发生了什么
GPT-6.2 Astra 在 Agents’ Last Exam 中创下新高,得分比 GPT-6 Astra 高出 5.2 分,且每项任务的成本不到后者的三分之一。该基准测试考察了复杂的跨步骤专业工作,包括营销活动分析、幻灯片制作以及财务电子表格构建。
同一新闻,精选展示《OpenAI Introduces GPT-6.2 Astra and Sol》
GPT-6.2 Astra sets a new high on Agents’ Last Exam, scoring 5.2 points higher than GPT-6 Astra at less than one-third the cost per task.
The benchmark tests complex multistep professional work like analyzing campaigns, creating slides, and building financial spreadsheets.
8 家信源报道
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。
这件事的进展 · 4
查看完整事件- 11月18日 06:15Tibor Blaho 在日常工作中测试 GPT-6.2 Astra 和 SolTibor Blaho · X
- 11月18日 06:15Perplexity 分享了 GPT-6.2 Astra 和 Sol 的 WANDR 评估结果Aravind Srinivas · X
- 11月18日 02:36OpenAI 推出 GPT-6.2 Astra 和 SolOpenAI News
- 11月18日 02:12
GPT-6.2 Astra 在 Agents’ Last Exam 中创下新高 本条
