跳到正文
Artificial Analysis· @ArtificialAnlys · X·· 1 小时前精选AI 评分79
AI 导读

Artificial Analysis 评测 OpenAI 新发布的 GPT-6.2 Astra 和 GPT-6.2 Sol:Astra 在 Artificial Analysis Intelligence Index 上涨 5 分至 62。

推荐理由

第三方评测给出了 GPT-6.2 Astra 与 Sol 在智能指数、成本前沿和编码代理上的具体分数变化,可对照选型。

正文 · AI 翻译

OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol,在 Artificial Analysis 智能指数中位列第 2,并占据了每任务成本帕累托前沿的大部分区域

@OpenAI 的 GPT-6.2 Astra 定价为 $8/$40,比 GPT-6 Astra 低 20%,缓存输入从每百万 token $1.00 降至 $0.40。GPT-6.2 Sol 的定价与 GPT-6.1 Sol 保持不变,为每百万输入/输出 token $2/$10。

要点:
➤ 智能指数排名第二:在 Artificial Analysis 智能指数中,OpenAI 现在仅落后于 Anthropic 的 Claude Fable 5.2。GPT-6.2 Astra 较 GPT-6 Astra 提升 5 分,在最高努力设置下超过了 Gemini 4 Carbon(60)和 Claude Opus 5.5(59)。GPT-6.2 Sol 提升 2 分至 57,与 GPT-6 Astra 持平,而每任务成本约为后者的 15%。

  • 占据大部分成本与输出 token 前沿:OpenAI 模型现在占据了每任务成本帕累托前沿的大部分区域,仅与 Anthropic 和 Meta 共享该前沿。OpenAI 还在每任务输出 Token 帕累托前沿中占据主导地位,Claude Fable 5.2 是唯一出现在该前沿上的非 OpenAI 实验室模型。
  • 在科学与知识方面表现强劲:OpenAI 在我们两项重点科学评估中均表现强劲,在涵盖智能体科学研究工作流的 Terminal-Bench-Science 0.1 中领先,在涵盖物理推理的 CritPt v2(困难子集)中仅次于 Claude Fable 5.2 位列第二。在由 AA-Omniscience v1.1 Accuracy 衡量的事实知识以及推理与知识基准 HLE-Diamond 中,GPT-6.2 Astra 仅落后于 Claude Fable 5.2。
  • 在 3D 与机器人领域领先:GPT-6.2 Astra 以 1318 分领跑 AA-3D,Claude Fable 5.2 为 1271 分,GPT-6.2 Sol 为 1259 分。该基准衡量模型构建交互式 3D 体验的能力,由人工评分员评定。GPT-6.2 还在 AA-Robotics v0.1 中领先,这是我们的研究预览版,衡量语言模型在现实世界中理解、规划和行动的能力。GPT-6.2 Astra 和 GPT-6.2 Sol 分别得分 79 和 78,领先于 Claude Fable 5.2 的 75 分。我们的团队正努力添加更困难的任务,因为 OpenAI 和 Anthropic 的模型现在已能完成这一初步研究预览中的大多数基础任务。
  • 编码智能体指数无提升:在 Artificial Analysis 编码智能体指数(Codex 测试框架,最高努力)中,GPT-6.2 Astra 与 GPT-6 Astra 持平,GPT-6.2 Sol 相对 GPT-6.1 Sol 下降 3 分。对于 Sol,这一下降由 SWE-Atlas-QnA-AA 下降 14 分所致,该模型比其前代更可能在回答中遗漏关键事实。不过,成本效率使 GPT-6.2 Astra 和 Sol 的多个努力等级进入了每任务成本帕累托前沿。

来源:Artificial Analysis · x.com

事件后续 · 1

查看事件全部