OpenAI双发GPT-6.2:Astra科研登顶,Sol性能逼近旗舰
GPT-6.2 Astra和GPT-6.2 Sol,这次一起等来了!!!(欢呼.jpg)
Sol这次的表现,已经快摸到旗舰的门槛了。
梦瑶 发自 凹非寺量子位 | 公众号 QbitAI
OpenAI是真会玩,一出手就是双王炸。
GPT-6.2 Astra和GPT-6.2 Sol,这回一块儿等到了!!!(欢呼.jpg)
Astra在各个维度上的性能,这回是一起卷起来的——
- 复杂Agent能力升级:专业任务评测比前代高出5.2个百分点,任务成本压到三分之一以下。
- 科研能力刷新纪录:相关评测提升9个百分点,OpenAI直接说它是全球最强科学家模型。
- 编程能力再升级:FrontierCode 2.0评测里拿到44.2%,比前代多1.4个百分点。
- 3D生成登顶榜单:Artificial Analysis的AA-3D评测中,它以1318 Elo排第一,压过Fable 5.2的1271分。
到底多能打,直接上才艺展示~
看这个,Astra当起了网页设计师,布局到配图全包,还能给不同网站做出专属的视觉风格:
再看这个,只给照片和手册,Astra就把遥控汽车连发动机一起建模了,组装动画也顺手做完,有点厉害哈:
AA-3D评测里它更是以1318 Elo登顶,精细3D模型说搓就搓,沉浸式交互场景也能直接生成,be like:
△x@fal
轻量版Sol也不差,编程能力向Astra看齐,任务成本只有它的五分之一。
价格方面,6.2 Astra的API降价20%——
输入每百万Token 8美元、输出40美元,缓存输入价格降幅更达到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。
两款模型目前已经上线ChatGPT Work、Codex和API,Plus、Pro等订阅用户都能用。
话不多说,新模型的具体能力直接来看~
Astra刷新专业任务纪录,Sol逼近旗舰性能
先看看这次GPT-6.2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。
高频、日常的专业任务,则交给6.2 Sol来承担。
两个模型的能力亮点,这里先做个简单梳理,让各位先睹为快。
△AI生成
从公开的成绩看,Astra进步最明显的地方集中在复杂任务执行、科研、编程与视觉设计这几块。
复杂专业任务方面,纪录被刷新,完成成本压到了前代的三分之一以下。
Agents’ Last Exam评测里,GPT-6.2 Astra比GPT-6 Astra高出5.2个百分点。
对比Claude Fable 5.2,它也领先5.5个百分点,单任务成本只有后者的5%,确实有点东西。
科研能力同样在往上走,OpenAI给出的定位直接是「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的成绩同样被刷新,这项评测要求模型理解真实生物数据来设计实验,再通过实验推断模拟系统的运行规律。
也就是说,它已经不只是回答科学知识,而是更贴近科研人员的实际工作过程。
编程、3D设计和电脑操作这几项能力,当然也集体上了一个台阶。
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以57分追平上一代旗舰,成本还更低。
3D生成的表现更抢眼,Astra以1318 Elo登上AA-3D榜单首位,超过Claude Fable 5.2的1271分,Sol也拿到1259分。
OpenAI还放出了一个挺有意思的Demo。
GPT-6.2 Astra直接在CAD软件里做起了机械设计。
它能把机械零件逐个处理,检查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。
它先建3D模型,再写Python程序模拟轮胎与悬挂系统的运动关系,最后用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,工程师可以借此快速测试设计方案。
视觉推理方面还有一个例子。
Astra直接做出了一个可交互的3D后花园。
蔬菜种植区、围栏、绿植都有,视角能自由切换,花坛布局也能调整。
连一天里不同时间段的日照也能模拟出来,植物在各个时段能晒到多少光,看一眼就清楚:
安全这块的提升同样明显。GPT-6.2 Astra和Sol在找漏洞、利用漏洞以及修代码三方面都做了升级,两个模型还都拿到了OpenAI网络安全能力中的最高风险等级。
在DeepBinary漏洞挖掘评测里,Astra挖出的漏洞按赏金折算总额超过100万美元,前代大约只有44万美元:
旗舰模型亮完肌肉,6.2 Sol这边也有自己的戏份。编程这块,它已经追得离Astra很近了。
在Cognition的FrontierCode 2.0评测中,GPT-6.2 Sol和Astra只差0.5分,可完成任务的花费大约只有后者的五分之一。放到一些实际开发任务里看,Sol已经能用低得多的成本做出接近旗舰模型的效果。
日常任务评测LifeVal里,Sol的分数甚至压过了上一代GPT-6 Astra,成本约为后者的七分之一。OpenAI还提到,公司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,这里也能看出个大概。
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这回还有一处升级,打工人大概最有感觉: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比前代高出6.2个百分点,Sol也涨了5.3个百分点。Astra完成任务要输出的Token还少了22%,效率随之往上走。
Excel这部分,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,不过GPT-6.2 Astra交出的表格明显更清楚、更好用。收入结构、企业估值到每股价值的计算过程,还有不同假设下估值怎么变,它全塞进了同一页。
PPT这边,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一口气给了8款设计,徽章、T恤、背包刺绣都有:
还有个案例,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程度——品牌按价格和风格分了类,还配上品牌Logo、价格区间,以及6款代表性连衣裙的图片和售价:
天天跟表格、幻灯片打交道的上班族,这次升级带来的便利很具体。
GPT-6.2 Astra和Sol眼下都已上线ChatGPT Work、Codex及API,Plus、Pro等订阅用户都能用上。
想试的话,现在就可以上手了。
参考链接:
[1]https://openai.com/index/introducing-gpt-6-2-astra-sol