我们推出GPT‑6.2 Astra,这是我们面向你最艰难项目的新前沿模型,以及GPT‑6.2 Sol,这是我们面向日常工作的高效、通用模型。两款模型在要求苛刻的任务上以更少的输出 token 取得更好的结果,因此你能在使用限额内完成更多工作。对于企业和开发者而言,这意味着以适合规模化应用的成本获得前沿性能。

GPT‑6.2 Astra 为复杂专业工作中的 AI 树立了新的质量标杆。它生成的幻灯片、电子表格和文档读起来不那么像 AI,更贴近你提供的模板和你所在领域的惯例。它编写的代码更整洁,构建的前端在外观和功能上都更好,尤其是在网站、游戏和 3D 设计方面。

在测试多步骤专业工作的 Agents’ Last Exam 上,GPT‑6.2 Astra 创下新高,得分比 GPT‑6 Astra 高 5.2 分,成本却不到后者的三分之一;比 Claude Fable 5.2 高 5.5 分,成本仅为后者的 5%。

Agents’ Last Exam 评估模型在长周期专业工作流中的表现。其排行榜上 Fable 5.2 的结果排除了九项使用了回退模型的任务。

我们相信 GPT-6.2 Astra 是世界上最适合科学家的模型。它在 Terminal-Bench-Science 0.1 上创下新高,该基准测试评估模型在终端中开展科学工作的能力。GPT-6.2 Astra 的得分比 GPT-6 Astra 高 9 个百分点,成本却不到后者的三分之一。它还在 Vals Science Index 上创下新高,该指数要求模型解读真实生物数据并运行实验,以推断模拟系统的工作方式。

在 API 中,GPT‑6.2 Astra 的输入和输出 token 价格比 GPT‑6 Astra 低 20%,缓存输入还享有 60% 的折扣(输入 $8、缓存输入 $0.40、输出 $40,均为每百万 token)。GPT‑6.2 Sol 保持 GPT‑6.1 Sol 的 API token 价格。在多项基准测试中,两款模型都以每任务成本的一小部分接近或超越其他领先模型。

GPT-6.2 Sol:我们处理日常工作的首选模型

与 GPT‑6.1 Sol 相比,GPT‑6.2 Sol 更聪明、更高效,让你在同样的付费方案下完成更多任务。它能顺利推进多步骤智能体工作流,写作清晰自然,协作起来也很直观。OpenAI 的许多员工都把它作为技术和非技术任务的默认模型。

在 Cognition 的 FrontierCode 2.0 中,GPT‑6.2 Sol 与 GPT‑6.2 Astra 的差距在 0.5 分以内,而成本约为后者的五分之一(两者均为最高配置)。

FrontierCode 2.0 评估对真实代码库的改动是否达到维护者的合并标准。

它的速度和智能也使其非常适合人们在工作之外求助于 AI 的重要任务。在我们最近发布的LifeVal⁠评估中,该评估衡量模型在具有挑战性的日常任务上的表现,GPT‑6.2 Sol 的得分高于 GPT‑6 Astra,而成本约为后者的七分之一。

LifeVal 测试模型处理针对个人需求量身定制的日常任务的能力,例如搬家后筛选幼儿园、寻找符合家庭预算和通勤需求的住房,或为刚适应新诊断的家长规划膳食。

符合行业标准的专业输出

我们训练 GPT‑6.2 Astra 制作更清晰、设计更好的幻灯片、电子表格和文档,使其更贴近法律、销售、金融和会计等领域专业人士的惯常做法。写作更直接、更具体,泛泛而谈的结论更少,废话也更少。

Harvey LAB‑AA v1.1 使用法律任务来测试模型能否在源文件中找到相关事实、将其应用于详细的简报,并产出满足所有要求的准确交付物。GPT‑6.2 Astra 创下新的最佳成绩,通过率是 Claude Fable 5.2 的两倍多,而成本约为后者的六分之一。面向法律的 Astra⁠,即我们为律师配置的 GPT-6.2 Astra,在该基准测试中得分更高。

Harvey LAB‑AA 测试法律工作,例如审阅合同条款。其主评分只有在交付物满足所有评分标准且不含实质性幻觉时才会给分。

我们的内部 GDPval v2 基准测试是我们对GDPval⁠包含来自咨询、金融和设计领域真实项目的多步骤任务。GPT‑6.2 Astra 在我们测试的模型中领先,比 GPT‑6 Astra 提升了 6.2 个百分点,同时输出 token 减少了 22%。GPT‑6.2 Sol 比 GPT‑6.1 Sol 提升了 5.3 个百分点。

GDPval v2 由来自咨询、金融和设计领域真实项目的任务组成,使用的是团队在任务分配时手头的文件和消息。

幻灯片

GPT‑6.2 Astra 是我们在设计幻灯片和遵循幻灯片模板方面表现最好的模型,无论是给定原始文件还是截图。它能精确匹配布局、颜色和排版,甚至精确到字号,并将模板的写作风格带入新幻灯片。早期测试者发现,这些演示文稿更容易直接使用,所需编辑更少,这得益于点明核心要点的标题和聚焦读者所需细节的简洁正文。

工作簿和备忘录

构建估值工作簿或撰写投资备忘录,首先要从源文件中找到相关数字,并弄清它们如何组合在一起。Artificial Analysis 的 AA‑AnalystAgent 在真实电子表格和报告上测试这项工作。在一项任务中,模型使用加州 Medicaid 的支出报告来计算该项目在医疗运输上花费了多少。GPT‑6.2 Astra 创下新高,在全部五次独立尝试中正确回答了 62.5% 的问题。

第 1 页,共 4 页

计算机使用和交互式网页设计

GPT‑6.2 Astra 更精确的计算机使用能力使其能够深入到 CAD 和仿真工具中的单个零件和连接。工程师可以利用这些额外的细节来检查组件如何配合、查看设计移动时载荷如何转移,并在构建原型之前测试修改。

驾驶仿真

我们让 GPT‑6.2 Astra 可视化一辆汽车在山路上的底盘动力学。Astra 创建了 3D 模型,并编写了一个 Python 求解器来模拟轮胎与悬架之间的复杂动力学,然后在 Blender 中将结果制作成动画。这使工程师能够快速测试新设计,并随着时间的推移提高仿真精度。

机械设计与装配

GPT‑6.2 Astra 能够逐个部件地对机械系统进行建模,为工程师提供一种展示其装配方式并测试设计变更如何影响其行为的方法。

从 CAD 到纸灯

我们的团队使用 GPT‑6.2 Astra 将芝加哥 Marina City 双塔的扇贝形阳台变成了一盏灯。视频记录了从参考照片到 CAD 修改,再到手工组装的实体灯的设计过程。由 GPT-6.2 Astra 生成的网站可用于制作你自己的纸灯。

GPT‑6.2 Astra 为网页设计带来了更强的视觉推理能力,能够选择让每个网站呈现独特外观的布局和图像,并围绕网站的实际目标构建元素。

这些在视觉推理和计算机使用方面的提升也延续到了 3D 设计中。GPT‑6.2 Astra 和 Sol 可以将书面简报转化为交互式浏览器体验,从可游玩的弹珠台到可从不同角度探索的斗兽场复原。在 Artificial Analysis 的 AA‑3D 上,人类评委尝试两个由同一提示构建的盲测体验,并投票选出他们更喜欢的一个。GPT‑6.2 Astra 以 1,318 Elo 排名第一,紧随其后的是 Claude Fable 5.2 的 1,271 和 GPT‑6.2 Sol 的 1,259。

以更简洁的代码风格实现高效工作流

GPT‑6.2 Astra 对如何执行任务有更好的判断力,包括将工具和投入与工作流相匹配,以及知道何时使用插件而非计算机使用。

在编程方面,GPT-6.2 Astra 更擅长在现有代码库中实现和测试复杂变更。早期测试者反馈代码风格更简洁、测试更聚焦,修订轮次更少。

网络安全能力

GPT‑6.2 Astra 和 GPT-6.2 Sol 标志着网络安全能力的又一次显著跃升。它们能更有效地发现和利用漏洞,编写更安全的代码,并生成更好的补丁,在多项评估中实现了大幅的 token 效率提升。与GPT‑6 Astra⁠一样,6.2 Astra 和 Sol 在我们的Preparedness Framework⁠下达到了网络安全的 Critical 阈值。

由于其能力增强,我们推出 GPT‑6.2 Astra 和 Sol,并针对高风险的网络安全协助加强了防护措施。这些保护措施降低了滥用风险,但也限制了一些合法的漏洞研究和安全测试工作流。通过OpenAI Daybreak⁠,经过批准的防御者目前可以在 Daybreak Blue 上访问降低了网络拒绝率的 GPT‑6 Astra,以及GPT‑6 Cyber⁠,用于在 Daybreak Red 上进行高级的授权安全测试。我们将努力把 GPT‑6.2 模型引入 Daybreak。

我们在下面重点展示关键基准测试结果,使用的是禁用网络安全防护措施和分类器的内部测试配置。完整结果和方法论请参阅配套的系统卡⁠(在新窗口中打开)。

为网络防御者提供优势

开发者越来越依赖编码智能体来编写生产软件,即便能力更强的智能体降低了发现和利用漏洞的门槛。PHP2Shell⁠(在新窗口中打开)展示了 AI 如何帮助研究人员发现关键缺陷。借助 GPT‑6.2 Astra 和 Sol,我们将防御能力作为核心重点,引入新的训练信号,帮助开发者预防和修复这些缺陷——从一开始就编写安全代码,并生成能保持预期行为的补丁。

安全与对齐

我们正以迄今为止最强的防护措施部署 GPT-6.2 Astra 和 Sol。我们收紧了限制,并强化了用于监控模型⁠以及在必要时进行干预⁠的系统。

与 GPT-6 Astra 一样,除了满足网络安全的 Critical 阈值外,GPT-6.2 Astra 和 Sol 在我们的preparedness 框架⁠下均满足生物和化学能力的 High 阈值。我们已实施保护措施以缓解相关风险,同时加强了对一系列潜在两用生物和网络安全请求的限制。

有关我们的防护措施和测试的更多细节,请参阅GPT-6.2 系统卡⁠(在新窗口中打开)。

AI 研究能力与防护措施

GPT-6.2 Astra 是我们首个对外发布的、达到 AI 自我改进「High」阈值的模型,该阈值衡量的是模型加速 AI 研究的能力。「High」这一评级反映了我们的评估:相对于 2024 年的基线,该模型的影响相当于为每位 OpenAI 研究员额外配备一名能力极强的研究工程师作为助手。我们追踪这一能力,是因为能够帮助开发未来 AI 系统的模型也可能带来新的安全风险,例如让进展加速到超出安全保障或人类监督所能适应的速度。

为应对这些风险,我们在模型的训练和部署方式中加入了更多监督和控制。在扩大 GPT-6.2 Astra 的内部访问权限之前,我们评估了其对齐情况,并核实每个阶段都已落实必要的安全保障措施。我们加强了研究环境中的隔离管控⁠,并用我们能力最强的模型测试了这些防护措施。我们还构建了Control Room⁠,这是一个追踪研究工作负载、并可在需要干预时停止模型进一步输出的系统。我们扩展后的监控⁠会检查模型在内部工作负载和受支持的外部部署中的推理与行为。它可以自动标记未经授权的行为,并在支持的情况下暂停工作负载或对话。

对齐

在大多数对齐评估中,两个模型的表现与 GPT-6 Astra 相似,并且在模拟工作场所任务中采取了更少的不当行为。然而,在两项测试中,它们更有可能略去不提阻碍其工作的障碍,例如缺失的文件或不可用的搜索工具。我们在 Codex 中加入了指令,大幅减少了这类遗漏,我们也在继续调查这一行为。

定价与可用性

从今天起,GPT-6.2 Astra 和 Sol 面向 ChatGPT Work 和 Codex 中的所有 Plus、Pro、Enterprise 和 Edu 用户开放。Pro 500 订阅者可在任一模型上使用 Ultrafast。我们首次将 Ultrafast 带给 Pro 200 订阅者,先从 GPT-6.2 Sol 开始。符合条件的 Enterprise 和 Edu 用户在其工作区管理员启用后可获得同样的访问权限。开发者也可以访问gpt-6.2-astra以及gpt-6.2-sol通过 OpenAI API 提供,两个模型在发布时均可使用 Ultrafast。

GPT‑6.2 Astra 的每任务成本显著低于 GPT‑6 Astra,这得益于更好的 token 效率、输入和输出 token 20% 的折扣,以及缓存输入 token 60% 的更深折扣。标准 API 每百万 token 的价格为:输入 8 美元、缓存输入 0.40 美元、输出 40 美元。GPT‑6.2 Sol 沿用 GPT‑6.1 Sol 的价格:每百万 token 输入 2 美元、缓存输入 0.10 美元、输出 10 美元。

对于 GPT-6.2 Astra 和 Sol,为了提高缓存复用、帮助降低成本和延迟,并在多轮对话中保留推理过程,我们建议保持提示词前缀不变,并将新指令追加⁠(在新窗口中打开)到对话中。