OpenAI 發布 GPT-6.2 Astra 和 Sol,科學與機器人評測領先,編碼助理沒有進步
Artificial Analysis 評測 GPT-6.2 Astra 與 GPT-6.2 Sol:智慧指數第二,編碼代理無提升
OpenAI 發布 GPT-6.2 Astra 和 GPT-6.2 Sol,Artificial Analysis 的評測顯示,兩款模型在不同任務上的表現有高有低。
- Astra 在智慧指數排名第二,也在 3D 和機器人評測中領先。
- Sol 的智慧指數分數則比前一版高 2 分。價格方面,Astra 比 GPT-6 Astra 便宜 20%,Sol 的價格維持不變。不過在編碼助理評測中,Astra 和前一版打平,Sol 則少了 3 分。
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:
Artificial Analysis 的評測顯示,Astra 在多項科學、3D 與機器人測試表現突出,但編碼助理指數沒有提升,可用來比較不同任務的進步幅度。
OpenAI 釋出 GPT-6.2 Astra 和 GPT-6.2 Sol,在 Artificial Analysis 智慧指數中位列第 2,並佔據了每任務成本帕累托前沿的大部分割槽域
@OpenAI 的 GPT-6.2 Astra 定價為 $8/$40,比 GPT-6 Astra 低 20%,快取輸入從每百萬 token $1.00 降至 $0.40。GPT-6.2 Sol 的定價與 GPT-6.1 Sol 保持不變,為每百萬輸入/輸出 token $2/$10。
要點:
➤ 智慧指數排名第二:在 Artificial Analysis 智慧指數中,OpenAI 現在僅落後於 Anthropic 的 Claude Fable 5.2。GPT-6.2 Astra 較 GPT-6 Astra 提升 5 分,在最高努力設定下超過了 Gemini 4 Carbon(60)和 Claude Opus 5.5(59)。GPT-6.2 Sol 提升 2 分至 57,與 GPT-6 Astra 持平,而每任務成本約為後者的 15%。
- 佔據大部分成本與輸出 token 前沿:OpenAI 模型現在佔據了每任務成本帕累托前沿的大部分割槽域,僅與 Anthropic 和 Meta 共享該前沿。OpenAI 還在每任務輸出 Token 帕累托前沿中佔據主導地位,Claude Fable 5.2 是唯一齣現在該前沿上的非 OpenAI 實驗室模型。
- 在科學與知識方面表現強勁:OpenAI 在我們兩項重點科學評估中均表現強勁,在涵蓋AI 助理科學研究工作流的 Terminal-Bench-Science 0.1 中領先,在涵蓋物理推理的 CritPt v2(困難子集)中僅次於 Claude Fable 5.2 位列第二。在由 AA-Omniscience v1.1 Accuracy 衡量的事實知識以及推理與知識基準 HLE-Diamond 中,GPT-6.2 Astra 僅落後於 Claude Fable 5.2。
- 在 3D 與機器人領域領先:GPT-6.2 Astra 以 1318 分領跑 AA-3D,Claude Fable 5.2 為 1271 分,GPT-6.2 Sol 為 1259 分。該基準衡量模型構建互動式 3D 體驗的能力,由人工評分員評定。GPT-6.2 還在 AA-Robotics v0.1 中領先,這是我們的研究預覽版,衡量語言模型在現實世界中理解、規劃和行動的能力。GPT-6.2 Astra 和 GPT-6.2 Sol 分別得分 79 和 78,領先於 Claude Fable 5.2 的 75 分。我們的團隊正努力新增更困難的任務,因為 OpenAI 和 Anthropic 的模型現在已能完成這一初步研究預覽中的大多數基礎任務。
- 編碼AI 助理指數無提升:在 Artificial Analysis 編碼AI 助理指數(Codex 測試框架,最高努力)中,GPT-6.2 Astra 與 GPT-6 Astra 持平,GPT-6.2 Sol 相對 GPT-6.1 Sol 下降 3 分。對於 Sol,這一下降由 SWE-Atlas-QnA-AA 下降 14 分所致,該模型比其前代更可能在回答中遺漏關鍵事實。不過,成本效率使 GPT-6.2 Astra 和 Sol 的多個努力等級進入了每任務成本帕累托前沿。

—— 本文由 AIHOT 聚合整理,完整版與更多 AI 動態見 https://aihot.news/items/vop48ebueqjbpzs25hyrsi02m