GPT-6.2双发:Astra专业任务涨5.2个点,Sol价格仅其五分之一
GPT-6.2 Astra和GPT-6.2 Sol,这次一起等来了!!!(欢呼.jpg)
梦瑶 发自 凹非寺
量子位 | 公众号 QbitAI
OpenAI这回是真会玩,一出手就是双发。
GPT-6.2 Astra和GPT-6.2 Sol,这次一块儿等来了!!!(欢呼.jpg)
说真的,Astra这回各方面性能是齐刷刷往上走——
- 复杂Agent能力升级:专业任务评测比前代高了5.2个百分点,任务成本压到三分之一以下。
- 科研能力破了纪录:相关评测涨9个百分点,OpenAI干脆称它是全球最强科学家模型。
- 编程能力也再上一层:FrontierCode 2.0评测里拿到44.2%,比前代多1.4个百分点。
- 3D生成直接登顶:Artificial Analysis的AA-3D评测中,以1318 Elo排第一,压过Fable 5.2的1271分。
到底多能打?咱们直接上才艺展示~
先看这个,Astra当起网页设计师,布局到配图全包,还能给不同网站定制专属视觉风格:
再看这个,只给照片和手册,Astra就把遥控汽车连发动机都建了模,组装动画也顺手做了,是有点厉害哈:
AA-3D评测里它更是以1318 Elo登顶,精细3D模型随手就搓,沉浸式交互场景也能直接生成,be like:
△x@fal
轻量版Sol也不含糊,编程能力紧追Astra,任务成本只有它的五分之一。
价格方面,6.2 Astra的API降了20%——
输入每百万Token 8美元、输出40美元,缓存输入价格降幅更是达到60%。
6.2 Sol则维持原价,API输入、输出每百万Token分别是2美元和10美元。
眼下两款模型都已上线ChatGPT Work、Codex和API,Plus、Pro等订阅用户都能用。
废话不多说,新模型的具体能力咱们直接看~
Astra刷新专业任务纪录,Sol逼近旗舰性能
先看看GPT-6.2这回到底升级了多少。
OpenAI在官方公告里,把6.2 Astra定位成面向高难度项目的旗舰模型。
6.2 Sol则担起高频、日常的专业任务。
两个模型的能力亮点,这里先做一轮简单梳理,后面再逐项展开。
△AI生成
从官方公布的成绩看,Astra提升最明显的地方集中在复杂任务执行、科研、编程和视觉设计这几块。复杂专业任务一项刷新了纪录,完成成本压到前代的三分之一以下。
在Agents’ Last Exam评测里,GPT-6.2 Astra比GPT-6 Astra高出5.2个百分点;对标Claude Fable 5.2,领先幅度为5.5个百分点,单任务成本却只有后者的5%。
科研方面同样在往上走,OpenAI给出的说法是「全球最强科学家模型」。Terminal-Bench-Science 0.1中,Astra较前代提升9个百分点,任务成本也降到三分之一以下。
Vals Science Index的成绩也被刷新。这项评测要求模型读懂真实生物数据、据此设计实验,再通过实验推断模拟系统的运行规律。说白了,它已经不只是回答科学知识,而是更贴近科研人员实际干活的过程。
编程、3D设计和电脑操作这几项能力,也一并上了一个台阶。
第三方评测机构Artificial Analysis的综合智能指数里,Astra拿到62分,比前代多5分;Sol为57分,追平上一代旗舰,成本反倒更低。
3D生成的表现更抢眼:Astra以1318 Elo登上AA-3D榜单第一,超过Claude Fable 5.2的1271分,Sol也拿到1259分。
OpenAI还放出一个挺有意思的Demo——GPT-6.2 Astra直接进CAD软件里做机械设计。
它能一个零件一个零件地处理,核对各组件之间的连接关系。这种需要精细操作的工程任务,它也能自己动手完成。
下面这个demo也值得一看:6.2 Astra模拟了一辆汽车在山路上的行驶动态。
流程是先建3D模型,再写Python程序模拟轮胎与悬挂系统的运动关系,最后交给Blender生成动画。汽车行驶画面、悬挂运动和轮胎受力数据同步呈现,工程师测试设计方案时能省不少事。
视觉推理方面还有一个例子——Astra搓出了一个可交互的3D后花园。
蔬菜种植区、围栏、绿植都齐了,视角能自由切换,花坛布局也能随手调整。它甚至能模拟一天中不同时段的阳光照射,植物的采光情况一眼就能看到。
安全这块的能力同样有不小的进步。
GPT-6.2 Astra和Sol在找漏洞、利用漏洞和修代码三方面都做了升级。
结果两款模型都拿到了OpenAI网络安全能力里的最高风险等级。
DeepBinary漏洞挖掘评测里,Astra挖出的漏洞按赏金估算总额超过100万美元,上一代大约只有44万美元:
旗舰模型亮完肌肉,6.2 Sol也有自己的一套。
编程这块尤其明显,它已经快追上Astra了。
Cognition的FrontierCode 2.0评测里,GPT-6.2 Sol和Astra只差0.5分,任务成本却只要后者的约五分之一。
说白了,Sol在一些真实开发任务里,已经能花明显更少的钱逼近旗舰模型的水准。
日常任务评测LifeVal中,Sol的分数甚至压过上一代GPT-6 Astra,成本只有后者的约七分之一。
OpenAI还提到,内部不少员工已经把Sol当成技术和非技术工作的默认模型,两款模型怎么分工,这下也就说得通了。
PPT、Excel、文档全升级,GPT-6.2办公能力更强了
科研和编程之外,GPT-6.2这次还有一项升级,打工人大概会很有感觉。
做PPT、处理Excel、写专业文档,全都加强了!!!
衡量真实专业工作能力的GDPval v2评测中,Astra比前代高6.2个百分点,Sol也涨了5.3个百分点。
另外Astra完成任务所需的输出Token少了22%,效率也跟着上去了。
Excel这块,OpenAI让新旧两代Astra做同一道题:根据财务数据,给一家虚构公司做收入预测和估值表:
两代模型都做完了,但GPT-6.2 Astra出的表格明显更清爽、更好用。
收入结构、企业估值到每股价值的算法,还有不同假设下估值怎么变,它全塞进了同一页。
PPT这块,OpenAI让两代Astra给四个团队设计动物主题周边。
前代每个团队只出一个形象,GPT-6.2 Astra一次拿出8款设计,徽章、T恤、背包刺绣都有:
还有个例子,OpenAI让两代Astra做一页女性中高端时尚品牌的市场分析PPT。
GPT-6.2 Astra的成品明显更接近能直接拿去讲的水平——
品牌按价格和风格分了类,还放进了品牌Logo、价格区间,以及6款代表性连衣裙的图片和售价:
对天天跟表格、幻灯片较劲的打工人来说,这波升级确实挺实在。
眼下,ChatGPT Work、Codex和API三个入口都已经接上GPT-6.2 Astra与Sol,Plus、Pro等订阅用户都能直接用。
想尝鲜的话,现在就可以去试了。
参考链接:
[1]https://openai.com/index/introducing-gpt-6-2-astra-sol