贾凡-失落的大蒜
26-11-18 06:41 微博认证:科技博主

OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol,在 Artificial Analysis 智能指数中跻身第 2,并占据了每任务成本帕累托前沿的大部分

GPT-6.2 Astra 定价为 $8/$40,比 GPT-6 Astra 低 20%,缓存输入价格则从每百万 token 的 $1.00 降至 $0.40。GPT-6.2 Sol 的定价与 GPT-6.1 Sol 保持不变,输入/输出 token 价格分别为每百万 $2/$10。

要点:
➤ 智能指数排名第二:OpenAI 在 Artificial Analysis 智能指数中现仅次于 Anthropic 的 Claude Fable 5.2。GPT-6.2 Astra 较 GPT-6 Astra 跃升 5 分,超越了 Gemini 4 Carbon(60 分)和 Claude Opus 5.5(59 分)在最高推理强度设置下的得分。GPT-6.2 Sol 提升 2 分,达到 57 分,与 GPT-6 Astra 持平,但每任务成本仅为后者的约 15%。

➤ 占据成本与输出 token 前沿的大部分:OpenAI 模型现已占据每任务成本帕累托前沿的大部分,仅与 Anthropic 和 Meta 共享该前沿。OpenAI 还主导了每任务输出 token 帕累托前沿,唯一出现在该前沿上的非 OpenAI 实验室模型是 Claude Fable 5.2。

➤ 科学与知识方面表现突出:OpenAI 在我们两项以科学为核心的关键评测中均表现强劲,在涵盖智能体科学研究工作流的 Terminal-Bench-Science 0.1 中领先,在涵盖物理推理的 CritPt v2(困难子集)中仅次于 Claude Fable 5.2。以 AA-Omniscience v1.1 准确率衡量的事实知识方面,GPT-6.2 Astra 仅次于 Claude Fable 5.2;在推理与知识基准 HLE-Diamond 中,情况同样如此。

➤ 3D 与机器人领域领先:GPT-6.2 Astra 以 1318 分领先 AA-3D,Claude Fable 5.2 为 1271 分,GPT-6.2 Sol 为 1259 分。该基准衡量模型构建交互式 3D 体验的能力,由人工评分员评分。GPT-6.2 还在 AA-Robotics v0.1 中领先,这是我们的研究预览版评测,用于衡量语言模型理解、规划并在现实世界中行动的能力。GPT-6.2 Astra 和 GPT-6.2 Sol 分别获得 79 分和 78 分,领先于 Claude Fable 5.2 的 75 分。我们的团队正在努力增加更难的任务,因为 OpenAI 和 Anthropic 的模型如今已能完成这一初步研究预览中的大多数基础任务。

➤ 编程智能体指数未有提升:在 Artificial Analysis 编程智能体指数中(Codex 运行框架,最高推理强度),GPT-6.2 Astra 与 GPT-6 Astra 持平,GPT-6.2 Sol 较 GPT-6.1 Sol 下降 3 分。对于 Sol,降幅主要源于 SWE-Atlas-QnA-AA 下降了 14 分,该模型在回答中遗漏关键事实的可能性高于前代。不过,从成本效率来看,GPT-6.2 Astra 和 Sol 的多个推理强度档位仍处于每任务成本帕累托前沿。

发布于 辽宁