🔥 HN 热议

GPT-6.2推出Astra与Sol:一个冲刺难题,一个服务日常

约3分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
GPT-6.2 Astra(GPT-6.2 阿斯特拉)

OpenAI面向复杂专业工作的模型。

GPT-6.2 Sol(GPT-6.2 索尔)

OpenAI面向日常工作的模型。

词元(cí yuán)

模型处理文字时使用的小单位。

发生了什么

OpenAI发布了GPT-6.2 Astra和GPT-6.2 Sol。官方公告把Astra定位为处理最难专业项目的前沿模型,把Sol定位为适合日常工作的高效模型。OpenAI称,两者都能在复杂任务中取得更好结果,同时减少输出词元。这样,用户可能在同样的使用额度内完成更多工作。

这次发布也在Hacker News上引起了大量讨论。不过,积分和评论数量只代表社区关注度。它们不能证明公告内容正确,也不能证明模型一定更强。

背景:为什么同时发布两个型号

Astra面向专业工作。OpenAI强调了幻灯片、表格、文档、代码、网页界面、CAD、模拟和三维设计。公告称,Astra更能遵循用户给出的模板,也能写出更清楚、更具体的成果。

Sol面向重复出现的日常工作。OpenAI称,它适合多步骤的代理任务,也更方便协作。这样安排,给用户留下了选择空间。需要更强能力的复杂任务可以使用Astra。规模较大、较普通或更在意费用的工作,可以考虑Sol。

为什么重要:效率会改变价格的含义

OpenAI列出的API标准价格是:Astra每百万输入词元8美元,缓存输入0.40美元,输出40美元。Sol对应为2美元、0.10美元和10美元。OpenAI还称,Astra相比GPT-6 Astra的输入和输出价格降低了20%,缓存输入降低了60%。Sol沿用GPT-6.1 Sol的价格。

真正需要比较的,不只是一个词元的价格。如果模型用更少的输出完成任务,单次任务需要的计算可能更少。如果它少犯错、少返工,实际支出也可能降低。但最后的费用还会受到任务长度、等待时间、重试次数和使用额度影响。

已经确认的内容

OpenAI报告称,Astra在Agents’ Last Exam中比GPT-6 Astra高5.2分,费用不到后者的三分之一。它还称,Astra比Claude Fable 5.2高5.5分,而费用只有对方的5%。在测试科学研究工作的Terminal-Bench-Science中,Astra比GPT-6 Astra高9个百分点。

对于Sol,OpenAI称它在FrontierCode 2.0中与Astra的差距不到0.5分,费用约为五分之一。公告还说明了ChatGPT Work、Codex和API的提供情况。这些都是OpenAI公告中的产品信息和测试结果。

仍然不知道什么

仅凭这份公告,还不能知道外部研究者能否完整复现这些结果。测试题目、评分方法、模型设置和费用计算方式,都可能影响最后的分数。真实工作还需要检验长项目、修改次数、速度和总支出。

安全方面也有需要继续观察的地方。OpenAI称,这两个模型的网络安全能力更强,因此会加强对高风险请求的限制。这可能影响一部分正常的安全研究。公告还说,在两项对齐测试中,模型更容易漏说阻碍工作的文件或工具问题。OpenAI称,Codex中的新指令减少了这种情况,但调查仍在继续。

接下来要看什么

接下来最有价值的证据,是独立测试和真实项目记录。人们需要比较完成任务的费用、返工次数和可靠性。重点不应只是Astra或Sol谁在每项测试中获胜,而应是哪个型号更适合哪种工作。Hacker News的讨论可以帮助人们发现问题,但不能单独给出答案。

💬 HN 如何评价 GPT-6.2 Astra 与 Sol

HN 评论在“价格性能很有吸引力”和“真实工作中的可靠性令人担心”之间分裂。下述性能、数值和故障均来自用户自报或评论者的指摘。

  • 根据用户自报,Astra 在协调子代理、设计和复杂编程方面更强;Sol 更便宜、更快,适合直接执行简单任务。
  • 一位自报使用 1.5 MB C++ 代码库的用户称,Sol 完成的任务中至少三分之一后来需要 Astra 清理。也有用户仍然因为 Sol 便宜而偏好它。
  • 评论者赞赏把重点放在“完成任务的成本”上,但质疑 Code Mode 是否贡献了大部分节省,以及公开基准分数能否代表日常工作。
  • 一位用户自报称,打开发布页面时浏览器崩溃了两次。
  • 有评论者指出,主比较图的纵轴从60%开始,使成本和分数差异不容易看清;随后有人提供了使用对数横轴的更清晰版本。
  • 一些评论者认为发布时间紧邻 Anthropic IPO 是战略安排,因为两家公司都需要资金,Anthropic 的 IPO 也可能成为投资者判断 OpenAI 的参考。另一些人认为这只是渐进式更新,并不是为了冲击 IPO。
  • 有些早期用户自报对价格性能印象很好,但也有评测认为这次发布令人失望。因此,评论还不能证明谁在真实工作中更强。

这是评论数为744时的成熟版(修订3)。获取500条,并从整体抽取120条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

为什么GPT-6.2有两个版本

📰 完整报道: GPT-6.2推出Astra与Sol:一个冲刺难题,一个服务日常

Astra负责难题,Sol负责日常工作。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
词元(cí yuán)

AI处理文字时使用的小单位。

基准测试(jī zhǔn cè shì)

让模型做相似题目并比较结果的测试。

Hacker News(黑客新闻)

讨论技术新闻的网站。

💡 一句话总结

  • GPT-6.2 Astra面向困难的专业项目。
  • GPT-6.2 Sol面向日常工作,标价更低。
  • Hacker News很关注,但热度不等于实力证明。

OpenAI在官方公告中介绍了两个新模型。Astra可以处理文档、表格、幻灯片、代码、网页和三维设计。Sol也能处理有很多步骤的工作,并且更适合经常使用。

为什么要做两个版本?因为不同工作需要不同的平衡。研究项目可能更需要强大的思考能力。每天的小任务可能更在意价格和速度。OpenAI称,两个模型都能用更少的输出词元完成任务。词元可以理解为AI处理文字时使用的小单位。用得更少,单次任务可能需要更少的计算。

OpenAI列出的价格中,Astra比Sol贵。Astra每百万输入词元是8美元,Sol是2美元。输出价格也不一样。不过,最后花多少钱,还要看任务有多长、是否需要重试,以及模型做得快不快。

OpenAI还公布了几项基准测试结果。基准测试就是让不同模型做相似题目,再比较结果。公告称,Astra在专业工作和科学任务中表现很好。Sol在代码测试中接近Astra,费用约为Astra的五分之一。

这些数字来自OpenAI自己的公告。其他团队还需要独立测试。换一种题目或设置,结果可能改变。现实工作也可能出现测试题没有发现的问题。

这次发布在Hacker News上受到关注。Hacker News是讨论技术新闻的网站。关注说明大家好奇,但不能说明模型一定最好。

接下来应该看真实项目。比较完成时间、返工次数、费用和成果。还要观察安全限制是否会影响正常工作。选择哪个模型,最终取决于任务本身。

💬 大家怎么说 GPT-6.2 Astra 和 Sol

有人喜欢它们便宜,也有人不确定它们在真实工作中是否好用。性能、数值和故障都来自用户自报或评论者的指摘。

  • 用户自报说,Astra 更适合困难的计划和指挥其他 AI;Sol 更便宜、更快,适合简单编程。
  • 一位使用 1.5 MB C++ 项目的用户说,Sol 做完的工作中至少三分之一还要 Astra 帮忙修改;但也有人喜欢 Sol 的低价格。
  • 大家赞成关注完成任务的成本,但不确定 Code Mode 和基准测试能否说明真实工作的结果。
  • 有人自报浏览器崩溃了两次,也有人指出比较图很难读。
  • 有人认为 IPO 前发布是商业竞争,也有人认为只是小幅升级,所以评价并不一致。

这是评论数为744时的成熟版(修订3)。获取500条,并从整体抽取120条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

OpenAI做了两个新帮手

📰 完整报道: GPT-6.2推出Astra与Sol:一个冲刺难题,一个服务日常

一个帮忙做难题,一个帮忙做每天的事。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
GPT-6.2 Astra(GPT-6.2 阿斯特拉)

帮忙做难题的AI。

GPT-6.2 Sol(GPT-6.2 索尔)

帮忙做日常工作的AI。

Hacker News(黑客新闻)

谈技术的地方。

OpenAI(做AI的公司)做了两个新帮手。它在官方介绍里说了这件事。

GPT-6.2 Astra帮忙做很难的工作。它可以帮忙做大文件、代码和设计。

GPT-6.2 Sol帮忙做每天的工作。它更适合常常使用。

公司说,两个帮手都能少用一些文字完成工作。少用一些文字,工作可能更省力。

这件事也在Hacker News上被很多人讨论。Hacker News是谈技术的地方。

很多人讨论,说明大家好奇。但这不说明它一定最厉害。

还要让更多人试一试,才能知道它们做事好不好。

💬 大家试了两个新 AI

有人觉得新 AI 很好,也有人遇到了麻烦。

  • 用户自报说,Astra 会想难题,也会安排别的 AI 做事。Sol 便宜又快。
  • 有人说,在大程序里,Sol 的工作还要 Astra 帮忙修;也有人喜欢 Sol,因为它更便宜。
  • 用户自报网页让浏览器崩溃了两次,还有人说测试图不好读。
  • 有人觉得它是在竞争对手 IPO 前故意发布的,也有人觉得这只是向前走了一小步。测试数字还不能决定它实际有多好。

这是评论数为744时的成熟版(修订3)。获取500条,并从整体抽取120条总结。内容属于HN用户自述,并非编辑部核实的事实。

来源