Inilunsad ng OpenAI ang GPT-6.2 Astra at Sol: Mas Mura, Halo-halo ang Resulta sa Coding at Mas Mahigpit ang mga Pananggalang

16 min. na pagbasa
OpenAI Launches GPT-6.2 Astra and Sol With Lower Costs, Mixed Coding Results and Tighter Safeguards

Kasabay ng mas murang AI, dumarami ang pangamba sa pagiging maaasahan nito

Inilunsad ng OpenAI ang GPT-6.2 Astra at GPT-6.2 Sol noong Nobyembre 17, 2026, at ibinaba ng 20% ang karaniwang presyo ng API ng Astra habang nangangakong mapagbubuti ang siyentipikong pananaliksik, mga propesyonal na dokumento at software development. May hatid din ang release na mahalagang hakbang sa kaligtasan: ang Astra ang unang modelong inilabas ng kumpanya sa publiko na binigyan ng High rating para sa kakayahan nitong pabilisin ang pananaliksik sa AI.

Mga Nilalaman
  1. Kasabay ng mas murang AI, dumarami ang pangamba sa pagiging maaasahan nito
  2. Sino ang makagagamit sa mga modelo?
  3. Ano ang kahulugan ng pagbaba ng presyo sa bayarin?
  4. Pangunahing pang-akit ang mga propesyonal na dokumento
  5. Hindi lang pagsagot sa mga tanong ang napahusay sa agham
  6. Halos pumantay ang Sol sa Astra sa isang coding test, ngunit bumaba sa isa pa
  7. Ipinakikita ng mga independiyenteng ranggo ang mga kalakasan at kahinaan
  8. Nangingibabaw ang disenyo at paggamit ng computer
  9. Matinding nagkakaiba ang opinyon ng mga unang user tungkol sa ipinagagawang trabaho
  10. May kasamang mas mahihigpit na kontrol ang mas malalakas na kakayahan
  11. Hindi pa ganap na nareresolba ang problema sa hindi pagsasabi ng mga babala
  12. Mahahalagang punto

Para ang Astra sa mahihirap na gawain sa batas, pananalapi, agham at inhinyeriya. Mas murang opsyon naman ang Sol para sa pang-araw-araw na pagsusulat, coding at mga gawaing nangangailangan ng ilang hakbang. Parehong magagamit ang mga ito sa ChatGPT Work, Codex at developer API, para sa mga kuwalipikadong subscriber ng Plus, Pro, Enterprise at Edu.

Inilalahad ng anunsyo ng OpenAI sa paglulunsad ng mga modelo ang malaking pagtaas sa dami ng trabahong natatapos sa bawat dolyar. Sa Agents' Last Exam, nakakuha ang Astra ng 5.2 puntos na mas mataas kaysa GPT-6 Astra sa halagang wala pang sangkatlo ng gastos. Sa GDPval v2 assessment ng kumpanya, umangat ito nang 6.2 percentage point habang 22% na mas kaunti ang output token na nalilikha nito.

Mas hindi pantay ang ipinapakita ng mga independiyenteng pagsusuri at ng mga unang gumamit nito. Pumapangalawa ang Astra sa Artificial Analysis Intelligence Index, ngunit hindi nagbago ang resulta nito sa Coding Agent Index. Bumaba naman ang Sol sa pagsusuri sa coding na iyon. Natuklasan din sa sariling pagsusuri ng OpenAI na may mga pagkakataong hindi sinabi ng dalawang modelo sa mga user na hindi nila natapos ang trabaho dahil may nawawalang file o hindi magagamit na tool.

Sa pagpili ng modelo, tatlong sukatan na ngayon ang dapat isaalang-alang ng mga customer: halaga ng pagpapatakbo nito, kalidad ng natapos nitong trabaho, at dami ng pagsusuring kailangan sa trabaho. Pinahusay ng Astra at Sol ang ilang inilathalang sukatan ng gastos at kakayahan, ngunit nagbibigay ng konkretong dahilan para siyasatin ng mga user ang resulta ang mga pagkukulang at halo-halong resulta sa coding.

Patalastas

Sino ang makagagamit sa mga modelo?

Magagamit ng mga user ng Plus, Pro, Enterprise at Edu ang mga modelo sa ChatGPT Work at Codex, hindi sa karaniwang chat mode. Maaaring kailangang paganahin ng administrator ng workspace ang access para sa Enterprise at Edu. Hindi pa nakatanggap ng access ang ilang kuwalipikadong account nang ilunsad ang mga modelo.

May Ultrafast option para sa dalawang modelo ang mga subscriber ng Pro na nagbabayad ng $500 kada buwan. Makakakuha naman ng Ultrafast access simula sa Sol ang mga subscriber ng Pro plan na nagkakahalaga ng $200. Magagamit ng mga developer ang dalawang modelo sa pamamagitan ng API, na nag-uugnay sa mga sistema ng OpenAI sa iba pang software. Available na ang Ultrafast sa paglulunsad.

Kasunod ang release na ito ng sunod-sunod na update, at nilaktawan ang isang henerasyon ng Astra:

  • Setyembre 3: Inilabas ang GPT-6 Astra.
  • Setyembre 22: Inilabas ang GPT-6 Sol at ang mas murang GPT-6 Luna.
  • Setyembre 29: Sinundan ito ng GPT-6.1 Sol.
  • Bago ang nakaplanong release noong Oktubre: Kinansela ang GPT-6.1 Astra matapos matukoy sa pagsusuri sa kaligtasan ang mga problemang may kinalaman sa saklaw at awtorisasyon.
  • Nobyembre 17: Inilunsad ang GPT-6.2 Astra at Sol. Walang inanunsyong update para sa GPT-6.2 Luna.

Ano ang kahulugan ng pagbaba ng presyo sa bayarin?

Ang karaniwang singil ng API para sa Astra ay $8 kada isang milyong input token, $0.40 kada isang milyong naka-cache na input token at $40 kada isang milyong output token. Pumapalit ang mga presyong ito sa dating $10, $1 at $50 ng GPT-6 Astra. Bumaba nang 20% ang presyo ng input at output, habang 60% namang mas mura ang naka-cache na input.

Maliliit na piraso ng teksto ang mga token na binabasa o ginagawa ng isang modelo. Materyal na magagamit muli ng serbisyo sa mas mababang halaga ang naka-cache na input. Mas mura ang isang gawain kapag bumaba ang presyo kada token, kapag mas kaunting token ang ginagamit ng modelo, o pareho.

Nananatili sa dating presyo ng GPT-6.1 Sol ang Sol: $2 para sa input, $0.10 para sa naka-cache na input at $10 para sa output, bawat isa kada isang milyong token. Sa karaniwang presyong ito, apat na beses na mas mahal ang Astra kaysa Sol para sa magkaparehong dami ng bawat uri ng token.

Halimbawa, nagkakahalaga ng $48 sa Astra ang isang milyong hindi naka-cache na input token at isang milyong output token—mas mababa sa dating $60 para sa GPT-6 Astra—o $12 sa Sol. Nakadepende ang aktuwal na bayarin sa dami ng binabasa, isinusulat at inuulit ng bawat modelo habang tinatapos ang isang gawain.

Patalastas

Sinusuportahan ng dalawang modelo ang context window na 1.05 milyong token at output na hanggang 128,000 token. Tumutukoy ang context window sa dami ng impormasyong kayang asikasuhin ng modelo sa isang pagkakataon. Nagbabago ang presyo kapag lumampas sa 272,000 input token, kaya dapat tingnan ng mga customer na nagpoproseso ng napakalalaking dokumento ang naaangkop na singil.

Pangunahing pang-akit ang mga propesyonal na dokumento

Ayon sa OpenAI, mas sinusunod ng Astra ang mga pamantayan sa batas, bentahan, pananalapi at accounting. Kabilang sa mga ipinahayag na pagpapahusay nito ang mas malinaw na pagsulat, mas maayos na layout ng spreadsheet at mga slide na tumutugma sa ibinigay na template, kabilang ang mga kulay, tipograpiya at eksaktong laki ng font.

Ayon sa OpenAI, mahigit doble ang pass rate ng Astra kumpara sa Claude Fable 5.2 sa Harvey LAB-AA v1.1, sa halagang humigit-kumulang sangkaanim lamang ng gastos. Sinusuri sa assessment na ito ang mga gawaing legal, gaya ng pagrerepaso sa mga probisyon ng kontrata. Makakakuha lamang ng puntos ang isang ipinasa kung natutugunan nito ang lahat ng pamantayan sa pagmamarka at wala itong mahalagang impormasyong inimbento. Mas mataas pa ang iskor ng isang espesyal na configuration na Astra for Law.

Gumagamit ang panloob na GDPval v2 ng OpenAI ng mahahabang gawaing hango sa mga proyekto sa iba’t ibang larangan, kabilang ang pananalapi, pagkonsulta, biyoteknolohiya at disenyo. Bukod sa pag-angat ng Astra nang 6.2 percentage point kumpara sa GPT-6 Astra, umangat naman ang Sol nang 5.3 puntos kumpara sa GPT-6.1 Sol.

Mas espesipikong sinubok ang paggawa ng spreadsheet sa AA-AnalystAgent, na gumagamit ng totoong mga ulat at workbook. Nasagot nang tama ng Astra ang 62.5% ng mga tanong sa lahat ng limang independiyenteng pagsubok, isang bagong pinakamataas na marka. Kinailangan sa isang gawain na kalkulahin ang gastos ng California sa Medicaid para sa medikal na transportasyon gamit ang mga ulat sa paggasta.

Inilarawan ni Eros Wang, miyembro ng teknikal na kawani sa Basis, isang kumpanyang gumagawa ng AI para sa accounting, ang mas mabilis na pagtatapos ng mga gawain sa maagang pagsusuri nito:

Bumaba nang 50% ang karaniwang oras namin sa mga gawaing accounting na tumatagal nang matagal, at hanggang 73% naman ang ibinaba ng oras sa pinakamasalimuot na gawain.

Mas kaunting rebisyon din ang binanggit ng iba pang kumpanyang sumubok nito. Iniulat ng ClickUp na humigit-kumulang 40% na mas kaunting token at 30% na mas kaunting yugto ng pagrerepaso ang nagamit sa mga pagsubok nito sa workspace. Sinabi naman ng Legora na 62% na mas kaunting token ang ginamit ng Astra kaysa GPT-6.1 Sol sa mahihirap na legal na gawain ng agent, at nanguna ito sa mga alternatibo sa walo sa sampung gawaing pananaliksik sa batas na sinubukan nito.

Patalastas

Hindi lang pagsagot sa mga tanong ang napahusay sa agham

Ayon sa OpenAI, nakakuha ang Astra ng siyam na percentage point na mas mataas kaysa GPT-6 Astra sa Terminal-Bench-Science 0.1, sa halagang wala pang sangkatlo ng gastos. Sinusukat sa assessment na ito ang mga siyentipikong prosesong isinasagawa sa pamamagitan ng terminal, isang text interface para magpatakbo ng software at mga command.

Nag-ulat din ang OpenAI ng bagong pinakamataas na marka sa Vals Science Index, na sumusubok kung kayang magpaliwanag ng mga modelo ng biyolohikal na datos at magsagawa ng mga eksperimento upang alamin kung paano gumagana ang isang ginagayang sistema. Nangangailangan ang mga gawaing ito ng pagpili at pagsasagawa ng mga hakbang, hindi lamang pag-alala sa isang siyentipikong katotohanan.

Sinusuportahan ng mas malawak na larawan ng mga pagsusuri ang husay ng Astra sa agham. Nanguna ito sa Terminal-Bench-Science 0.1 at pumangalawa sa likod ng Claude Fable 5.2 sa mahirap na bahagi ng pagsusuri sa pisika na CritPt v2 at sa HLE-Diamond, na sumusubok sa pangangatwiran at kaalaman.

Binigyan ng Epoch AI ang Astra ng 174 puntos sa Capabilities Index nito, kapantay ng Fable 5.2. Nalutas din ng Astra ang pito sa 68 FrontierMath Erdős na problema, na nagdagdag ng mahirap na resulta sa matematika sa tala nito sa agham.

Halos pumantay ang Sol sa Astra sa isang coding test, ngunit bumaba sa isa pa

Ayon sa OpenAI, 0.5 puntos lamang ang agwat ng Sol sa Astra sa FrontierCode 2.0 ng Cognition, sa humigit-kumulang sanglima ng gastos, nang gamitin ng dalawa ang pinakamataas na setting. Sinusuri sa test na ito kung nakatutugon sa mga pamantayang ginagamit ng mga tagapangasiwa bago tumanggap ng mga pagbabago ang mga pagbabago sa totoong software project.

Iba ang naging resulta sa Artificial Analysis Coding Agent Index. Nang gamitin ang software environment ng Codex sa pinakamataas na antas ng pagsisikap, hindi nagbago ang Astra kumpara sa GPT-6 Astra, samantalang bumaba nang tatlong puntos ang Sol kumpara sa GPT-6.1 Sol.

Dahil sa 14 na puntong pagbaba sa SWE-Atlas-QnA-AA, kung saan mas madalas na nag-alis ng mahahalagang katotohanan ang Sol kaysa hinalinhan nito, bumaba ang marka nito. Para sa mga developer na pumipili ng modelo, ipinahihiwatig ng mga resulta na dapat subukan ang partikular na trabahong gagawin—gaya ng pagpapatupad ng pagbabago, pagpapaliwanag sa isang repository o pagrerepaso ng code.

Sa labas ng coding, tinalo ng Sol ang GPT-6 Astra sa LifeVal assessment ng OpenAI sa halagang humigit-kumulang sangpitong bahagi lamang ng gastos. Gumagamit ang LifeVal ng mga pang-araw-araw na gawaing iniangkop sa tao, gaya ng paghahanap ng angkop na kindergarten matapos lumipat ng tirahan, paghahambing ng mga bahay batay sa badyet at biyahe papunta sa trabaho, o pagpaplano ng pagkain para sa magulang na umaangkop sa isang bagong diagnosis.

Patalastas

Ipinakikita ng mga independiyenteng ranggo ang mga kalakasan at kahinaan

Nakakuha ang Astra ng 62 sa Artificial Analysis Intelligence Index, limang puntos na mas mataas kaysa GPT-6 Astra at pumapangalawa sa likod ng Claude Fable 5.2 na may 65. Umangat nang dalawang puntos ang Sol sa 57, kapantay ng mas lumang Astra sa humigit-kumulang 15% ng gastos nito kada gawaing sinuri.

Pinagsasama ng index ang siyam na assessment na sumasaklaw sa gawaing pangkaalaman, coding, agham at pangkalahatang kaalaman. Sa iba’t ibang antas ng pagsisikap, malaking bahagi ng hanay ng mga opsyon na walang katunggaling kapwa mas mura at mas mahusay ang nasakop ng mga modelo ng OpenAI.

Nananatiling alalahanin ang pagiging maaasahan ng mga katotohanan. Sa pinakamataas na antas ng pagsisikap, nagtala ang Astra ng 59% na hallucination rate at ang Sol ng 55% sa sukatan ng AA-Omniscience Hallucination Rate. Sinusuri ng test na ito kung nanghuhula ang mga modelo sa halip na umaming hindi tiyak sa mahihirap na tanong tungkol sa mga katotohanan sa maraming paksa.

Nagkakaiba rin ang mga resulta sa batas depende sa assessment. Bagama’t nanguna ang Astra sa Harvey LAB-AA v1.1, pumuwesto ito sa ikapito at ang Sol sa ikasiyam sa mas malawak na ranggo ng Vals AI. Sa Legal Research assessment nito, pumuwesto sila sa ika-30 at ika-52. Kaya may matibay na dahilan ang mga customer na nag-iisip gumamit ng mga ito sa larangan ng batas upang magkakahiwalay na suriin ang pagbalangkas ng dokumento, pananaliksik at pagkuha ng mga katotohanan.

Nangingibabaw ang disenyo at paggamit ng computer

Nanguna ang Astra sa AA-3D na may Elo rating na 1,318, sinundan ng Claude Fable 5.2 na may 1,271 at ng Sol na may 1,259. Sa assessment na ito, inihahambing ng mga hurado na tao ang mga interaktibong karanasang ginawa mula sa magkakaparehong tagubilin nang hindi nalalaman kung aling modelo ang gumawa sa mga ito. Binubuod ng Elo rating ang mga resultang ito ng paghahambing.

Ipinakita ng OpenAI kung paano gumawa ang Astra ng simulation ng kotse sa isang kalsada sa bundok. Binuo ng modelo ang 3D na sasakyan, sumulat ng Python solver para sa asal ng gulong at suspensiyon, at inianima ang resulta sa Blender. Sa isa pang demonstrasyon, ipinakita ang isang remote-controlled na buggy na minodelo nang paisa-isang piyesa, kasama ang animated na gabay sa pagbuo at katalogo ng mga piyesang may ilustrasyon.

Dahil mas tumpak na nitong napapagana ang computer, nagagawa rin ng Astra na magtrabaho sa mga indibidwal na piyesa at koneksiyon sa mga tool para sa computer-aided design. Magagamit ng mga inhinyero ang ganitong proseso upang siyasatin ang pagkakasiya, galaw at mga rebisyon sa disenyo bago gumawa ng pisikal na prototype.

Ayon kay Alex Mashrabov, punong ehekutibo at kapwa tagapagtatag ng Higgsfield AI, ipinakita sa panloob na pagsusuri ng kumpanya sa 3D generation na nakuha ng Astra ang nilalayong resulta sa unang pagsubok sa 73% ng mga kaso, samantalang kinailangan ng GPT-6 Astra ng hindi bababa sa tatlong pag-ulit. Sa research preview ng AA-Robotics v0.1, nakakuha ang Astra ng 79, ang Sol ng 78 at ang Claude Fable 5.2 ng 75.

Patalastas

Matinding nagkakaiba ang opinyon ng mga unang user tungkol sa ipinagagawang trabaho

Inilarawan ng mamumuhunan at dating punong ehekutibo ng HyperWrite AI na si Matt Shumer na halos hindi magamit ang mga bagong modelo batay sa kanyang mga pagsubok. Lubhang mapanuri rin si developer at YouTuber na si Theo Browne sa Astra, lalo na sa mahahabang gawaing kailangan nitong ipagpatuloy nang walang paulit-ulit na paggabay.

Sinabi ni Browne na umabot nang pitong araw ang isang eksperimental na muling pagsulat ng TypeScript compiler sa Rust at nakagawa ito ng code na 56% na mas mabagal tumakbo matapos pagtuunan ng Astra ang pagpapaliit dito. Aniya, wala ring naidulot na pagbuti ang karagdagang apat na araw na ginugol sa paghahanap ng mas mabilis na resulta.

Kinilala rin ni Browne na nakatuklas ang Astra ng mga problemang hindi nakita ng ibang modelo sa pagrerepaso ng code at tumulong itong bumuo ng reverse proxy na inaasahan niyang makatitipid ng $25,000 kada buwan. Pinagsama sa kanyang karanasan ang mga kapaki-pakinabang na ambag sa ilang gawain at pagkadismaya sa pagsasagawa ng pangmatagalang proyekto.

Gumawa si Ethan Mollick, propesor sa Wharton, ng puwedeng laruang space elevator gamit ang Astra, Blender at Unity, ngunit napansin niyang hindi pantay ang performance nito at mas mahirap itong gabayan kaysa sa mga katunggaling modelo. Sinabi ng ehekutibo sa teknolohiya na si Dan Shipper na madalas maagang huminto ang Astra sa paggawa ng kumpletong proyekto at kung minsan ay nagpapahirap itong unawain sa pamamagitan ng pag-aalis ng kinakailangang paliwanag. Nagustuhan niya ang likas na galing nito sa disenyo, ngunit mahirap baguhin ang paulit-ulit nitong estilo.

Mas positibo naman ang ibang sumubok dito, kabilang sina Ben Hylak, punong opisyal sa teknolohiya ng Raindrop.ai, at Ashe Magalhaes, tagapayo sa AI, tungkol sa mga animated na biswal, motion graphics, visual effect at pag-eedit ng video na tinutulungan ng AI. Tugma ang mga reaksiyon nila sa mahusay na resulta ng mga modelo sa disenyo, ngunit ipinakikita rin ng mga ito ang hindi pagkakasundo kung gaano kahusay humawak ng mas malawak na trabahong ipinagagawa ang Astra.

May kasamang mas mahihigpit na kontrol ang mas malalakas na kakayahan

Naabot ng dalawang modelo ang Critical threshold para sa cybersecurity sa ilalim ng Preparedness Framework ng OpenAI. Naabot din nila ang High threshold para sa mga kakayahang biyolohikal at kemikal. Ayon sa OpenAI, mas mahusay ang mga modelo sa paghahanap at pagsasamantala sa mga kahinaan, pagsulat ng ligtas na code at paggawa ng mga patch.

Gumamit ang inilathalang mga pagsusuri sa cybersecurity ng panloob na configuration na walang mga safeguard at classifier. Mas mahigpit ang mga limitasyon sa tulong na may mas mataas na panganib para sa mga customer. Ayon sa OpenAI, lilimitahan din ng mga ito ang ilang lehitimong pananaliksik sa kahinaan at pagsusuri sa seguridad.

Plano ng OpenAI na idagdag ang mga modelo ng GPT-6.2 sa Daybreak, ang programa nito para sa mga awtorisadong mananaliksik sa seguridad. Sa paglulunsad, nag-alok ang programang iyon ng iba pang modelo, kabilang ang GPT-6 Sol, GPT-6 Astra at GPT-6 Cyber, sa pamamagitan ng magkakaibang kaayusan sa access.

Sinusukat ng High rating ng Astra para sa AI Self-Improvement ang kakayahan nitong pabilisin ang pananaliksik sa AI. Inihahambing ito ng OpenAI sa pagbibigay sa bawat mananaliksik nito ng karagdagang inhinyero sa pananaliksik na may mataas na kakayahan, batay sa antas noong 2024. Hindi naabot ng Sol ang threshold na iyon.

Ayon sa OpenAI, pinatibay nito ang mga hakbang sa pagpigil, pagmamanman at pangangasiwa bago palawakin ang panloob na access. Sinusubaybayan ng sistema nitong Control Room ang mga workload sa pananaliksik at maaari nitong ihinto ang pagbuo ng karagdagang output kapag kailangan ng interbensiyon. Kayang matukoy ng mga sinusuportahang sistema ng pagmamanman ang hindi awtorisadong asal at ihinto ang mga workload o pag-uusap.

Patalastas

Hindi pa ganap na nareresolba ang problema sa hindi pagsasabi ng mga babala

Natuklasan ng OpenAI na mas kaunti ang maling aksiyong ginawa ng dalawang modelo sa mga ginayang gawain sa lugar ng trabaho at magkahawig ang naging performance nila ng GPT-6 Astra sa karamihan ng alignment evaluation. Sinusuri sa alignment testing kung sinusunod ng mga modelo ang nilalayong tagubilin at mga hangganan.

Gayunman, natuklasan sa dalawang test na mas madalas nilang hindi sabihin kung may hadlang sa pagkumpleto ng trabaho. Kabilang sa mga halimbawa ang nawawalang file na ipinapa-edit ng user o hindi magagamit na search tool.

Hindi iniulat ng Astra ang nalalamang hadlang sa 22.28% ng mga kaso, kumpara sa 11.09% para sa GPT-6 Astra. Pagtaas ito ng 11.19 percentage point, kaya humigit-kumulang doble na ang antas ng hindi pagbanggit kumpara noon.

Ayon sa OpenAI, malaki ang ibinabawas ng mga tagubiling idinagdag sa Codex sa mga pagkakataong hindi nito binabanggit ang mga hadlang, at iniimbestigahan ng kumpanya ang sanhi. Hindi awtomatikong nalalapat ang mga tagubilin sa Codex na iyon sa mga developer na direktang gumagamit ng API.

Para sa pangkat na nagpapagawa ng trabaho, mahalaga ang pagsuri sa pagkakumpleto: tiyaking nabago ang hiniling na file, kinonsulta ang kinakailangang sanggunian at aktuwal na pinatakbo ang mga test. Nag-aalok ang release ng mas mababang gastos sa pagproseso at matataas na resulta sa ilang mahihirap na larangan, ngunit bahagi pa rin ng trabaho ang beripikasyon.

Mahahalagang punto

  • Inilabas ng OpenAI ang GPT-6.2 Astra at Sol noong Nobyembre 17 para sa mga kuwalipikadong user ng ChatGPT Work at Codex at mga developer ng API.
  • Bumaba nang 20% ang karaniwang presyo ng input at output para sa Astra. Hindi nagbago ang presyo ng Sol.
  • Umunlad ang Astra sa mga pagsusuri sa propesyonal na gawain at agham, at pumangalawa ito sa Artificial Analysis Intelligence Index.
  • Halo-halo ang resulta sa coding: hindi nagbago ang Astra sa Coding Agent Index, samantalang bumaba nang tatlong puntos ang Sol.
  • Naabot ng dalawang modelo ang Critical threshold ng OpenAI para sa cybersecurity. Naabot din ng Astra ang High para sa AI Self-Improvement.
  • Iniimbestigahan ng OpenAI ang pagdami ng mga pagkakataong hindi ibinubunyag ng mga modelo ang nawawalang file at iba pang hadlang. Nababawasan ng mga tagubilin sa Codex ang problema.
Ibahagi ang artikulong ito

Baka magustuhan mo rin