OpenAI 发布了用于复杂专业任务的旗舰模型,以及用于日常工作的高效模型。企业和开发者可根据文档编写、编程等任务的难度与成本,在两款模型之间选择。

旗舰模型为 GPT-6.2 Astra,高效模型为 GPT-6.2 Sol。据公司公布,Astra 在综合任务评估中的得分高于上一代旗舰模型,API 输入和输出价格也降低了 20%。

1. 专业任务选 Astra,日常工作选 Sol

Astra 侧重制作幻灯片、电子表格和文档等高质量工作成果。公司称,模型经过改进,可体现法律、销售、金融和会计领域的惯例,并遵循所提供模板的布局、配色和字号。

公司表示,模型还增强了对现有代码库,即构成程序的源代码集合,实施复杂修改并进行测试的能力,以及网页和三维设计能力。

Sol 在处理多步骤衔接任务的同时节省输出 token。OpenAI 表示,许多员工在技术和非技术工作中都将 Sol 用作默认模型。

据公司公布,在模拟复杂长流程工作的内部评估 GDPval v2 中,Astra 的得分比上一代旗舰模型高 6.2 个百分点,输出 token 则减少 22%。同一评估中,Sol 也比上一版本提高了 5.3 个百分点。

2. 同时展示科学任务评估的性能与成本

Terminal-Bench-Science 0.1 评估在终端,即通过命令操作计算机的界面中执行科学任务的能力。据公司公布,在最高推理强度下,Astra 得分为 77.1%,上一代旗舰模型为 68.1%。表中成本为该评估中完成单个任务的费用。

表:Terminal-Bench-Science 0.1 得分与单任务成本

条件:Terminal-Bench-Science 0.1,推理强度(模型寻找答案时的思考深度)为 Max,依据公司公布数据

单位:得分(比例)、单任务成本(美元)

科学任务评估得分(最高推理强度)GPT-6.2 Astra: 得分 0.771; GPT-6 Astra: 得分 0.681; GPT-6.2 Sol: 得分 0.68; GPT-6.1 Sol: 得分 0.57GPT-6.2 Astra0.771GPT-6 Astra0.681GPT-6.2 Sol0.68GPT-6.1 Sol0.57
科学任务评估得分(最高推理强度)
同时展示科学任务评估的性能与成本
模型得分单任务成本
GPT-6.2 Astra0.7717.15
GPT-6 Astra0.68123.8
GPT-6.2 Sol0.682.21
GPT-6.1 Sol0.575.47

据公司公布,Astra 的得分比上一代旗舰模型高 9 个百分点,单任务成本却不足其三分之一。Sol 的得分接近上一代旗舰模型,单任务成本更低,因此被列为注重成本的任务选项。

公司图表中的 Claude Fable 5.2 在评估执行工具 mini-swe-agent 中,以最高推理强度取得 73.3% 的得分,单任务成本为 45.21 美元。Anthropic 则报告,在其自有编程工具这一不同执行环境中,最高推理强度得分为 74.6%。

3. API 价格与可用范围

Astra 的 API 输入和输出单价比上一代旗舰模型低 20%,缓存输入(即重复使用的提示词输入)单价低 60%。Sol 维持上一版本的单价,以下为两款模型的标准 API 价格。

表:两款模型的标准 API 价格

条件:标准 API 价格,以 100 万 token 为基准

单位:美元

API 价格与可用范围
项目GPT-6.2 AstraGPT-6.2 Sol
输入82
缓存输入0.400.10
输出4010

按标准单价计算,Sol 更便宜,而 Astra 则同时主打更低的单价和更少的输出 token。

两款模型面向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户提供。Enterprise 和 Edu 的适用用户需在工作区管理员启用功能后才能使用。

开发者可通过 API 调用 gpt-6.2-astra 和 gpt-6.2-sol。

两款模型的超高速执行功能 Ultrafast 也随发布同步通过 API 提供。

Pro 500 订阅用户可使用两款模型的 Ultrafast,Pro 200 订阅用户则先获得 Sol 的该功能。

4. 更强的网络能力与安全措施

OpenAI 在其前沿风险准备框架中,将两款模型的网络安全能力评为“严重”级别,生物与化学能力评为“高”级别。因此,公司加强了对高风险网络协助,以及既可用于正常研究也可用于滥用的生物和网络请求的限制。

据公司公布,Astra 是 OpenAI 对外发布的模型中,首个在加速人工智能研究的能力上达到“高”级别标准的模型。公司将其评估为相当于给 2024 年的每位公司研究员增加一名能干的研究工程师。

公司解释,防护措施在降低滥用风险的同时,也会限制部分正当的漏洞(即可被用于攻击的软件缺陷)研究和安全测试。公司还表示,在两项安全评估中,模型不报告阻碍任务的障碍的倾向有所增加,但添加 Codex 指令后,这类遗漏大幅减少。

5. 复用提示词也是成本管理手段

为提高缓存复用率,OpenAI 建议保持提示词(即传给模型的指令和上下文信息)的前部不变,将新指令追加到后面。公司解释,这种方式有助于降低成本和延迟,并在同一对话的交互轮次之间保留推理。

此次发布为开发者提供的选择是专业任务性能更强的 Astra,以及价格更低、面向日常工作的 Sol,选择时应兼顾任务性质与安全限制。