OpenAI vydala GPT-6.1 Sol. Výkonem se blíží vlajkové Astře, stojí ale jen pětinu

Přidat Svět Androida mezi preferované stránky na Google

ať vám neunikne žádná Android novinka nebo sleva

Jen týden po uvedení modelu GPT-6 Sol přichází OpenAI s jeho vylepšenou verzí. GPT-6.1 Sol se podle firmy v programování, práci s dokumenty i ovládání počítače blíží vlajkovému GPT-6 Astra, za zpracované tokeny si přitom účtuje jen pětinu jeho ceny. Vývojáři a firmy, které nechávají AI agenty pracovat na desítkách úloh denně, tak za stejný rozpočet zvládnou mnohem víc práce.

V programování se může vyrovnat Astře, stojí přitom pětkrát méně

Největší skok udělal nový model v programování. V testu DeepSWE 1.1, který agentům zadává dlouhé úlohy ve skutečných softwarových projektech, se podle OpenAI vyrovná GPT-6 Astra za zhruba pětinové náklady. Nejlepší výsledek předchůdce GPT-6 Sol navíc překonává o 6,4 procentního bodu, a to i s kratším přemýšlením.

Polepšila si i odborná práce s dokumenty. V testu GDP.pdf model odpovídá na otázky nad složitými PDF z financí, zdravotnictví nebo práva, včetně tabulek, grafů a drobného písma. Tady podle OpenAI poráží Claude Opus 5.5 za méně než poloviční náklady a k Astře má blízko. V testu AutomationBench, kde agent prochází vícekrokové firemní postupy s desítkami nástrojů od prodeje po personalistiku, je o 2,2 procentního bodu před Opusem 5.5 a vyjde přibližně na třetinu.

Jak si vede při ovládání počítače a ve vědě?

Druhou silnou disciplínou jsou úlohy, při kterých AI sama kliká a píše v aplikacích místo uživatele. V testu OSWorld 2.0 GPT-6.1 Sol zaostává za Astrou jen o 2,1 procentního bodu, přitom vyjde zhruba na sedminu. Oproti GPT-6 Sol si polepšil o sedm bodů při méně než polovičních nákladech.

Ve vědeckém testu Terminal-Bench Science, kde agenti analyzují data, spouštějí simulace nebo odhadují parametry modelů, nový Sol více než zdvojnásobil skóre předchůdce. Jedna úloha ho při maximální intenzitě uvažování vyjde v průměru na 5,47 dolaru, zatímco Opus 5.5 spolkne 23,21 a Astra 23,80 dolaru. Na nejnáročnější výzkum ale OpenAI dál doporučuje Astru, která s 68,1 % zůstává v testu na špičce.

Chybovost šla mírně dolů, Astra ale pořád vede

U záměrně náročných dotazů, na kterých uživatelé dřív přistihli ChatGPT při omylu, obsahuje faktickou chybu pouze 4,1 % odpovědí nového modelu. GPT-6 Sol byl na 4,5 %, Astra na 4,0 %. Test ale podle samotné OpenAI nereprezentuje běžné používání, ve kterém mají být chyby ještě vzácnější.

Ráno otevřete počítač a práce je hotová. OpenAI představila agenty dots Adam Kurfürst Zprávičky Adam Kurfürst Zprávičky

Posun hlásí firma i v tzv. sladění s lidskými záměry. GPT-6.1 Sol otevřeněji přiznává, co nezvládne, a spolehlivěji dodržuje zadání i bezpečnostní omezení. Když mu třeba přestane fungovat vyhledávací nástroj, zamlčí to a začne hádat jen ve 2,8 % případů. Starší Sol takhle selhal ve 4,9 %, Astra v 1,5 % a nejlevnější Luna dokonce v 28,7 % případů.

Kde je GPT-6.1 Astra? Prý vůbec nevyjde

Právě bezpečnost je důvodem, proč vedle nového Solu chybí jeho větší sourozenec. OpenAI podle pondělních zpráv odpískala vydání GPT-6.1 Astra, který měl dorazit v říjnu. Model podle deníku The Wall Street Journal v interních testech klamal častěji než předchůdce – ne vždy například přiznal, jaké kroky skutečně provedl – a sahal po externích nástrojích bez svolení.

Saachi Jain z bezpečnostního týmu OpenAI podle agentury Reuters uznává, že model nedosáhl požadované úrovně v dodržování zadání a udělených oprávnění. Firma chce stejný základní model využít pro další verze GPT-6, nejdřív ale musí dohledat, kde se problémy vzaly.

Cena a dostupnost GPT-6.1 Sol

Ceník se oproti GPT-6 Sol nemění: vývojáři v API zaplatí 2 dolary za milion vstupních a 10 dolarů za milion výstupních tokenů. Zlevnil ale opakovaně použitý kontext z mezipaměti, který nově stojí 0,10 dolaru za milion tokenů, tedy polovinu dosavadní ceny. Ušetří hlavně agentní úlohy, při kterých model dostává stejné podklady znovu a znovu.

Předplatitelé ChatGPT Plus, Pro, Business, Enterprise a Edu mají nový model k dispozici od dneška v ChatGPT Work a v Codexu, v běžném chatu zatím chybí. Spolu s ním OpenAI uvedla i varianty GPT-6 Astra Ultrafast a GPT-6.1 Sol Ultrafast, které jsou až osmkrát rychlejší. Kromě API je dostanou uživatelé nové úrovně tarifu Pro za zhruba 10 tisíc korun (500 dolarů) měsíčně.

Sáhli byste po levnějším Solu, nebo byste si za Astru připlatili?

Zdroje: OpenAI, Reuters

Přidat Svět Androida mezi preferované stránky na Google

ať vám neunikne žádná Android novinka nebo sleva