17 ноября OpenAI представила две языковые модели — GPT-6.2 Astra и GPT-6.2 Sol. Первая рассчитана на сложные профессиональные задачи: программирование, научные исследования и работу с документами. Вторая предназначена для повседневных задач, на которые требуется меньше вычислительных ресурсов.
Компания сосредоточилась на программировании и работе ИИ-агентов с внешними инструментами. По её данным, модели точнее выполняют многоэтапные задания и тратят меньше токенов. Благодаря этому некоторые задачи обходятся дешевле.
Что изменилось
По данным OpenAI, GPT-6.2 Astra лучше справляется с изменениями в существующих проектах. Модель пишет более аккуратный код, точнее подбирает тесты и реже нуждается в повторных исправлениях.
Эти улучшения особенно полезны для ИИ-агентов, которые работают с проектом самостоятельно: изменяют файлы, запускают проверки и исправляют ошибки. Такие задачи требуют от модели не только написать код, но и последовательно выполнить несколько связанных действий.
Astra также лучше справляется с созданием визуальных интерфейсов. По текстовому описанию она может разрабатывать сайты, браузерные игры и интерактивные 3D-приложения. Кроме того, OpenAI сообщает, что модель точнее управляет компьютером и выполняет последовательности действий в инженерных программах.
Более дешёвая GPT-6.2 Sol показала близкий к Astra результат в тесте программирования FrontierCode 2.0. Разница составила всего 0,5 процентного пункта, хотя выполнение заданий на Sol обошлось примерно в пять раз дешевле.
FrontierCode 2.0 проверяет, как ИИ работает с реальными кодовыми базами. Модель получает задание изменить проект, после чего результат оценивают по соответствию требованиям разработчиков и готовности к включению в основной код. Обе модели проходили тест в максимальном режиме вычислений.
Что показали другие тесты
В бенчмарке Agents' Last Exam GPT-6.2 Astra опередила предыдущую GPT-6 Astra на 5,2 процентного пункта. Этот тест оценивает, как ИИ справляется со сложными профессиональными заданиями из нескольких этапов. Стоимость их выполнения сократилась более чем втрое.
Ещё один тест, Terminal-Bench-Science 0.1, проверяет способность моделей решать научные задачи через терминал: работать с данными, запускать инструменты и получать результаты. Здесь новая Astra превзошла предшественницу на 9 процентных пунктов.
OpenAI также заявляет об улучшениях в работе с документами, таблицами и презентациями. Во внутреннем тесте GDPval v2 новая Astra набрала на 6,2 процентного пункта больше предыдущей версии и использовала на 22% меньше выходных токенов.
Все показатели получены в условиях тестирования OpenAI. Они не гарантируют такого же прироста качества или снижения расходов на любом реальном проекте.
Сколько стоят модели и где они доступны
OpenAI снизила стоимость GPT-6.2 Astra в API. Миллион входных токенов стоит 8 долларов, выходных — 40 долларов. Это на 20% дешевле, чем у предыдущей Astra. Кешированный ввод подешевел на 60% — до 40 центов за миллион токенов.
GPT-6.2 Sol стоит дешевле: 2 доллара за миллион входных токенов и 10 долларов за миллион выходных. Цены не изменились по сравнению с GPT-6.1 Sol.
Обе модели поддерживают контекстное окно примерно на миллион токенов. Это объём информации, который ИИ может учитывать при обработке запроса. Например, в контекст можно поместить большой массив документации или программного кода. Для особенно длинных запросов действуют повышенные тарифы.
Отдельно OpenAI сообщает об улучшениях в кибербезопасности. По оценке компании, модели лучше находят уязвимости и исправляют небезопасный код. Одновременно разработчики ужесточили ограничения для потенциально опасных запросов. Они могут затронуть и специалистов, которые исследуют безопасность систем.
GPT-6.2 Astra и Sol доступны в ChatGPT Work и Codex пользователям поддерживаемых платных тарифов, а разработчикам — через API. В обычном режиме ChatGPT новые модели пока не представлены.