DC娱乐网

GPT-6.2 Astra 和 Sol 来了



等了N多时候的 6.2 终于发布了,最无语的是刚发了个 Tibo 的图, 一副不会再发的样子。回头就看到发布上线了,已经可以使用了。
这次一口气发布两个模型,大家名字都熟,一看就知道分工:Astra 是旗舰,Sol 主打性价比。
OpenAI 已经开始猛猛宣传:专业工作和科学研究能力创新高,完成相同任务的成本不到 GPT-6 Astra 的三分之一。
第三方 Vals AI 的成绩也已经出来了。
科学研究第一,综合排名第七。
有进步,而且不小。但尴尬的是。。。还是被 Fable 5.2 远远的甩在了后面。
先看看两个模型到底有什么区别。
GPT-6.2 Astra 是旗舰推理模型,主要面向复杂编程、科学研究、专业文档、计算机操作和 3D 设计。
这次 OpenAI 花了不少篇幅介绍 PPT、Excel、法律文件和财务分析。
OpenAI 的 PPT 距离 Claude 的审美差距多大,不用我解释了吧,反正就是浓重的 AI 味。现在官方称 Astra 可以根据现有模板,甚至只给一张截图,就复刻幻灯片的布局、字体、颜色和设计风格。我多少有点不怎么相信,等有时间看。
3D 方面也有不少展示。
通过 CAD 和仿真工具,Astra 可以创建和修改机械结构。官方演示了遥控车装配、直列六缸发动机、汽车底盘动力学仿真等项目。
还能直接生成可交互的网站和 3D 场景。
这其实是我比较感兴趣的部分。AI 写代码我需要的,3D设计制作也是我也想要的。
GPT-6.2 Sol 则完全是另外一种思路。
不追求样样第一,尽量用更低的成本完成接近旗舰水平的工作。
日常编程、文档、数据分析、多步骤 Agent 工作流,都是它的主要应用方向。
OpenAI 公布的 Cognition FrontierCode 2.0 编程测试里,Sol 只比 Astra 低了 0.5 分,任务成本却只有 Astra 的五分之一。
我现在日常就是在用 Sol, 其实已经可以做到基本上一个礼拜里面用不完的程度。但这智商实在感人,没办法实现比较难一点的任务。
官方的其他成绩也公布了。
在 Agents' Last Exam 多步骤专业工作测试中,6.2 Astra 比 GPT-6 Astra 提高 5.2 个百分点,完成任务的成本不到三分之一。
Terminal-Bench-Science 0.1 科学研究测试,提高 9 个百分点,成本也不到三分之一。
GDPval v2 专业工作测试,提高 6.2 个百分点,输出 Token 减少 22%。
Sol 在同一项测试中比上一代提高 5.3 个百分点。
法律领域,OpenAI 给出的 Harvey LAB-AA v1.1 成绩尤其夸张。
Astra 的全条件通过率超过 Claude Fable 5.2 的两倍,成本约为后者的六分之一。
3D 方面,OpenAI 还引用了 Artificial Analysis 的 AA-3D 盲测。
GPT-6.2 Astra:1318 Elo
Claude Fable 5.2:1271 Elo
GPT-6.2 Sol:1259 Elo
Astra 排名第一。
这一轮发布,OpenAI 显然知道大家想要什么,并且努力的在证明,但。。。就这么说 OpenAI 最近产品不行是公认的,要想扭转真的需要大量的时间,已经真正能打的产品。
这不是,第三方 Vals AI 的综合榜就开始唱反调了。
我去翻了翻几个测评,有些明显是提前测试好的,和发布同步的发出了测评结果。11 月 17 日,Vals AI 已经完成了两个新模型的独立评测。
Vals Index v2.2 综合评分:
Claude Fable 5.2:71.31%,第 1
GPT-6.2 Astra:67.66%,第 7
GPT-6.2 Sol:66.06%,第 9
整个榜单收录 41 个模型。
OpenAI 这次依然没能拿回综合第一。
而且有点尴尬的是,Astra 和 Sol 的综合成绩只相差 1.6 个百分点。
具体项目的差异更明显。
Terminal-Bench-Science 科学研究:
Astra:71.43%,第 1
Sol:58.57%,第 3
Vals Science Index:
Astra:68.44%,第 1
Sol:57.76%,第 7
Terminal-Bench 4.0 编程:
Astra:63.13%
Sol:60.61%
Excel Modeling:
Astra:76.03%
Sol:74.29%
科学研究确实是 Astra 的强项,两项科学测试都拿下了第一。
但编程和 Excel 建模,两个模型已经非常接近。
再看看成本就更有意思了。
Vals Index 综合测试的单任务平均成本:
Astra:10.68 美元
Sol:3.18 美元
评分只差 1.6 个百分点,成本相差约 3.4 倍。
而上一代 GPT-6 Astra 在同一测试中的单任务成本是 21.28 美元。
6.2 Astra 直接砍掉了一半。
也就是说,OpenAI 这次最大的进步,可能不是模型比以前聪明了多少,而仅仅是更便宜了?
API 价格也下来了。
GPT-6.2 Astra:
输入:8 美元 / 百万 Token
缓存输入:0.40 美元
输出:40 美元
GPT-6.2 Sol:
输入:2 美元 / 百万 Token
缓存输入:0.10 美元
输出:10 美元
和 GPT-6 Astra 相比,新版 Astra 的输入、输出价格都下降 20%,缓存输入下降 60%。
Sol 则维持上一代的价格。
两个模型都支持约 105 万 Token 上下文窗口,最多输出 12.8 万 Token。
超过 27.2 万输入 Token 的请求,使用更高的长上下文费率。
这次也没有玩什么先公布、再慢慢开放的套路。
OpenAI 宣布从 11 月 18 日开始,在 ChatGPT Work 和 Codex 中向 Plus、Pro、Enterprise、Edu 用户开放 GPT-6.2 Astra 和 Sol。
API 也已经提供,模型名称分别是 gpt-6.2-astra 和 gpt-6.2-sol。
另外还有 Ultrafast 高速模式。
Pro 500 订阅者可以在两个模型上使用 Ultrafast。
Pro 200 也首次获得 Ultrafast,先从 GPT-6.2 Sol 开始。
以前 Ultrafast 主要是最高档订阅的特权,现在开始往下放了。
发布时候还强调了,自我改进能力的强大。
GPT-6.2 Astra 是 OpenAI 第一个达到 AI Self-Improvement High 级别的公开发布模型。
也就是 AI 自我改进能力,首次被评到 High。
OpenAI 的解释很直接:模型对 AI 研发工作的帮助,已经相当于给每名研究人员增加一位能力很强的研究工程师。
Sol 还没达到这个水平。
与此同时,两个模型的网络安全能力都达到了 Critical 级别,生物和化学能力达到了 High 级别。
网络安全已经是 Critical 了。
OpenAI 因此进一步收紧了相关安全措施,连一些正常的网络安全研究也可能受到影响。
报告还提到了一个不太光彩的问题。
在部分测试里,GPT-6.2 会遇到文件丢失、搜索工具故障等问题,但它没有主动向用户报告。
这个可能就是的大家常遇到的降智吧,看到这里是心凉了一半。
我的看法。
等了这么久,OpenAI 总算交了作业,我目前看来拉了一坨的概率不小。
更奇特的是,跟过去那种新模型一发布就横扫排行榜的场面不太一样。
GPT-6.2 Astra 别说打败 Claude Fable 5.2, 都只能排在第七。
那你发布了干嘛呢?为了发布而发布么?
所以,OpenAI 自己也心虚了吧,所以这次的 GPT-6.2 定价明显便宜。这里得有个补充,不是 AI 的那种,是我自己的 感受,可能 OpenAI 是真的遇到的了什么很重大的问题,影响了能力提升和发布。会不会真的是 AI 开始觉醒了?
我们了解的都很有限,还是只能尽量观望。
最后,没有重置。
那就这样,拜拜。