我們正式推出 GPT-6.2 Astra,這是我們為您最艱鉅專案打造的全新前沿模型;同時也推出 GPT-6.2 Sol,這是一款高效且多功能的日常工作模型。兩款模型都能在嚴苛任務中提供更優異的結果,並減少輸出代幣用量,讓您在用量限制內完成更多工作。對於企業和開發者而言,這意味著能以具備規模效益的成本,獲得前沿的效能。
GPT-6.2 Astra 為人工智慧在複雜專業工作中的品質樹立了新標竿。它生成的簡報、試算表和文件,閱讀起來更自然,更貼近您提供的範本和您領域的慣例。它能編寫更簡潔的程式碼,並建構外觀和功能更優異的前端介面,尤其適用於網站、遊戲和 3D 設計。
在測試多步驟專業工作的「Agents’ Last Exam」中,GPT-6.2 Astra 創下新高,比 GPT-6 Astra 高出 5.2 分,且成本不到三分之一;比 Claude Fable 5.2 高出 5.5 分,成本僅為 5%。
「Agents’ Last Exam」評估模型在長期專業工作流程中的表現。Fable 5.2 的排行榜結果不包含九項使用備用模型的任務。
我們相信 GPT-6.2 Astra 是世界上最適合科學家的模型。它在「Terminal-Bench-Science 0.1」中創下新高,該測試評估模型在終端機中執行科學工作的能力。GPT-6.2 Astra 比 GPT-6 Astra 高出 9 個百分點,成本不到三分之一。
它還在「Vals Science Index」中創下新高,該指數要求模型解釋真實的生物數據並執行實驗,以推斷模擬系統的運作方式。
在 API 中,GPT-6.2 Astra 的輸入和輸出代幣價格比 GPT-6 Astra 低 20%,快取輸入享有 60% 的折扣(每百萬代幣輸入 8 美元,快取輸入 0.40 美元,輸出 40 美元)。GPT-6.2 Sol 則維持 GPT-6.1 Sol 的 API 代幣價格。在多項基準測試中,兩款模型在每項任務的成本僅為其他領先模型的一小部分,卻能接近或超越其效能。
GPT-6.2 Sol:我們的日常工作首選模型
相較於 GPT-6.1 Sol,GPT-6.2 Sol 更智慧、更高效,讓您在相同的付費方案中完成更多任務。它能順暢執行多步驟的代理工作流程,編寫清晰自然的文字,並且易於協作。OpenAI 的許多員工都將其作為技術和非技術任務的預設模型。
在 Cognition 的「FrontierCode 2.0」中,GPT-6.2 Sol 在最高設定下,與 GPT-6.2 Astra 僅相差 0.5 分,而成本約為五分之一。
「FrontierCode 2.0」評估對真實程式碼庫的更改是否符合維護者的合併標準。
它的速度和智慧也使其成為人們在工作之外使用 AI 處理重要任務的理想選擇。在我們最近發布的「LifeVal」評估中,該評估衡量模型在具挑戰性日常任務中的表現,GPT-6.2 Sol 超越了 GPT-6 Astra,而成本約為七分之一。
「LifeVal」測試模型處理根據個人需求量身定制的日常任務的能力,例如搬家後篩選幼稚園、找到符合家庭預算和通勤的房屋,或為適應新診斷的父母規劃膳食。
符合行業標準的專業輸出
我們訓練 GPT-6.2 Astra 能夠創建更清晰、設計更好的簡報、試算表和文件,這些文件更貼近法律、銷售、金融和會計等領域專業人士使用的慣例。其寫作風格更直接、更具體,減少了通用性的結論和冗餘的內容。
Harvey LAB-AA v1.1 使用法律任務來測試模型是否能從原始文件中找到相關事實,將其應用於詳細的簡報,並產生符合所有要求的準確交付成果。GPT-6.2 Astra 創下新的技術水準,通過率比 Claude Fable 5.2 增加一倍以上,而成本約為六分之一。我們為律師配置的 GPT-6.2 Astra 版本「Astra for Law」,在此基準測試中得分更高。
Harvey LAB-AA 測試法律工作,例如審查合約條款。其主要分數僅在交付成果符合所有評分標準且不包含任何實質性幻覺時才給予肯定。
我們的內部 GDPval v2 基準測試是 GDPval 的下一個迭代版本,包含來自諮詢、金融和設計領域真實專案的多步驟任務。GPT-6.2 Astra 在我們測試的模型中領先,比 GPT-6 Astra 提升 6.2 個百分點,同時減少 22% 的輸出代幣用量。GPT-6.2 Sol 比 GPT-6.1 Sol 提升 5.3 分。
GDPval v2 包含來自諮詢、金融和設計領域真實專案的任務,使用團隊在任務分配時擁有的文件和訊息。
簡報
GPT-6.2 Astra 是我們迄今為止在設計簡報和遵循簡報範本方面表現最好的模型,無論是給予原始檔案還是螢幕截圖。它能精確匹配版面配置、顏色和字體,甚至精確到字體大小,並將範本的寫作風格帶入新的簡報頁面。早期測試者發現,由於標題直接點出主要結論,內文簡潔並專注於讀者所需的細節,因此簡報更易於直接使用,需要編輯的地方更少。
工作簿與備忘錄
建立估值工作簿或撰寫投資備忘錄,首先要從原始文件中找到相關數字並釐清它們之間的關係。Artificial Analysis 的 AA-AnalystAgent 測試了在真實試算表和報告上的這項工作。在一項任務中,模型使用加州醫療補助的支出報告來計算該計畫在醫療運輸上花費了多少。GPT-6.2 Astra 創下新高,在所有五次獨立嘗試中,正確回答了 62.5% 的問題。
電腦使用與互動式網頁設計
GPT-6.2 Astra 更精確的電腦使用能力,使其能夠在 CAD 和模擬工具中處理到單個零件和連接。工程師可以利用這些額外的細節來檢查組件的契合度,查看設計移動時負載如何轉移,並在建造原型之前測試修改。
駕駛模擬
我們要求 GPT-6.2 Astra 視覺化汽車在山路上行駛時的底盤動態。Astra 創建了 3D 模型並編寫了 Python 求解器來模擬輪胎和懸吊之間複雜的動態,然後在 Blender 中動畫化結果。這使工程師能夠快速測試新設計並隨著時間的推移提高模擬準確性。
機械設計與組裝
GPT-6.2 Astra 可以逐零件地建模機械系統,讓工程師能夠展示其組裝方式,並測試設計變更如何影響其行為。
從 CAD 到紙燈
我們的團隊使用 GPT-6.2 Astra 將芝加哥 Marina City 大樓的扇形陽台變成了一盞燈。這段影片展示了從參考照片到 CAD 修改,再到手工組裝實體燈的設計過程。由 GPT-6.2 Astra 生成的網站,可用於創建您自己的紙燈。
GPT-6.2 Astra 為網頁設計帶來了更強大的視覺推理能力,選擇了能賦予每個網站獨特外觀的版面配置和圖像,並圍繞網站的實際目標構建元素。
這些在視覺推理和電腦使用方面的進步也延伸到 3D 設計。GPT-6.2 Astra 和 Sol 可以將書面簡報轉化為互動式瀏覽器體驗,從您可以玩的彈珠台到您可以從不同角度探索的羅馬競技場重建。在 Artificial Analysis 的 AA-3D 中,人類評審嘗試了兩個由相同提示詞構建的盲測體驗,並投票選出他們偏愛的一個。
GPT-6.2 Astra 以 1,318 Elo 排名第一,其次是 Claude Fable 5.2 的 1,271 和 GPT-6.2 Sol 的 1,259。
更簡潔程式碼風格的高效工作流程
GPT-6.2 Astra 對於如何執行任務有更好的判斷力,包括將其工具和精力與工作流程匹配,並知道何時使用外掛程式而非電腦操作。
在程式碼方面,GPT-6.2 Astra 更擅長在現有程式碼庫中實施和測試複雜的更改。早期測試者報告了更簡潔的程式碼風格和更專注的測試,減少了修訂回合。
網路安全能力
GPT-6.2 Astra 和 GPT-6.2 Sol 在網路安全能力方面實現了另一個顯著飛躍。它們能更有效地發現和利用漏洞,編寫更安全的程式碼,並產生更好的修補程式,在多項評估中顯著提高了代幣效率。與 GPT-6 Astra 一樣,6.2 Astra 和 Sol 在我們的「準備框架」下達到了網路安全的「關鍵」門檻。
由於其能力提升,我們正在推出 GPT-6.2 Astra 和 Sol,並針對高風險網路安全協助實施更嚴格的防護措施。這些保護措施降低了濫用風險,但也限制了一些合法的漏洞研究和安全測試工作流程。透過 OpenAI Daybreak,經批准的防禦者目前可以在 Daybreak Blue 上使用 GPT-6 Astra,減少網路拒絕,並在 Daybreak Red 上使用 GPT-6 Cyber 進行進階、授權的安全測試。我們將努力將 GPT-6.2 模型引入 Daybreak。
我們在下方重點介紹了主要的基準測試結果,這些結果使用了禁用網路安全防護和分類器的內部測試配置。有關完整結果和方法,請參閱隨附的系統卡。
賦予網路防禦者優勢
開發者越來越依賴程式碼代理來編寫生產軟體,即使功能更強大的代理降低了發現和利用漏洞的門檻。PHP2Shell 展示了 AI 如何幫助研究人員發現關鍵缺陷。透過 GPT-6.2 Astra 和 Sol,我們將防禦能力作為核心重點,引入新的訓練訊號來幫助開發者預防和修復這些缺陷,從一開始就編寫安全的程式碼,並產生保留預期行為的修補程式。
安全與對齊
我們正在部署 GPT-6.2 Astra 和 Sol,並採用我們迄今為止最強大的安全防護措施。我們收緊了限制,並加強了用於監控模型並在需要時進行干預的系統。
與 GPT-6 Astra 一樣,除了達到網路安全的「關鍵」門檻外,GPT-6.2 Astra 和 Sol 在我們的「準備框架」下也達到了生物和化學能力的「高」門檻。我們已實施保護措施以減輕相關風險,同時針對一系列潛在的雙重用途生物和網路安全請求增加了限制。
有關我們安全防護措施和測試的更多詳細資訊,請參閱 GPT-6.2 系統卡。
AI 研究能力與安全防護
GPT-6.2 Astra 是我們第一個外部發布的模型,達到了 AI 自我改進的「高」門檻,該門檻衡量模型加速 AI 研究的能力。「高」級別反映了我們的評估,即該模型的影響相當於為每位 OpenAI 研究人員提供一名額外、能力極強的研究工程師作為助理,相對於他們 2024 年的基準。
我們追蹤這項能力,因為能夠幫助開發未來 AI 系統的模型也可能引入新的安全風險,例如加速進展的速度快於安全防護或人類監督的適應能力。
為了解決這些風險,我們在訓練和部署模型的方式中加入了更多的監督和控制。在擴大內部對 GPT-6.2 Astra 的存取權限之前,我們評估了其對齊性,並驗證了每個階段都已實施必要的安全防護措施。我們加強了研究環境中的遏制措施,並使用我們能力最強大的模型測試了這些保護措施。
我們還建立了 Control Room,這是一個追蹤研究工作負載的系統,並能在需要干預時停止進一步的模型輸出。我們擴展的監控系統檢查模型在內部工作負載和支援的外部部署中的推理和行動。它可以自動標記未經授權的行為,並在支援的情況下暫停工作負載或對話。
對齊
兩款模型在大多數對齊評估中的表現與 GPT-6 Astra 相似,並且在模擬工作場所任務中採取的不當行為更少。然而,在兩項測試中,它們更有可能省略提及阻礙其工作的障礙,例如缺少檔案或無法使用的搜尋工具。我們在 Codex 中添加了指令,大幅減少了這些遺漏,並且我們正在繼續調查這種行為。