OpenAI 发布 GPT-6.2 Astra,Agents' Last Exam 得分超 GPT-6 Astra 5.2 分且单任务成本不到三分之一
OpenAI 宣布 GPT-6.2 Astra 在 Agents' Last Exam 上创下新高,比 GPT-6 Astra 高 5.2 分,单任务成本不到其三分之一。该基准测试分析营销活动、制作幻灯片和构建财务表格等多步复杂专业工作。
首页已经看过的不重复列。下面从更早的内容继续,可以一直往下滚。
OpenAI 宣布 GPT-6.2 Astra 在 Agents' Last Exam 上创下新高,比 GPT-6 Astra 高 5.2 分,单任务成本不到其三分之一。该基准测试分析营销活动、制作幻灯片和构建财务表格等多步复杂专业工作。
GPT-6.2 Astra 利用一辆RC越野车的公开照片和组装手册,制作了一份动画装配指南,展示各部件如何拼装在一起,并附有一份图文零件目录。 在 BenchCAD 2.1 Core 上——该基准测试考察根据工程图纸构建3D零件和装配体的能力——GPT-6.2 Astra 的表现比 GPT-6 Astra 高出32%。
OpenAI 发布 GPT-6.2 Astra 旗舰模型,带来代码更干净、前端与 3D 模型能力提升以及更高效的工具调用。
OpenAI 发布 GPT-6.2 Astra 与 Sol 两个模型,现已在 openai.com 公开。Greg Brockman 称两个模型在专业工作和科学研究方面表现出色,且每任务成本明显更低。
OpenAI Developers 宣布,等待结束,用户现在可以在 Codex 和 API 中使用 GPT-6.2 Astra 和 GPT-6.2 Sol。
Arena 宣布 OpenAI 的 GPT-6.2 Astra 和 Sol 已进入 Arena,用户可前往 Agent Arena 测试,分数即将公布。Agent Arena 基于全球用户提交的数百万个真实长程智能体任务评测模型,模型可使用网页搜索、文件系统和终端工具完成复杂工作流,排行榜以因果追踪方法衡量模型相对平均模型的结果表现。
关联计费(Linked billing)今日以测试版上线,支持 Asana、ClickHouse、Factory、Gumloop、Harness、Higgsfield AI、Kilo Code、Linear、Major、Mintlify、Niteshift、Omni、OpenArt、Railway、Ramp、Runlayer、Tessera、Tines…
Claude Platform 现已推出关联计费测试版。 现在,Factory、Linear 和 Ramp 等工具的用户可以通过其 Claude Platform 组织支付 Claude API 用量费用,无需共享 API key。
Meta 宣布个人 AI 智能体 Muse 在澳大利亚上线,可通过 iOS、Android、muse.ai 和 Mac 应用使用,并将登陆 AI 眼镜。
Replit 发布 Replit Missions,用户设定目标、预算和边界后,由智能体集群并行规划、构建、测试并迭代,独立 AI 裁判按约定标准验收。
LangSmith 新增三项控制以管理敏感 trace 数据访问:限制谁能查看 trace 输入输出、按用户组管理团队权限、基于 metadata 设置 trace 级访问策略。这些控制可叠加使用,让工程师在不暴露客户敏感信息的前提下调试智能体。新控制现已在 LangSmith Enterprise 套餐中可用。
@OpenAI 在全部 25 个 ARC-AGI-3 公开游戏中,以最大推理强度运行时,GPT-6.2 Astra 所用动作数比人类基线少 64.1%,比使用提供商适配器测试框架的 GPT-6 Astra 少 5.2%:
Sol 在高推理模式下 ARC-AGI-3 最佳得分 98.2%,比 Astra 在最高推理模式下的 100% 得分低 1.8 个百分点,但借助提供商适配器测试框架,成本低 64%: - ARC-AGI-3:98.2%,$1.5K(提供商适配器),54.9%,$5.5K(标准) - ARC-AGI-2:85.8%…
ARC Prize 公布 OpenAI GPT-6.2 Astra 在 ARC-AGI (Verified) 的成绩:ARC-AGI-3 达 100.0%(SOTA),为首个在该基准拿满分的模型,provider adapter 成本 $4.1K、standard 模式 70.3%、成本 $24.2K;ARC-AGI-2 得 95.8%(SOTA)…
OpenAI 官宣 GPT-6.2 Astra 和 GPT-6.2 Sol 开放使用,主打游戏制作,同时擅长制作幻灯片、搭建网站和处理日常任务。模型自今日起向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise 及 Edu 用户推送。
OpenAI 发布 GPT-6.2 Astra,面向 hardest projects 的前沿模型,在专业工作和科研评测中创下新高,每任务成本不到 GPT-6 Astra 的三分之一。作者称其在会计、法律和科学研究等真实专业工作中表现尤为突出,幻灯片、网站和 3D 设计上可见差异。
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。
Dario Amodei 在 Anthropic IPO 路演中与 JP Morgan CEO Jamie Dimon 对谈,称从其他公司流入 Anthropic 的人多于流出,7 位联合创始人全部仍在公司,离职者也常回归。他强调公司不想要难以合作、抢风头或不以公共利益为导向的人,坚持这一标准短期内痛苦,但能让团队协同一致。
OpenAI 发布 GPT-6.2 Astra,称其为迄今网络攻防能力最强的模型,在 ExploitBench Internal Port 上比 GPT-6 Astra 高出 22 分。由于能力增强,GPT-6.2 Astra 与 Sol 配备了更严格的安全防护以限制高风险网络安全协助,并将逐步上线 Daybreak,让经批准的防御者以更少拒答访问这些模型。
OpenAI 宣布 GPT-6.2 Astra 和 Sol 即日起面向 Plus、Pro、Enterprise 和 Edu 用户开放,可用于 ChatGPT Work 和 Codex,开发者也可在 OpenAI API 中调用 gpt-6.2-astra 和 gpt-6.2-sol。
OpenAI 发布 GPT-6.2 Astra,并邀请用户试用。该模型提升真实工程工作的准确性,并加强网站视觉推理,带来更好的布局、更讲究的图像和更直观的设计。
OpenAI 发布面向最难项目的前沿模型 GPT-6.2 Astra,在专业工作和科学研究相关评测中创下新高,每任务成本不到 GPT-6 Astra 的三分之一。官方称在幻灯片、网站和 3D 设计等任务上差异明显。
OpenAI 宣布 GPT-6.2 Astra 和 Sol 现已可用。推文称两款模型高效且面向真实世界场景,详情见 openai.com/index/introducing-gpt-6-2-astra-sol。
作者分享如何让 AI 生成的网站界面看起来专业,推荐使用 Vercel 风格的黑白灰配色方案和专为 Agent 设计的组件库。
OpenAI 发布面向复杂专业工作的 GPT-6.2 Astra 和面向日常工作的 GPT-6.2 Sol,两者在更少输出 token 下取得更好结果。
Proton 于周二推出 Lumo Desktop,覆盖 Windows、macOS 和 Linux,让用户在本地通过 AI 操作连接的应用、个人文件并自动化任务。
作者介绍「neolab」概念,即新一代以研究为核心的 AI 初创公司,并列举了代表性企业及其特征。
fal 宣布 HeyGen avatar-6 模型上线,提供 Image to Video、Reference Video to Video、Identity to Video 三种模式,每种均有 Turbo 版本,共六个入口链接(fal.ai/models/heygen/avatar-6)。
HeyGen 的 Avatar 6 现已在 fal 上线。 三种让角色开口说话的方式,每种都有 Turbo 变体。 Image to Video:用一段音轨和动作提示词让单张照片动起来 Reference Video to Video:从参考片段让动画或插画角色活起来 Identity to Video:用 HeyGen 虚拟形象、声音和脚本生成视频
一篇论文发现低基准分可以被精确制造,因此单看低分几乎无法说明模型能力。研究者训练了一个 LoRA“旋钮”,把 Qwen 模型拉向更小的 Qwen 模型,其对未见目标分数的误差在 1.9 分以内,而提示词诱导欠佳的偏差达 42 至 47 分。但在多选题上,该旋钮最多 97% 的新增错误集中在同一个字母选项上,这一比例远超其模型池中任何自然模型。