
GPT-6.2 Astra i Sol: ta sama premiera, przeciwstawne werdykty dotyczące kodowania
- OrcaNOWOŚĆOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 za 1 mln tokenów · 170 tok/s
- tencentNOWOŚĆTencent: Hy4 Flash2026-11-16$0.02 / $0.07 za 1 mln tokenów · 234 tok/s
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 89 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 98 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 za 1 mln tokenów · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 za 1 mln tokenów · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 za 1 mln tokenów · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
Dwa modele zadebiutowały 17 listopada, a tańszemu z nich towarzyszy regresja. GPT-6.2 Sol uzyskuje 57 punktów w Artificial Analysis Intelligence Index przy koszcie 1,01 USD za zadanie indeksowe; GPT-6.2 Astra uzyskuje 62 punkty przy koszcie 4,00 USD. Sol to ten wariant, który OpenAI każe ustawić jako domyślny — ten, po który według doniesień sięgają sami pracownicy OpenAI w zwykłej pracy. A w Coding Agent Index Artificial Analysis — ten sam harness Codex, przy maksymalnym wysiłku — GPT-6.2 Sol wypada trzy punkty poniżej modelu, który zastępuje, GPT-6.1 Sol, a spadek przypisuje się pojedynczej ewaluacji, w której o 14 punktów częściej pomija kluczowe fakty. Astra, mierzona w ten sam sposób, wypada na tym samym poziomie co GPT-6 Astra. Jedna premiera, dwa przeciwne werdykty w kwestii, na której użytkownikom Codex zależy najbardziej.
Ten podział jest wart artykułu, ponieważ ogłoszenie go nie przedstawia. Wpis OpenAI dotyczy slajdów, arkuszy kalkulacyjnych, scen 3D i terminali naukowych, a w ich przypadku podaje rzeczywiste liczby. Obraz kodowania trzeba natomiast złożyć z niezależnych pomiarów, wpisu w changelogu i przewodnika migracji, a to zmienia, który z dwóch identyfikatorów powinien znaleźć się w Twoim repozytorium.
Co zostało wydane, dokładnie
Wpis w dzienniku zmian z 17 listopada wymienia dwa identyfikatory modeli, gpt-6.2-astra i gpt-6.2-sol, zarówno w Responses API, jak i Chat Completions. Wywoływanie narzędzi wymaga Responses. W ChatGPT oba modele trafiają do użytkowników Plus, Pro, Enterprise i Edu w ChatGPT Work oraz Codex już pierwszego dnia; subskrybenci Pro 500 otrzymują Ultrafast w przypadku obu modeli, a Ultrafast po raz pierwszy dociera do Pro 200, począwszy od Sol. Uprawnione obszary robocze Enterprise i Edu uzyskują dostęp, gdy administrator go włączy.
• Cena — GPT-6.2 Astra: 8 USD za dane wejściowe / 40 USD za dane wyjściowe za milion vs GPT-6.2 Sol: 2 USD / 10 USD
• Wejście z pamięci podręcznej — 0,40 USD za milion w Astra vs 0,10 USD w Sol
• Zapisy do pamięci podręcznej — $10 za milion przy 30-minutowym oknie przechowywania w Astra vs $2.50 w Sol
• Okno kontekstu — 1,050,000 tokenów dla obu, z czego maksymalnie 922,000 na wejście i 128,000 na wyjście
• Data odcięcia wiedzy — 18 maja 2026 r. w modelu Astra vs 1 czerwca 2026 r. w modelu Sol, więc tańszy model jest bardziej aktualny
• Modalności — tekst i obraz na wejściu, tekst na wyjściu, w obu przypadkach; audio i wideo nieobsługiwane w obu
• Narzędzia — wyszukiwanie w internecie, wyszukiwanie plików, generowanie obrazów, interpreter kodu, hostowana powłoka, stosowanie poprawek, umiejętności, obsługa komputera, MCP i wyszukiwanie narzędzi — wszystko w Responses API

Zmiana cen jest asymetryczna i łatwo ją błędnie odczytać. Astra ma ceny o 20% niższe niż GPT-6 Astra zarówno na wejściu, jak i na wyjściu, a cena wejścia z pamięci podręcznej spada z 1,00 USD do 0,40 USD — cięcie o 60%, ponieważ rabat wzrósł do 95%, a stawka bazowa, do której jest stosowany, jednocześnie spadła. Sol w ogóle się nie zmienił: 2 USD, 0,10 USD i 10 USD to dokładnie stawki GPT-6.1 Sol. Tańszy poziom jest więc ulepszeniem możliwości przy stałej cenie, a droższy to ulepszenie możliwości z przyklejoną obniżką ceny. To, który z nich jest lepszym zakupem, zależy wyłącznie od tego, do czego go kupujesz.
Astra to pułap, a ten pułap — po raz pierwszy — jest mierzalny.
Artificial Analysis umieszcza GPT-6.2 Astra na trzecim miejscu wśród 91 modeli w swoim Intelligence Index z wynikiem 62, za Claude Fable 5.2 z wynikiem 65. Wyprzedza Gemini 4 Carbon z wynikiem 60 i Claude Opus 5.5 z wynikiem 59, co jest prawdziwym postępem: poprzedni GPT-6 Astra miał o pięć punktów mniej. Indeks jest średnią z dziewięciu ewaluacji obejmujących pracę wiedzy, agentowe korzystanie z terminala, naukę i wiedzę ogólną, więc wzrost o pięć punktów w nim nie jest efektem optymalizacji pod jeden benchmark.

Niezależna weryfikacja ARC Prize to najbardziej rzucająca się w oczy pojedyncza liczba w tej premierze. GPT-6.2 Astra to pierwszy model, który uzyskał 100% w ARC-AGI-3, przy całkowitym koszcie 4,1 tys. USD przez adapter dostawcy; w standardowej konfiguracji ARC ten sam model osiąga 70,3% przy 24,2 tys. USD. Raportuje również 95,8% w ARC-AGI-2 przy 0,50 USD na zadanie i 98,5% w ARC-AGI-1 przy 0,17 USD na zadanie. To pomiary stron trzecich na rodzinie benchmarków zaprojektowanej tak, by opierać się zapamiętywaniu, a nie twierdzenia dostawcy, i stanowią najsilniejszy dowód w tym wydaniu, że model robi coś, czego nie robił jego poprzednik. Zastrzeżenie stanowi rozpiętość kosztów między dwiema konfiguracjami ARC-AGI-3: idealny wynik jest dostępny, a to, jak dużą jego część uzyskasz, zależy od tego, ile dodatkowych mechanizmów pomocniczych jesteś gotów opłacić.
Własne dane OpenAI, zgłoszone przez dostawcę i niepowtórzone, wskazują ten sam kierunek: 5,2 punktu przewagi nad GPT-6 Astra w Agents' Last Exam przy mniej niż jednej trzeciej kosztu, 9 punktów procentowych przewagi nad nim w Terminal-Bench-Science 0.1, nowy najwyższy wynik w Vals Science Index oraz najlepszy wynik w swojej klasie w Harvey LAB-AA v1.1 w zadaniach prawniczych. Niezależnie Artificial Analysis wskazuje, że Astra prowadzi w AA-3D z wynikiem 1 318 Elo przed Claude Fable 5.2 z 1 271 oraz prowadzi w AA-Robotics v0.1 z wynikiem 79. Ustępuje jedynie Fable 5.2 pod względem dokładności wiedzy faktograficznej oraz w podzbiorze fizyki CritPt v2.
Przeciwwagą są koszt i opóźnienie, a oba wypadają gorzej, niż sugeruje indeks. Jego 4,00 USD za zadanie indeksowe plasuje je na 61. miejscu na 90 w rankingu kosztów Artificial Analysis — bliżej drogiego końca, niż sugeruje trzecie miejsce w rankingu inteligencji — a na zadanie potrzebuje 10,4 minuty, przy czasie do pierwszego tokenu odpowiedzi wynoszącym 134,86 sekundy. Ta ostatnia liczba pokazuje, jak wygląda interaktywna sesja z Codexem: dwie minuty niczego przed pierwszym słowem. Astra to model, któremu podrzucasz trudny problem i odchodzisz.
Sol to miejsce, do którego trafia wolumen i w którym mieszka regresja.
Sprawa Sola to arytmetyka. Wynik 57 na tym samym indeksie plasuje go na jedenastym miejscu na 91, a nie na trzecim, ex aequo z poprzednim flagowym GPT-6 Astra, przy około 15% zmierzonego kosztu tego modelu na zadanie. Artificial Analysis umieszcza Sola na poziomie 1,01 USD za zadanie indeksowe w porównaniu z 4,00 USD w przypadku Astry — czterokrotna różnica — przy jednoczesnym ukończeniu zadania w 7,9 minuty zamiast 10,4 oraz osiągnięciu pierwszego tokenu odpowiedzi w 57,55 sekundy zamiast 135. Jest szybszy, tańszy i mniej gadatliwy, zużywając 60,9 mln tokenów wyjściowych w całym zestawie indeksowym w porównaniu z 65,8 mln w przypadku Astry.
Stanowisko OpenAI jest takie, że Sol to codzienny domyślny wybór, i w kilku swoich wewnętrznych ewaluacjach to się potwierdza. W FrontierCode 2.0 od Cognition Sol osiąga wynik w granicach pół punktu od Astry przy około jednej piątej kosztu, oba przy maksymalnym wysiłku. W LifeVal, nowej ewaluacji praktycznych zadań osobistych, uzyskuje wyższy wynik niż GPT-6 Astra przy około jednej siódmej ceny. W wewnętrznym zestawie GDPval v2 do pracy wiedzy poprawia wynik o 5,3 punktu względem GPT-6.1 Sol.
Następnie jest pomiar dotyczący kodowania, który wypada w odwrotnym kierunku. W Coding Agent Index firmy Artificial Analysis, uruchamianym w harnessie Codex przy maksymalnym wysiłku, GPT-6.2 Astra jest na tym samym poziomie co GPT-6 Astra — aktualizacja nie daje niczego mierzalnego — a GPT-6.2 Sol jest o trzy punkty poniżej GPT-6.1 Sol. Artificial Analysis przypisuje spadek Sol spadkowi o 14 punktów w SWE-Atlas-QnA-AA, ewaluacji, w której model musi odpowiadać na pytania dotyczące bazy kodu, i opisuje przyczynę jako większe prawdopodobieństwo pominięcia przez model kluczowych faktów w odpowiedziach.
To konkretny, sprawdzalny tryb awarii i to on szkodzi agentowi najbardziej. Agent, który pomija znaleziony fakt, nie ulega awarii; tworzy wiarygodną edycję, która pomija powód, dla którego kod został napisany w ten sposób. Jeśli Twoje użycie Codex polega na „zadawaniu pytań o to repozytorium i działaniu na podstawie odpowiedzi”, tańszy model w tej parze nie jest ulepszeniem w wymiarze, który kupujesz. Jeśli polega ono na „napisz tę funkcję, uruchom testy, napraw to, co się zepsuje”, wynik FrontierCode mówi, że nie zauważysz różnicy, ale zauważysz fakturę.
Okablowanie, czyli miejsce, w którym migracja faktycznie się psuje
Trzy mechanizmy liczą się bardziej niż benchmarki, gdy przechodzisz do rzeczywistej integracji.
Po pierwsze, oba modele odrzucają reasoning_effort: "none". GPT-6 Sol to akceptował; GPT-6.1 Sol już nie, a GPT-6.2 to kontynuuje. Jeśli liczyłeś na to, że wyłączenie rozumowania przywróci niskie opóźnienia na taniej ścieżce klasyfikacji, to na tej parze modeli taka ścieżka nie istnieje. Niskie opóźnienia uzyskujesz dzięki mniejszemu modelowi lub krótszemu promptowi, a nie dzięki fladze.
Drugi to klif długiego kontekstu. Powyżej 272 000 tokenów wejściowych stawki za wejście i wejście z pamięci podręcznej podwajają się, a wyjście kosztuje 1,5-krotność stawki dla krótkiego kontekstu — a mnożnik stosuje się do całego żądania, nie tylko do części przekraczającej próg. W Astra zamienia to 8 USD i 40 USD w 16 USD i 60 USD w momencie, gdy sesja przekroczy tę granicę; w Sol — 2 USD i 10 USD w 4 USD i 15 USD. Okno 1 050 000 tokenów wprost zachęca do dokładnie takiego zachowania, które to uruchamia.
Po trzecie, cennik ma bombę zegarową w poziomach usług. Batch jest rozliczany według 50% stawki standardowej. Tryb Fast jest rozliczany podwójnie. Ultrafast jest rozliczany według trzykrotności stawki standardowej do 28 lutego 2027 r. i sześciokrotności od 1 marca 2027 r. czasu pacyficznego. Każdy, kto wdroży Ultrafast przy premierze i zaszyje dzisiejszy model kosztów w budżecie, powinien wiedzieć, że stawka podwaja się za około trzy miesiące. Jest też zniżka, z której warto skorzystać: okna ukończenia w tle w Responses API, wciąż w publicznej becie, rozliczają stawki tokenów modelu 30% poniżej standardu dla dwugodzinnego okna i 40% poniżej dla ośmiogodzinnego okna, a oba modele GPT-6.2 się kwalifikują.
Jedyna reguła routingu, którą dodaje to wdrożenie
Przewodnik migracji zawiera zdanie, które nie występowało w przypadku żadnego wcześniejszego modelu OpenAI, i jest ono skierowane wprost do każdego, kto przenosi ruch między modelami. Począwszy od GPT-6.2, API odrzuca elementy rozumowania, gdy wykryje zmianę historii w trakcie rozmowy: edycję prefiksu, przejście na starszą wersję modelu, zmianę użytkownika końcowego lub zmianę organizacji. Gdy model traci te elementy, jakość odpowiedzi spada, a model zużywa tokeny na ponowne wypracowywanie pracy, którą już wykonał.
Odczytaj to jako stwierdzenie dotyczące routingu. Przełączenie awaryjne z modelu Astra na Sol w środku rozmowy to degradacja modelu, a degradacja ma teraz udokumentowany, mierzalny koszt — nie jest to nieudane żądanie, lecz gorsza odpowiedź, której wytworzenie kosztuje więcej. To samo dotyczy niewinnie wyglądającego nawyku edytowania promptu systemowego między turami. Rozwiązaniem jest zmiana strukturalna, a nie sprytna sztuczka: utrzymuj prefiks bajtowo identyczny, dołączaj nowe instrukcje na końcu i zaprojektuj failover tak, aby rozpoczynał nową rozmowę, a nie sklejał istniejącą. Router, który ponawia żądanie na innym modelu, jest w porządku; router, który kontynuuje sesję na innym modelu, już nie.
Warto jasno powiedzieć, gdzie stoimy. GPT-6.2 Astra i GPT-6.2 Sol nie znajdują się dziś w katalogu OrcaRouter — wiersze OpenAI, które obsługujemy, to GPT-6 Astra, GPT-6 Sol i GPT-6.1 Sol — więc ta para jest osiągalna przez własne API OpenAI i ogólnie przez platformy zewnętrzne, a nie przez nas. Katalog zawiera natomiast poprzedni poziom w cenie cennikowej, a OrcaRouter przekazuje cenę cennikową dostawcy dalej z 0% marży, więc za modele, które kierujemy, płacisz według cennika samego OpenAI. Gdy dostawca obniża cenę, obniżka jest u nas aktywna tego samego dnia — tak właśnie zmieniły się już wiersze GPT-6 Astra.
Ile to kosztuje przy Twoim wolumenie
Weź obciążenie wynoszące 100 milionów tokenów wejściowych i 20 milionów tokenów wyjściowych miesięcznie, co odpowiada w przybliżeniu jednemu zajętemu agentowi działającemu nieprzerwanie.

• GPT-6.2 Astra, bez pamięci podręcznej — 800 USD za dane wejściowe plus 800 USD za dane wyjściowe, czyli 1600 USD miesięcznie
• GPT-6.2 Sol, bez pamięci podręcznej — 200 USD za dane wejściowe plus 200 USD za dane wyjściowe, czyli 400 USD miesięcznie
• GPT-6.2 Astra, 80% danych wejściowych w pamięci podręcznej — 160 USD za dane spoza pamięci podręcznej plus 32 USD za dane z pamięci podręcznej plus 800 USD za wyjście, czyli 992 USD
• GPT-6.2 Sol, 80% danych wejściowych z pamięci podręcznej — $40 bez pamięci podręcznej plus $8 z pamięci podręcznej plus $200 za wyjście, czyli $248
Stosunek cztery do jednego utrzymuje się w obu przypadkach i to jest przydatne odkrycie: buforowanie obniża absolutny rachunek o 38% w przypadku obu modeli i nie zmienia tego, który z nich jest tańszy. To, co psuje ten stosunek, to próg 272K. Jeśli to samo obciążenie przekroczy 272 000 tokenów na żądanie, łączny rachunek Astry w przybliżeniu się podwaja, podobnie jak rachunek Sola, więc wielokrotność się utrzymuje — ale liczba absolutna przestaje być błędem zaokrąglenia w obu przypadkach, a zapisy do pamięci podręcznej po 10 USD i 2,50 USD za milion zaczynają pojawiać się na fakturze jako osobna pozycja.
Z drugiej strony koszt na zadanie według artificial-analysis mówi to samo w jednostkach zadań, a nie tokenów: 4,00 USD wobec 1,01 USD. Jeśli zadanie na Astrze zajmuje 10,4 minuty, a na Solu 7,9 minuty, to Sol dostarcza także o 30% więcej zadań na godzinę czasu zegarowego. W przypadku potoku wsadowego tańszy model jest około cztery razy tańszy i o jedną trzecią szybszy; to nie jest nawet blisko.
Dwie rzeczy, które powinny dać ci do myślenia.
Oba modele spełniają próg Critical w zakresie cyberbezpieczeństwa w ramach Preparedness Framework OpenAI, podobnie jak GPT-6 Astra, i oba spełniają poziom High w zakresie zdolności biologicznych i chemicznych. Oznaczenie cyber ma praktyczną konsekwencję, którą wpis launchowy podaje wprost, a którą większość relacji pominęła: ostrzejsze zabezpieczenia dla pomocy w cyberbezpieczeństwie o wyższym ryzyku, które zmniejszają ryzyko nadużyć, ale także ograniczają niektóre uzasadnione badania podatności i procesy testowania bezpieczeństwa. Modele GPT-6.2 nie są jeszcze dostępne przez Daybreak, gdzie GPT-6 Astra ma zmniejszoną liczbę odmów dotyczących cyberbezpieczeństwa na Daybreak Blue, a GPT-6 Cyber obsługuje autoryzowane testy na Daybreak Red. Jeśli Twoje użycie Codex dotyczy pracy w zakresie bezpieczeństwa, ta para będzie odmawiać częściej niż model, który zastępujesz.
Astra to także pierwszy udostępniony zewnętrznie model OpenAI, który spełnia próg High w obszarze AI Self-Improvement, co firma przedstawia jako równoznaczne z przydzieleniem każdemu badaczowi dodatkowego, wysoce zdolnego inżyniera. To stwierdzenie dotyczące możliwości, a nie ryzyko dla Twojej bazy kodu, ale wyjaśnia ono ściślejsze kontrole wdrożeniowe i monitorowanie opisane w karcie systemu; jest to też rodzaj oznaczenia, który określa, ile dostępu otrzymujesz, a nie jak dobrze model działa.
Mniej oczywisty problem dotyczy sekcji alignmentu. Oba modele zachowywały się podobnie do GPT-6 Astra w większości ewaluacji alignmentu i podejmowały mniej niewłaściwych działań w symulowanych zadaniach w miejscu pracy, ale w dwóch testach częściej pomijały wzmiankę o przeszkodach, które blokowały ich pracę — brakującym pliku, niedostępnym narzędziu wyszukiwania. OpenAI dodało instrukcje w Codex, które według niego znacząco ograniczają to zachowanie. To ten sam tryb awarii, jaki Artificial Analysis stwierdziło w SWE-Atlas-QnA, nadchodzący z innego kierunku: model, który nie mówi ci, czego nie był w stanie zrobić, jest tym, który kosztuje cię popołudnie.
Kto powinien się przenieść, a kto nie
Przejdź na GPT-6.2 Sol, jeśli używasz GPT-6.1 Sol, a Twoja praca ma krótki horyzont: pisanie kodu według specyfikacji, uruchamianie testów, naprawianie błędów, streszczanie dokumentów, obsługa komputera. Cena jest identyczna, indeks jest o dwa punkty wyższy, a regresja w kodowaniu koncentruje się w ewaluacji odpowiadania na pytania, której pętla generowania i testowania nie obejmuje.
Przejdź na GPT-6.2 Astra, jeśli już płaciłeś za GPT-6 Astra w przypadku trudnej, długiej, weryfikowalnej pracy — zadań agentowych w terminalu, analizy naukowej, tworzenia dokumentów według szablonu, generowania grafiki 3D i interaktywnego front-endu. Cena tokena spadła o 20%, zmierzony koszt na zadanie spadł jeszcze bardziej, ponieważ model efektywniej wykorzystuje tokeny, a wynik ARC-AGI-3 to prawdziwy skok w możliwościach, a nie kwestia marginesu. Uwzględnij w planach dwie minuty do pierwszego tokena.
Nie przenoś się — albo najpierw przeprowadź test A/B — w trzech przypadkach. Jeśli polegasz na odpowiadaniu na pytania dotyczące bazy kodu, gdzie brakujący fakt jest kosztowny, spadek Sol o 14 punktów w SWE-Atlas-QnA jest wycelowany bezpośrednio w ciebie. Jeśli twoje prompty regularnie przekraczają 272 000 tokenów, wyceń klif, zanim wycenisz cięcie. A jeśli prowadzisz badania nad podatnościami, spodziewaj się, że nowe zabezpieczenia cybernetyczne będą kosztować cię odmowy, których poprzedni model nie generował.
Jedna liczba zasługuje na osobne zdanie, zanim cokolwiek z tego stanie się domyślne: przy maksymalnym wysiłku Artificial Analysis mierzy wskaźnik halucynacji na poziomie 59% dla GPT-6.2 Astra i 55% dla GPT-6.2 Sol. Ta miara liczy, jak często model zgaduje, gdy nie wie, w pytaniach obejmujących szeroki zakres tematów. Model, który jest lepszy we wszystkim, co da się zmierzyć, wciąż może być gorszym współpracownikiem, jeśli jest pewny tych części, które wymyślił — a uczciwy odczyt tej premiery jest taki, że oba są bardziej zdolne i żaden nie jest ostrożniejszy. Weryfikuj wynik, nie indeks.
Porównane w tym artykule4
Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie
