档,照着法律、销售、金融、会计这些行当自己的规矩来,文字更直接具体
法律科技公司Harvey的LAB-AA拿审合同条款这类活来考,交付物要满足每一条评分标准、零实质性幻觉才算通过。GPT-6.2Astra的通过率(15.0%)超过ClaudeFable5.2(7.2%)的两倍,成本约六分之一
OpenAI内部的GDPvalv2从咨询、金融、设计的真实项目里抽题,直接给项目组当年派活时的文件和消息。Astra拿到50.4%,比GPT-6Astra(44.2%)高6.2个百分点,输出的token少了22%
做幻灯片时,给它一份模板原文件或者一张截图,GPT-6.2Astra能把版式、配色、字体对到具体字号,连模板的文风一起带进新页面
OpenAI拿一家零售商公开的Q1财报PPT,喂进Q2财报和10-Q,让两代模型更新。两边都看出关税退款拉动了利润增长;GPT-6.2Astra把5.3%的销售增长写进标题,拆开线上和门店,再给管理层列了下一步:畅销品备足货,预算按没有后续退款重做
表格上,ArtificialAnalysis的AA-AnalystAgent让模型在真实的表格和报告里找数、算账,比如用加州Medicaid的支出报告算出医疗交通花了多少钱。GPT-6.2Astra在62.5%的题目上五次独立作答全对,创下新高。做会计AI的Basis测下来,长程会计活的平均用时降了一半,最复杂的降了73%
自我改进到了High档
两款新模型在网络安全上的能力又涨了一截,和GPT-6Astra一样达到OpenAI准备度框架的Critical档,找漏洞、写漏洞利用、写安全代码和打补丁都比上一代强(这组测试关掉了网络安全防护)
因此这次上线收紧了高风险网络安全请求的拦截,部分正常的漏洞研究也会受限。经过审批的防守方,目前可以在OpenAIDaybreak上用放宽限制的GPT-6Astra和GPT-6Cyber,6.2后续会接进去
GPT-6.2Astra是OpenAI第一个对外发布、在“AI自我改进”上达到High档的模型
对于High档,相当于以2024年为基线,给每位OpenAI研究员多配了一名能干的研究工程师当助手
最后
Ultrafast模式这次开放给了更多人:
$200档的Pro订阅第一次能用,先开放Sol
$500档的Pro订阅,两款模型都能用
以及走API的话,有个省钱小妙招:
每次都要用的那段提示词固定放在最前面,新指令接在后面。这样开头那段能命中缓存,按缓存价算,比正常输入便宜20倍