OpenAI 推出 GPT-6.2 Astra 與 Sol,分別主打複雜工作和日常任務
GPT‑6.2 Astra and Sol
OpenAI 推出兩款新模型,讓使用者能依工作難度和成本選擇。
- GPT-6.2 Astra 主打複雜專業任務,能製作更貼近範本的簡報、試算表和檔案,也能寫程式、操作設計工具。
- GPT-6.2 Sol 則主打日常工作,能處理多步驟任務,API 價格沿用 GPT-6.1 Sol。兩款模型都已提供給部分 ChatGPT Work 和 Codex 方案使用,也能透過 OpenAI API 呼叫。OpenAI 表示,模型的資安能力提升,因此加強了高風險資安協助的限制。
- GPT-6.2 Astra 也達到 AI 自我改進能力的 High 門檻。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
GPT-6.2 Astra 與 Sol 分別瞄準複雜專業工作和日常任務,文中以基準測試與每項任務成本比較兩者表現。
我們推出 GPT‑6.2 Astra,這款全新旗艦模型專為最艱鉅的專案打造;以及 GPT‑6.2 Sol,這款高效率、用途廣泛的模型適合日常工作。兩款模型在處理高難度任務時都能以更少的輸出 token 帶來更好的成果,讓你在用量限制內完成更多工作。對企業與開發者而言,這代表能以適合大規模部署的成本,取得旗艦級效能。
GPT‑6.2 Astra 為 AI 處理複雜專業工作訂下全新的品質標準。它產出的簡報、試算表和檔案讀起來更不像 AI 生成,也更貼近你提供的範本與所屬領域的慣例。它能撰寫更精簡的程式碼,並打造外觀與操作體驗都更好的前端,尤其適合網站、遊戲和 3D 設計。
在測試多步驟專業工作的 Agents’ Last Exam 中,GPT‑6.2 Astra 創下新高,分數比 GPT‑6 Astra 高出 5.2 分,成本不到其三分之一;分數也比 Claude Fable 5.2 高出 5.5 分,成本僅為其 5%。
_Agents’ Last Exam 評估模型處理長期專業工作流程的能力。排行榜上的 Fable 5.2 成績未納入使用備援模型的九項任務。_
我們相信 GPT-6.2 Astra 是全球最適合科學家的模型。它在 Terminal-Bench-Science 0.1 創下新高,這項評測測試模型在終端機中執行科學工作的能力。GPT-6.2 Astra 的分數比 GPT-6 Astra 高出 9 個百分點,成本不到其三分之一。它也在 Vals Science Index 創下新高;這項評測要求模型解讀真實生物資料並執行實驗,藉此推論模擬系統的運作方式。
_Terminal-Bench-Science 0.1 評估模型處理科學研究工作流程的能力。_1
在 API 中,GPT‑6.2 Astra 的輸入與輸出 token 價格比 GPT‑6 Astra 低 20%,快取輸入則可享 60% 折扣(每百萬個 token 的輸入價格為 $8、快取輸入為 $0.40、輸出為 $40)。GPT‑6.2 Sol 的 API token 價格維持與 GPT‑6.1 Sol 相同。在多項基準測試中,兩款模型的表現接近或超越其他領先模型,每項任務的成本卻只佔其一小部分。
_Artificial Analysis Intelligence Index v5 綜合九項評測,涵蓋知識工作、程式設計、科學與一般知識。_
GPT-6.2 Sol:日常工作的首選模型
相較於 GPT‑6.1 Sol,GPT‑6.2 Sol 更聰明、效率更高,讓你在相同的付費方案下完成更多工。它能順暢處理多步驟代理工作流程,寫作清楚自然,也很適合協作。OpenAI 許多員工都將它設為技術與非技術任務的預設模型。
在 Cognition 的 FrontierCode 2.0 評測中,GPT‑6.2 Sol 的分數只比 GPT‑6.2 Astra 低 0.5 分,成本約為五分之一(兩者皆使用最高設定)。
_FrontierCode 2.0 評估模型對真實程式碼庫所做的變更,是否符合維護者的合併標準。_
它的速度與智慧也讓它很適合處理人們在工作之外求助於 AI 的重要任務。在我們近期推出的 LifeVal 評測中,GPT‑6.2 Sol 在衡量日常高難度任務表現的測試中,分數超越 GPT‑6 Astra,成本約為七分之一。
_LifeVal 測試模型處理符合個人需求的日常任務的能力,例如搬家後篩選幼兒園、尋找符合家庭預算與通勤需求的住處,或為剛得知新診斷結果的家長規劃餐點。_
符合業界標準的專業成果
我們訓練 GPT‑6.2 Astra,讓它製作更清晰、設計更完善的投影片、試算表和檔案,並更貼近法律、業務銷售、金融與會計等領域專業人士的慣例。文字表達更直接明確,減少泛泛而談的結論與填充內容。
Harvey LAB‑AA v1.1 以法律工作任務測試模型能否從來原始檔中找出相關事實、依據詳細需求說明加以運用,並產出符合所有要求的準確交付成果。GPT‑6.2 Astra 創下新的最先進水準,通過率超過 Claude Fable 5.2 的兩倍,成本約為其六分之一。專為律師打造的 GPT‑6.2 Astra 設定版本 Astra for Law,在這項基準測試中的分數更高。
_Harvey LAB‑AA 測試合約條款審閱等法律工作。只有交付成果符合所有評分標準,且沒有重大幻覺,才會計入其主要分數。_
我們內部的 GDPval v2 基準測試,是 GDPval 的下一個版本,採用來自顧問、金融與設計領域真實專案的多步驟任務。GPT‑6.2 Astra 在我們測試的模型中名列第一,較 GPT‑6 Astra 提升 6.2 個百分點,輸出 token 數則減少 22%。GPT‑6.2 Sol 較 GPT‑6.1 Sol 提升 5.3 個百分點。
_GDPval v2 的任務取自顧問、金融與設計領域的真實專案,並使用團隊接到任務時所持有的檔案與訊息。_
投影片
GPT‑6.2 Astra 是我們目前最擅長設計投影片並遵循投影片範本的模型,無論提供的是原始檔案,甚至只是螢幕截圖,都能勝任。它能精準重現版面配置、色彩與字型,連字級都能一模一樣,還能在新投影片中延續範本的寫作風格。早期測試者發現,這些簡報更容易直接使用、需要修改的地方也更少,因為標題會點出主要結論,內文則精簡聚焦於讀者需要的細節。
GPT-6 Astra
GPT-6.2 Astra
_我們要求兩個模型根據一家零售商公開提供的 Q2 財報新聞稿與 Form 10‑Q,更新該公司的 Q1 財報簡報。兩者都指出,關稅退款是獲利增加的主要原因。GPT‑6.2 Astra 將 5.3% 的銷售成長放在標題中,分別呈現線上與實體門市的成長情況,並強調管理團隊可採取的具體後續措施,包括讓熱銷商品維持供貨,以及在不再有退款的情況下編列預算。_
試算表與備忘錄
建立估值試算表或撰寫投資備忘錄,首先得從來源檔案中找出相關數字,再釐清它們之間的關聯。Artificial Analysis 的 AA‑AnalystAgent 以真實試算表和報告測試這類工作。在其中一項任務中,模型須根據加州 Medicaid 的支出報告,計算該計畫在醫療運輸上的支出。GPT‑6.2 Astra 創下新高,在五次獨立嘗試中,每次都答對 62.5% 的問題。
GPT-6 Astra
GPT-6.2 Astra
_我們提供兩個模型相同的財務報表、營運假設與市場資料,物件是一家虛構的農業科技公司 Alderfen Field Systems。我們要求它們建立可編輯的 Excel 試算表,預測各業務部門截至 2031 年的營收,並確認三大財務報表彼此一致。試算表還須以 8% 折現率和 3% 永續成長率估算稀釋後每股價值、列出足以合理化參考股價的成長率,並呈現估值如何隨這些假設變動。_
_GPT‑6.2 Astra 將營收組合,以及從企業價值推算每股價值的計算過程,與敏感度分析表並列。讀者可以看出哪些業務帶動預測,也能追蹤折現現金流、現金與投資,以及稀釋後股數如何納入每股估值。GPT‑6 Astra 將營收明細放在另一個分頁,並把估值計算過程放在工作表較下方。_
1 之 4
電腦操作與互動式網頁設計
GPT‑6.2 Astra 的電腦操作能力更加精準,能在 CAD 與模擬工具中細部操作個別元件及其連線方式。工程師可以運用這些更詳細的資訊,檢查零件如何組合、觀察設計變更時負載如何轉移,並在製作原型前測試修改方案。
駕駛模擬
我們請 GPT‑6.2 Astra 呈現汽車在山路上的底盤動態。Astra 建立 3D 模型,並撰寫 Python 求解器,模擬輪胎與懸吊系統之間的複雜動態,接著在 Blender 中將結果製作成動畫。這讓工程師能快速測試新設計,並逐步提升模擬精確度。
機械設計與組裝
GPT‑6.2 Astra 能逐一建模機械繫統的各個零件,讓工程師得以展示組裝方式,並測試設計變更對機械繫統運作的影響。
_我們請 GPT‑6.2 Astra 根據公開照片與組裝手冊,為一臺遙控越野車及其引擎建模。它為各個零件建模、製作動畫組裝指南,並產出圖解零件目錄。這展現 Astra 如何加速實體工程產品的開發與檔案製作。_
從 CAD 設計到紙燈
我們的團隊使用 GPT‑6.2 Astra,將芝加哥 Marina City 大廈的波浪形陽臺設計成一盞燈。影片呈現從參考照片、CAD 設計修改,到親手組裝實體燈具的完整過程。這個由 GPT-6.2 Astra 生成的網站,可用來製作你自己的紙燈。
GPT‑6.2 Astra 的視覺推理能力更強,能為網頁設計挑選合適的版面配置與影像,讓每個網站都呈現獨特風格,並依網站的實際目標打造各項元素。
視覺推理與電腦操作能力的進步,也延伸到了 3D 設計。GPT‑6.2 Astra 和 Sol 能將文字需求轉化為互動式瀏覽器體驗,從可以實際遊玩的彈珠臺,到能從不同角度探索的羅馬競技場重現場景。在 Artificial Analysis 的 AA‑3D 評測中,評審會盲測根據同一提示詞製作的兩種體驗,並投票選出偏好的一種。GPT‑6.2 Astra 以 1,318 Elo 排名第一,其次是 Claude Fable 5.2 的 1,271 分,以及 GPT‑6.2 Sol 的 1,259 分。
以更整潔的程式碼風格打造高效率工作流程
GPT‑6.2 Astra 更善於判斷如何執行任務,包括依工作流程選擇合適的工具與投入程度,並判斷何時該使用外掛程式、何時該透過電腦操作完成。
在程式開發方面,GPT-6.2 Astra 更擅長在既有程式碼庫中實作並測試複雜變更。早期測試者表示,它產出的程式碼風格更整潔、測試更聚焦,所需的修改回合也更少。
1 之 3
網路安全能力
GPT‑6.2 Astra 和 GPT-6.2 Sol 的網路安全能力再度大幅躍進。它們更有效地找出並利用漏洞、撰寫更安全的程式碼,也能產出品質更好的修補程式;在多項評測中,Token 使用效率也大幅提升。與 GPT‑6 Astra 一樣,6.2 Astra 和 Sol 在我們的 Preparedness Framework 中,網路安全能力皆達到 Critical 等級。
由於能力有所提升,我們推出 GPT‑6.2 Astra 和 Sol,並針對較高風險的網路安全協助加強防護措施。這些防護措施可降低遭到濫用的風險,但也會限制部分正當的漏洞研究與安全測試工作流程。透過 OpenAI Daybreak,目前經核准的防禦者可在 Daybreak Blue 使用減少網路安全拒絕回應的 GPT‑6 Astra,也可在 Daybreak Red 使用 GPT‑6 Cyber 進行進階且經授權的安全測試。我們將努力讓 Daybreak 也能提供 GPT‑6.2 模型。
以下列出重要的基準測試結果,測試採用已停用網路安全防護措施與分類器的內部設定。完整結果與方法請參閱隨附的系統卡(在新視窗中開啟)。
_DeepBinary(在新視窗中開啟)用來測試模型找出已編譯 Windows 系統二進位檔漏洞的能力。每一列顯示模型以最高推理能力檢查 12 個目標二進位檔後找到的漏洞。每個圓點代表累計結果中的一個檔案,最後一個圓點則是所有檔案的累計總數。_
讓網路安全防禦者更具優勢
開發者愈來愈常依賴程式碼代理撰寫正式環境使用的軟體;與此同時,能力更強的代理也降低了發現及利用漏洞的門檻。PHP2Shell(在新視窗中開啟)展示了 AI 如何協助研究人員找出重大漏洞。GPT‑6.2 Astra 和 Sol 將防禦能力列為核心重點,並加入新的訓練訊號,協助開發者預防及修補漏洞:從一開始就撰寫安全的程式碼,並產生能保留預期行為的修補程式。
_SecureSWE 是一項內部基準測試,用來評估模型是否能為安全敏感元件撰寫可正常運作且安全的程式碼,例如提供檔案服務或處理資料庫查詢。_
安全與對齊
我們以目前最嚴謹的防護措施部署 GPT-6.2 Astra 和 Sol。我們收緊了限制,也強化了用來監控模型及在必要時介入的系統。
與 GPT-6 Astra 一樣,GPT-6.2 Astra 和 Sol 在網路安全方面均達到「重大」門檻,並依據準備框架達到生物與化學能力的「高」門檻。我們已採取防護措施來降低相關風險,並針對一系列可能具有雙重用途的生物與網路安全相關請求加強限制。
防護措施與測試的更多資訊,請參閱GPT-6.2 系統卡(在新視窗中開啟)。
AI 研究能力與防護措施
GPT-6.2 Astra 是我們首款對外發布、達到 AI 自我改進「高」門檻的模型。此門檻衡量模型加速 AI 研究的能力。「高」代表我們評估該模型的影響力,相當於在以 2024 年為基準的情況下,為每位 OpenAI 研究人員配備一名能力出眾的研究工程師助理。我們追蹤這項能力,是因為能協助開發未來 AI 系統的模型,也可能帶來新的安全風險,例如加速技術進展,使防護措施或人類監督來不及因應。
為了因應這些風險,我們在模型的訓練與部署流程中加入更多監督機制與控管措施。在擴大 GPT-6.2 Astra 的內部存取許可權前,我們評估了它的對齊情形,並確認每個階段都已設定必要的防護措施。我們強化了研究環境中的控管措施,並以能力最強的模型測試這些防護措施。我們也打造了Control Room,這套系統會追蹤研究工作負載,並能在需要介入時停止模型繼續輸出。我們的擴大監控機制會檢視模型在內部工作負載及支援的外部部署中的推理過程與行動。系統可自動標記未經授權的行為,並在支援的情況下暫停工作負載或對話。
對齊
在大多數對齊評估中,兩個模型的表現與 GPT-6 Astra 相近,在模擬職場任務中採取不當行動的次數也較少。不過,在兩項測試中,這兩個模型較常未提及妨礙任務進行的障礙,例如檔案遺失或搜尋工具無法使用。我們已在 Codex 中加入指示,大幅減少這類遺漏,並持續調查此行為。
_在「阻礙資訊隱瞞」測試中,我們在程式設計任務中加入障礙,例如移除使用者要求 AI 助理編輯的檔案。評估時會檢查模型是否向使用者說明遇到的障礙。_
價格與供應情形
自今日起,所有 Plus、Pro、Enterprise 和 Edu 使用者都可在 ChatGPT Work 和 Codex 中使用 GPT-6.2 Astra 與 Sol。Pro 500 訂閱者可搭配任一模型使用 Ultrafast。我們也首度開放 Pro 200 訂閱者使用 Ultrafast,首先支援 GPT-6.2 Sol。符合資格的 Enterprise 和 Edu 使用者,在工作空間管理員啟用後,也能取得相同許可權。開發者也可以透過 OpenAI API 使用 gpt-6.2-astra 和 gpt-6.2-sol;兩個模型在推出時都支援 Ultrafast。
受惠於更高的 token 使用效率、輸入與輸出 token 費用降低 20%,以及快取輸入 token 費用降低 60%,GPT-6.2 Astra 每項任務的成本大幅低於 GPT-6 Astra。標準 API 費率以每百萬 token 計,輸入為 $8、快取輸入為 $0.40、輸出為 $40。GPT-6.2 Sol 沿用 GPT-6.1 Sol 的費率,每百萬 token 的輸入為 $2、快取輸入為 $0.10、輸出為 $10。
_為了提升快取重用率、降低成本與延遲,並在多輪對話中保留推理脈絡,我們建議使用 GPT-6.2 Astra 與 Sol 時維持提示字首不變,並在對話中附加新指示(在新視窗中開啟)。_