Το GPT-6.2 Astra πήρε 100% στο ARC-AGI-3, με φθηνότερο API από το GPT-6 Astra

Η OpenAI κυκλοφόρησε τα GPT-6.2 Astra και Sol σε ChatGPT, Codex και API. Το Astra κοστίζει 20% λιγότερο από το προηγούμενο και, σύμφωνα με το ARC Prize, πέτυχε 100% στο ARC-AGI-3.

Δύο μεταλλικοί κινητήρες διαφορετικού μεγέθους δίπλα σε ζυγαριά με κέρματα και λυμένα παζλ στο βάθος
Εικονογράφηση: mAInews.gr, με AI

Ένα μοντέλο τεχνητής νοημοσύνης έβγαλε για πρώτη φορά 100% στο ARC-AGI-3, ένα τεστ που ζητά από τα μοντέλα να λύσουν νέα προβλήματα και όχι να θυμηθούν γνωστά. Το αποτέλεσμα ανακοίνωσε ο διοργανωτής ARC Prize και αφορά το GPT-6.2 Astra, που η OpenAI κυκλοφόρησε την Τρίτη μαζί με το μικρότερο GPT-6.2 Sol.

Τα δύο μοντέλα απευθύνονται σε επαγγελματική δουλειά. Το Astra είναι το κορυφαίο της εταιρείας για τα δυσκολότερα έργα. Το Sol είναι το πιο οικονομικό και ευέλικτο, για καθημερινές εργασίες. Διατίθενται σε συνδρομητές Plus, Pro, Enterprise και Edu στο ChatGPT Work και στο Codex, και σε προγραμματιστές μέσω API ως gpt-6.2-astra και gpt-6.2-sol.

Τα νούμερα του ARC Prize και οι συγκρίσεις της OpenAI

Στο ARC-AGI-3 το Astra πέτυχε 100% με κόστος 4,1 χιλιάδες δολάρια, όταν χρησιμοποιήθηκε προσαρμογέας του παρόχου. Με την τυπική ρύθμιση το σκορ ήταν 70,3% και το κόστος 24,2 χιλιάδες δολάρια. Στο ARC-AGI-2 έφτασε 95,8%.

Σε άλλα τεστ τα στοιχεία προέρχονται από την ίδια την OpenAI και είναι δικοί της ισχυρισμοί. Στο Agents’ Last Exam, που μετρά πολυβηματική επαγγελματική εργασία, το Astra προηγείται του GPT-6 Astra κατά 5,2 μονάδες με λιγότερο από το ένα τρίτο του κόστους. Προηγείται και του Claude Fable 5.2 κατά 5,5 μονάδες, με το 5% του κόστους. Η εταιρεία το χαρακτηρίζει καλύτερο μοντέλο για επιστήμονες και λέει ότι διπλασιάζει το ποσοστό επιτυχίας του Fable 5.2 σε νομικές εργασίες του Harvey LAB-AA.

Το Sol, σύμφωνα με την OpenAI, είναι εξυπνότερο και πιο αποδοτικό από το GPT-6.1 Sol. Πλησιάζει το Astra στο FrontierCode 2.0 της Cognition μέσα σε 0,5 μονάδες, με περίπου το ένα πέμπτο του κόστους.

Ανεξάρτητες πλατφόρμες δίνουν πιο μετρημένη εικόνα. Η Artificial Analysis βάζει το Astra δεύτερο στον δείκτη νοημοσύνης της, ενώ η Vals AI το κατατάσσει έβδομο και το Sol ένατο στον δικό της δείκτη, με διαφορά μόλις 1,6 μονάδες. Το Sol όμως κοστίζει λιγότερο από το ένα τρίτο ανά εργασία.

Τιμές, ταχύτητα και τι κάνει στην πράξη

Στο API το Astra κοστίζει 8 δολάρια ανά εκατομμύριο tokens εισόδου και 40 για έξοδο. Είναι 20% φθηνότερο από το GPT-6 Astra, ενώ η είσοδος που έχει ήδη αποθηκευτεί (cached) πέφτει στα 0,40 δολάρια, μείωση 60%. Το Sol κρατά τις τιμές του GPT-6.1 Sol: 2, 0,10 και 10 δολάρια. Η OpenAI λέει ότι και τα δύο μοντέλα δίνουν καλύτερα αποτελέσματα με λιγότερα tokens εξόδου, άρα οι χρήστες κάνουν περισσότερα μέσα στα ίδια όρια χρήσης.

Η λειτουργία Ultrafast, η γρηγορότερη εκδοχή, είναι διαθέσιμη στους συνδρομητές Pro 500 και στο API. Φτάνει για πρώτη φορά και στο Pro 200, ξεκινώντας από το Sol.

Το Astra φτιάχνει παρουσιάσεις, υπολογιστικά φύλλα και έγγραφα που ακολουθούν δοθέντα πρότυπα, ακόμη και από στιγμιότυπο οθόνης, μέχρι το μέγεθος της γραμματοσειράς. Γράφει καθαρότερο κώδικα και χειρίζεται με μεγαλύτερη ακρίβεια εργαλεία CAD και προσομοίωσης. Οι Harvey, Legora και ClickUp, που το δοκίμασαν νωρίς, αναφέρουν λιγότερα tokens και λιγότερους κύκλους ελέγχου. Η Basis λέει ότι η λογιστική δουλειά μεγάλης διάρκειας παίρνει πλέον 50% λιγότερο χρόνο.

Ο καθηγητής Ethan Mollick, που το χρησιμοποίησε πριν από την κυκλοφορία, το βρήκε «άνισο και παράξενο». Ήταν πιο δύσκολο να καθοδηγηθεί από άλλα μοντέλα, αλλά σε ένα φιλόδοξο έργο, μια διαδρομή με ανελκυστήρα στο διάστημα φτιαγμένη από το μηδέν σε Blender και Unity, απέδωσε καλά.

Ασφάλεια: πρώτο μοντέλο στο «Υψηλό» για αυτοβελτίωση

Και τα δύο μοντέλα φτάνουν το όριο «Κρίσιμο» για κυβερνοασφάλεια και το «Υψηλό» για βιολογικούς και χημικούς κινδύνους, στο πλαίσιο προετοιμασίας της OpenAI (Preparedness Framework). Γι’ αυτό κυκλοφορούν με αυστηρότερες δικλίδες, που περιορίζουν και κάποια νόμιμη έρευνα ασφαλείας.

Το Astra είναι το πρώτο μοντέλο που η OpenAI βγάζει εκτός εταιρείας και φτάνει το «Υψηλό» όριο για αυτοβελτίωση της AI. Για τέτοιες περιπτώσεις η εταιρεία έφτιαξε το Control Room, σύστημα που μπορεί να σταματήσει την έξοδο του μοντέλου σε ερευνητικά φορτία εργασίας όταν χρειάζεται παρέμβαση. Το Astra είχε πρόσφατα φέρει απόδειξη σε πρόβλημα φυσικής σωματιδίων, και η OpenAI βρίσκεται ταυτόχρονα αντιμέτωπη με μήνυση της Καλιφόρνιας για τους agents της.

Πηγή: TestingCatalog AI News

Κοινοποίηση