GPT-6.1Sol

Ներկայացնում ենք GPT-6.1 Sol-ը՝ GPT-6 Sol-ի կատարելագործված տարբերակը, որը ագենտային ծրագրավորման, համակարգչի օգտագործման և մասնագիտական աշխատանքի ոլորտներում ինտելեկտով գրեթե հավասարվում է GPT-6 Astra-ին՝ Astra-ի ստանդարտ մուտքային և ելքային թոքենների գնի մեկ հինգերորդով։ Քեշավորված մուտքի արժեքը կազմում է ընդամենը $0,10 մեկ միլիոն թոքենի համար՝ 95%-ով պակաս ստանդարտ մուտքի գնից և 50%-ով պակաս GPT-6 Sol-ի քեշավորված մուտքի գնից, ինչը մշակողներին ավելի մեծ հնարավորություն է տալիս ստեղծելու և գործարկելու ունակ ագենտներ, որոնք տարբեր հարցումների միջև վերօգտագործում են համատեքստը։

Ավելի հզոր Sol՝ տարատեսակ առաջադրանքների համար

GPT-6.1 Sol-ը կարևոր առօրյա աշխատանքի համար առաջարկում է հնարավորությունների և արժեքի նոր հավասարակշռություն։ Այն GPT-6 Sol-ի համեմատ զգալի բարելավումներ է ապահովում բարդ մասնագիտական առաջադրանքների լայն շրջանակում՝ սկսած կոդ գրելուց և վրիպազերծելուց մինչև փաստաթղթեր հասկանալն ու բազմափուլ բիզնես գործընթացներ իրականացնելը։ Այս գնահատումներից մի քանիսում այն էապես ավելի ցածր արժեքով մոտենում է GPT-6 Astra-ի արդյունավետությանը։

Կոդավորում

DeepSWE v1.1 թեստում, որը գնահատում է իրական կոդային բազաներում ծրագրային ճարտարագիտության բարդ առաջադրանքների կատարումը, GPT-6.1 Sol-ը հավասարվում է GPT-6 Astra-ին՝ մոտ հինգ անգամ ցածր գնով։ Միաժամանակ այն դատողության ավելի ցածր ինտենսիվությամբ և ավելի ցածր գնով 6,4 տոկոսային կետով գերազանցում է GPT-6 Sol-ի լավագույն արդյունքը։

Մասնագիտական աշխատանք

GDP.pdf թեստը չափում է՝ որքան ճշգրիտ են մոդելները պատասխանում մասնագիտական հարցերին՝ օգտագործելով բարդ PDF փաստաթղթեր՝ աղյուսակներով, գրաֆիկներով, գծապատկերներով և մանրատառ մանրամասներով։ Դատողության փորձարկված կարգավորումներում GPT-6.1 Sol-ն ավելի բարձր արդյունք է ցույց տալիս, քան պահուստային տարբերակներով Opus 5.5-ը՝ մեկ առաջադրանքի համար ավելի քան երկու անգամ ցածր գնով։ Այն նաև մեկ առաջադրանքի համար մոտ հինգ անգամ ցածր գնով մոտենում է GPT-6 Astra-ի՝ ոլորտում լավագույն արդյունավետությանը։

AutomationBench թեստում, որը չափում է՝ արդյոք ագենտները ճիշտ են կատարում բազմաքայլ բիզնես գործընթացները, GPT-6.1 Sol-ը դատողության միջին ինտենսիվության դեպքում 2.2 տոկոսային կետով գերազանցում է Opus 5.5-ին՝ մոտ երեք անգամ ցածր գնով։ Այս արդյունքը նաև 4.8 տոկոսային կետով բարձր է նույն կարգավորմամբ GPT-6 Sol-ի արդյունքից։

Համակարգչի օգտագործում

GPT-6.1 Sol-ը նաև զգալի առաջընթաց է գրանցում համակարգչային հավելվածների հետ փոխգործակցություն պահանջող առաջադրանքներում։ OSWorld 2.0-ի անցանց հավաքածուում, որը գնահատում է ագենտներին համակարգչի օգտագործման բարդ աշխատանքային գործընթացներում, GPT-6.1 Sol-ը դատողության առավելագույն ինտենսիվության դեպքում յոթ տոկոսային կետով գերազանցում է GPT-6 Sol-ին՝ ավելի քան երկու անգամ ցածր գնով։ Դատողության առավելագույն ինտենսիվության դեպքում այն Astra-ի արդյունքից հետ է մնում ընդամենը 2.1 տոկոսային կետով՝ մեկ առաջադրանքի համար մոտ յոթ անգամ ցածր գնով։

Գիտական հետազոտություն

Terminal-Bench Science 0.1 թեստը գնահատում է գիտական աշխատանքային գործընթացները, այդ թվում՝ տվյալների վերլուծությունը, մոդելավորումը և թեորեմների ապացուցումը։ Այստեղ GPT-6.1 Sol-ը դատողության առավելագույն ինտենսիվության դեպքում ավելի քան կրկնապատկում է GPT-6 Sol-ի արդյունքը՝ մեկ առաջադրանքի համար ավելի քան երկու անգամ ցածր գնով։ Առավելագույն ինտենսիվության դեպքում GPT-6.1 Sol-ով մեկ առաջադրանքն արժե միջինը $5.47՝ Opus 5.5-ի $23.21-ի և Astra-ի $23.80-ի համեմատ։ Այն ապահովում է գիտական աշխատանքի զգալի կարողություններ՝ երկու մոդելներից յուրաքանչյուրի համեմատ ավելի քան 75%-ով ցածր գնով։

GPT-6 Astra-ն շարունակում է փորձարկված մոդելների շարքում գրանցել ամենաբարձր արդյունքը՝ 68.1%, և այն պետք է օգտագործել ամենաբարդ գիտահետազոտական առաջադրանքների համար։

Փաստական ճշտություն

GPT-6.1 Sol-ը նաև բարելավում է փաստական ճշգրտությունը բարդ հարցումների դեպքում։ GPT-6 Sol-ի համեմատ փաստացիության ամենամեծ բարելավումը նկատվում է հիմնավորման ցածր ջանքի դեպքում, երբ փաստական սխալ պարունակող պատասխանների բաժինը 11,4%-ից նվազում է մինչև 7,7%՝ մոտավորապես 32%-ով։ Փորձարկված հիմնավորման բոլոր կարգավորումներում դրա սխալների մակարդակը GPT-6 Astra-ի ցուցանիշից տարբերվում է առավելագույնը 1,9 տոկոսային կետով՝ մեկ առաջադրանքի համար մեկ հինգերորդից էլ պակաս արժեքով։

Այս գնահատումը չափում է առնվազն մեկ փաստական սխալ պարունակող պատասխանների բաժինը՝ օգտագործելով ապանձնավորված զրույցներ, որոնցում օգտատերերը նշել էին նախորդ մոդելի սխալը։ Դիտավորյալ ընտրված այս բարդ հարցումները չեն արտացոլում սովորական օգտագործումը։

GPT-6.1 Sol-ի անվտանգ գործարկումը

Օգտատիրոջ մտադրությանն ու անվտանգության պահանջներին համապատասխանության մեր գնահատումներում GPT-6.1 Sol-ը զգալի բարելավումներ է ցույց տալիս GPT-6 Sol-ի համեմատ՝ մոտենալով GPT-6 Astra-ին։

GPT-6.1 Sol-ը ավելի թափանցիկ է իր սահմանափակումների վերաբերյալ և ավելի հուսալի է օգտատիրոջ մտադրությունն ու անվտանգության սահմանափակումները պահպանելու հարցում։ Բարդ գնահատումներում այն GPT-6 Sol-ի համեմատ ավելի ցածր ձախողման ցուցանիշներ է ցույց տալիս չաշխատող որոնման գործիքների մասին թափանցիկ տեղեկացնելու, հստակ սահմանափակումները պահպանելու և ագենտային առաջադրանքների ընթացքում չարտոնված արդյունքներից խուսափելու առումով։ Մենք չենք արձանագրել ավտոմատացված անվտանգության ստուգումը շրջանցելու որևէ փորձ, ինչը համընկնում է GPT-6 Astra-ի և GPT-6 Sol-ի արդյունքների հետ։ Ամբողջական մանրամասները կարող եք գտնել GPT-6.1 Sol համակարգային քարտի հավելվածում⁠(բացվում է նոր պատուհանում)։

Ստորև ներկայացված գնահատումներում դիտավորյալ փորձարկվում են բարդ իրավիճակներ․ դրանք չեն չափում սովորական օգտագործման ընթացքում ձախողումների հաճախականությունը։

Գներ և հասանելիություն

GPT-6.1 Sol-ը այսօրվանից հասանելի է ChatGPT Work-ում և Codex-ում՝ Plus, Pro, Business, Enterprise և Edu բոլոր օգտատերերի համար։ GPT-6.1 Sol-ը դեռ հասանելի չէ Chat-ում։ Մշակողները կարող են այն օգտագործել նաև OpenAI API-ի միջոցով՝ gpt-6.1-sol անվամբ։ Դրա ստանդարտ API գներն են՝ $2 մեկ միլիոն մուտքի թոքենի համար, $0,10 մեկ միլիոն քեշավորված մուտքի թոքենի համար և $10 մեկ միլիոն ելքի թոքենի համար։ Առաջիկա օրերին կառաջարկենք նաև GPT-6.1 Sol Ultrafast⁠ տարբերակը, որը Codex-ում ստանդարտ արագության համեմատ կապահովի թոքենների մինչև 8 անգամ ավելի արագ գեներացում։