OpenAI julkaisi GPT-6.2 Astra- ja Sol-mallit

0

OpenAI julkaisi 17. marraskuuta kaksi uutta kielimallia: raskaan ammattityön GPT-6.2 Astran ja arkisiin tehtäviin tarkoitetun GPT-6.2 Solin. Astra on edeltäjäänsä halvempi ja nousee yhtiön omien testien kärkeen.

OpenAI:n logo suurennuslasin alla

Kuva: Jernej Furman, Wikimedia Commons, CC BY 2.0

OpenAI julkaisi tiistaina 17. marraskuuta kaksi uutta kielimallia. GPT-6.2 Astra on tarkoitettu vaativiin ammattitöihin ja GPT-6.2 Sol arkisiin tehtäviin. Yhtiön mukaan molemmat tuottavat parempia tuloksia vähemmillä vastaustokeneilla, joten samalla tilausmaksulla voi tehdä enemmän työtä.

Astra maksaa kahdeksan dollaria miljoonalta syötetokenilta

OpenAI laski GPT-6.2 Astran API-hintoja 20 prosenttia edeltäjäänsä verrattuna. Uusi hinta on kahdeksan dollaria miljoonalta syötetokenilta, 0,40 dollaria miljoonalta välimuistiin tallennetulta syötetokenilta ja 40 dollaria miljoonalta vastaustokenilta. Tokeni on tekstinpätkä, jonka kielimalli käsittelee yhtenä yksikkönä.

GPT-6.2 Sol pitää GPT-6.1 Solin hinnat: kaksi dollaria syötteeltä ja kymmenen dollaria vastaukselta miljoonaa tokenia kohden. OpenAI perustelee Astran hinnanalennusta paremmalla tokenitehokkuudella: malli tarvitsee vähemmän tokeneita samaan työhön.

Agents’ Last Exam -testissä 5,2 pistettä edeltäjää parempi

OpenAI:n omien mittausten mukaan GPT-6.2 Astra saa Agents’ Last Exam -testissä 5,2 pistettä enemmän kuin GPT-6 Astra, kun hinta on alle kolmannes edeltäjän hinnasta. Yhtiö sanoo mallin ohittavan Anthropicin Claude Fable 5.2:n 5,5 pisteellä, kun hinta on viisi prosenttia vertailumallin hinnasta. Vertailutesti on vakiintunut tehtäväkokoelma, jolla mitataan mallien suoriutumista samasta asiasta.

Muissa testeissä Astra ylittää OpenAI:n mukaan edeltäjänsä yhdeksällä prosenttiyksiköllä Terminal-Bench-Science 0.1 -testissä ja 6,2 pisteellä GDPval v2 -testissä, jossa se käytti 22 prosenttia vähemmän vastaustokeneita. Harvey LAB-AA -lakitestissä Astra yli kaksinkertaisti Claude Fable 5.2:n läpäisyprosentin noin kuudesosalla sen hinnasta.

Riippumaton Artificial Analysis -arviointiyhtiö sijoittaa GPT-6.2 Astran toiseksi omalla älykkyysindeksillään Claude Fable 5.2:n jälkeen. Yhtiön mukaan Astra on silti hinta-laatusuhteessa kilpailijoitaan parempi. OpenAI:n luvut ovat yhtiön omia testejä, joten niitä kannattaa lukea kriittisesti.

Astra ylittää ensimmäisenä OpenAI-mallina tekoälytutkimuksen korkean kynnyksen

OpenAI luokittelee GPT-6.2 Astran ensimmäiseksi mallikseen, jonka se on julkaissut ulkopuolisille ja joka ylittää yhtiön oman riskiluokituksen korkean kynnyksen kyvyssä nopeuttaa tekoälytutkimusta. Yhtiön mukaan kynnys tarkoittaa, että malli vastaa jokaiselle OpenAI:n tutkijalle annettua ylimääräistä, erittäin kyvykästä tutkimusinsinööriä.

Molemmat mallit ylittävät edelleen kyberturvallisuuden kriittisen kynnyksen ja biologisen sekä kemiallisen osaamisen korkean kynnyksen. Siksi OpenAI kertoo kiristäneensä turvakaiteita muun muassa korkean riskin kyberturvallisuuspyynnöissä. Kiristykset rajoittavat yhtiön mukaan myös osaa laillisesta haavoittuvuustutkimuksesta. Ammattimaisille puolustajille mallit on tarkoitus tuoda myöhemmin Daybreak-ohjelman kautta.

Sol jää puolen pisteen päähän Astrasta FrontierCodessa

GPT-6.2 Sol on päivittäiseen työhön tarkoitettu malli, joka OpenAI:n mukaan lähes saavuttaa Astran suorituskyvyn murto-osalla hinnasta. Cognitionin FrontierCode 2.0 -koodaustestissä Sol jää Astrasta 0,5 pistettä, kun hinta on noin viidennes. Yhtiön LifeVal-testissä Sol päihittää GPT-6 Astra -mallin noin seitsemäsosalla sen hinnasta.

OpenAI kuvaa Solia työntekijöidensä oletusmalliksi sekä teknisiin että ei-teknisiin tehtäviin. Malli on tarkoitettu muun muassa monivaiheisiin agenttitehtäviin ja luontevampaan kirjoittamiseen.

Mallit ovat heti Plus-, Pro-, Enterprise- ja Edu-tilaajien käytössä

GPT-6.2 Astra ja Sol ovat julkaisupäivästä lähtien Plus-, Pro-, Enterprise- ja Edu-tilaajien käytössä ChatGPT Workissa ja Codexissa. Kehittäjät saavat mallit OpenAI:n API:n kautta nimillä gpt-6.2-astra ja gpt-6.2-sol.

Pro 500 -tilaajat voivat käyttää Ultrafast-nopeustilaa molemmilla malleilla. Pro 200 -tilaajat saavat sen ensin Solilla. Enterprise- ja Edu-työtiloissa ylläpitäjän on otettava se erikseen käyttöön.

Lähteet


Vastuuvapauslauseke: Tämä artikkeli on tarkoitettu vain tiedotustarkoituksiin. Sitä ei tarjota tai ole tarkoitettu käytettäväksi oikeudellisena, verotuksellisena, sijoitus-, rahoitus- tai muuna neuvona.

Mainos: alla on kumppanimainoksia ja mainoslinkkejä.

Kvarn X – kryptot, osakkeet ja ETF:t samassa paikassa

Coinmotion – suomalainen kryptopalvelu vuodesta 2012

Leave a Reply

Pakolliset kentät on merkitty *