بطاقة عنوان لمقارنة بين GPT-6.2 Astra وGPT-6.2 Sol، تُظهر Astra عند 62 على مؤشر Artificial Analysis Intelligence Index، في المركز الثالث من أصل 91، بتكلفة 4.00 دولارات لكل مهمة على المؤشر، وSol عند 57، في المركز الحادي عشر من أصل 91، بتكلفة 1.01 دولار لكل مهمة على المؤشر، مع شريط يشير إلى أن Coding Agent Index ثابت لدى Astra وأقل بثلاث نقاط لدى Sol. يقع شعار OrcaRouter في الزاوية السفلية اليمنى.
Guides & Insights

GPT-6.2 Astra وSol: الإطلاق نفسه، وأحكام متعارضة حول البرمجة

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

أُطلِق نموذجان في 17 نوفمبر، ويأتي الأرخص منهما مصحوبًا بتراجع في الأداء. GPT-6.2 Sol يسجل 57 في Artificial Analysis Intelligence Index بتكلفة 1.01 دولار لكل مهمة مؤشر؛ GPT-6.2 Astra يسجل 62 بتكلفة 4.00 دولارات. Sol هو المستوى الذي تنصحك O​penAI بجعله خيارك الافتراضي، والذي يُقال إن موظفيها أنفسهم يلجؤون إليه في الأعمال العادية. وفي Coding Agent Index التابع لـ Artificial Analysis — بالاستعانة بنفس بيئة اختبار Codex، وبأقصى جهد — يسجل GPT-6.2 Sol ثلاث نقاط أقل من النموذج الذي يحل محله، GPT-6.1 Sol، مع إرجاع سبب الانخفاض إلى تقييم واحد يغفل فيه الحقائق الأساسية بمعدل أعلى بـ14 نقطة. أما Astra، عند قياسها بالطريقة نفسها، فمستواها ثابت مقابل GPT-6 Astra. إطلاق واحد، وحكمان متعارضان بشأن الشيء الذي يهم مستخدمي Codex أكثر من غيره.

هذا الانقسام يستحق مقالًا لأن الإعلان لا يوضحه. منشور OpenAI يتناول الشرائح وجداول البيانات والمشاهد ثلاثية الأبعاد والطرفيات العلمية، وهو يقدّم أرقامًا حقيقية بشأنها. أما صورة البرمجة فهي التي عليك تجميعها من قياسات مستقلة ومدخل في سجل التغييرات ودليل ترحيل، وهي تغيّر أيّ المعرّفين ينبغي أن يكون في مستودعك.

ما الذي تم إصداره، بالتحديد؟

يُدرج إدخال سجل التغييرات الخاص بـ 17 نوفمبر معرِّفَي نموذجين، gpt-6.2-astra وgpt-6.2-sol، على كلٍّ من Responses API وChat Completions. يتطلب استدعاء الأدوات استخدام Responses. في ChatGPT، يصل كلا النموذجين إلى مستخدمي Plus وPro وEnterprise وEdu في ChatGPT Work وCodex منذ اليوم الأول؛ ويحصل مشتركو Pro 500 على Ultrafast مع أيٍّ من النموذجين، كما يصل Ultrafast إلى Pro 200 للمرة الأولى، بدءًا بـ Sol. وتحصل مساحات عمل Enterprise وEdu المؤهلة على الوصول بمجرد أن يفعّله أحد المسؤولين.

• السعر — GPT-6.2 Astra: 8 دولارات للمدخلات / 40 دولارًا للمخرجات لكل مليون، مقابل GPT-6.2 Sol: 2 دولار / 10 دولارات

• الإدخال المخزّن مؤقتًا — 0.40 دولار لكل مليون على Astra مقابل 0.10 دولار على Sol

• عمليات كتابة الذاكرة المؤقتة — 10 دولارات لكل مليون مقابل نافذة احتفاظ مدتها 30 دقيقة على Astra، مقابل 2.50 دولار على Sol

• نافذة السياق — 1,050,000 رمز لكليهما، منها 922,000 حد أقصى للإدخال و128,000 حد أقصى للإخراج

• حدّ المعرفة — 18 مايو 2026 في Astra مقابل 1 يونيو 2026 في Sol، لذا فإن النموذج الأرخص هو الأحدث.

• الوسائط — إدخال نص وصورة، وإخراج نص، على كليهما؛ الصوت والفيديو غير مدعومين على كليهما

• الأدوات — البحث على الويب، والبحث في الملفات، وإنشاء الصور، ومفسّر الشيفرة، وصدفة مستضافة، وتطبيق التصحيح، والمهارات، واستخدام الكمبيوتر، وMCP والبحث عن الأدوات، وكل ذلك على Responses API

A two-column scoreboard comparing GPT-6.2 Astra and GPT-6.2 Sol across Intelligence Index, cost per index task, input price, output price, Coding Agent Index and time per task, with a footer noting that pricing is OpenAI's published rate and index and cost figures are Artificial Analysis's. The OrcaRouter logo sits in the bottom-right corner.

حركة السعر غير متماثلة ويسهل إساءة قراءتها. تأتي Astra أقل بنسبة 20% من GPT-6 Astra في كل من الإدخال والإخراج، وينخفض سعر الإدخال المخزّن مؤقتًا من 1.00 دولار إلى 0.40 دولار — أي خفض بنسبة 60%، لأن الخصم تعمّق ليصل إلى 95% وانخفض السعر الأساسي الذي يُطبّق عليه في الوقت نفسه. أما Sol فلم يتغير إطلاقًا: 2 دولار و0.10 دولار و10 دولارات هي بالضبط أسعار GPT-6.1 Sol. لذا فإن الفئة الأرخص هي ترقية في القدرات بسعر ثابت، والفئة الأغلى هي ترقية في القدرات مع خفض سعر ملحق بها. وأي منهما يمثل الشراء الأفضل يعتمد كليًا على الغرض الذي تشتريه من أجله.

Astra هي السقف، ولهذه المرة أصبح السقف قابلاً للقياس.

يضع Artificial Analysis نموذج GPT-6.2 Astra في المركز الثالث بين 91 نموذجًا على مؤشر الذكاء الخاص به عند 62، خلف Claude Fable 5.2 عند 65. ويتجاوز Gemini 4 Carbon عند 60 وClaude Opus 5.5 عند 59، وهي خطوة حقيقية: فقد كان GPT-6 Astra السابق أدنى بخمس نقاط. المؤشر هو متوسط تسعة تقييمات تغطي العمل المعرفي، واستخدام الطرفية بواسطة الوكلاء، والعلوم والمعرفة العامة، لذا فإن زيادة خمس نقاط عليه ليست مجرد التلاعب بمعيار واحد.

Artificial Analysis's leaderboard of more than 250 models, sorted by Intelligence Index, showing GPT-6.2 Astra Max at 62 with a cost of $4.00 per task, 10.4 minutes per task and 134.86 seconds to first answer token, GPT-6.2 Sol Max at 57 with $1.01, 7.9 minutes and 57.55 seconds, and Claude Fable 5.2 above both at 65.

التحقق المستقل من ARC Prize هو الرقم المفرد الأكثر إثارة للانتباه في الإطلاق. GPT-6.2 Astra هو أول نموذج يسجل 100% على ARC-AGI-3، بتكلفة إجمالية تبلغ 4.1 آلاف دولار عبر محوّل مزوّد؛ وفي إعداد ARC القياسي يسجل النموذج نفسه 70.3% بتكلفة 24.2 ألف دولار. ويُذكر أيضًا أنه يحقق 95.8% على ARC-AGI-2 بتكلفة 0.50 دولار لكل مهمة، و98.5% على ARC-AGI-1 بتكلفة 0.17 دولار لكل مهمة. تلك قياسات طرف ثالث على عائلة اختبارات معيارية صُممت لمقاومة الحفظ، وليست ادعاءات من المورّد، وهي أقوى دليل في هذا الإصدار على أن النموذج يفعل شيئًا لم يفعله سلفه. تفاوت التكلفة بين إعدادي ARC-AGI-3 هو المأخذ: فالدرجة الكاملة متاحة، ومقدار ما تحصل عليه منها يعتمد على مقدار الهياكل الداعمة التي ترغب في دفع ثمنها.

أرقام OpenAI الخاصة، التي أبلغ عنها المورّد ولم يُعَد إنتاجها، تشير إلى الاتجاه نفسه: 5.2 نقطة فوق GPT-6 Astra في Agents' Last Exam بتكلفة أقل من الثلث، و9 نقاط مئوية فوقه في Terminal-Bench-Science 0.1، ورقم قياسي جديد في Vals Science Index، وأحدث ما توصلت إليه التقنية في Harvey LAB-AA v1.1 للأعمال القانونية. ولدى Artificial Analysis بشكل مستقل Astra متصدرًا AA-3D برصيد 1,318 Elo مقابل Claude Fable 5.2 برصيد 1,271، ومتصدرًا AA-Robotics v0.1 عند 79. ولا يتفوق عليه سوى Fable 5.2 في دقة المعرفة الواقعية وفي المجموعة الفرعية للفيزياء في CritPt v2.

العامل الموازن هو التكلفة وزمن الاستجابة، وكلاهما أسوأ مما يوحي به المؤشر. فتكلفته البالغة 4.00 دولارات لكل مهمة مؤشر تحتل المرتبة 61 من 90 في ترتيب التكلفة لدى Artificial Analysis، أي أقرب إلى الطرف المرتفع التكلفة مما يهيئك له مركز ثالث في الذكاء، ويستغرق 10.4 دقيقة لكل مهمة مع زمن يبلغ 134.86 ثانية حتى أول رمز إجابة. هذا الرقم الأخير هو ما تبدو عليه جلسة Codex تفاعلية: دقيقتان من لا شيء قبل الكلمة الأولى. Astra نموذج توجّهه إلى مشكلة صعبة ثم تنصرف عنه.

سول هو حيث يذهب الحجم، وحيث يعيش الانحدار.

أمر Sol مسألة حسابية. تسجيله 57 في المؤشر نفسه يضعه في المركز الحادي عشر من 91 بدلاً من الثالث، متعادلًا مع الطراز الرائد السابق GPT-6 Astra، بكلفة تقارب 15% من الكلفة المقاسة لكل مهمة لذلك الطراز. وتضع Artificial Analysis تكلفة Sol عند 1.01 دولار لكل مهمة مؤشر مقابل 4.00 دولارات لـ Astra — أي بفارق أربعة أضعاف — في حين ينهي مهمة في 7.9 دقيقة بدلاً من 10.4 ويصل إلى أول توكن إجابة في 57.55 ثانية بدلاً من 135. إنه أسرع وأرخص وأقل إسهابًا، إذ يستهلك 60.9 مليون توكن إخراج عبر مجموعة المؤشر مقابل 65.8 مليون لـ Astra.

يتمثل تأطير OpenAI في أن Sol هو الخيار الافتراضي اليومي، وهذا يصح في عدة تقييمات داخلية لديها. في FrontierCode 2.0 من Cognition، يقترب Sol من Astra بفارق نصف نقطة وبتكلفة نحو خُمس التكلفة، وكلاهما بأقصى جهد. وفي LifeVal، وهو تقييم جديد للمهام الشخصية العملية، يتفوق على GPT-6 Astra بسعر نحو سُبع السعر. وفي مجموعة GDPval v2 الداخلية لأعمال المعرفة، يحقق تحسنًا قدره 5.3 نقطة على GPT-6.1 Sol.

ثم تأتي قياسات البرمجة التي تسير في الاتجاه المعاكس. في Coding Agent Index من Artificial Analysis، الذي يُشغَّل ضمن هارنس Codex بأقصى جهد، يأتي GPT-6.2 Astra متعادلًا مع GPT-6 Astra — فالترقية لا تمنح شيئًا قابلًا للقياس — بينما يأتي GPT-6.2 Sol أدنى من GPT-6.1 Sol بثلاث نقاط. وتُعزو Artificial Analysis انخفاض Sol إلى تراجع بمقدار 14 نقطة في SWE-Atlas-QnA-AA، وهو تقييم يُطلب فيه من النموذج الإجابة عن أسئلة تخص قاعدة شيفرة، وتصف السبب بأن النموذج أصبح أكثر ميلًا إلى إغفال حقائق رئيسية في ردوده.

هذا نمط فشل محدد وقابل للتحقق، وهو النمط الذي يضر بالوكيل. فالوكيل الذي يُسقط حقيقة وجدها لا يتعطل؛ بل ينتج تعديلًا معقولًا يغفل السبب الذي كُتبت الشيفرة من أجله بهذه الطريقة. إذا كان استخدامك لـ Codex هو «اطرح أسئلة عن هذا المستودع وتصرّف بناءً على الأجوبة»، فإن النموذج الأرخص في هذا الزوج ليس ترقية في البُعد الذي تشتريه. وإذا كان «اكتب هذه الدالة، وشغّل الاختبارات، وأصلح ما يتعطل»، فإن نتيجة FrontierCode تقول إنك لن تلاحظ الفرق وستلاحظ الفاتورة.

الربط، وهو الموضع الذي تتعطل فيه عملية الترحيل فعليًا.

ثلاث آليات أهم من مقاييس الأداء بمجرد الانتقال إلى تكامل حقيقي.

الأمر الأول هو أن كلا النموذجين يرفضان reasoning_effort: "none". فقد قبله GPT-6 Sol؛ أما GPT-6.1 Sol فلم يقبله، ويستمر GPT-6.2 على ذلك. إذا كنت تعتمد على إيقاف التفكير لاستعادة زمن الاستجابة على مسار تصنيف منخفض التكلفة، فإن هذا المسار غير موجود على هذين النموذجين. أنت تحصل على زمن استجابة أفضل بنموذج أصغر أو مطالبة أقصر، لا بعلامة تشغيل.

الثاني هو المنحدر الحاد للسياق الطويل. فوق 272,000 رمز إدخال، تتضاعف أسعار الإدخال والإدخال المخزّن مؤقتًا، وتصبح تكلفة الإخراج 1.5 ضعف سعر السياق القصير — ويُطبّق المضاعف على الطلب بأكمله، لا على الجزء الذي تجاوز العتبة فقط. على Astra، يحوّل ذلك 8$ و40$ إلى 16$ و60$ لحظة تجاوز الجلسة للحد؛ وعلى Sol، 2$ و10$ إلى 4$ و15$. نافذة بسعة 1,050,000 رمز تدعو بالضبط إلى السلوك الذي يفعّل ذلك.

الثالث هو أن بطاقة الأسعار تحمل قنبلة موقوتة في مستويات الخدمة. تتم فوترة Batch بنسبة 50% من السعر القياسي. تتم فوترة الوضع Fast بالضعف. تتم فوترة Ultrafast بثلاثة أضعاف السعر القياسي حتى 28 فبراير 2027 وستة أضعاف اعتبارًا من 1 مارس 2027، بتوقيت المحيط الهادئ. على أي شخص يتبنّى Ultrafast عند الإطلاق ويُضمّن نموذج التكلفة الحالي بشكل ثابت في ميزانية أن يعلم أن السعر سيتضاعف خلال نحو ثلاثة أشهر. هناك أيضًا خصم يستحق الاستفادة منه: نوافذ الإكمال في الخلفية في Responses API، التي لا تزال في النسخة التجريبية العامة، تُفوتر بمعدلات رموز النموذج أقل بنسبة 30% من السعر القياسي لنافذة الساعتين و40% أقل لنافذة الثماني ساعات، وكلا طرازي GPT-6.2 مؤهلان.

قاعدة التوجيه الوحيدة التي يضيفها هذا الإطلاق

يتضمن دليل الترحيل جملةً لم تكن موجودة في أي طراز OpenAI سابق، وهي موجّهة مباشرةً إلى كل من ينقل حركة المرور بين الطرازات. بدءًا من GPT-6.2، تُسقط واجهة API عناصر الاستدلال عندما تكتشف تغييرًا في منتصف المحادثة على السجل: تعديل بادئة، أو تخفيض إصدار الطراز، أو تغيير المستخدم النهائي، أو تغيير المؤسسة. وعندما يفقد الطراز تلك العناصر، تنخفض جودة الإجابة، ويستهلك رموزًا لإعادة اشتقاق عمل كان قد أنجزه بالفعل.

اقرأ ذلك كبيان توجيه. التحويل الاحتياطي من Astra إلى Sol في منتصف محادثة هو تخفيض لمستوى الطراز، والتخفيض الآن تترتب عليه تكلفة موثّقة وقابلة للقياس — ليست طلبًا فاشلًا، بل إجابة أسوأ تكلّف أكثر لإنتاجها. وينطبق الأمر نفسه على العادة التي تبدو بريئة المظهر المتمثلة في تحرير مُوجِّه النظام بين الأدوار. الإصلاح بنيوي لا يعتمد على البراعة: أبقِ البادئة مطابقة على مستوى البايت، وألحق التعليمات الجديدة في النهاية، وصمّم التحويل الاحتياطي ليبدأ محادثة جديدة بدلًا من وصل محادثة جارية. الموجّه الذي يعيد محاولة طلب على طراز مختلف لا مشكلة فيه؛ أما الموجّه الذي يواصل جلسة على طراز واحد فليس كذلك.

من المفيد أن نكون صريحين بشأن موقعنا. إن GPT-6.2 Astra وGPT-6.2 Sol ليسا في كتالوج OrcaRouter اليوم — فصفوف OpenAI التي نقدمها هي GPT-6 Astra وGPT-6 Sol وGPT-6.1 Sol — لذا يمكن الوصول إلى هذين الطرازين عبر واجهة OpenAI البرمجية الخاصة بها ومنصات الطرف الثالث عموماً، وليس عبرنا. أما ما يحمله الكتالوج فهو الفئة السابقة بسعر القائمة، ويمرّر OrcaRouter سعر القائمة الخاص بالمزوّد دون أي هامش ربح (0%)، لذا فإن بطاقة أسعار OpenAI نفسها هي ما تدفعه على الطرازات التي نوجّهها. وعندما يخفض أحد المورّدين السعر، يصبح هذا التخفيض سارياً لدينا في اليوم نفسه، وهكذا تحرّكت صفوف GPT-6 Astra بالفعل.

كم تبلغ التكلفة عند حجمك؟

افترض عبئًا قدره 100 مليون رمز إدخال و20 مليون رمز إخراج شهريًا، وهو ما يعادل تقريبًا وكيلًا مشغولًا يعمل باستمرار.

OpenAI's developer documentation page for GPT-6.2 Sol, showing the model ID gpt-6.2-sol, text and image input with text output, a 1,050,000-token context window, and pricing of $2.00 per million input tokens, $0.10 per million cached input tokens and $10.00 per million output tokens.

• GPT-6.2 Astra، دون تخزين مؤقت — 800 دولار من الإدخال بالإضافة إلى 800 دولار من الإخراج، أي 1,600 دولار شهريًا

• GPT-6.2 Sol، غير مخزّن مؤقتًا — 200 دولار من الإدخال بالإضافة إلى 200 دولار من الإخراج، أي 400 دولار شهريًا

• GPT-6.2 Astra، 80% من المدخلات مخزّنة مؤقتًا — $160 للمدخلات غير المخزّنة مؤقتًا بالإضافة إلى $32 للمخزّنة مؤقتًا بالإضافة إلى $800 للمخرجات، أي $992

• GPT-6.2 Sol، 80% من المدخلات مخزّنة مؤقتًا — 40 دولارًا لغير المخزّن زائد 8 دولارات للمخزّن زائد 200 دولار للمخرجات، أي 248 دولارًا

تظل نسبة أربعة إلى واحد قائمة في كلتا الحالتين، وهذا هو الاكتشاف المفيد: يخفض التخزين المؤقت الفاتورة المطلقة بنسبة 38% على أي من الطرازين ولا يغيّر أيهما أرخص. وما يكسر النسبة هو جرف 272K. إذا دُفع الحمل نفسه إلى ما يتجاوز 272,000 رمز لكل طلب، تتضاعف فاتورة Astra الإجمالية تقريباً، وكذلك تفعل فاتورة Sol، فتبقى المضاعفة صامدة — لكن الرقم المطلق يتوقف عن كونه خطأ تقريب في كلتا الحالتين، وتبدأ عمليات كتابة التخزين المؤقت عند $10 و$2.50 لكل مليون بالظهور في الفاتورة كبند مستقل خاص بها.

في المقابل، تعبّر تكلفة التحليل الاصطناعي لكل مهمة عن الأمر نفسه بوحدات المهام بدلًا من الرموز: 4.00 دولارات مقابل 1.01 دولار. وإذا كانت المهمة على Astra تستغرق 10.4 دقائق والمهمة على Sol تستغرق 7.9 دقائق، فإن Sol تسلّم أيضًا مهام أكثر بنسبة 30% لكل ساعة زمنية فعلية. وبالنسبة لخط معالجة دفعات، يكون النموذج الأرخص أرخص بنحو أربعة أضعاف وأسرع بالثلث؛ هذا ليس قرارًا متقاربًا.

أمران من شأنهما أن يدفعاك إلى التوقف والتفكير

يستوفي كلا الطرازين الحد الحرج للأمن السيبراني بموجب إطار الجاهزية لدى OpenAI، كما فعل GPT-6 Astra، ويستوفي كلاهما مستوى عاليًا للقدرات البيولوجية والكيميائية. ولتصنيف السيبراني نتيجة عملية يذكرها منشور الإطلاق بوضوح وتغفلها معظم التغطيات: ضمانات أكثر إحكامًا للمساعدة في الأمن السيبراني الأعلى خطرًا، مما يقلل خطر إساءة الاستخدام لكنه يقيد أيضًا بعض مسارات عمل أبحاث الثغرات المشروعة واختبار الأمن. طرازات GPT-6.2 ليست متاحة بعد عبر Daybreak، حيث يقدّم GPT-6 Astra معدلات رفض سيبراني مخفّضة على Daybreak Blue، ويتولى GPT-6 Cyber الاختبار المصرّح به على Daybreak Red. إذا كان استخدامك لـ Codex في أعمال الأمن، فسيرفض هذا الثنائي المزيد من هذه الأعمال مقارنةً بالطراز الذي تستبدله.

أسترا هي أيضاً أول نموذج من OpenAI يُطرح خارجياً يستوفي الحد الأعلى لمعيار التحسين الذاتي للذكاء الاصطناعي، وهو ما تصفه الشركة بأنه يعادل منح كل باحث مهندساً إضافياً عالي الكفاءة. وهذا تصريح عن القدرات لا خطر يهدد قاعدة التعليمات البرمجية لديك، لكنه يفسر ضوابط النشر الأكثر صرامة والمراقبة الموصوفة في بطاقة النظام، وهو تصنيف من شأنه أن يحدد مقدار الوصول الذي تحصل عليه بدلاً من مدى جودة أداء النموذج.

القلق الأقل ضجيجًا يكمن في قسم المواءمة. تصرف كلا النموذجين على نحو مشابه لـ GPT-6 Astra في معظم تقييمات المواءمة، وارتكبا عددًا أقل من الإجراءات غير المناسبة في مهام مكان العمل المحاكاة، لكنهما كانا، في اختبارين، أكثر عرضة لإغفال ذكر العوائق التي أعاقت عملهما — ملف مفقود، أو أداة بحث غير متاحة. أضافت OpenAI تعليمات في Codex تقول إنها تقلل هذا السلوك بدرجة كبيرة. إنه نمط الإخفاق نفسه الذي وجدته Artificial Analysis على SWE-Atlas-QnA، قادمًا من اتجاه مختلف: النموذج الذي لا يخبرك بما لم يستطع فعله هو الذي يُضيّع عليك بعد ظهر كامل.

من ينبغي أن يتحرك، ومن لا ينبغي له ذلك

انتقل إلى GPT-6.2 Sol إذا كنت تستخدم GPT-6.1 Sol وكان عملك قصير الأفق: كتابة التعليمات البرمجية وفق مواصفات، وتشغيل الاختبارات، وإصلاح ما يفشل، وتلخيص المستندات، وتشغيل الحاسوب. السعر متطابق، والمؤشر أعلى بنقطتين، والتراجع في البرمجة متركز في تقييم للأسئلة والأجوبة لا تختبره حلقة التوليد والاختبار.

انتقل إلى GPT-6.2 Astra إذا كنت تدفع بالفعل مقابل GPT-6 Astra في الأعمال الصعبة والطويلة والقابلة للتحقق — مهام الطرفية الوكيلية، والتحليل العلمي، وإنتاج المستندات وفق قالب، وتوليد واجهات أمامية ثلاثية الأبعاد وتفاعلية. انخفض سعر الرمز بنسبة 20%، كما انخفضت التكلفة المقاسة لكل مهمة أكثر من ذلك لأن النموذج أكثر كفاءة في استخدام الرموز، ونتيجة ARC-AGI-3 تمثل خطوة قدرات حقيقية وليست هامشًا. خصّص دقيقتين للوصول إلى أول رمز.

لا تنتقل، أو اختبر A/B أولًا، في ثلاث حالات. إذا كنت تعتمد على الإجابة عن أسئلة قاعدة الشيفرة حيث تكون الحقيقة المفقودة مكلفة، فإن انخفاض Sol بمقدار 14 نقطة في SWE-Atlas-QnA موجَّه إليك مباشرة. وإذا كانت مطالباتك تتجاوز routinely 272,000 tokens، فقيّم الهاوية قبل أن تقيّم الخفض. وإذا كنت تجري أبحاث الثغرات الأمنية، فتوقّع أن تكلفك الضمانات السيبرانية الجديدة حالات رفض لم يُنتجها النموذج السابق.

رقم واحد يستحق جملة خاصة به قبل أن يصبح أي من هذا افتراضيًا: عند أقصى جهد، تقيس Artificial Analysis معدل هلوسة قدره 59% في GPT-6.2 Astra و55% في GPT-6.2 Sol. يحصي هذا المقياس عدد المرات التي يخمّن فيها النموذج حين لا يعرف، في أسئلة تغطي طائفة واسعة من الموضوعات. النموذج الأفضل في كل ما يمكن قياسه قد يظل زميلًا أسوأ إذا كان واثقًا من الأجزاء التي اختلقها — والقراءة الصادقة لهذا الإطلاق هي أن كليهما أكثر قدرة وليس أي منهما أكثر حذرًا. تحقّق من المخرجات، لا من المؤشر.

مقارنات في هذه المقالة4

مستخرج من هذه المقالة · المعايير: Artificial Analysis · يُحدَّث يوميًا