Live workshop ChatGPT Naplno · št 10. 12. · 39 € do 23. 11.Pozrieť →

Je tu GPT-6.2 Astra a Sol: OpenAI má druhú najsilnejšiu AI na svete

Sam Altman a Martin Gregor s 3D logom ChatGPT, GPT-6.2 Astra a Sol

OpenAI v utorok večer nášho času vydal novú dvojicu modelov: GPT-6.2 Astra a GPT-6.2 Sol. Astra je nový frontier model pre najťažšie projekty, Sol je rýchlejší a lacnejší model na každodennú prácu. Oba majú spoločné to, že pri náročných úlohách dosahujú lepšie výsledky s menším počtom tokenov, takže v rámci rovnakého predplatného zvládnete viac a firmy zaplatia za úlohu menej.

Nezávislá firma Artificial Analysis po vlastnom testovaní posunula GPT-6.2 Astra na druhé miesto na svete. Pred ním je už len Claude Fable 5.2 od Anthropicu, ktorý vyšiel len pred týždňom. Poďme sa pozrieť, čo nové modely dokážu, kde naozaj vedú a kde naopak zaostávajú.

GPT-6.2 Astra a Sol: čo OpenAI vlastne vydal

Rodina GPT-6 má v ChatGPT niekoľko modelov a v novembri sa v nej opäť pohlo. GPT-6 Astra vyšiel v septembri ako vlajková loď, nasledoval GPT-6.1 Sol ako lacnejšia alternatíva a koncom októbra prišiel ešte lacnejší GPT-6.1 Terra. Verzia 6.2 teraz aktualizuje oba hlavné modely naraz.

  • GPT-6.2 Astra je určený na komplexnú odbornú prácu: prezentácie, tabuľky, dokumenty, programovanie, vedu, 3D dizajn a ovládanie počítača.
  • GPT-6.2 Sol je efektívny všestranný model, ktorý podľa OpenAI mnohí zamestnanci firmy používajú ako predvolený model na technické aj netechnické úlohy.

OpenAI zdôrazňuje hlavne efektivitu. GPT-6.2 Astra podľa firmy prekonáva svojho predchodcu pri menej než tretinových nákladoch na úlohu a GPT-6.2 Sol sa na viacerých testoch približuje Astre za zlomok ceny.

Benchmarky: rekordy v práci aj vo vede

Najviac pozornosti púta nový test Agents‘ Last Exam, ktorý preveruje dlhú viackrokovú odbornú prácu. GPT-6.2 Astra v ňom dosiahol nové maximum: o 5,2 bodu prekonal GPT-6 Astra pri menej než tretinových nákladoch a Claude Fable 5.2 o 5,5 bodu, pričom stál len asi 5 % toho, čo Fable. OpenAI však v poznámke priznáva, že výsledky Fable nezahŕňajú deväť úloh, pri ktorých sa použil záložný model.

Graf Agents Last Exam v1.1, GPT-6.2 Astra vs Claude Fable 5.2
Agents‘ Last Exam v1.1: skóre verzus náklady na úlohu. Zdroj: OpenAI

Vo vede OpenAI tvrdí, že GPT-6.2 Astra je najlepší model na svete pre vedcov. V teste Terminal-Bench-Science 0.1, ktorý meria vedeckú prácu v termináli, dosahuje o 9 percentuálnych bodov viac než GPT-6 Astra pri tretinových nákladoch. Nové maximum má aj vo Vals Science Index, kde modely interpretujú reálne biologické údaje a experimentmi zisťujú, ako funguje simulovaný systém.

Graf Terminal-Bench-Science 0.1, GPT-6.2 Astra a Sol
Terminal-Bench-Science 0.1: GPT-6.2 Astra vedie s výrazne nižšími nákladmi než Claude Fable 5.2. Zdroj: OpenAI

Zaujímavý je aj právnický test Harvey LAB-AA, do ktorého sa započítajú len výstupy bez závažných halucinácií, ktoré spĺňajú všetky kritériá. GPT-6.2 Astra tu má viac než dvojnásobnú úspešnosť oproti Claude Fable 5.2 pri asi šestinových nákladoch. Treba však dodať, že absolútne čísla sú stále nízke, okolo 15 %, takže ide o veľmi tvrdý test.

Graf Harvey LAB-AA v1.1, GPT-6.2 Astra v právnickej práci
Harvey LAB-AA v1.1: podiel výstupov, ktoré prešli všetkými kritériami bez halucinácií. Zdroj: OpenAI

Ďalšie čísla z oznámenia v skratke:

  • GDPval v2 (dlhé projekty z poradenstva, financií či dizajnu): Astra +6,2 bodu oproti GPT-6 Astra pri o 22 % menšom počte výstupných tokenov, Sol +5,3 bodu oproti GPT-6.1 Sol.
  • AA-AnalystAgent (práca s reálnymi tabuľkami a správami): Astra odpovedá správne na 62,5 % otázok vo všetkých piatich pokusoch.
  • FrontierCode 2.0 od Cognition: Sol zaostáva za Astrou najviac o 0,5 bodu pri približne pätinových nákladoch.
  • LifeVal (každodenné osobné úlohy): Sol prekonáva pôvodný GPT-6 Astra pri približne sedminových nákladoch.
  • BenchCAD 2.1 Core: Astra sa takmer vyrovná Claude Fable 5.2 s maximálnym uvažovaním, no za zlomok ceny.
Graf BenchCAD 2.1 Core, GPT-6.2 Astra a Sol
BenchCAD 2.1 Core. Zdroj: OpenAI

Nezávislé hodnotenie: druhé miesto za Claude Fable 5.2

Výsledky od samotnej firmy treba brať s rezervou, preto je dôležité, čo ukázalo nezávislé meranie. Artificial Analysis spája vo svojom Intelligence Indexe deväť testov z oblasti znalostnej práce, programovania, vedy a všeobecných vedomostí. GPT-6.2 Astra v ňom poskočil o 5 bodov na 62 bodov a predbehol Gemini 4 Carbon (60) aj Claude Opus 5.5 (59). Na prvom mieste zostáva Claude Fable 5.2 so 65 bodmi.

Artificial Analysis Intelligence Index, GPT-6.2 Astra na 2. mieste za Claude Fable 5.2
Artificial Analysis Intelligence Index v5 a pomer inteligencie k nákladom na úlohu. Zdroj: Artificial Analysis

GPT-6.2 Sol si polepšil o 2 body na 57, čím sa vyrovnal pôvodnému GPT-6 Astra pri zhruba 15 % jeho nákladov na úlohu. Modely OpenAI teraz podľa Artificial Analysis obsadzujú väčšinu takzvanej Pareto hranice, teda najlepšieho pomeru výkonu a ceny. Delia sa o ňu už len s Anthropicom a Metou.

https://twitter.com/ArtificialAnlys/status/2122750634210529569

Artificial Analysis vyzdvihuje silu v prírodných vedách a znalostiach. OpenAI vedie v Terminal-Bench-Science a v testoch fyzikálneho uvažovania CritPt aj faktických znalostí AA-Omniscience je druhý, opäť len za Fable 5.2. Rovnako férovo však meranie ukázalo aj slabiny, o ktorých sa OpenAI vo svojom oznámení veľmi nerozpisuje:

  • Žiadne zlepšenie v programovaní: v Coding Agent Indexe je GPT-6.2 Astra na rovnakej úrovni ako GPT-6 Astra a GPT-6.2 Sol dokonca stratil 3 body oproti GPT-6.1 Sol. Pri Sole za to môže prepad o 14 bodov v teste SWE-Atlas-QnA, kde častejšie vynecháva kľúčové fakty.
  • Halucinácie: keď model nepozná odpoveď na faktickú otázku, Astra si tipne v 59 % prípadov a Sol v 55 % prípadov.

3D svety a robotická ruka: tu je GPT-6.2 jednotka

Kde OpenAI jednoznačne vedie, je vizuálna a priestorová práca. V teste AA-3D ľudskí hodnotitelia skúšajú dva interaktívne 3D výstupy vytvorené z rovnakého zadania bez toho, aby vedeli, ktorý model ich vyrobil. GPT-6.2 Astra je prvý s Elo hodnotením 1 318, za ním je Claude Fable 5.2 s 1 271 a GPT-6.2 Sol s 1 259. Ľudia preferovali scény od Astry v 139 zo 152 priamych súbojov.

Ešte zaujímavejší je nový test AA-Robotics v0.1, ktorý meria, ako dobre jazykové modely rozumejú fyzickému svetu, plánujú a konajú v ňom. GPT-6.2 Astra získal 79 bodov, o 10 viac než GPT-6 Astra, a predbehol GPT-6.2 Sol (78), Claude Fable 5.2 (75) aj Gemini 4 Hydrogen (58). Pri ovládaní skutočnej robotickej ruky cez Codex zvládol šesť z ôsmich fyzických úloh, nalievanie tekutiny dokončil čiastočne a zlyhal len pri meraní krabice.

OpenAI vo svojich ukážkach ukazuje, ako Astra modeluje RC buginu diel po diele, píše fyzikálny simulátor podvozku auta v Pythone a animuje ho v Blenderi, alebo navrhne papierovú lampu od CAD modelu až po fyzický výrobok. Lepšie vizuálne uvažovanie sa prejavuje aj pri webových stránkach, ktoré majú prepracovanejšie rozloženie a zmysluplnejšie obrázky.

Prezentácie, tabuľky a dokumenty, ktoré nevyzerajú ako z AI

Pre bežného používateľa ChatGPT je možno najdôležitejšie zlepšenie v kancelárskej práci. GPT-6.2 Astra bol trénovaný na tvorbu prehľadnejších snímok, tabuliek a dokumentov, ktoré lepšie dodržiavajú zvyklosti v práve, financiách či účtovníctve. Pri prezentáciách dokáže podľa OpenAI napodobniť šablónu až po presnú veľkosť písma, aj keď dostane len jej snímku obrazovky. To sa hodí najmä spolu s funkciou prezentácií v ChatGPT, na ktorých môže pracovať celý tím.

Texty majú byť priamejšie, s menej všeobecnými závermi a zbytočnými slovami. Medzi prvými testermi bol aj Higgsfield, podľa ktorého Astra pri generovaní 3D dosiahol cieľový výsledok na prvý pokus v 73 % prípadov, kým GPT-6 Astra potreboval tri a viac pokusov. Účtovná firma Basis zas hlási, že pri dlhých účtovných úlohách sa im priemerný čas skrátil o polovicu.

Cena, dostupnosť a bezpečnosť

GPT-6.2 Astra aj Sol sú od utorka dostupné v ChatGPT Work a v Codexe pre predplatiteľov Plus, Pro, Enterprise a Edu. Používatelia Pro 500 môžu s oboma modelmi zapnúť režim Ultrafast a predplatitelia Pro 200 ho po prvý raz dostávajú tiež, zatiaľ len so Solom. Vývojári majú modely v API pod názvami gpt-6.2-astra a gpt-6.2-sol.

  • GPT-6.2 Astra: 8 $ za milión vstupných tokenov, 0,40 $ za vstup z vyrovnávacej pamäte a 40 $ za milión výstupných tokenov. To je o 20 % menej než GPT-6 Astra a pri cache dokonca o 60 % menej.
  • GPT-6.2 Sol: cena sa nemení, 2 $ za vstup, 0,10 $ za cache a 10 $ za výstup na milión tokenov.

Na strane bezpečnosti OpenAI priznáva, že oba modely dosahujú kritickú úroveň v kybernetických schopnostiach a vysokú úroveň v biológii a chémii podľa svojho Rámca pripravenosti. Astra je navyše prvý verejne dostupný model OpenAI, ktorý dosiahol vysokú úroveň v kategórii sebazdokonaľovania AI, teda v schopnosti urýchľovať samotný výskum umelej inteligencie. Preto modely prichádzajú s prísnejšími obmedzeniami pri citlivých bezpečnostných otázkach a OpenAI posilnil monitoring, o ktorého dôležitosti svedčí aj nedávny incident s AI agentmi.

Záver: oplatí sa prejsť na GPT-6.2?

GPT-6.2 Astra nie je najinteligentnejší model na svete, tento titul si podľa nezávislého merania drží Claude Fable 5.2. OpenAI však zvolil inú stratégiu a namiesto čistého výkonu tlačí na efektivitu a cenu. Astra je druhý najsilnejší model, no pri mnohých úlohách stojí len zlomok toho, čo Fable, a v 3D, robotike či vede dokonca vedie.

Ak používate ChatGPT na prezentácie, tabuľky, analýzy alebo 3D a webový dizajn, nový model určite vyskúšajte, rozdiel by mal byť viditeľný hneď. Na bežnú prácu bude väčšine ľudí stačiť GPT-6.2 Sol. Ak však programujete, veľký skok nečakajte, tam podľa Artificial Analysis k zlepšeniu nedošlo. A ako vždy platí, pri faktoch si odpovede overujte, pretože miera halucinácií zostáva vysoká.

Zdroje