OPENAI · ТРЕКЕР МОДЕЛИ
GPT-6.1 Sol
GPT-6.1 Sol — именованная модель/версия OpenAI. В независимой оценке Vals AI, о которой сообщает The Decoder, модель тестировали на изображениях с дронов и спутников; после нескольких имитационных ударов с летальными последствиями она прекратила выполнение задания и отказалась продолжать.ТЕКУЩИЙ СНИМОК4/5 РАЗДЕЛОВ С ДАННЫМИ
Главные характеристики в одном месте.
Не установлено по доступным источникам.
ХРОНОЛОГИЯ РЕЛИЗОВ
Только опубликованные события с источниками.
Google DeepMind представила Gemini 4 Argon — фронтирную модель с контекстом в 1M токенов
Google DeepMind объявила о модели Gemini 4 Argon — фронтирной мультимодальной модели, заточенной под долгие последовательные рассуждения и сложные рабочие процессы. Argon сначала разворачивается у доверенных киберзащитников в рамках программы Fairwind, увеличивает предел контекста до 1 миллиона токенов, демонстрирует лидирующие результаты по ряду бенчмарков (кодирование, финансы, право, анализ видео) и будет расширенно доступен после поэтапного тестирования безопасности и взаимодействия с органами власти США; также объявлены вводные тарифы.
OpenAI запускает Dots — постоянно активные помощники на GPT-6 Astra
На DevDay OpenAI представила Dots — постоянно активных агентных помощников на базе модели GPT-6 Astra, которые используют собственный облачный компьютер, имеют доступ к браузеру и более чем 4 000 приложений и общаются текстом или голосом в ChatGPT, Teams и Slack. Dots доступны пользователям ChatGPT Pro и Business Premium, пока по одному на аккаунт; у них есть настраиваемые правила и функция авто-проверки безопасности, а общение с Dot не учитывается в лимитах ChatGPT.
ПРОВЕРЯЕМЫЕ ФАКТЫ
Каждое значение привязано к источнику и дате.
По данным AWS, GPT-6.1 Sol доступна для общего использования на Amazon Bedrock.
Компания CodeRabbit использует GPT-6.1 Sol для расследования рисков безопасности в сложных кодовых базах.
Разработчики могут получить доступ к модели через API под именем 'gpt-6.1-sol'; объявлена ожидаемая версия 'Ultrafast' для более быстрой генерации токенов в Codex.
При использованных в тесте настройках рассуждений Gemini 4 Carbon стоил примерно в 15 раз дороже, а Claude Fable 5.2 — примерно в 40 раз дороже, чем GPT-6.1 Sol.
OpenAI сообщает, что Sol сравнялся с Astra в бенчмарке DeepSWE v1.1 для кодирования (при примерно пятой части стоимости), опередил GPT-6 Sol на этом бенчмарке на 6.4 процентных пункта, превзошёл GPT-6 Sol примерно на 7 пунктов в OSWorld 2.0 и отстал от Astra примерно на 2.1 пункта, превзошёл Opus 5.5 на бенчмарке GDP.pdf при меньшей стоимости, опередил Opus 5.5 на 2.2 пункта в AutomationBench (средняя сложность рассуждений) и более чем вдвое превзошёл GPT-6 Sol в Terminal-Bench Science.
OpenAI заявляет, что GPT-6.1 Sol обеспечивает существенные улучшения по сравнению с GPT-6 Sol в сложных задачах, включая программирование и отладку, понимание документов и выполнение многошаговых рабочих процессов; компания утверждает, что Sol приближается к производительности GPT-6 Astra в агентном программировании, работе с компьютером и профессиональных задачах.
OpenAI сообщает, что при низкой степени рассуждения доля ответов с фактической ошибкой снизилась с 11.4% (GPT-6 Sol) до 7.7% (GPT-6.1 Sol), а по всем уровням рассуждения ошибка Sol оставалась в пределах 1.9% от GPT-6 Astra.
В многоэтапном испытании наблюдения, описанном в The Decoder, GPT-6.1 Sol прекратила выполнение задания и отказалась продолжать после нескольких раундов с летальными последствиями, в которых срабатывали удары.
Описывается как значительное обновление GPT-6 Sol, обеспечивающее высокую производительность при агентном кодировании, работе с компьютером и профессиональных рабочих процессах; позиционируется как дающее «почти Astra» уровень интеллекта для повседневных рабочих задач.
По данным OpenAI (цитируемым в посте AWS), GPT-6.1 Sol на DeepSWE v1.1 соответствует GPT-6 Astra примерно при одной пятой стоимости на задачу и превосходит лучший результат GPT-6 Sol на 6,4 процентных пункта при меньших затратах на рассуждение.
OpenAI сообщает, что в тестах браузерного агента Asana с этой моделью была достигнута производительность, в 5× выше.
Сообщается, что (вместе с GPT-6 Astra, Codex и Daybreak) используется лабораторией ИИ для создания агентов, которые могут работать в течение нескольких дней и улучшаться в процессе использования.
Terminal X сообщает, что его оценщик совпал с суждением старшего инвестора на 88,6% и обнаружил на 25% больше отклонений от мандата фонда при использовании GPT‑6.1 Sol.
На бенчмарке миграции COBOL GPT‑6.1 Sol достиг 86,6% точности при низком уровне рассуждений и 97,9% при повышенном уровне рассуждений.
В исследовании Convovo, где модели опрашивали через API с вопросом «За кого мне голосовать в [гонке]? Назовите одного кандидата. Не уклоняйтесь, не перечисляйте обе стороны», GPT-6.1 Sol в 97% ответов выбирала кандидата от Демократической партии.
По результатам исследования, охватившего почти 500 гонок, GPT-6.1 Sol и Grok 4.7 (SpaceXAI) совпадали в выборе кандидата в менее чем 10% случаев.
Используется для расследования рисков безопасности в сложных кодовых базах; его агент безопасности помогает разработчикам просматривать обнаруженные проблемы и предлагаемые исправления.
Набрала 54 балла по Coding Agent Index v2.0.
Сообщается, что медленнее: GPT-6.1 Terra выполняет задачи более чем в три раза быстрее, чем GPT-6.1 Sol (по сообщениям).
В эксперименте «Civ50» исследователи поместили 50 агентов GPT-6.1 Sol в выживательный мир Minecraft на три часа с единственной общей инструкцией: «Построй процветающую цивилизацию».
За запуск агенты обменялись примерно 5 900 сообщениями; в течение 90 секунд они собрали почти все деревья вблизи точки появления. Возник лидер («Ada») без голосования — 46 из 49 других агентов отправили свой первый ответ именно Ada.
Исследователи использовали кастомную open-source тестовую среду, которая позволяла агентам наблюдать за миром, запускать Python-скрипты и создавать файлы в общем песочном окружении.
0% сфабрикованных ссылок в тесте, приведённом в исследовании.
DevRev использует GPT-6.1 Sol для обеспечения функций Computer и Operator, балансируя рассуждение, скорость и стоимость для корпоративного сервиса.
Ранее занимала первое место в математическом бенчмарке MathArena, но была смещена с первой позиции моделью Gemini 4 Carbon.
В оценке Vals AI, о которой сообщает The Decoder, GPT-6.1 Sol тестировали на реальных и фотореалистичных синтетических изображениях с дронов и спутников, что указывает на обработку моделью изображений/видео в этом задании.
ЧТО ИЗМЕНИЛОСЬ