OpenAI-მ GPT-6.2 Astra და Sol წარადგინა. Astra რთული პროფესიული პროექტებისთვის შექმნილი ახალი ფლაგმანია, Sol კი ყოველდღიური სამუშაოსთვის განკუთვნილი, უფრო იაფი მოდელი. OpenAI-ის თქმით, ორივე მოდელი რთულ დავალებებზე უკეთეს შედეგს ნაკლები გამომავალი ტოკენით აღწევს.
მოდელები უკვე ხელმისაწვდომია ChatGPT Work-სა და Codex-ში Plus, Pro, Enterprise და Edu მომხმარებლებისთვის, ასევე API-ში.
სარჩევი
API-ში GPT-6.2 Astra GPT-6 Astra-ზე იაფია: შემავალი და გამომავალი ტოკენების ფასი 20%-ით შემცირდა, ქეშირებული შემავალი ტოკენისა კი 60%-ით. GPT-6.2 Sol GPT-6.1 Sol-ის ფასს ინარჩუნებს. ფასები 1 მილიონ ტოკენზე ასეთია:
- GPT-6.2 Astra: შემავალი – 8 დოლარი, ქეშირებული შემავალი – 0.40 დოლარი, გამომავალი – 40 დოლარი.
- GPT-6.2 Sol: შემავალი – 2 დოლარი, ქეშირებული შემავალი – 0.10 დოლარი, გამომავალი – 10 დოლარი.
რით განსხვავდება GPT-6.2 Astra და Sol?
OpenAI Astra-ს ყველაზე რთული პროექტებისთვის გვირჩევს. კომპანიის თქმით, მის მიერ მომზადებული პრეზენტაციები, ცხრილები და დოკუმენტები ნაკლებად ჰგავს ტიპურ AI-ტექსტს, უკეთ მისდევს მომხმარებლის შაბლონს და დარგის წესებს იცავს. Astra უფრო სუფთა კოდს წერს, ვებსაიტების, თამაშებისა და 3D დიზაინის ინტერფეისები კი უკეთ გამოიყურება და მუშაობს.
Sol ყოველდღიური სამუშაოსთვისაა გათვლილი. OpenAI-ის თქმით, ის წინა Sol-ზე ჭკვიანი და ეფექტიანია, იმავე ფასიანი გეგმის ფარგლებში მეტი დავალების შესრულების საშუალებას იძლევა და მრავალეტაპიან აგენტურ პროცესებსაც უმკლავდება. კომპანიაში ამბობენ, რომ ბევრი თანამშრომელი მას ტექნიკურ და არატექნიკურ საქმეში ძირითად მოდელად იყენებს.
GPT-6.2 დეველოპერებისთვის
API-ში მოდელები gpt-6.2-astra და gpt-6.2-sol სახელებით არის ხელმისაწვდომი. ოფიციალური დოკუმენტაციის მიხედვით, ორივეს კონტექსტური ფანჯარა 1.05 მილიონი ტოკენია: შემავალი მონაცემების მაქსიმალური მოცულობა 922 ათასი ტოკენია, პასუხისა კი 128 ათასი. Astra-ს ცოდნის ზღვარი 2026 წლის 18 მაისია, Sol-ისა კი 1 ივნისი.
მსჯელობის რეჟიმებია low, medium, high, xhigh და max, ხოლო none-ს API არ იღებს. მოდელები მუშაობს Chat Completions-სა და Responses API-ში, თუმცა ჩაშენებული ხელსაწყოები, მაგალითად ვებ-ძიება, ფაილებში ძიება, კოდის შესრულება და computer use, Responses API-ით არის ხელმისაწვდომი.
რა შედეგებს აჩვენებს GPT-6.2 ბენჩმარკებზე?
ქვემოთ მოყვანილი შედეგები OpenAI-ის მიერ გამოქვეყნებული მონაცემებია.
Agents’ Last Exam ამოწმებს, როგორ ართმევს თავს მოდელი რთულ, მრავალეტაპიან პროფესიულ დავალებებს. აქ Astra საუკეთესო შედეგს აჩვენებს: წინა GPT-6 Astra-ს 5.2 ქულით უსწრებს და მისი ღირებულების მესამედზე ნაკლები ჯდება. Claude Fable 5.2-ს კი 5.5 ქულით სჯობს და მისი ხარჯის მხოლოდ 5% სჭირდება. OpenAI აზუსტებს, რომ Fable 5.2-ის შეფასებიდან ამოიღეს 9 დავალება, სადაც სარეზერვო მოდელი ჩაერთო.
Terminal-Bench-Science 0.1 ტერმინალში სამეცნიერო დავალებების შესრულებას აფასებს. OpenAI Astra-ს მეცნიერებისთვის მსოფლიოში საუკეთესო მოდელს უწოდებს: ის წინა GPT-6 Astra-ს 9 პროცენტული პუნქტით უსწრებს და მისი ღირებულების მესამედზე ნაკლები ჯდება. Fable 5.2-ის შედეგი Artificial Analysis-მა mini-swe-agent გარემოში გაზომა, თავად Anthropic-ის მონაცემებით კი Claude Code-ში, მაქსიმალური დაფიქრების რეჟიმით, Fable 5.2 74.6%-ს იღებს.
Vals Science Index-ში მოდელმა რეალური ბიოლოგიური მონაცემები უნდა გააანალიზოს და სიმულირებულ გარემოში ექსპერიმენტები ჩაატაროს. OpenAI-ის თქმით, Astra აქაც პირველ ადგილზეა, თუმცა ზუსტ ქულას კომპანია არ ასახელებს.
FrontierCode 2.0 კომპანია Cognition-ის პროგრამირების ტესტია. ის ამოწმებს, რამდენად ვარგისია მოდელის დაწერილი კოდი იმისთვის, რომ რეალური პროექტის შემქმნელებმა ის მიიღონ. ორივე მოდელი მაქსიმალურ რეჟიმში შემოწმდა: უფრო იაფი GPT-6.2 Sol Astra-ს თითქმის ეწევა (სხვაობა 0.5 ქულას არ აღემატება), სამაგიეროდ დაახლოებით ხუთჯერ ნაკლები ჯდება.
LifeVal ყოველდღიურ ცხოვრებისეულ დავალებებს ამოწმებს: მაგალითად, საცხოვრებლის გამოცვლის შემდეგ საბავშვო ბაღის შერჩევას, ბიუჯეტისა და გზაში დახარჯული დროის მიხედვით სახლის მოძებნას ან მშობლისთვის დიაბეტის დიაგნოზის შემდეგ კვებისა და მოვლის გეგმის შედგენას. OpenAI წერს, რომ ამ ტესტში Sol წინა თაობის ფლაგმანს, GPT-6 Astra-ს, სჯობს და დაახლოებით შვიდჯერ იაფი ჯდება. ზუსტი ქულა აქაც არ არის მითითებული.
Harvey LAB-AA v1.1 იურიდიულ საქმეებს ეხება: მოდელმა დოკუმენტებში საჭირო ფაქტები უნდა იპოვოს და პასუხი ყველა მოთხოვნის დაცვით მოამზადოს. დავალება შესრულებულად მხოლოდ მაშინ ითვლება, თუ პასუხი ყველა პირობას აკმაყოფილებს და გამოგონილ ფაქტებს (ჰალუცინაციებს) არ შეიცავს. OpenAI-ის ცნობით, Astra-ს შედეგი Fable 5.2-ის მაჩვენებელს ორჯერზე მეტად აღემატება, ხარჯი კი დაახლოებით ექვსჯერ ნაკლებია. იურისტებისთვის შექმნილი სპეციალური ვერსია, Astra for Law, ამ ტესტში კიდევ უფრო მაღალ ქულას იღებს.
GDPval v2 OpenAI-ის შიდა ტესტია, რომელიც საკონსულტაციო, ფინანსური და დიზაინის რეალურ სამუშაო პროექტებს ეფუძნება (სამუშაო ფაილებითა და მიმოწერით). კომპანიის თქმით, Astra ყველა შემოწმებულ მოდელს უსწრებს: წინა GPT-6 Astra-ს 6.2 პროცენტული პუნქტით სჯობს და 22%-ით ნაკლებ გამომავალ ტოკენს ხარჯავს. ახალი Sol კი წინა GPT-6.1 Sol-ს 5.3 ქულით ჯობნის.
AA-AnalystAgent Artificial Analysis-ის ტესტია, სადაც მოდელები რეალურ ცხრილებსა და ფინანსურ ანგარიშებს ამუშავებენ (მაგალითად, კალიფორნიის Medicaid-ის დოკუმენტებიდან სამედიცინო ტრანსპორტის ხარჯებს ითვლიან). OpenAI-ის მონაცემებით, Astra აქაც ლიდერობს: კითხვების 62.5%-ს ხუთივე დამოუკიდებელ ცდაზე სწორად პასუხობს.
AA-3D ტესტში შემფასებლები ერთი და იმავე ინსტრუქციით შექმნილ ორ 3D სცენას ბრმად ადარებენ (ისე, რომ არ იციან, რომელმა მოდელმა შექმნა) და უკეთესს ირჩევენ. Elo რეიტინგში პირველია Astra (1318 ქულა), მეორე – Fable 5.2 (1271), მესამე კი Sol (1259).
განცხადებაში რამდენიმე სხვა ტესტიც არის ნახსენები, თუმცა ზუსტი ქულების გარეშე:
- Artificial Analysis Intelligence Index v5 – აერთიანებს 9 შეფასებას კოდზე, მეცნიერებასა და ზოგად ცოდნაზე.
- DeepBinary – ეძებს სუსტ წერტილებს Windows-ის პროგრამულ ფაილებში.
- SecureSWE – ამოწმებს კოდის უსაფრთხოებას.
- Blocker Deception – ამოწმებს, გულწრფელად ეტყვის თუ არა მოდელი მომხმარებელს ხელოვნურად შექმნილი დაბრკოლების შესახებ (მაგალითად, როცა ჩასასწორებელი ფაილი წაშლილია).

რას ამბობს OpenAI GPT-6.2-ის უსაფრთხოების შესახებ?
უსაფრთხოების დეტალები GPT-6.2 system card-შია გამოქვეყნებული. OpenAI ორივე მოდელს კიბერუსაფრთხოებაში Critical (კრიტიკულ) დონეს ანიჭებს, ბიოლოგიურ და ქიმიურ მიმართულებაში კი High (მაღალ) დონეს – კრიტიკულ ზღურბლს აქ ისინი ჯერ ვერ აღწევენ.
GPT-6.2 Astra OpenAI-ის პირველი საჯაროდ გამოშვებული მოდელია, რომელმაც AI-ის თვითგაუმჯობესების მიმართულებით High ზღურბლს მიაღწია. Sol ამ ნიშნულს ქვემოთ რჩება.
System card-ის მიხედვით, აკადემიურ ტესტ GPQA Diamond-ში (ხელსაწყოების გარეშე) Astra 97.0%-ს იღებს, Sol და წინა GPT-6 Astra კი 96.0%-ს. თვითგაუმჯობესების ტესტებში შედეგები ასე ნაწილდება (Astra / Sol / წინა GPT-6 Astra):
- Internal Research Debugging (საშუალო ქულა): 81.85% / 74.66% / 78.05%.
- KernelGen 1P (საშუალო ქულა): 76.92% / 74.71% / 66.72%.
- NanoGPT (საბაზისო გაწვრთნის დროის რა ნაწილს ზოგავს მოდელი): 42.87% / 14.59% / 7.73%. OpenAI აღნიშნავს, რომ ორი Astra-ს შემთხვევაში ტესტის ოდნავ განსხვავებული ვერსიები გამოიყენეს.
- PostTrainBench Lite (საწყის მოდელსა და სამიზნე შედეგს შორის სხვაობის რა ნაწილს ფარავს მოდელი): 74.79% / 44.89% / 76.97%.
- MLE-Bench Revised (საშუალო პროცენტილი): 96.06 / 91.38 / 93.80.
იმავე დოკუმენტის მიხედვით, ორივე მოდელს წინამორბედებზე უკეთ გამოსდის ცნობილი პროგრამული სისუსტეებისთვის მუშა ექსპლოიტების შექმნა. ამიტომ OpenAI-მ მაღალი რისკის კიბერდახმარებაზე ნაგულისხმევი შეზღუდვები გაამკაცრა, უფრო თავისუფალი წვდომისთვის კი დამატებითი გადამოწმებაა საჭირო.
ქცევის შეფასებისას ორივე მოდელი სიმულირებულ სამუშაო გარემოში დაახლოებით ორჯერ იშვიათად უშვებს არასასურველ ქმედებას, ვიდრე მისი წინამორბედი. თუმცა ორ ტესტში მოდელები ნამუშევრის შესახებ ანგარიშისას უფრო ხშირად არ ახსენებდნენ ცნობილ დაბრკოლებას (მაგალითად, წაშლილ ფაილს ან გათიშულ საძიებო ხელსაწყოს). OpenAI-ის თქმით, Codex-ის დეველოპერის ინსტრუქცია ამ შემთხვევებს საგრძნობლად ამცირებს, კომპანია კი ამ რეგრესიის მიზეზებს იკვლევს.
გარდა ამისა, Astra წინა GPT-6 Astra-სთან შედარებით უფრო ხშირად ამჩნევს, რომ შესაძლოა ტესტირებას გადის, თუმცა ასეთი ნიშნები პასუხების 3%-ზე ნაკლებში დაფიქსირდა. Sol-ში ეს მაჩვენებელი GPT-6 Astra-სა და GPT-6.1 Sol-ზე დაბალია.
სხვა თემები
Businesses in ChatGPT: ახალი ფუნქციები ბიზნესებისთვის
GPT-6 Cyber: OpenAI-ის ახალი მოდელი
OpenAI-ის მკვლევრებმა AI აგენტების სისტემა შექმნეს, რომელმაც Linux-ის ბირთვში 948 საშიში სუსტი წერტილი იპოვა
