跳到正文
Artificial Analysis 完整文章·· 2 天前精選AI 評分84

OpenAI 發佈 GPT-6.2 Astra 與 GPT-6.2 Sol,Astra 位列 Artificial Analysis Intelligence Index 第二

OpenAI has the #2 model in the Intelligence Index with the release of GPT-6.2 Astra and GPT-6.2 Sol

AI 導讀

OpenAI 發佈 GPT-6.2 Astra 與 GPT-6.2 Sol,Astra 在 Artificial Analysis Intelligence Index 升至第二位,僅次於 Anthropic 的 Claude Fable 5.2。

推薦理由

文章並列智能指數、成本前沿與編碼代理指數結果,呈現 GPT-6.2 Astra 與 GPT-6.2 Sol 在整體排名、成本和編碼表現上的差異。

正文 · 繁體中文

OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,帶來 Artificial Analysis Intelligence Index 排名第 2 的模型,並佔據每項任務成本帕累托前沿的大部分位置

GPT-6.2 Astra 定價為 $8/$40,比 GPT-6 Astra 低 20%;快取輸入價格則由每百萬個 token $1.00 降至 $0.40。GPT-6.2 Sol 的定價與 GPT-6.1 Sol 相同,每百萬個輸入/輸出 token 為 $2/$10。

重點摘要:

➤ Intelligence Index 排名第二:OpenAI 現時在 Artificial Analysis Intelligence Index 中,僅次於 Anthropic 的 Claude Fable 5.2。GPT-6.2 Astra 比 GPT-6 Astra 高 5 分,超越在最高推理力度設定下的 Gemini 4 Carbon(60 分)和 Claude Opus 5.5(59 分)。GPT-6.2 Sol 則增加 2 分,達到 57 分;其每項任務成本約為 GPT-6 Astra 的 15%,但評分與之相若。

➤ 佔據大部分成本及輸出 Token 前沿:OpenAI 模型現時佔據每項任務成本帕累托前沿的大部分位置,與 OpenAI 同在前沿的只有 Anthropic 和 Meta。OpenAI 亦主導每項任務輸出 Token 的帕累托前沿;Claude Fable 5.2 是前沿上唯一來自 OpenAI 以外實驗室的模型。

➤ 科學與知識方面表現出色:OpenAI 在我們兩項以科學為重點的評測中均表現出色:在涵蓋代理式科學研究工作流程的 Terminal-Bench-Science 0.1 中領先;在涵蓋物理推理的 CritPt v2(困難子集)中,則僅次於 Claude Fable 5.2,排名第二。按 AA-Omniscience v1.1 Accuracy 衡量事實知識,以及在推理與知識基準測試 HLE-Diamond 中,GPT-6.2 Astra 的表現均僅次於 Claude Fable 5.2。

➤ 3D 與機械人領域領先:GPT-6.2 Astra 在 AA-3D 領先,得分為 1318;Claude Fable 5.2 得分為 1271,GPT-6.2 Sol 則為 1259。這項基準測試衡量模型建立互動式 3D 體驗的能力,並由人工評分者評定。GPT-6.2 在 AA-Robotics v0.1 亦領先;這是我們的研究預覽,用以衡量語言模型在真實世界中理解、規劃和行動的能力。GPT-6.2 Astra 和 GPT-6.2 Sol 分別得分 79 和 78,高於得分 75 的 Claude Fable 5.2。由於 OpenAI 和 Anthropic 的模型現時已能完成這項初步研究預覽中的大部分基本任務,我們的團隊正努力加入更多難度較高的任務。

➤ Coding Agent Index 未有進步:在 Artificial Analysis Coding Agent Index(Codex 測試框架,最高推理力度)中,GPT-6.2 Astra 與 GPT-6 Astra 持平,而 GPT-6.2 Sol 則比 GPT-6.1 Sol 低 3 分。Sol 的跌幅主要來自 SWE-Atlas-QnA-AA 下跌 14 分;與前代相比,該模型更容易在回答中遺漏關鍵事實。不過,成本效益令 GPT-6.2 Astra 和 Sol 的多個推理力度設定進入每項任務成本帕累托前沿。

在 Artificial Analysis Coding Agent Index(Codex 測試框架,最高推理力度)中,GPT-6.2 Astra 與 GPT-6 Astra 持平,而 GPT-6.2 Sol 則比 GPT-6.1 Sol 低 3 分。Sol 的跌幅主要來自 SWE-Atlas-QnA-AA 下跌 14 分;與前代相比,該模型更容易在回答中遺漏關鍵事實。

OpenAI 主導每項任務輸出 Token 的帕累托前沿;Claude Fable 5.2 是前沿上唯一來自 OpenAI 以外實驗室的模型。

GPT-6.2 Astra 在 AA-3D 領先,得分為 1318;Claude Fable 5.2 得分為 1271,GPT-6.2 Sol 則為 1259。這項基準測試衡量模型建立互動式 3D 體驗的能力,並由人工評分者評定。

GPT-6.2 在 AA-Robotics v0.1 中亦名列前茅。這是我們推出的研究預覽版,用於衡量語言模型在現實世界中理解、規劃及採取行動的能力。

根據 AA-Omniscience Hallucination Rate 的測量,在最高努力程度下,GPT-6.2 Astra 和 GPT-6.2 Sol 的幻覺率分別為 59% 和 55%。這項指標衡量模型在廣泛主題的事實問題上,不知道正確答案時猜測的傾向。

Artificial Analysis Intelligence Index v5 中各項個別評測的細分結果

前往 https://artificialanalysis.ai 比較 GPT-6.2 與其他領先模型

來源:Artificial Analysis 完整文章 · artificialanalysis.ai