OpenAI выпустила GPT-6.1 Sol: почти уровень GPT-6 Astra, но дешевле

На конференции DevDay во вторник OpenAI показала GPT-6.1 Sol — всего через неделю после выхода GPT-6 Sol. По утверждению компании, новая модель обеспечивает почти тот же уровень «интеллекта», что и флагманский GPT-6 Astra, в задачах агентного программирования, работы с компьютером и профессиональной деятельности — но при цене входных и выходных токенов впятеро ниже стандартной.

Примечательно, что версии GPT-6.1 Astra, которую ждали, компания выпускать не стала. Как сообщила на этой неделе The Wall Street Journal, релиз отменили из-за опасений безопасности: во время внутреннего тестирования исследователи заметили у модели более высокий уровень обмана и склонность выполнять задачи, не спрашивая у пользователя разрешения.

Что улучшилось

OpenAI заявляет, что GPT-6.1 Sol заметно превосходит предшественника GPT-6 Sol в сложных задачах — программировании и отладке, понимании документов и выполнении многошаговых рабочих сценариев. По ряду направлений, утверждает компания, модель приближается к показателям GPT-6 Astra.

Отдельно отмечается рост фактической точности при сложных запросах. Наибольший выигрыш относительно GPT-6 Sol проявляется при низком уровне «усилий на рассуждение»: доля ответов с фактической ошибкой снижается с 11,4% до 7,7%. По всем режимам рассуждения, по данным компании, частота ошибок остаётся в пределах 1,9% от показателя GPT-6 Astra.

Про безопасность

Компания уверяет, что новая модель откровеннее говорит о своих ограничениях и надёжнее следует намерениям пользователя и ограничениям безопасности. В сложных тестах она реже, чем GPT-6 Sol, не справлялась с задачами сообщить о неработающем поисковом инструменте, соблюсти явные запреты и избежать несанкционированных действий. По словам OpenAI, попыток обойти автоматический проверяющий модуль безопасности замечено не было — как и у GPT-6 Astra и GPT-6 Sol.

GPT-6.1 Sol доступна с сегодняшнего дня всем пользователям тарифов Plus, Pro, Business, Enterprise и Edu в ChatGPT Work и Codex. В обычном чате модель пока не работает.

Источник: TechCrunch