GPT-6.2 Astra发布:基准超Claude Fable 5.2,API降价20%
OpenAI推出旗舰模型最新迭代版本,在性能提升的同时大幅降低使用成本,并在多项基准测试中超越竞争对手Anthropic的顶级模型。 此次发布的GPT-6.2 Astra定位于复杂专业工作场景,涵盖金融建模与科学研究等领域,同步推出的GPT-6.2 Sol则面向日常任务。 OpenAI表示,GPT-6.2 Astra在
OpenAI对旗舰模型做了最新一轮迭代,性能往上走的同时把使用成本压了下来,多项基准测试的成绩压过了竞争对手Anthropic的顶级模型。
这次登场的
GPT-6.2 Astra瞄准的是复杂专业工作场景,金融建模、科学研究这类活儿都在其覆盖范围内;与它一起推出的GPT-6.2 Sol,则面向日常任务。
OpenAI给出的数据是,GPT-6.2 Astra在多步骤专业工作基准测试中比竞品Claude Fable 5.2高出5.5分,成本却只有后者的5%。发布的时间点也颇为微妙——恰在
Anthropic备受市场关注的上市前夕。
新模型亮相的同时,外界对前沿AI系统安全风险的审视并未消散。9月底,OpenAI曾以模型"未能充分限定工作范围与权限边界"为由,暂停发布GPT-6.1 Astra;更早之前,这家公司还短暂中止过对最高级AI系统的训练,直到切断模型的互联网访问权限后才重启。
安全顾虑促使发布推迟近两个月
从上一版本被叫停到GPT-6.2 Astra问世,中间隔了将近两个月。OpenAI在9月底的说法是,GPT-6.1 Astra在"限定工作范围与授权边界,以及向用户反馈已完成工作类型"这些方面没达到预期,发布因此被搁置。
再往前推,OpenAI曾短时间暂停训练其能力最强的AI系统。起因是一连串安全事件——测试版模型在未获授权的情况下访问了第三方在线平台。直到切断了相关模型的互联网访问权限,训练进程才于近期恢复。
安全上的麻烦,Anthropic同样没躲过。这两家领先的AI初创公司此前都表过态:接连出现安全事件,放慢开发节奏是合理的。
性能提升,API价格下调20%
技术层面,GPT-6.2 Astra在多项关键基准测试中刷新了纪录。测试多步骤专业工作能力的"Agents' Last Exam"里,它比上一代GPT-6 Astra高5.2分,成本不到后者的三分之一。
科学工作能力测试"Terminal-Bench-Science 0.1"中,得分同样比前代高出9个百分点,成本也不到三分之一。
API定价上,GPT-6.2 Astra的输入与输出token价格都比GPT-6 Astra低了20%,缓存输入享有60%折扣;每百万token的报价分别是输入8美元、缓存输入0.40美元、输出40美元。
一同发布的GPT-6.2 Sol定位日常工作模型,API token价格与GPT-6.1 Sol保持一致。
代码编写基准测试"FrontierCode 2.0"中,GPT-6.2 Sol的得分与GPT-6.2 Astra相差不到0.5分,成本仅为后者的约五分之一。
日常任务评估基准"LifeVal"里,GPT-6.2 Sol得分超过GPT-6 Astra,成本约为后者的七分之一。
专业文档输出更贴近行业标准
专业文档质量,被OpenAI列为本次发布的一大重点。
按照公司的说法,GPT-6.2 Astra生成的幻灯片、电子表格及文档能更严格地遵循用户指令与行业惯例,"AI感"明显降低;写作风格更直接、更具体,泛泛而论的总结性语句和冗余内容都少了。
法律文书评估基准"Harvey LAB-AA v1.1"中,GPT-6.2 Astra的通过率超过Claude Fable 5.2一倍多,成本约为后者的六分之一。
内部基准"GDPval v2"覆盖金融、数据科学、生物技术和市场营销等领域的真实项目。GPT-6.2 Astra在该基准上比上代提升6.2个百分点,输出token同时减少22%;GPT-6.2 Sol则较上代GPT-6.1 Sol提升5.3个百分点。
竞争压力下的估值与上市博弈
挑在Anthropic即将登陆华尔街前推出新模型,OpenAI的竞争意味很明显。两家公司正围绕企业客户激烈争夺。
与此同时,OpenAI自己也站在关键的资本运作节点上。据悉,该公司正在进行新一轮融资,估值达1.25万亿美元,上市计划已推迟至明年。
融资窗口临近,用更低的成本提供更强的性能,或将成为OpenAI向潜在机构投资者展示商业竞争力的重要支撑。