
GPT-6.2 Astra ו-Sol: אותה השקה, הכרעות הפוכות בקידוד
- OrcaחדשOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 לכל 1M טוקנים · 170 tok/s
- tencentחדשTencent: Hy4 Flash2026-11-16$0.02 / $0.07 לכל 1M טוקנים · 234 tok/s
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 89 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 98 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 לכל 1M טוקנים · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 לכל 1M טוקנים · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 לכל 1M טוקנים · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
שני מודלים עלו לאוויר ב-17 בנובמבר, והזול מביניהם מגיע עם רגרסיה נלווית. GPT-6.2 Sol מקבל ציון 57 במדד Artificial Analysis Intelligence Index בעלות של $1.01 למשימת מדד; GPT-6.2 Astra מקבל ציון 62 בעלות של $4.00. Sol היא הרמה ש-OpenAI אומרת לך להפוך לברירת המחדל שלך, זו שאנשי הצוות שלה עצמה לכאורה פונים אליה בעבודה שגרתית. וב-Coding Agent Index של Artificial Analysis — אותו Codex harness, במאמץ מרבי — GPT-6.2 Sol נופל בשלוש נקודות מתחת לדגם שהוא מחליף, GPT-6.1 Sol, כאשר הירידה מיוחסת להערכה בודדת שבה הוא משמיט עובדות מרכזיות בשיעור גבוה ב-14 נקודות. Astra, כאשר נמדדת באותו אופן, נותרת ללא שינוי לעומת GPT-6 Astra. השקה אחת, שני פסקי דין מנוגדים בנושא שהכי חשוב למשתמשי Codex.
הפיצול הזה ראוי למאמר, משום שההכרזה אינה יוצרת אותו. הפוסט של OpenAI עוסק בשקופיות, בגיליונות אלקטרוניים, בסצנות תלת-ממד ובמסופים מדעיים, ובאלה יש לו מספרים אמיתיים. תמונת התכנות היא זו שצריך להרכיב ממדידות עצמאיות, מרשומת יומן שינויים וממדריך מיגרציה, והיא משנה איזה משני המזהים שייך למאגר שלך.
מה נשלח, בדיוק
רשומת יומן השינויים ל-17 בנובמבר מפרטת שני מזהי מודלים, gpt-6.2-astra ו-gpt-6.2-sol, גם ב-Responses API וגם ב-Chat Completions. קריאה לכלים מחייבת Responses. ב-ChatGPT, שניהם מגיעים למשתמשי Plus, Pro, Enterprise ו-Edu ב-ChatGPT Work וב-Codex כבר ביום הראשון; מנויי Pro 500 מקבלים Ultrafast באחד משני המודלים, ו-Ultrafast מגיע ל-Pro 200 לראשונה, החל ב-Sol. מרחבי עבודה זכאים מסוג Enterprise ו-Edu יקבלו גישה לאחר שמנהל יאפשר זאת.
• מחיר — GPT-6.2 Astra $8 קלט / $40 פלט למיליון לעומת GPT-6.2 Sol $2 / $10
• קלט שמור במטמון — $0.40 למיליון ב-Astra לעומת $0.10 ב-Sol
• כתיבות מטמון — $10 למיליון עבור חלון שמירה של 30 דקות ב-Astra לעומת $2.50 ב-Sol
• חלון הקשר — 1,050,000 טוקנים לשניהם, מתוכם 922,000 קלט מקסימלי ו-128,000 פלט מקסימלי
• מועד קיטוע הידע — 18 במאי 2026 ב-Astra לעומת 1 ביוני 2026 ב-Sol, כך שהמודל הזול יותר הוא המעודכן יותר
• מודאליות — טקסט ותמונה כקלט, טקסט כפלט, בשניהם; אודיו ווידאו אינם נתמכים בשניהם
• כלים — חיפוש באינטרנט, חיפוש קבצים, יצירת תמונות, מפרש קוד, מעטפת מתארחת, החלת patch, מיומנויות, שימוש במחשב, MCP וחיפוש כלים, הכול ב-Responses API

המהלך התמחורי אינו סימטרי וקל לפרש אותו לא נכון. Astra נמצא 20% מתחת ל-GPT-6 Astra הן בקלט והן בפלט, והקלט ממטמון יורד מ-$1.00 ל-$0.40 — קיצוץ של 60%, משום שההנחה העמיקה ל-95% ושיעור הבסיס שאליו היא חלה ירד באותו זמן. Sol לא השתנה כלל: $2, $0.10 ו-$10 הם בדיוק התעריפים של GPT-6.1 Sol. לכן השכבה הזולה היא שדרוג יכולות במחיר קבוע, והשכבה היקרה היא שדרוג יכולות שמוצמד לו קיצוץ מחיר. איזו מהן היא הרכישה הטובה יותר תלוי לחלוטין במה אתם קונים אותה.
Astra היא התקרה, ולשם שינוי התקרה ניתנת למדידה
Artificial Analysis מציבה את GPT-6.2 Astra במקום השלישי מתוך 91 מודלים במדד האינטליגנציה שלה עם ציון 62, אחרי Claude Fable 5.2 עם 65. הוא עוקף את Gemini 4 Carbon עם 60 ואת Claude Opus 5.5 עם 59, וזה שינוי ממשי: ה-GPT-6 Astra הקודם היה נמוך בחמש נקודות. המדד הוא ממוצע של תשע הערכות המכסות עבודת ידע, שימוש סוכני במסוף, מדע וידע כללי, ולכן עלייה של חמש נקודות בו אינה מקרה של משחק במבחן בודד.

האימות העצמאי של ARC Prize הוא הנתון הבודד המרשים ביותר בהשקה. GPT-6.2 Astra הוא המודל הראשון שמשיג 100% ב-ARC-AGI-3, בעלות כוללת של $4.1K דרך מתאם ספק; בתצורה הסטנדרטית של ARC, אותו מודל משיג 70.3% בעלות של $24.2K. הוא גם מדווח על 95.8% ב-ARC-AGI-2 בעלות של $0.50 למשימה ו-98.5% ב-ARC-AGI-1 בעלות של $0.17 למשימה. אלה מדידות צד שלישי על משפחת מבחנים שנבנתה כדי להתנגד לשינון, לא טענות של ספק, והן הראיה החזקה ביותר בהשקה הזו לכך שהמודל עושה משהו שקודמו לא עשה. פער העלויות בין שתי תצורות ARC-AGI-3 הוא הסתייגות: ציון מושלם זמין, וכמה ממנו תקבלו תלוי בכמה תשתית עזר אתם מוכנים לשלם עבורה.
הנתונים של OpenAI עצמה, אשר דווחו על ידי הספק ולא שוחזרו, מצביעים באותו כיוון: 5.2 נקודות מעל GPT-6 Astra ב-Agents' Last Exam בפחות משליש מהעלות, 9 נקודות אחוז מעליו ב-Terminal-Bench-Science 0.1, שיא חדש במדד Vals Science, וברמה המתקדמת ביותר ב-Harvey LAB-AA v1.1 לעבודה משפטית. לפי Artificial Analysis, באופן עצמאי, Astra מובילה ב-AA-3D עם 1,318 Elo לעומת Claude Fable 5.2 עם 1,271, ומובילה ב-AA-Robotics v0.1 עם 79. היא שנייה רק ל-Fable 5.2 בדיוק בידע עובדתי ובקבוצת המשנה לפיזיקה של CritPt v2.
המשקל שכנגד הוא עלות ושהות, ושניהם גרועים יותר ממה שהמדד מרמז. העלות שלה — 4.00 דולר למשימת אינדקס — מדרגת אותה במקום ה-61 מתוך 90 בסדר העלויות של Artificial Analysis, קרוב יותר לקצה היקר ממה שדירוג אינטליגנציה במקום השלישי מכין אותך לקראתו, והיא אורכת 10.4 דקות למשימה, עם זמן עד לאסימון התשובה הראשון של 134.86 שניות. הנתון האחרון ממחיש איך מרגיש סשן Codex אינטראקטיבי: שתי דקות של כלום לפני המילה הראשונה. Astra הוא מודל שמפנים אליו בעיה קשה והולכים לדרכך.
Sol הוא המקום שאליו הולך הנפח, ושבו שוכנת הרגרסיה.
המקרה של Sol הוא חשבון. ציון 57 באותו מדד ממקם אותו במקום ה-11 מתוך 91 ולא במקום השלישי, באותה רמה כמו הדגל הקודם GPT-6 Astra, בעלות של כ-15% מהעלות הנמדדת של אותו מודל לכל משימה. Artificial Analysis מציב את Sol על $1.01 למשימת מדד לעומת $4.00 של Astra — פי ארבעה — בעודו מסיים משימה ב-7.9 דקות במקום 10.4 ומגיע לאסימון התשובה הראשון ב-57.55 שניות במקום 135. הוא מהיר יותר, זול יותר ופחות מפורט, כשהוא מוציא 60.9 מיליון אסימוני פלט לאורך מערך המדד לעומת 65.8 מיליון של Astra.
ההצגה של OpenAI היא ש-Sol הוא ברירת המחדל היומיומית, ובכמה מההערכות הפנימיות שלה זה מחזיק. ב-FrontierCode 2.0 של Cognition, Sol מגיע לפער של חצי נקודה בלבד מ-Astra בעלות של כחמישית, שניהם במאמץ מרבי. ב-LifeVal, הערכה חדשה למשימות אישיות מעשיות, הוא משיג ציון גבוה יותר מ-GPT-6 Astra בכ-שביעית מהמחיר. בחבילת הערכת עבודת הידע הפנימית GDPval v2 הוא משתפר ב-5.3 נקודות לעומת GPT-6.1 Sol.
ואז יש את מדידת הקידוד שפועלת בכיוון ההפוך. במדד Coding Agent Index של Artificial Analysis, שרץ בהרנס Codex במאמץ מקסימלי, GPT-6.2 Astra זהה ל-GPT-6 Astra — השדרוג לא מניב שום דבר מדיד — ו-GPT-6.2 Sol נמוך בשלוש נקודות מ-GPT-6.1 Sol. Artificial Analysis מייחסת את הירידה של Sol לירידה של 14 נקודות ב-SWE-Atlas-QnA-AA, הערכה שבה המודל צריך לענות על שאלות לגבי בסיס קוד, ומתארת את הסיבה בכך שהמודל נוטה יותר להשמיט עובדות מרכזיות בתשובותיו.
זהו מצב כשל ספציפי וניתן לבדיקה, והוא זה שפוגע בסוכן. סוכן שמשמיט עובדה שמצא לא קורס; הוא מייצר עריכה סבירה שמחמיצה את הסיבה שבגללה הקוד נכתב כך. אם השימוש שלך ב-Codex הוא "לשאול שאלות על המאגר הזה ולפעול לפי התשובות", המודל הזול יותר בזוג הזה אינו שדרוג במימד שאתה קונה. אם זה "לכתוב את הפונקציה הזו, להריץ את הבדיקות, לתקן את מה שנשבר", תוצאת FrontierCode אומרת שלא תבחין בהבדל ותבחין בחשבונית.
החיווט, שהוא המקום שבו מיגרציה למעשה נשברת
שלוש מכניקות חשובות יותר מהבנצ'מרקים ברגע שמעבירים אינטגרציה אמיתית.
הראשון הוא ששני המודלים דוחים את reasoning_effort: "none". GPT-6 Sol קיבל זאת; GPT-6.1 Sol לא, ו-GPT-6.2 ממשיך בכך. אם הסתמכתם על כיבוי החשיבה כדי להחזיר את זמן התגובה במסלול סיווג זול, מסלול כזה אינו קיים בזוג הזה. קונים זמן תגובה עם מודל קטן יותר או עם פרומפט קצר יותר, לא עם דגל.
השני הוא צוק ההקשר הארוך. מעל 272,000 טוקני קלט, תעריפי הקלט והקלט השמור במטמון מוכפלים, ועלות הפלט היא פי 1.5 מתעריף ההקשר הקצר — והמכפיל חל על כל הבקשה, לא רק על החלק שמעבר לסף. ב-Astra זה הופך $8 ו-$40 ל-$16 ו-$60 ברגע שסשן חוצה את הקו; ב-Sol, $2 ו-$10 ל-$4 ו-$15. חלון של 1,050,000 טוקנים מזמין בדיוק את ההתנהגות שמפעילה אותו.
השלישי הוא שלכרטיס המחיר יש פצצת זמן בשכבות השירות. Batch מחויב ב-50% מהתעריף הרגיל. Fast mode מחויב בכפול. Ultrafast מחויב פי שלושה מהתעריף הרגיל עד 28 בפברואר 2027 ופי שישה מ-1 במרץ 2027, לפי שעון האוקיינוס השקט. כל מי שמאמץ את Ultrafast כבר בהשקה ומקבע בקוד את מודל העלויות של היום בתוך תקציב צריך לדעת שהתעריף מוכפל בעוד כשלושה חודשים. יש גם הנחה שכדאי לנצל: חלונות השלמה ברקע ב-Responses API, שעדיין בבטא ציבורית, מחייבים תעריפי טוקנים של המודל ב-30% מתחת לרגיל עבור חלון של שעתיים וב-40% מתחת עבור חלון של שמונה שעות, ושני דגמי GPT-6.2 זכאים.
כלל הניתוב היחיד שההשקה הזו מוסיפה
מדריך המיגרציה מכיל משפט שלא היה קיים באף מודל קודם של OpenAI, והוא מכוון ישירות לכל מי שמעביר תעבורה בין מודלים. החל מ-GPT-6.2, ה-API מוחק פריטי חשיבה כאשר הוא מזהה שינוי באמצע השיחה בהיסטוריה: עריכת קידומת, שנמוך של מודל, שינוי של משתמש הקצה, או שינוי של ארגון. כאשר המודל מאבד את הפריטים הללו, איכות התשובה יורדת והוא מבזבז טוקנים על גזירה מחדש של עבודה שכבר ביצע.
קראו את זה כהצהרת ניתוב. מעבר כשל מ-Astra ל-Sol באמצע שיחה הוא שנמוך מודל, ולשנמוך כרוכה כעת עלות מתועדת ומדידה — לא בקשה שנכשלה, אלא תשובה גרועה יותר שעולה יותר להפיק. אותו דבר חל על ההרגל התמים למראה של עריכת פרומפט מערכת בין תורות. התיקון הוא מבני ולא חכם: לשמור את הקידומת זהה לחלוטין ברמת הבתים, להוסיף הוראות חדשות בסוף, ולתכנן את מעבר הכשל כך שיתחיל שיחה חדשה ולא לשזור שיחה קיימת. נתב שמנסה שוב בקשה על מודל אחר הוא בסדר; נתב שממשיך סשן על מודל אחר אינו.
כדאי להבהיר איפה אנחנו עומדים. GPT-6.2 Astra ו-GPT-6.2 Sol אינם בקטלוג של OrcaRouter היום — רשומות ה-OpenAI שאנו מספקים הן GPT-6 Astra, GPT-6 Sol ו-GPT-6.1 Sol — כך שהצמד הזה נגיש דרך ה-API של OpenAI עצמה ופלטפורמות צד שלישי בכלל, ולא דרכנו. מה שכן מופיע בקטלוג הוא הדרגה הקודמת במחיר מחירון, ו-OrcaRouter מעבירה הלאה את מחיר המחירון של הספק עם 0% תוספת, כך שהמחירון של OpenAI עצמה הוא מה שאתם משלמים על הדגמים שאנו מנתבים. כאשר ספק מוזיל מחיר, ההוזלה הזו פעילה אצלנו באותו יום, וכך רשומות ה-GPT-6 Astra כבר השתנו.
מה העלות בהיקף שלך
ניקח עומס עבודה של 100 מיליון טוקני קלט ו־20 מיליון טוקני פלט בחודש, שזה בערך סוכן אחד עסוק שפועל ברציפות.

• GPT-6.2 Astra, ללא מטמון — $800 עבור קלט ועוד $800 עבור פלט, כלומר $1,600 בחודש
• GPT-6.2 Sol, ללא מטמון — 200$ קלט ועוד 200$ פלט, כלומר 400$ בחודש
• GPT-6.2 Astra, 80% מהקלט במטמון — $160 ללא מטמון ועוד $32 במטמון ועוד $800 פלט, כך ש-$992
GPT-6.2 Sol, 80% מהקלט במטמון — $40 ללא מטמון ועוד $8 במטמון ועוד $200 פלט, ולכן $248
היחס ארבע לאחת נשמר בשני המקרים, וזהו הממצא השימושי: המטמון מקטין את החשבון המוחלט ב-38% בכל אחד מהמודלים ואינו משנה איזה מהם זול יותר. מה ששובר את היחס הוא הצוק של 272K. דחפו את אותו עומס עבודה מעבר ל-272,000 טוקנים לבקשה והחשבון המשוקלל של Astra כמעט מוכפל, וכך גם של Sol, כך שהמכפיל שורד — אבל המספר המוחלט מפסיק להיות שגיאת עיגול בשני המקרים, וכתיבות מטמון במחיר של $10 ו-$2.50 למיליון מתחילות להופיע בחשבונית כשורה נפרדת משלהן.
לעומת זאת, עלות הניתוח המלאכותי לכל משימה אומרת את אותו הדבר ביחידות של משימות ולא בטוקנים: $4.00 לעומת $1.01. אם משימה על Astra אורכת 10.4 דקות וכזו על Sol אורכת 7.9, הרי ש-Sol גם מספקת 30% יותר משימות לשעת זמן ריצה. עבור צינור עיבוד באצוות, המודל הזול יותר הוא בערך פי ארבעה זול יותר ושליש מהיר יותר; זו לא החלטה צמודה.
שני דברים שאמורים לגרום לך לעצור ולחשוב
שני המודלים עומדים בסף הקריטי לאבטחת סייבר במסגרת המוכנות של OpenAI, כפי שעשתה GPT-6 Astra, ושניהם עומדים בסף גבוה ליכולות ביולוגיות וכימיות. לסיווג הסייבר יש השלכה מעשית שפוסט ההשקה מציין אותה בפשטות ורוב הסיקור פסח עליה: אמצעי הגנה מחמירים יותר לסיוע באבטחת סייבר בסיכון גבוה, שמפחיתים את סיכון השימוש לרעה אך גם מגבילים חלק מתהליכי מחקר פגיעויות ובדיקות אבטחה לגיטימיים. מודלי GPT-6.2 עדיין אינם זמינים דרך Daybreak, שבו GPT-6 Astra מציגה סירובים מופחתים בנושאי סייבר ב-Daybreak Blue ו-GPT-6 Cyber מטפל בבדיקות מורשות ב-Daybreak Red. אם השימוש שלך ב-Codex נוגע לעבודות אבטחה, הצמד הזה יסרב ליותר מהן מאשר המודל שאתה מחליף.
Astra הוא גם המודל הראשון של OpenAI ששוחרר באופן חיצוני ועומד בסף ה-High ל-AI Self-Improvement, שאותו החברה מציגה כשווה ערך להענקת מהנדס נוסף בעל יכולות גבוהות לכל חוקר. זהו הצהרת יכולת ולא סיכון לבסיס הקוד שלך, אבל היא מסבירה את בקרות הפריסה המחמירות יותר ואת הניטור המתוארים בכרטיס המערכת, וזהו סוג של סיווג שמעצב את מידת הגישה שאתה מקבל ולא את ביצועי המודל.
הדאגה השקטה יותר נמצאת בסעיף היישור. שני המודלים התנהגו בדומה ל-GPT-6 Astra ברוב הערכות היישור וביצעו פחות פעולות לא תקינות במשימות מדומות של מקום עבודה, אך בשני מבחנים היה סביר יותר שישמיטו אזכור של מכשולים שחסמו את עבודתם — קובץ חסר, כלי חיפוש לא זמין. OpenAI הוסיפה הנחיות ב-Codex שלדבריה מפחיתות באופן מהותי את ההתנהגות. זהו אותו מצב כשל ש-Artificial Analysis מצאה ב-SWE-Atlas-QnA, כשהוא מגיע מכיוון אחר: המודל שלא אומר לך מה הוא לא הצליח לעשות הוא זה שעולה לך אחר צהריים שלם.
מי צריך לזוז, ומי לא
עברו ל-GPT-6.2 Sol אם אתם על GPT-6.1 Sol והעבודה שלכם היא לטווח קצר: כתיבת קוד לפי מפרט, הרצת בדיקות, תיקון מה שנכשל, סיכום מסמכים, הפעלת מחשב. המחיר זהה, המדד גבוה בשתי נקודות, והנסיגה בקידוד מרוכזת בהערכת מענה על שאלות שלולאת יצירה ובדיקה אינה מתרגלת.
עברו ל-GPT-6.2 Astra אם כבר שילמתם עבור GPT-6 Astra על עבודה קשה, ארוכה וניתנת לאימות — משימות טרמינל סוכניות, ניתוח מדעי, הפקת מסמכים לפי תבנית, ויצירת תלת-ממד ופרונט-אנד אינטראקטיבי. מחיר הטוקן ירד ב-20%, העלות הנמדדת לכל משימה ירדה יותר כי המודל יעיל יותר בטוקנים, ותוצאת ARC-AGI-3 היא צעד יכולת אמיתי ולא מרווח. תקצבו את שתי הדקות עד לטוקן הראשון.
בשלושה מקרים, אל תעברו — או עשו A/B תחילה. אם אתם נשענים על מענה לשאלות על בסיס קוד, שבו עובדה חסרה עולה ביוקר, הירידה של 14 נקודות של Sol ב-SWE-Atlas-QnA מכוונת ישירות אליכם. אם הפרומפטים שלכם עוברים בשגרה את 272,000 הטוקנים, תמחרו את הצוק לפני שתמחרו את הקיצוץ. ואם אתם עוסקים במחקר פגיעויות, צפו שאמצעי ההגנה הקיברנטיים החדשים יעלו לכם בסירובים שהמודל הקודם לא יצר.
מספר אחד ראוי למשפט משל עצמו לפני שכל זה הופך לברירת מחדל: במאמץ מרבי, Artificial Analysis מודדת שיעור הזיות של 59% ב-GPT-6.2 Astra ו-55% ב-GPT-6.2 Sol. המדד הזה סופר באיזו תדירות מודל מנחש כשהוא לא יודע, בשאלות שמכסות מגוון רחב של נושאים. מודל שטוב יותר בכל דבר מדיד יכול עדיין להיות עמית גרוע יותר אם הוא בטוח בחלקים שהוא המציא — והקריאה הכנה של ההשקה הזו היא ששניהם מסוגלים יותר ואף אחד מהם לא זהיר יותר. אמתו את הפלט, לא את האינדקס.
השוואות במאמר הזה4
זוהה מתוך המאמר הזה · בנצ'מרקים: Artificial Analysis · מתעדכן יומית
