نسخه ۶.۱ مدل GPT-6.1 Sol از OpenAI
OpenAI مدل GPT-6.1 Sol را عرضه کرده؛ مدلی که با یک‌پنجم قیمت GPT-6 Astra، در بسیاری از بنچمارک‌های کدنویسی ایجنتی و کار با کامپیوتر تقریباً به عملکرد آن نزدیک می‌شود، بدون آنکه دقیقاً به همان سطح برسد. سوال اصلی این نیست که کدام مدل قوی‌تر است، بلکه این است که این فاصله‌ی کوچک در عملکرد، در ازای این کاهش هزینه، برای چه نوع کاربردی توجیه‌پذیر است.
OpenAI مدل GPT-6.1 Sol را عرضه کرده؛ مدلی که با یک‌پنجم قیمت GPT-6 Astra، در بسیاری از بنچمارک‌های کدنویسی ایجنتی و کار با کامپیوتر تقریباً به عملکرد آن نزدیک می‌شود، بدون آنکه دقیقاً به همان سطح برسد. سوال اصلی این نیست که کدام مدل قوی‌تر است، بلکه این است که این فاصله‌ی کوچک در عملکرد، در ازای این کاهش هزینه، برای چه نوع کاربردی توجیه‌پذیر است.
فاصله‌ای که دیگر آنقدرها بزرگ نیست
در کدنویسی ایجنتی، کار با کامپیوتر و وظایف حرفه‌ای، GPT-6.1 Sol تقریباً به عملکرد GPT-6 Astra نزدیک می‌شود، بدون آنکه دقیقاً به همان سطح برسد. در بنچمارک DeepSWE v1.1 این دو مدل عملکردی تقریباً برابر دارند، با این تفاوت که Sol این نتیجه را با حدود یک‌پنجم هزینه‌ی توکن ورودی و خروجی استاندارد Astra به دست می‌آورد. قیمت ورودی کش‌شده هم فقط ۰.۱۰ دلار به ازای هر میلیون توکن است، رقمی که در مصرف‌های تکرارشونده تفاوت محسوسی در فاکتور نهایی ایجاد می‌کند. اما همین مدل، نسبت به نسل قبلی خودش یعنی GPT-6 Sol، پیشرفت واقعی و قابل اندازه‌گیری دارد؛ در DeepSWE v1.1 شش و چهار دهم واحد درصد بالاتر می‌ایستد. این ترکیب از هزینه‌ی پایین و عملکرد نزدیک به مدل پرچمدار، سوالی طبیعی درباره‌ی نتایج بنچمارک‌های دیگر باقی می‌گذارد.
جایی که عدد پیشرفت را نشان می‌دهد
روی GDP.pdf، GPT-6.1 Sol از Opus 5.5 همراه با fallback بالاتر امتیاز می‌گیرد، آن هم با کمتر از نیمی از هزینه‌ی هر تسک، و در همان بنچمارک به عملکرد GPT-6 Astra نزدیک می‌شود اما با حدود یک‌پنجم هزینه. در AutomationBench با تلاش استدلالی متوسط، Sol دو و دو دهم واحد درصد از Opus 5.5 بالاتر می‌رود و چهار و هشت دهم واحد درصد از نسخه‌ی قبلی خودش پیشی می‌گیرد. در OSWorld 2.0 با بالاترین سطح تلاش استدلالی، هفت واحد درصد نسبت به GPT-6 Sol بهتر عمل می‌کند و تنها دو و یک دهم واحد درصد با GPT-6 Astra فاصله دارد؛ فاصله‌ای که در عمل ممکن است در بسیاری از سناریوهای کاری قابل چشم‌پوشی باشد. در Terminal-Bench Science 0.1 با بالاترین تلاش استدلالی، امتیاز Sol بیش از دو برابر GPT-6 Sol است، با هزینه‌ی متوسط پنج و چهل‌وهفت صدم دلار به ازای هر تسک؛ در همین بنچمارک، بالاترین امتیاز ثبت‌شده متعلق به GPT-6 Astra با شصت‌وهشت و یک دهم درصد است، عددی که Sol هنوز به آن نرسیده. این تفاوت‌های باقی‌مانده دقیقاً همان جاهایی هستند که باید قبل از هر تصمیم عملیاتی سنجیده شوند، و سوال بعدی این است که این عملکرد در برابر خطا و محدودیت چطور رفتار می‌کند.
دقت واقعی و رفتار در برابر محدودیت‌ها
در تست‌های تلاش استدلالی پایین، نرخ پاسخ‌های نادرست از نظر واقعیت از یازده و چهار دهم درصد در GPT-6 Sol به هفت و هفت دهم درصد در GPT-6.1 Sol کاهش یافته، و این نرخ در تنظیمات مختلف حداکثر یک و نه دهم واحد درصد با GPT-6 Astra تفاوت دارد. از نظر رفتاری، GPT-6.1 Sol در ارزیابی‌های شفافیت، رعایت محدودیت‌ها و پیروی از سطوح مجوز، نرخ شکست کمتری نسبت به نسل قبلی نشان داده، و هیچ تلاشی برای دورزدن یک بازبین خودکار امنیتی در آن مشاهده نشده. این ترکیب از دقت بالاتر و رفتار قابل‌پیش‌بینی‌تر، برای اجراهای طولانی و بدون نظارت مستقیم انسان اهمیت دارد؛ اما این ویژگی‌ها ارزشی ندارند اگر مدل در دسترس کسی نباشد که واقعاً روی آن کار می‌کند.
چه کسی الان می‌تواند از آن استفاده کند
GPT-6.1 Sol هم‌اکنون در ChatGPT Work و در Codex برای کاربران Plus، Pro، Business، Enterprise و Edu در دسترس است، اما هنوز وارد نسخه‌ی Chat عمومی نشده. برای استفاده‌ی برنامه‌نویسی، از طریق API OpenAI با شناسه gpt-6.1-sol قابل فراخوانی است، همان مسیری که تیم‌های فنی برای مقایسه‌ی مستقیم هزینه در برابر GPT-6 Astra روی یک تسک واقعی می‌توانند از آن استفاده کنند. نسخه‌ی Ultrafast هم در دست ساخت است و قرار است در Codex تا هشت برابر سریع‌تر توکن تولید کند؛ برای تیم‌هایی که حجم بالای فراخوانی روزانه دارند و تأخیر پاسخ مستقیماً روی تجربه‌ی کاربر تأثیر می‌گذارد، این همان نسخه‌ای است که باید در انتظارش بود. برای کسی که مصرف سنگین روی تسک‌های کدنویسی یا کار با کامپیوتر دارد، مقایسه‌ی هزینه‌ی واقعی بین Sol و Astra روی همان تسک مشخص، معیار قابل‌اعتمادتری از تصمیم‌گیری است تا صرف تکیه بر امتیاز بنچمارک.
مشخصات
- قیمت ورودی استاندارد: ۲ دلار به ازای هر میلیون توکن
- قیمت ورودی کش‌شده: ۰.۱۰ دلار به ازای هر میلیون توکن
- قیمت خروجی استاندارد: ۱۰ دلار به ازای هر میلیون توکن
- شناسه API: gpt-6.1-sol
- بهبود سرعت برنامه‌ریزی‌شده در نسخه Ultrafast: تا ۸ برابر سریع‌تر در توکن‌سازی
منابع
- OpenAI GPT-6.1 Sol announcement — OpenAI