OpenAI presentou GPT-6.1 Sol, unha actualización do seu modelo GPT-6 Sol que mellora especialmente o desempeño en programación con axentes, uso do ordenador e tarefas profesionais complexas. O novo modelo busca achegarse ás capacidades de GPT-6 Astra cun custo moito menor, cun prezo estándar na API de 2 dólares por millón de tokens de entrada e 10 dólares por millón de tokens de saída, fronte aos 10 e 50 dólares de Astra, respectivamente.
A entrada en caché queda en só 0,10 dólares por millón de tokens, un 95 % menos que a tarifa estándar de entrada. Esta redución resulta especialmente relevante para aplicacións baseadas en axentes que reutilizan grandes cantidades de contexto en sucesivas solicitudes.
GPT-6.1 Sol supera claramente a GPT-6 Sol en distintas probas de referencia. En DeepSWE 1.1, centrado en tarefas complexas de enxeñaría de software sobre bases de código reais, alcanza a puntuación de GPT-6 Astra cun custo por tarefa aproximadamente cinco veces inferior e mellora en 6,4 puntos porcentuais o resultado do modelo anterior.
A mellora tamén se aprecia no traballo con documentos profesionais. En GDP.pdf, unha proba baseada en documentos complexos con táboas, gráficos, diagramas e información en letra pequena, GPT-6.1 Sol supera Opus 5.5 con opcións de respaldo por menos da metade do custo por tarefa e achégase ao resultado de Astra cun custo aproximadamente cinco veces inferior.
En AutomationBench, que avalía axentes capaces de completar fluxos empresariais de varios pasos utilizando 47 ferramentas, GPT-6.1 Sol supera en 2,2 puntos porcentuais Opus 5.5 cun esforzo de razoamento medio e por aproximadamente un terzo do custo. Coa mesma configuración, tamén mellora en 4,8 puntos porcentuais o resultado de GPT-6 Sol.
O uso de aplicacións informáticas é outro dos ámbitos nos que se produce un avance significativo. No conxunto sen conexión de OSWorld 2.0, GPT-6.1 Sol supera en sete puntos porcentuais GPT-6 Sol coa máxima intensidade de razoamento e queda a 2,1 puntos de Astra. O custo por tarefa é inferior á metade do modelo anterior e aproximadamente sete veces menor que o de Astra nesta configuración.
As tarefas científicas tamén reciben unha mellora considerable. En Terminal-Bench Science 0.1, que pon a proba axentes mediante análise de datos, simulacións e demostración de teoremas, GPT-6.1 Sol obtén máis do dobre da puntuación de GPT-6 Sol co máximo esforzo de razoamento. O custo medio é de 5,47 dólares por tarefa, fronte aos 23,21 dólares de Opus 5.5 e os 23,80 dólares de GPT-6 Astra. Astra mantén, con todo, a puntuación máis alta da comparación, cun 68,1 %.
A exactitude factual tamén mellora. Ante prompts especialmente difíciles, deseñados a partir de conversas nas que os usuarios detectaran erros anteriores, GPT-6.1 Sol presenta unha taxa de respostas con algún erro factual do 4,1 % co máximo esforzo de razoamento. GPT-6 Sol sitúase no 4,5 % e Astra no 4 %. O custo por tarefa de Sol é aproximadamente un 83 % inferior ao de Astra nesta proba, aínda que OpenAI advirte de que este conxunto de avaliación non representa o uso habitual.
O novo modelo incorpora ademais melloras nas avaliacións de seguridade e aliñamento. GPT-6.1 Sol presenta menores taxas de fallo que GPT-6 Sol á hora de informar de ferramentas de busca que non funcionan, respectar restricións explícitas ou evitar resultados non autorizados durante tarefas con axentes. Nunha proba sobre ferramentas de busca avariadas, por exemplo, non advertiu do problema no 2,8 % dos casos, fronte ao 4,9 % de GPT-6 Sol, o 1,5 % de GPT-6 Astra e o 28,7 % de GPT-6 Luna.
GPT-6 Astra continúa sendo o modelo de maior capacidade xeral de OpenAI, mentres que GPT-6.1 Sol ocupa unha posición intermedia entre capacidade e custo. GPT-6 Luna mantense como a alternativa orientada á rapidez e á eficiencia para tarefas cotiás a grande escala.
GPT-6.1 Sol xa está dispoñible para usuarios de Plus, Pro, Business, Enterprise e Edu en ChatGPT Work e Codex, aínda que non está dispoñible actualmente en Chat. Na API pódese utilizar como gpt-6.1-sol, coas tarifas de 2 dólares por millón de tokens de entrada, 0,10 dólares por millón de tokens de entrada en caché e 10 dólares por millón de tokens de saída.
OpenAI tamén anunciou GPT-6 Astra Ultrafast e GPT-6.1 Sol Ultrafast, con velocidades de ata oito veces superiores ás súas correspondentes versións. Estes modelos están dispoñibles na API e en ChatGPT Work e Codex para os usuarios da nova modalidade Pro de 500 dólares mensuais, que ofrece os límites de uso máis elevados.
