跳到正文

GPT-6.2 Astra 在 Agents’ Last Exam 中创下新高

OpenAI Developers · X当事人· @OpenAIDevs·· 14 小时前同新闻

5139 次浏览 · 46 赞 · 5 转发 (收录时)

原文

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》

正文 · 中文版本尚未就绪(原文)

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。

    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