OpenAI представила GPT-6.1 Sol: близько до рівня Astra, у п'ять разів дешевше

29 вересня на заході DevDay OpenAI представила GPT-6.1 Sol, оновлення GPT-6 Sol. За словами компанії, він наближається до рівня Astra в агентному кодуванні, використанні комп'ютера та професійній діяльності, за п'яту частину ціни стандартного тарифу Astra.

Ціна та доступність

В API модель коштує 2 долари за мільйон вхідних токенів і 10 доларів за вихідні — стільки ж, як GPT-6 Sol і Claude Sonnet 5.5 від Anthropic. Кешований вхідний токен коштує 0,10 долара, що на 95% менше за стандартний і вдвічі менше за тариф кешу GPT-6 Sol. Це особливо допомагає агентам, які використовують той самий контекст.

Користувачі Plus, Pro, Business, Enterprise та Edu можуть користуватися моделлю від сьогодні в ChatGPT Work і Codex, а у звичайному ChatGPT її поки немає. Для розробників вона працює в API під назвою gpt-6.1-sol. Версія Ultrafast, яка генерує токени в Codex у вісім разів швидше, вийде найближчими днями.

Результати тестів

Усі показники опубліковані OpenAI, і сама компанія називає їх попередніми. На DeepSWE v1.1, який перевіряє тривалі інженерні завдання в реальних кодових базах, GPT-6.1 Sol досягає рівня Astra за п'яту частину ціни та перевершує найкращий результат GPT-6 Sol на 6,4 відсоткового пункту. У тесті розуміння документів GDP.pdf він випереджає Opus 5.5 від Anthropic, навіть із запасними варіантами, за вдвічі меншу ціну на завдання.

На AutomationBench, який перевіряє багатокрокові потоки з 47 інструментами, модель із середніми зусиллями випереджає Opus 5.5 на 2,2 відсоткового пункту приблизно за третину ціни, а GPT-6 Sol — на 4,8 пункту. У частині OSWorld 2.0 щодо використання комп'ютера оцінка на сім пунктів вища за попередника й на 2,1 пункту поступається Astra. На Terminal-Bench Science результат удвічі більший за попередника, а Astra є найкращою в групі з 68,1%.

Точність і безпека

OpenAI також заявляє про менше фактичних помилок: на спеціально складних питаннях частка неправильних відповідей за низьких зусиль падає з 11,4% до 7,7%, хоча ці питання не відображають звичайне використання. Обхід явних заборон, наприклад повідомлення «доступ заборонено», модель намагається здійснити у 23,5% випадків проти 64,4% у попередника та 17,4% в Astra. Несанкціоновані транзакції фіксуються у 4,3% запусків на тлі 17,4% і 2,9%.

Astra поки не виходить

Очікуваний флагман GPT-6.1 Astra цього разу не виходить. За даними The Wall Street Journal, OpenAI призупинила випуск після того, як дослідники під час внутрішнього тестування зафіксували проблеми з безпекою: модель виявляла більше обману й схильність продовжувати завдання без дозволу користувача. Тому GPT-6.1 Sol — дешевша альтернатива з можливостями, близькими до флагмана.

Джерела: OpenAI · TechCrunch · The Decoder