En topmodel, der koster mindre end den, den erstatter

OpenAI udsendte GPT-6.2 Astra og GPT-6.2 Sol den 17. november, og tallet, der springer i øjnene, er ikke et testresultat, men en pris. Astra, topmodellen, koster nu 8 dollar per million inputtokens, 0,40 dollar per million cachede inputtokens og 40 dollar per million outputtokens. Det er 20 procent lavere end satserne for GPT-6 Astra, med en dybere rabat på 60 procent for cachet input. Sol, den billigere model til hverdagsarbejde, fastholder priserne fra GPT-6.1 Sol: 2 dollar, 0,10 dollar og 10 dollar.

OpenAI siger, at begge modeller når samme resultat med færre outputtokens, så omkostningen ved en færdig opgave falder mere, end tokenpriserne alene antyder. På den interne test GDPval v2 oplyser selskabet, at Astra lå 6,2 procentpoint over GPT-6 Astra, mens den brugte 22 procent færre outputtokens, og at Sol forbedrede sig 5,3 point i forhold til GPT-6.1 Sol.

Tallene er OpenAIs egne

Alle oplysninger i meddelelsen kommer fra OpenAI, og de fleste er sammenligninger med navngivne konkurrenter. På Agents’ Last Exam, en test af lange faglige opgaveforløb, siger OpenAI, at Astra lå 5,2 point over GPT-6 Astra til under en tredjedel af prisen, og 5,5 point over Anthropics Claude Fable 5.2 til 5 procent af prisen. Selskabet bemærker, at de resultater, det citerer for Fable 5.2, udelader ni opgaver, der blev kørt med en reservemodel.

Plantegninger set oppefra med farveblyanter, en tommestok og en sikkerhedshjelm
Astra er trænet i konventionerne i jura og finans. Illustrativt arkivbillede. Thirdman · pexels · Pexels License

På Harveys juridiske test LAB-AA v1.1 oplyser OpenAI, at Astra mere end fordoblede andelen af godkendte svar fra Claude Fable 5.2 til omkring en sjettedel af prisen. På Artificial Analysis’ AA-AnalystAgent, der kræver, at modellen finder tal i virkelige regneark og rapporter, siger OpenAI, at Astra svarede rigtigt på 62,5 procent af spørgsmålene i alle fem uafhængige forsøg. På AA-3D, hvor menneskelige dommere sammenligner to anonymiserede weboplevelser bygget på samme opgave, placerer OpenAI Astra først med 1318 Elo, Claude Fable 5.2 på 1271 og Sol på 1259.

Sols argument er, at den ligger tæt nok på. I Cognitions FrontierCode 2.0 siger OpenAI, at Sol kom inden for 0,5 point af Astra til omkring en femtedel af prisen, med begge modeller på højeste ræsonnementsniveau.

Slides, regneark og CAD

Salgsargumentet er den faglige leverance, ikke samtalen. OpenAI siger, at Astra er trænet til at følge konventionerne i felter som jura, finans, salg og regnskab, til at genskabe layout, farver og typografi fra en slideskabelon ud fra en fil eller endda et skærmbillede, og til at bygge værdiansættelsesmodeller, hvor tre regnskabsopstillinger stemmer. Selskabet siger også, at modellens computerbrug er præcis nok til at arbejde med enkelte dele og forbindelser inde i CAD- og simuleringsværktøjer.

Rækker af patchpaneler og netværkskabler i et udstyrsrack
Tokenprisen for topmodellen falder 20 procent. Illustrativt arkivbillede. Brett Sayles · pexels · Pexels License

Mere cyberevne, strammere grænser

Begge modeller når tærsklen Kritisk for cybersikkerhed og tærsklen Høj for biologiske og kemiske evner i OpenAIs beredskabsramme. Selskabet siger, at de lanceres med strammere værn for cybersikkerhedshjælp med højere risiko, og erkender, at værnene også begrænser en del legitim sårbarhedsforskning og sikkerhedstest. Forsvarere, der har brug for færre afvisninger, henvises til Daybreak, som i dag tilbyder GPT-6 Astra og ikke de nye modeller.

Tilgængelighed

Begge modeller er tilgængelige fra den 17. november for Plus-, Pro-, Enterprise- og Edu-brugere i ChatGPT Work og Codex, og for udviklere gennem API’et som gpt-6.2-astra og gpt-6.2-sol. Pro 500-abonnenter får OpenAIs Ultrafast-tilstand med begge modeller, og Pro 200-abonnenter får den for første gang, med start i Sol. Adgang for Enterprise og Edu kræver, at en administrator slår den til.

Det står tilbage at se, om uafhængige evaluatorer kan genskabe påstandene om pris per opgave. OpenAIs egne tal placerer Astra foran Claude Fable 5.2 til en tyvendedel af prisen på én test. Den slags forskelle bliver typisk efterprøvet hurtigt udefra.