
GPT-6.2 Astra와 Sol: 같은 출시, 코딩에서는 상반된 평가
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 170 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당 · 234 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 89 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 98 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당 · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
두 모델이 11월 17일 공개됐고, 더 저렴한 쪽에는 퇴행이 따라붙는다. GPT-6.2 Sol은 Artificial Analysis Intelligence Index에서 인덱스 작업당 $1.01에 57점을 기록하고, GPT-6.2 Astra는 $4.00에 62점을 기록한다. Sol은 OpenAI가 기본값으로 지정하라고 권하는 등급이며, 자사 직원들도 일상 업무에서 이것을 선택한다고 한다. 그리고 Artificial Analysis의 Coding Agent Index에서 — 동일한 Codex 하네스, 최대 노력 설정 기준으로 — GPT-6.2 Sol은 자신이 대체하는 모델인 GPT-6.1 Sol에 비해 3점 낮은 점수를 기록하며, 이 하락은 핵심 사실을 14포인트 더 자주 누락하는 단일 평가에서 비롯된 것으로 파악된다. 같은 방식으로 측정한 Astra는 GPT-6 Astra와 견줘 변화가 없다. 한 번의 출시, Codex 사용자들이 가장 신경 쓰는 부분에 대한 두 개의 상반된 평가다.
그 구분은 기사로 다룰 가치가 있다. 발표문이 그 구분을 만들어 주지는 않기 때문이다. OpenAI의 게시물은 슬라이드, 스프레드시트, 3D 장면, 과학 터미널에 관한 것이며, 그 부분에서는 실제 수치를 제시한다. 코딩 관련 그림은 독립적인 측정치, 변경 로그 항목, 마이그레이션 가이드로부터 직접 짜맞춰야 하는 것이며, 이는 두 ID 중 어느 것이 저장소에 속하는지를 바꾼다.
정확히 무엇이 출시되었나요?
11월 17일 자 변경 로그 항목에는 Responses API와 Chat Completions 양쪽에 gpt-6.2-astra와 gpt-6.2-sol 두 가지 모델 ID가 나열되어 있습니다. 도구 호출에는 Responses가 필요합니다. ChatGPT에서는 두 모델 모두 첫날부터 Plus, Pro, Enterprise, Edu 사용자에게 ChatGPT Work와 Codex에서 제공됩니다. Pro 500 구독자는 두 모델 중 어느 것이든 Ultrafast를 이용할 수 있으며, Ultrafast는 Sol을 시작으로 처음으로 Pro 200까지 제공됩니다. 해당되는 Enterprise 및 Edu 워크스페이스는 관리자가 활성화하면 액세스할 수 있습니다.
• 가격 — GPT-6.2 Astra: 입력 $8 / 출력 $40 (100만 토큰당) vs GPT-6.2 Sol: $2 / $10
• 캐시된 입력 — Astra는 백만 개당 $0.40, Sol은 $0.10
• 캐시 쓰기 — Astra의 30분 보존 기간 기준 백만 건당 $10 vs Sol의 $2.50
• 컨텍스트 윈도 — 둘 다 1,050,000토큰이며, 그중 최대 입력 922,000, 최대 출력 128,000입니다
• 지식 컷오프 — Astra는 2026년 5월 18일, Sol은 2026년 6월 1일이므로 더 저렴한 모델이 더 최신입니다
• 모달리티 — 둘 모두 텍스트 및 이미지 입력, 텍스트 출력; 오디오와 비디오는 둘 모두에서 지원되지 않음
• 도구 — 웹 검색, 파일 검색, 이미지 생성, 코드 인터프리터, 호스팅 셸, 패치 적용, 스킬, 컴퓨터 사용, MCP 및 도구 검색, 모두 Responses API에서 제공

가격 변화는 비대칭적이며 쉽게 오해할 수 있다. Astra는 입력과 출력 모두에서 GPT-6 Astra보다 20% 낮고, 캐시된 입력은 $1.00에서 $0.40로 떨어진다 — 60% 인하인데, 할인율이 95%로 깊어졌고 동시에 그 할인이 적용되는 기본 요율도 내려갔기 때문이다. Sol은 전혀 움직이지 않았다: $2, $0.10, $10은 정확히 GPT-6.1 Sol의 요율이다. 따라서 더 저렴한 티어는 가격은 그대로인 채 성능이 업그레이드된 것이고, 비싼 티어는 성능 업그레이드에 가격 인하까지 붙은 것이다. 이 중 어느 쪽이 더 나은 구매인지는 전적으로 무엇을 위해 구매하느냐에 달려 있다.
Astra는 상한이며, 이번만큼은 그 상한을 측정할 수 있다
Artificial Analysis는 GPT-6.2 Astra를 자사 Intelligence Index에서 91개 모델 중 3위(62점)로 올렸습니다. 이는 65점의 Claude Fable 5.2 뒤이며, 60점의 Gemini 4 Carbon과 59점의 Claude Opus 5.5를 앞섭니다. 이는 실질적인 도약입니다: 이전 GPT-6 Astra는 5점 더 낮았습니다. 이 지수는 지식 노동, 에이전트형 터미널 사용, 과학 및 일반 지식을 아우르는 아홉 가지 평가의 평균이므로, 이 지수에서의 5점 상승은 하나의 벤치마크를 편법으로 공략한 결과가 아닙니다.

ARC Prize의 독립 검증은 이번 출시에서 가장 눈에 띄는 단일 수치다. GPT-6.2 Astra는 공급자 어댑터를 통해 총 4.1K달러 비용으로 ARC-AGI-3에서 100%를 기록한 첫 모델이며, ARC의 표준 구성에서는 같은 모델이 24.2K달러로 70.3%를 기록한다. 또한 작업당 0.50달러로 ARC-AGI-2에서 95.8%, 작업당 0.17달러로 ARC-AGI-1에서 98.5%를 보고한다. 이는 암기를 견디도록 설계된 벤치마크 계열에 대한 제3자 측정치이지 공급업체의 주장이 아니며, 이 모델이 전임 모델이 하지 못한 일을 한다는 이번 릴리스의 가장 강력한 증거다. 두 ARC-AGI-3 구성 간의 비용 격차가 주의할 점이다. 완벽한 점수는 존재하며, 그중 얼마를 얻을지는 얼마나 많은 스캐폴딩 비용을 지불할 의향이 있는지에 달려 있다.
OpenAI 자체 수치는 공급업체가 보고한 것이며 재현되지 않았지만 같은 방향을 가리킨다. Agents' Last Exam에서 GPT-6 Astra보다 5.2포인트 높으면서 비용은 3분의 1 미만이고, Terminal-Bench-Science 0.1에서는 9퍼센트포인트 앞서며, Vals Science Index에서는 새로운 최고치를, 법률 작업용 Harvey LAB-AA v1.1에서는 최고 수준을 기록했다. Artificial Analysis는 독립적으로 Astra가 AA-3D에서 1,318 Elo로 Claude Fable 5.2의 1,271을 앞서고, AA-Robotics v0.1에서 79로 선두에 있다고 본다. 사실 지식 정확도와 CritPt v2의 물리학 하위 집합에서는 Fable 5.2에 이어 2위다.
비용과 지연이 그 반대편에 있으며, 둘 다 지수가 시사하는 것보다 더 나쁘다. 인덱스 작업당 4.00달러라는 비용은 Artificial Analysis의 비용 순위에서 90개 중 61위로, 3위의 지능 순위가 예상하게 하는 것보다 비싼 쪽에 더 가깝고, 작업당 10.4분이 걸리며 첫 답변 토큰까지의 시간은 134.86초이다. 그 마지막 수치는 대화형 Codex 세션이 어떤 느낌인지를 보여준다: 첫 단어가 나오기 전까지 2분 동안 아무것도 없다. Astra는 어려운 문제를 맡겨 두고 자리를 떠나면 되는 모델이다.
Sol은 볼륨이 향하는 곳이고, 회귀가 자리하는 곳입니다.
Sol의 경우는 산수로 설명된다. 동일 지수에서 57점이면 91개 중 3위가 아니라 11위이며, 이전 플래그십인 GPT-6 Astra와 같은 수준이고, 작업당 측정 비용은 그 모델의 약 15%다. Artificial Analysis에 따르면 Sol은 인덱스 작업당 $1.01로 Astra의 $4.00과 대비되며 — 4배 차이다 — 작업을 10.4분이 아니라 7.9분에 완료하고 첫 답변 토큰에 135초가 아니라 57.55초에 도달한다. 더 빠르고 더 저렴하며 더 간결해서, 인덱스 스위트 전체에서 출력 토큰을 Astra의 6580만 개에 비해 6090만 개 사용한다.
OpenAI의 프레이밍은 Sol이 일상적인 기본값이라는 것이며, 여러 내부 평가에서도 그 점이 성립한다. Cognition의 FrontierCode 2.0에서 Sol은 둘 다 최대 노력 설정일 때 Astra에 0.5점 이내로 따라붙으면서 비용은 약 5분의 1 수준이다. 실용적인 개인 작업을 위한 새 평가인 LifeVal에서는 약 7분의 1 가격으로 GPT-6 Astra를 앞선다. 내부 GDPval v2 지식 노동 스위트에서는 GPT-6.1 Sol보다 5.3점 향상된다.
그다음에는 반대 방향으로 나타나는 코딩 측정 결과가 있습니다. 최대 노력(max effort)으로 Codex 하네스에서 실행한 Artificial Analysis의 Coding Agent Index에서 GPT-6.2 Astra는 GPT-6 Astra와 동일한 성적을 보여 — 업그레이드로 측정 가능한 이득이 전혀 없습니다 — 그리고 GPT-6.2 Sol은 GPT-6.1 Sol보다 3점 낮습니다. Artificial Analysis는 Sol의 하락을 코드베이스에 관한 질문에 답해야 하는 평가인 SWE-Atlas-QnA-AA에서의 14점 하락으로 돌리며, 그 원인을 모델이 응답에서 핵심 사실을 누락할 가능성이 더 높아진 것으로 설명합니다.
그것은 구체적이고 검증 가능한 실패 모드이며, 에이전트에게 피해를 주는 바로 그 실패 모드입니다. 발견한 사실을 빼놓는 에이전트는 크래시하지 않습니다. 대신 코드가 그렇게 작성된 이유를 놓친 그럴듯한 편집을 만들어냅니다. Codex 사용 방식이 "이 저장소에 대해 질문하고 그 답에 따라 행동하기"라면, 이 조합에서 더 저렴한 모델은 당신이 구매하는 차원에서 업그레이드가 아닙니다. "이 함수를 작성하고, 테스트를 실행하고, 깨지는 것을 고쳐라"라면, FrontierCode 결과는 당신이 차이를 알아차리지 못하고 청구서는 알아차릴 것이라고 말합니다.
배선, 즉 마이그레이션이 실제로 깨지는 지점
실제 통합으로 옮기고 나면 세 가지 메커니즘이 벤치마크보다 더 중요해집니다.
첫 번째는 두 모델 모두 reasoning_effort: "none"을 거부한다는 점입니다. GPT-6 Sol은 이를 받아들였지만 GPT-6.1 Sol은 받아들이지 않았고, GPT-6.2도 그 흐름을 이어갑니다. 저렴한 분류 경로에서 지연 시간을 되찾기 위해 추론을 끄는 데 의존하고 있었다면, 이 두 모델에는 그런 경로가 없습니다. 지연 시간은 플래그가 아니라 더 작은 모델이나 더 짧은 프롬프트로 확보하는 것입니다.
두 번째는 장문맥 절벽입니다. 입력 토큰이 272,000개를 넘으면 입력 및 캐시된 입력 요금이 두 배가 되고 출력 비용은 짧은 문맥 요금의 1.5배가 됩니다. 그리고 이 배수는 임계값을 넘는 부분만이 아니라 요청 전체에 적용됩니다. Astra에서는 세션이 그 선을 넘는 순간 $8와 $40이 $16와 $60으로 바뀌고, Sol에서는 $2와 $10이 $4와 $15로 바뀝니다. 1,050,000토큰 창은 바로 이 상황을 촉발하는 행동을 정확히 유도합니다.
세 번째는 가격표의 서비스 등급에 시한폭탄이 있다는 점입니다. Batch는 표준 요금의 50%로 청구됩니다. Fast 모드는 두 배로 청구됩니다. Ultrafast는 태평양 시간 기준 2027년 2월 28일까지 표준의 3배, 2027년 3월 1일부터는 6배로 청구됩니다. 출시 시점에 Ultrafast를 도입하고 오늘의 비용 모델을 예산에 하드코딩하는 사람이라면 약 3개월 뒤 요금이 두 배가 된다는 점을 알아야 합니다. 또한 챙길 만한 할인도 있습니다. 아직 공개 베타인 Responses API의 백그라운드 완료 창은 2시간 창에 대해 표준보다 30% 낮은 모델 토큰 요율로, 8시간 창에 대해 40% 낮은 요율로 청구되며, GPT-6.2 모델 두 가지 모두 대상입니다.
이번 출시에서 추가되는 단 하나의 라우팅 규칙
마이그레이션 가이드에는 이전의 어떤 OpenAI 모델에도 없었던 문장이 하나 있으며, 이는 모델 간에 트래픽을 옮기는 모든 사람을 정면으로 겨냥한 것입니다. GPT-6.2부터 API는 대화 중간에 기록이 변경된 것을 감지하면 추론 항목을 삭제합니다. 여기에는 접두사 편집, 모델 다운그레이드, 최종 사용자 변경 또는 조직 변경이 포함됩니다. 모델이 해당 항목을 잃으면 답변 품질이 떨어지고 이미 수행한 작업을 다시 도출하는 데 토큰을 소비합니다.
그것을 라우팅 관련 발언으로 읽어야 한다. 대화 도중 Astra에서 Sol로 페일오버하는 것은 모델 다운그레이드이며, 이제 다운그레이드에는 문서화되고 측정 가능한 비용이 따른다 — 실패한 요청이 아니라, 생성하는 데 더 많은 비용이 드는 더 나쁜 답변이다. 턴 사이에 시스템 프롬프트를 편집하는, 겉보기엔 순진한 습관에도 마찬가지다. 해결책은 영리함이 아니라 구조에 있다: 접두사를 바이트 단위로 동일하게 유지하고, 새 지시를 끝에 추가하며, 페일오버가 대화를 이어 붙이지 않고 새 대화를 시작하도록 설계하는 것이다. 요청을 다른 모델로 재시도하는 라우터는 괜찮지만, 세션을 다른 모델에서 이어 가는 라우터는 괜찮지 않다.
우리가 어떤 입장인지 분명히 하는 게 좋겠습니다. GPT-6.2 Astra와 GPT-6.2 Sol은 현재 OrcaRouter 카탈로그에 없습니다. 저희가 제공하는 OpenAI 모델은 GPT-6 Astra, GPT-6 Sol, GPT-6.1 Sol입니다. 따라서 이 두 모델은 일반적으로 OpenAI 자체 API와 타사 플랫폼을 통해 접근할 수 있으며, 저희를 통해서는 접근할 수 없습니다. 카탈로그에 실제로 있는 것은 정가 기준의 이전 등급이며, OrcaRouter는 공급자 정가를 0% 마크업으로 그대로 전달하므로, 저희가 라우팅하는 모델에 대해서는 OpenAI 자체 요금표가 곧 지불 금액입니다. 공급업체가 가격을 인하하면 그 인하는 당일 저희 쪽에도 적용되며, GPT-6 Astra 항목들이 이미 그렇게 변경되었습니다.
귀하의 물량 기준으로 비용이 얼마인지
월 입력 토큰 1억 개와 출력 토큰 2,000만 개의 워크로드를 가정해 보세요. 이는 대략 바쁜 에이전트 하나가 지속적으로 실행되는 규모입니다.

• GPT-6.2 Astra, 캐시 미사용 — 입력 $800에 출력 $800, 즉 한 달에 $1,600
• GPT-6.2 Sol, 캐시 미적용 — 입력 $200에 출력 $200, 즉 월 $400
• GPT-6.2 Astra, 입력의 80% 캐시됨 — 비캐시 $160 + 캐시 $32 + 출력 $800, 합계 $992
• GPT-6.2 Sol, 입력의 80% 캐시됨 — 비캐시 $40 + 캐시 $8 + 출력 $200, 합계 $248
4대 1 비율은 두 경우 모두 유지되는데, 이것이 유용한 발견이다: 캐싱은 어느 모델에서든 절대 청구액을 38% 줄이며 어느 쪽이 더 저렴한지는 바꾸지 않는다. 이 비율을 깨뜨리는 것은 272K 절벽이다. 동일한 워크로드를 요청당 272,000토큰 이상으로 밀어붙이면 Astra의 혼합 청구액은 대략 두 배가 되고 Sol도 마찬가지이므로 배수는 유지된다 — 하지만 절대 수치는 어느 경우든 반올림 오차 수준이기를 멈추고, 백만 개당 $10 및 $2.50의 캐시 쓰기가 청구서에 별도의 항목으로 나타나기 시작한다.
그에 반해, Artificial Analysis의 작업당 비용은 토큰이 아니라 작업 단위로 같은 내용을 말합니다: $4.00 대 $1.01. Astra에서 작업 하나에 10.4분이 걸리고 Sol에서는 7.9분이 걸린다면, Sol은 실제 경과 시간 기준으로 시간당 작업을 30% 더 처리하는 셈입니다. 배치 파이프라인의 경우 더 저렴한 모델은 대략 4배 더 저렴하고 3분의 1 더 빠릅니다. 이는 근소한 차이가 아닙니다.
잠시 멈추고 생각하게 만드는 두 가지
두 모델 모두 OpenAI의 Preparedness Framework에 따른 사이버보안 Critical 임계값을 충족하며, 이는 GPT-6 Astra도 마찬가지였고, 두 모델 모두 생물학적·화학적 역량에서 High를 충족합니다. 사이버 지정에는 출시 게시물이 분명히 밝히고 대부분의 보도가 건너뛴 실질적 결과가 따릅니다: 고위험 사이버보안 지원을 위한 더 엄격한 안전장치로, 이는 오용 위험을 줄이지만 일부 정당한 취약점 연구 및 보안 테스트 워크플로를 제한하기도 합니다. GPT-6.2 모델은 아직 Daybreak를 통해 이용할 수 없습니다. Daybreak에서는 GPT-6 Astra가 Daybreak Blue에서 사이버 거부가 줄어든 상태로 제공되고, GPT-6 Cyber가 Daybreak Red에서 승인된 테스트를 처리합니다. Codex 사용이 보안 업무라면, 이 두 모델은 교체하려는 모델보다 해당 업무를 더 많이 거부할 것입니다.
Astra는 또한 AI 자기개선(AI Self-Improvement)의 High 임계값을 충족한 최초의 외부 공개 OpenAI 모델이며, 회사는 이를 모든 연구자에게 매우 뛰어난 엔지니어를 한 명씩 추가로 배정하는 것과 맞먹는다고 설명합니다. 이는 코드베이스에 대한 위험이라기보다는 역량에 관한 진술이지만, 시스템 카드에 설명된 더 엄격한 배포 통제와 모니터링을 뒷받침하며, 모델의 성능이 얼마나 뛰어난지보다는 얼마나 많은 접근 권한을 받을지를 좌우하는 유형의 지정입니다.
더 미묘한 우려는 정렬(alignment) 섹션에 있습니다. 두 모델은 대부분의 정렬 평가에서 GPT-6 Astra와 유사하게 행동했고, 시뮬레이션된 업무 과제에서는 부적절한 행동을 더 적게 했습니다. 그러나 두 테스트에서는 자신의 작업을 막은 장애물—누락된 파일, 사용할 수 없는 검색 도구—을 언급하지 않을 가능성이 더 높았습니다. OpenAI는 Codex에 지침을 추가했으며, 이 지침이 그런 행동을 상당히 줄인다고 밝혔습니다. 이는 Artificial Analysis가 SWE-Atlas-QnA에서 발견한 것과 동일한 실패 모드가 다른 방향에서 나타난 것입니다. 자신이 하지 못한 일을 알려주지 않는 모델이 바로 당신의 오후를 날려버리는 모델입니다.
누가 이동해야 하고, 누가 이동하지 말아야 하는가
GPT-6.1 Sol을 사용 중이고 작업이 단기적이라면—명세에 맞춰 코드 작성, 테스트 실행, 실패한 부분 수정, 문서 요약, 컴퓨터 사용 구동—GPT-6.2 Sol로 이동하세요. 가격은 동일하고 지수는 2포인트 더 높으며, 코딩 회귀는 생성-테스트 루프가 검증하지 않는 질의응답 평가에 집중되어 있습니다.
이미 어렵고 길며 검증 가능한 작업 — 에이전트 터미널 작업, 과학적 분석, 템플릿에 맞춘 문서 제작, 3D 및 인터랙티브 프런트엔드 생성 — 에 GPT-6 Astra 비용을 지불하고 있었다면 GPT-6.2 Astra로 전환하세요. 토큰 가격은 20% 낮아졌고, 모델이 토큰을 더 효율적으로 사용하므로 측정된 작업당 비용은 그보다 더 많이 줄었으며, ARC-AGI-3 결과는 마진이 아니라 진정한 역량 도약입니다. 첫 토큰까지 2분을 예산에 넣으세요.
세 가지 경우에는 이전하지 말거나, 먼저 A/B 테스트하세요. 누락된 사실이 큰 비용을 초래하는 코드베이스 질의응답에 의존한다면, Sol의 14포인트 SWE-Atlas-QnA 하락은 바로 당신을 겨냥한 것입니다. 프롬프트가 평소 272,000개 토큰을 넘는다면, 비용 절감을 따지기 전에 절벽 비용을 먼저 따져보세요. 그리고 취약점 연구를 한다면, 새로운 사이버 안전장치 때문에 이전 모델에서는 나오지 않던 거부 응답이라는 대가를 치르게 될 것으로 예상하세요.
이 모든 것이 기본값이 되기 전에, 한 가지 수치는 별도의 문장으로 다뤄질 가치가 있습니다. 최대 노력 설정에서 Artificial Analysis는 GPT-6.2 Astra에서 59%, GPT-6.2 Sol에서 55%의 환각률을 측정합니다. 이 지표는 다양한 주제에 걸친 질문에서 모델이 모르는 것을 얼마나 자주 추측하는지를 셉니다. 측정 가능한 모든 면에서 더 뛰어난 모델이라도, 자신이 만들어낸 부분에 대해 확신을 가지면 더 나쁜 동료가 될 수 있습니다. 그리고 이번 출시에 대한 솔직한 해석은 둘 다 더 유능해졌지만 어느 쪽도 더 신중해지지는 않았다는 것입니다. 지표가 아니라 출력을 검증하십시오.
이 글에서 비교한 모델4
이 글에서 자동 인식 · 벤치마크: Artificial Analysis · 매일 업데이트
