梦瑶 发自 凹非寺
量子位 | 公众号 QbitAI
OpenAI,你是真会玩王炸双发啊。
GPT-6.2 Astra和GPT-6.2 Sol,这次一起等来了!!!(欢呼.jpg)
不得不说,Astra各方面性能,这回一起卷起来了——
- 复杂Agent能力升级:Astra专业任务评测比前代提升5.2个百分点,任务成本降至三分之一以下。
- 科研能力刷新纪录:相关评测提升9个百分点,OpenAI直接称其为全球最强科学家模型。
- 编程能力再升级:在FrontierCode 2.0评测中拿下44.2%,较前代提升1.4个百分点。
- 3D生成登顶榜单:在Artificial Analysis的AA-3D评测中以1318 Elo拿下第一,超过Fable 5.2的1271分。
模型到底多能打,我们直接上才艺展示~
来看这个, Astra化身网页设计师,从布局到配图一手包办,还能为不同网站量身打造专属视觉风格:
再看这个,仅凭照片和手册,Astra就把遥控汽车连发动机都建模了,组装动画也一并搞定,有点厉害哈:
在AA-3D评测中,更是以1318 Elo登顶榜单,精细的3D模型说搓就搓,沉浸式交互场景也能直接生成,be like:
△x@fal
轻量版Sol同样亮眼,编程能力逼近Astra,任务成本仅为其五分之一。
价格上,6.2 Astra的API价格直降20%——
输入每百万Token 8美元、输出40美元,缓存输入价格更是下降60%。
6.2 Sol维持原价,API输入、输出每百万Token分别为2美元和10美元。
目前,两款模型已经登陆ChatGPT Work、Codex和API,Plus、Pro等订阅用户均可使用。
精话不多说,新模型具体能力我们直接来看~
Astra刷新专业任务纪录,Sol逼近旗舰性能
先来看这次GPT-6.2究竟升级了多少。
OpenAI在官方公告中,把6.2 Astra定位为面向高难度项目的旗舰模型。
6.2 Sol则负责高频、日常的专业任务。
我也帮大家浅浅总结了一波两个模型的能力亮点,我们先来一睹为快!!!
△AI生成
从公布的成绩来看,Astra最明显的进步集中在复杂任务执行、科研、编程和视觉设计上——
复杂专业任务刷新纪录,完成成本降至前代的三分之一以下。
在Agents’ Last Exam评测中,GPT-6.2 Astra比GPT-6 Astra提高5.2个百分点。
与Claude Fable 5.2相比,也领先5.5个百分点,而单任务成本仅为后者的5%,确实有点东西啊。。。
科研能力也继续提升,OpenAI甚至直接给出了「全球最强科学家模型」的定位。
在Terminal-Bench-Science 0.1中,Astra比前代提升9个百分点,任务成本同样降至三分之一以下。
Vals Science Index也刷新了成绩,其要求模型理解真实生物数据设计实验,并通过实验推断模拟系统的运行规律。
换句话说,相比单纯回答科学知识,已经更接近科研人员实际工作的过程~
当然,编程、3D设计和电脑操作能力,也集体next level了——
在第三方评测机构Artificial Analysis的综合智能指数中,Astra拿下62分,较前代提升5分。
Sol以57分追平上一代旗舰,成本却更低。
3D生成更是亮眼,Astra以1318 Elo登顶AA-3D榜单,超过Claude Fable 5.2的1271分,Sol也拿下1259分。
OpenAI还展示了一个蛮有意思的Demo——
GPT-6.2 Astra直接在CAD软件里上手搞机械设计了。
它能逐个处理机械零件,检查各个组件之间的连接关系,连这种需要精细操作的工程任务也能自己动手完成:
咱再来看下面这个demo。
6.2 Astra直接模拟了一辆汽车在山路上的行驶动态。
它先创建3D模型,再编写Python程序模拟轮胎与悬挂系统的运动关系,最后用Blender生成动画。
汽车行驶画面、悬挂运动和轮胎受力数据同步呈现,方便工程师快速测试设计方案——
再来看一个视觉推理方面的例子。
Astra直接搓出一个可交互的3D后花园。
蔬菜种植区、围栏、绿植一应俱全,还能自由切换视角、调整花坛布局。
甚至模拟一天中不同时段的阳光照射,连植物的采光情况都能直观看到:
网络安全能力也迎来明显提升。
GPT-6.2 Astra和Sol在漏洞发现、利用及代码修复方面全面升级。
甚至呢,双双达到OpenAI网络安全能力的最高风险等级。
在DeepBinary漏洞挖掘评测中,Astra发现的漏洞估计赏金总额突破100万美元,远超前代的约44万美元:
旗舰模型秀完自家本事,6.2 Sol也有自己的看点——
尤其在编程方面,它已经开始逼近Astra。
在Cognition的FrontierCode 2.0评测中GPT-6.2 Sol与Astra的差距只有0.5分,任务成本却只有后者的约五分之一。
换句话说,Sol在一些实际开发任务中,已经能以明显更低的成本接近旗舰模型的表现。
在日常任务评测LifeVal中,Sol甚至超过上一代GPT-6 Astra,成本约为后者的七分之一。
OpenAI还透露,内部许多员工已经把Sol作为技术和非技术工作的默认模型,这也解释了两款模型的分工了。
PPT、Excel、文档全升级,GPT-6.2办公能力更强了
除了科研和编程,这次GPT-6.2还有一项升级,估计打工人会很有感触。
做PPT、处理Excel、写专业文档,统统加强了!!!
在衡量真实专业工作能力的GDPval v2评测中,Astra比前代提升6.2个百分点,Sol也提升5.3个百分点。
而且Astra完成任务所需的输出Token还减少了22%,效率也跟着提高。
Excel方面,OpenAI还让新旧两代Astra完成同一项任务,根据财务数据,为一家虚构公司制作收入预测和估值表:
两代模型都能完成任务,但GPT-6.2 Astra生成的表格明显更清晰、更方便使用。
它把收入结构、企业估值到每股价值的计算过程,以及不同假设下的估值变化,全部放在同一页面。
PPT方面,OpenAI还让两代Astra为四个团队设计动物主题周边。
相比前代每个团队只设计一个形象,GPT-6.2 Astra一口气拿出了8款设计,涵盖徽章、T恤和背包刺绣等形式:
另一个案例中,OpenAI让两代Astra制作一页女性中高端时尚品牌市场分析PPT。
GPT-6.2 Astra的成品明显更接近可直接展示的水平——
不仅按价格和风格对品牌进行分类,还加入品牌Logo、价格区间,以及6款代表性连衣裙的图片和售价:
对于天天和表格、幻灯片打交道的打工人来说,这波升级确实挺实在。
目前,GPT-6.2 Astra和Sol均已登陆ChatGPT Work、Codex及API,Plus、Pro等订阅用户均可使用。
感兴趣的友友们,可以上手试试了~
参考链接:
[1]https://openai.com/index/introducing-gpt-6-2-astra-sol





