发生了什么
Perplexity 表示,GPT-6.2 Astra 和 GPT-6.2 Sol 现已在 Perplexity Search 和 Computer 中可用。在其 WANDR 基准测试中,Astra 得分为 0.783,每项任务成本约为 12.54 美元,比 GPT-6 Astra 提高了 0.095;Sol 得分为 0.746,每项任务成本约为 2.65 美元,比 GPT-6.1 Sol 提高了 0.065。Aravind Srinivas 转发了这些结果,并指出了在宽深(wide-and-deep)研究性能方面的改进。
推荐理由
在 Perplexity 的 WANDR 基准测试中,GPT-6.2 Astra 和 Sol 的得分均高于其所引用的前代产品,且 Astra 的单项任务成本高于 Sol。
Astra and Sol 6.2 evals on Perplexity. Good improvements on Wide-and-Deep-Research performance
在 X 查看被引用的帖子GPT-6.2 Astra and GPT-6.2 Sol are now available in Perplexity Search and Computer.
On our WANDR benchmark, GPT-6.2 Astra scored 0.783 at about $12.54 per task, up 0.095 from GPT-6 Astra.
GPT-6.2 Sol hit 0.746 at about $2.65, up 0.065 from GPT-6.1 Sol.
2 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 · 3
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 06:15
Perplexity 分享了 GPT-6.2 Astra 和 Sol 的 WANDR 评估结果 本条
- 11月18日 02:36OpenAI 推出 GPT-6.2 Astra 和 SolOpenAI News
