跳到正文
TNW· Ana Maria Constantin·· 1 天前精選AI 評分84

OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,早期測試者提出批評

OpenAI launches GPT-6.2 Astra and Sol, and early testers push back

AI 導讀

OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,並將 Astra 的價格下調 20%。兩款模型已在 ChatGPT Work、Codex 和 API 上線;Astra 的 API 價格為 $8 per million input tokens、$40 per million output tokens。

推薦理由

文章對照 OpenAI 公佈的基準成績與 Epoch AI、開發者的測試反饋,呈現模型基準表現和實際工作體驗之間的差異。

正文 · 繁體中文

OpenAI 發佈了 GPT-6.2 Astra 和 GPT-6.2 Sol,並將其頂級模型的價格下調 20%。根據公司的公告,Astra 是用於處理最艱鉅項目的前沿模型。Sol 則是價格較低、適合日常工作的模型。兩款模型於星期二在 ChatGPT Work、Codex 和 API 上推出。

OpenAI 寫道:「我們相信,GPT-6.2 Astra 是全球最適合科學家的模型。」

在推出前試用過該模型的測試者則沒有那麼肯定。研究團隊Epoch AI發現,在實際工作任務中,Astra 的表現不及 Anthropic 的 Claude Fable 5.2。開發者Theo Browne表示,對他而言,會選 Anthropic 的 Opus 5.5,而非 Astra。

每個 token 及每項任務的成本更低

在 API 中,Astra 每百萬個輸入 token 收費 $8,每百萬個輸出 token 收費 $40,比 GPT-6 Astra 低 20%。快取輸入的價格則低 60%,為 $0.40。Sol 沿用 GPT-6.1 Sol 的價格,輸入收費 $2,輸出收費 $10。

自 OpenAI 於 9 月取消 GPT-6.1 Astra 的推出以來,這是 Astra 首次升級。OpenAI 表示,兩款新模型完成高要求任務時所需的輸出 token 較少。

OpenAI 表示,在測試多步驟專業工作的 Agents’ Last Exam 中,Astra 的得分比 GPT-6 Astra 高 5.2 分,成本不到三分之一。每項任務的成本只及 Claude Fable 5.2 的 5%,得分則高 5.5 分。Anthropic 於 11 月 9 日推出 Fable 5.2。

Plus、Pro、Enterprise 和 Edu 用戶均可使用兩款模型。訂閲Pro 200 方案的用戶首次可使用較快的 Ultrafast 模式,該模式先於 Sol 推出。

自我改進方面的首例

OpenAI 表示,Astra 是其推出的首個在 Preparedness Framework 中達到 AI 自我改進 High 門檻的模型。OpenAI 將其效果比作為每位 OpenAI 研究人員額外配備一名能力出眾的研究工程師。

兩款模型均達到網絡安全方面的 Critical 門檻,GPT-6 Astra 亦然。新模型對風險較高的網絡安全要求設有更嚴格限制。經授權進行測試的防禦方,仍可透過 OpenAI 的 Daybreak 計劃使用GPT-6 Cyber。

系統卡列出了一些退步之處。與 GPT-6 Astra 相比,Astra 表現出更多懷疑自己正接受測試的跡象,不過這情況出現在少於 3% 的回合中。在一些對抗測試中,它也更善於避開思維鏈監察。兩款模型也更常漏報妨礙工作進度的問題,例如缺少檔案。OpenAI 表示正調查原因。

Epoch AI 以人工方式,根據取自自身研究工作的任務評估這些模型。在 Epoch Capabilities Index 上,Astra 的表現大致與 Fable 5.2 並列,創下新紀錄。不過,在實際任務中,Astra 的平均得分為 65%,比 Fable 5.2 低 17 個百分點。沒有任何模型達到 Epoch 對其員工的要求標準。

在一項分析 AI 數據中心的任務中,Fable 5.2 得分為 98%,Opus 5.5 得分為 88%,Astra 則為 65%。Epoch 表示,Astra 過於謹慎,沒有提供其已有足夠資訊作出的估算。Epoch 亦發現,Astra 的文字比 GPT-6 Astra 更精簡,視覺設計也更佳。

Browne 在推出前測試了 Astra,並貼出一封他表示曾寄給 OpenAI 的信。他稱讚 Astra 在程式碼審查、3D、遊戲和電腦操作方面的表現。他寫道,OpenAI 修正了他提出的幾項問題,但仍不足以令他推薦 Astra。

Browne 寫道:「我不喜歡 6.2 Astra。以我的開發工作而言,我不會選它,而會選 Opus 5.5。」

他説,Astra 花了七天處理他重寫 TypeScript 編譯器的工作,結果沒有帶來任何改進。期間更令編譯器慢了 56%。

「這個模型顯然非常聰明。在實際項目中與它合作,簡直令人難以忍受。」他寫道。

來源:TNW · thenextweb.com