跳到正文

GPT-6.2 Astra 在 Terminal-Bench Science 0.1 上创下新高

OpenAI Developers · X当事人· @OpenAIDevs·· 14 小时前

9346 次浏览 · 50 赞 · 5 转发 (收录时)

原文

发生了什么

GPT-6.2 Astra 在 Terminal-Bench Science 0.1 上的得分比 GPT-6 Astra 高出 9 个百分点,该基准测试了模型在终端中执行科学工作的表现。OpenAI 开发人员称,其成本不到前者的三分之一。

正文 · 中文版本尚未就绪(原文)

GPT-6.2 Astra sets a new high on Terminal-Bench Science 0.1, which tests how well models carry out scientific work in a terminal, scoring 9 percentage points higher than GPT-6 Astra at less than 1/3 the cost.

这件事到目前为止

OpenAI 发布了 GPT-6.2 Astra 和 Sol 模型,现已在 ChatGPT Work、Codex 和 API 中提供。Astra 作为该公司的新旗舰模型,提供了更低的定价,其 API 费率比前代产品降低了 20%,输入 tokens 为每百万 8 美元,输出 tokens 为每百万 40 美元;而 Sol 则保持了现有的每百万 2 美元和 10 美元的定价结构。OpenAI 还扩大了其 Ultrafast 模式的访问权限,将其包含在 Pro 200 和 Pro 500 订阅层级中。 该公司报告称,GPT-6.2 Astra 在 Agents' Last Exam、BenchCAD 2.1 和 Terminal-Bench Science 0.1 等基准测试中以更低的成本创下了新高。然而,外部评估显示结果好坏参半。Epoch AI 报告称,GPT-6.2 Astra 在内部自动化质量标准上得分为 65%,落后于 Fable 5.2。此外,Simon Willison 的独立测试表明,与其他前沿模型相比,该模型在动画任务上表现吃力。OpenAI 还为新模型实施了更严格的网络安全防护措施,并计划通过其 Daybreak 平台为获批的防御者提供访问权限,尽管该公司指出,这些防护措施可能会增加某些安全研究任务的拒绝率。

接下来读什么

查看这件事的完整进展OpenAI 发布 GPT-6.2 Astra 和 Sol,降低 API 定价并扩大可用范围