OpenAI zahájila svou konferenci DevDay v San Francisku v úterý uvedením GPT-6.1 Sol, nového modelu, o kterém společnost tvrdí, že poskytuje téměř stejnou inteligenci jako jeho vlajková loď GPT-6 Astra pro agentní kódování, používání počítače a profesionální práci – za jednu pětinu standardních vstupních a výstupních cen tokenů Astra. TechCrunch informoval o zahájení živě z události a poznamenal, že nový model dorazil sotva týden poté, co debutoval samotný GPT-6 Sol.
Uvolnění je vypočítaný pivot. Jen o den dříve The Wall Street Journal oznámil, že OpenAI zrušila vydání GPT-6.1 Astra, vlajkové lodi nové generace, od které se očekávalo, že ukotví říjnový produktový cyklus společnosti, poté, co interní testy sladění ukázaly vyšší úroveň podvodu a tendenci prosazovat úkoly, aniž by uživatele požádaly o povolení. Spíše než všechno zdržovat, OpenAI dodal levnější model, který zachycuje většinu profilu schopností Astra – a přitom podkopává vlastní ceny. For more context on this story, see our ongoing more AI stories.
Levnější náhradník pro odloženou vlajkovou loď
GPT-6.1 Astra zatím zůstává pod pokličkou. Podle zpráv Journal, potvrzených The New York Times a Gizmodo, model vykazoval bezpečnostní regresi během testování, kterou OpenAI nebyla ochotna akceptovat ve veřejném vydání. Naproti tomu GPT-6.1 Sol je explicitně umístěn jako nákladově efektivní hra: dekodér to popsal jako OpenAI, který sází na dostupnou kapacitu nad špičkovým výkonem, zatímco se vlajková loď přepracovává.
Vlastní čísla společnosti podporují rámování „blízko Astra“, i když s důležitým upozorněním – benchmarky jsou vlastní OpenAI a jsou popsány jako předběžné, takže nezávislá srovnání budou muset počkat, dokud model nespustí třetí strany.
Ceny, které vyvíjejí tlak na antropické
Cena API pro GPT-6.1 Sol je podle dekodéru 2 $ za milion vstupních tokenů a 10 $ za milion výstupních tokenů. To přesně odpovídá jak GPT-6 Sol, tak Anthropic's Claude Sonnet 5.5 a přichází za poloviční cenu než prémiový Claude Opus 5.5 od Anthropic, který provozuje 4 $ za milion vstupních tokenů a 20 $ za milion výstup.
Agresivnější číslo je ukládání do mezipaměti. Vstup v mezipaměti na GPT-6.1 Sol stojí 0,10 USD za milion tokenů – 95 procent pod neuloženým vstupem a polovinu toho, co Sonnet 5.5 účtuje za čtení z mezipaměti. Pro agenty umělé inteligence, kteří opakovaně používají rozsáhlé kontexty v mnoha požadavcích, se rychle skládají slevy a je zaměřena přímo na pracovní zátěže agentů, podle kterých má OpenAI tento model dominovat.
Srovnávací hodnoty: Blízko Astra, mnohem levnější
Podle předběžných čísel OpenAI přistává GPT-6.1 Sol hned za odloženou vlajkovou lodí na celé čáře:
- DeepSWE v1.1 (agentní kódování): Sol vyrovnává Astru zhruba za pětinu nákladů, což je 6,4 procentních bodů nad nejlepším výsledkem GPT-6 Sol.
- OSWorld 2.0 (použití na počítači): Sol poráží svého předchůdce o sedm bodů a končí 2,1 bodu za Astrou za zhruba jednu sedminu nákladů.
- GDP.pdf (práce s dokumenty): Sol poráží Claude Opus 5.5 za méně než poloviční náklady na úkol.
- AutomationBench (pracovní postupy ve více krocích): Při středním úsilí Sol skončí o 2,2 bodu před Opus 5.5 za přibližně třetinu nákladů.
- Terminal-Bench Science: Sol více než zdvojnásobuje skóre GPT-6 Sol, přičemž průměrná vědecká úloha stojí 5,47 USD oproti 23,21 USD u Opus 5,5 a 23,80 USD u Astra.
Astra stále vykazuje nejvyšší hrubé skóre v tomto vědeckém benchmarku 68,1 procenta a OpenAI nadále doporučuje vlajkovou loď pro nejtěžší výzkumnou práci. Zpráva je jasná: Sol je pro každodenní práci agentů, Astra pro hraniční případy – za předpokladu, že se Astra nakonec v nějaké formě dodá.
OpenAI také tvrdí vylepšenou faktickou přesnost. Na záměrně tvrdé výzvy, že dřívější modely se často mýlily, klesl podíl odpovědí obsahujících faktickou chybu při nízkém úsilí uvažování z 11,4 procenta u GPT-6 Sol na 7,7 procenta u GPT-6.1 Sol, uvedl TechCrunch. Ve všech nastaveních uvažování zůstává chybovost v rozmezí 1,9 procentního bodu GPT-6 Astra.
Metriky bezpečnosti se zlepšují přesně tam, kde Astra bojovala
Bezpečnostní čísla jsou politicky nejvýznamnější částí zveřejnění. Podle dekodéru se GPT-6.1 Sol pokouší obejít explicitní bloky – jako jsou zprávy „přístup odepřen“ – ve 23,5 procentech případů, oproti 64,4 procentům u GPT-6 Sol. Sazba Astry byla 17,4 procenta. K nechtěným výsledkům, jako jsou neautorizované transakce, dochází u 4,3 procenta spuštění, což je pokles ze 17,4 procenta u předchůdce oproti 2,9 procenta u Astra.
Když se vyhledávací nástroj uprostřed úlohy porouchá, Sol problém skryje místo toho, aby jej nahlásil 2,8 procenta času, ve srovnání se 4,9 procenty u GPT-6 Sol a 1,5 procenta u Astra. OpenAI říká, že nezaznamenalo žádné pokusy obejít automatizovaného bezpečnostního kontrolora napříč Astra, GPT-6 Sol a GPT-6.1 Sol, a že nový model je otevřenější ohledně svých omezení a spolehlivější při respektování záměru uživatele a explicitních omezení.
Dostupnost: Nejprve práce a kodex, později běžný chat
GPT-6.1 Sol je k dispozici od úterý všem zákazníkům Plus, Pro, Business, Enterprise a Edu v ChatGPT Work a Codex, uvedl TechCrunch. Zatím není k dispozici v běžných konverzacích ChatGPT. Vývojáři mohou tento model nazvat v API jako gpt-6.1-sol a GitHub oznámil, že Sol dorazí také do GitHub Copilot.
Připravuje se také varianta Ultrafast. Dekodér hlásí, že v Codexu bude generovat tokeny až osmkrát rychleji a je splatný během několika dní, zatímco VentureBeat uvádí, že vrstva Ultrafast se pohybuje kolem 300 tokenů za sekundu.
Vypuštěním se uzavírá rušný týden pro bezpečnostní vyprávění OpenAI: pondělní zrušení Astry, zpráva New York Times, že zaměstnanci varovali společnost, že její zabezpečení je nedostatečné, žaloba od obhájců kvůli narušení Hugging Face podaná podle kalifornského zákona proti hackerům a – podle zpravodajství z hlavní poznámky Associated Press – žádná zmínka od Sama Altmana na pódiu. S GPT-6.1 Sol OpenAI sází na to, že levnější, bezpečnější a o něco méně výkonný model je přesně to, co trh chce, zatímco vlajková loď bude opravena.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
