Scale Labs 推出視覺推理基準 Humanity's Sixth Sense
Scale Labs 推出評估基準 Humanity's Sixth Sense,包含涵蓋圖像與影片的 522 項開放式任務,以測試日常直覺視覺推理能力。
Scale Labs 推出評估基準 Humanity's Sixth Sense,包含涵蓋圖像與影片的 522 項開放式任務,以測試日常直覺視覺推理能力。
Beyang 表示,Amp 中的 Plaid 速度現以 6 倍速度運行 GPT-6 Astra,面向願意支付溢價的用戶。該功能可在現有對話中開關,ChatGPT 訂閱目前尚未支援。
Cline 現已提供 GPT-6.1 Sol。在 DeepSWE v1.1 上,Cline 稱該模型與 GPT-6 Astra 表現相當,成本約為其五分之一。
Ultrafast 即日起面向 Codex、ChatGPT Work 和 API 中的 GPT-6 Astra 開放,GPT-6.1 Sol 支援即將推出。在 Codex 和 ChatGPT Work 中使用須透過新的 Pro 500 方案,該方案提供 OpenAI 最高用量限額,為 Plus 的 25 倍。
OpenAI Developers 表示,dot 是由 GPT-6 Astra 驅動的常駐智能體,可借助插件、上下文和雲端電腦分流錯誤報告、界定失敗組建的範圍,並在用 Codex 組建和測試更改後交回完整的拉取請求。
OpenRouter 現正提供 OpenAI 的 GPT-6.1 Sol,輸入價格為每百萬 token 2 美元,輸出為每百萬 token 10 美元,快取輸入為每百萬 token 0.10 美元。OpenRouter 表示,該模型在智能體編程、電腦操作和專業工作上接近 GPT-6 Astra,價格為 Astra 的五分之一。
OpenAI稱,GPT-6.1 Sol在其對齊評測中較GPT-6 Sol有大幅提升,並在透明度、用戶意圖和安全限制方面更接近GPT-6 Astra。
OpenAI稱,GPT-6.1 Sol以五分之一的價格提供接近Astra的智能,並稱其為目前同等性能下成本效益最高的模型。
OpenAI 正在推出 dots,這是由 GPT-6 Astra 驅動的常駐智能體。OpenAI 形容這些智能體能力出色,旨在處理一切事務。
Arena.ai 將 12 個模型的 34,580 次裁決與人類投票比較,涵蓋 1,460 場 Arena 對戰。平均而言,模型有 58% 的時間選擇自己的答案,而人們選擇同一答案的比例為 34%。
Theo 表示,他以 1,000 美元對 Jev Router 進行的 DeepSWE 基準測試,表現大致與 GPT-6 Astra 的 low 檔相當,成本略高,耗時近乎 5 倍。
Polymarket 表示,GPT-6 Astra 是 DrivingBench 測試中唯一完成該賽道的人工智能。