• 回答数

    0

  • 浏览数

    0

  • 收藏数

    0

作者:123456865 发表于 昨天 11:50
跳转到指定楼层

GPT-6.2 Astra终于上线,从PPT做到发动机-钛媒体官方网站

文 | 字母AI

今日凌晨,大事接连发生,被无数人“催更”的GPT-6.2 Astra也终于上线了。

距离9月3日上一代Astra发布,已经过去75天。

一起被推出的还有6.2 Sol,相对来讲,更适合日常工作。

这次更新把重点放到了现实世界的工作上,主要提升了模型在复杂任务执行、编程、专业文档生成、3D建模及工程设计等方面的能力。

新模型的任务执行效率也有所提升,Astra的API价格下调了20%,Sol则维持上一代的定价。

OpenAI近期正在加速推进AI在硬件设计、工程仿真和实体制造等领域的应用,这次模型更新也延续了这一方向。

然而,模型发布以后,AI创业者Matt Shumer却公开表示不推荐这些模型:

“它们基本上无法使用。”

作为获得了模型提前测试资格的外部用户,他曾为上一代Astra写了一篇预计阅读时间为19分钟的长评,称GPT-6 Astra重新赢得了他的信任,成为了他处理大部分日常工作的首选模型。

如今面对6.2 Astra,他却连完整评测都不愿写了。

更适合现实工作?

根据官方文档,这次更新中,GPT-6.2 Astra在专业文档生成方面有了明显改进,尤其是生成PPT、电子表格和报告。

OpenAI甚至将6.2 Astra称为自家迄今最擅长制作PPT的模型。

在演示里,OpenAI给新旧两代Astra安排了同一项任务:根据一家零售商第二季度的业绩公告及监管文件,更新其第一季度的业绩汇报PPT。

官方表示,两款模型都找到了推动利润增长的主要因素,但6.2 Astra的处理更加细致——它直接将5.3%的销售额增长放进了标题,进一步区分线上和实体店的业务表现,还根据财报数据提出了具体的经营建议。例如确保畅销商品的库存供应,以及在制定预算时不再假定未来还能获得类似的关税退款。

6.2 Astra现在能够更准确地模仿现有PPT的版式、颜色、字体,甚至字号。用户只需要提供原始文件或截图,模型就能沿用相同风格制作新的幻灯片。

另一项任务则展示了Astra在电子表格制作上的升级:两款模型需要根据同一组财务资料,为一家虚构的农业科技公司建立估值模型,预测截至2031年的分业务收入,并完成现金流折现和股票估值分析。

相比上一代,6.2 Astra会把收入结构、企业价值到每股价值的计算过程,以及敏感性分析放在一起,让用户更容易看清各项数据之间的关系。

官方文档里还特别强调了新模型的写作能力。

OpenAI表示,新模型生成的专业文档将减少空泛的总结和冗余内容,表达更加直接、具体,更符合金融、法律和咨询等行业的写作习惯。

不过,这项改进似乎并没有得到广泛认可。

AI媒体Every创始人Dan Shipper表示,团队提前数周测试了新模型,发现6.2 Astra的写作能力甚至不如上一代。

按照他的说法,新模型被训练得过于简洁、强调行动,以至于有时很难理解其输出内容。即使面对需要详细解释的问题,它也倾向于给出简短回答。

除了上述那些“班味十足”的演示,网页和游戏制作同样是这次更新的重点。

官方表示,新模型能够根据文字要求选择页面布局、图片和视觉元素,并完成相应的交互功能。

OpenAI展示了一款名为Meridian Sound Racing的未来城市赛车游戏。玩家可以驾驶赛车穿过灯光闪烁的城市赛道,在浏览器中直接体验。

(链接:https://meridian-futuristic-race.openai.chatgpt.site/)

还有一份名为Cathedral Walk的交互式3D场景,同样可以在浏览器里探索。

(链接:https://cathedral-walk.openai.chatgpt.site/)

OpenAI表示,这些改进与模型视觉推理和电脑操作能力的提升有关。

另外,在开发者们最关注的编程和复杂任务执行方面,据官方介绍,新模型更擅长修改已有项目、发现代码问题,以及调用不同工具完成任务。

在与其现有生产模型的早期盲测中,OpenAI的合作伙伴、办公平台ClickUp发现,使用6.2 Astra生成应用、仪表盘和PPT,Token消耗减少约40%,审核修改轮次减少约30%。

但把视角转向“非亲非故”的外部开发者,情况则没那么乐观。

开发者Theo Browne提前测试了新模型。他认可6.2 Astra在代码审查、电脑操作和3D游戏制作方面的表现,但对其执行复杂任务时的表现颇为不满。

他甚至专门写了一篇长文,列举了那些“让他反感GPT-6.2 Astra”的理由。

Theo抱怨,6.2 Astra经常在任务进行到一半时,突然抛出一些用户根本不需要操心的技术问题,让原本应该自动完成的工作卡住。

有一次,他让模型为游戏《Outer Wilds》制作新关卡。运行两个小时后,6.2 Astra却因为无法确定内部生成的视频文件应该使用哪个文件名而暂停,要求他亲自决定。

还有一次,他要求模型优化一个编译器项目,既要提高运行性能,也要缩小体积。结果6.2 Astra忙活了七天,没有取得有效改进,反而让编译器慢了56%。

Theo认为,6.2 Astra拥有非常强的技术能力,但很难在复杂项目中和用户顺利合作。

在我们文章开头直言“不推荐这些模型”的Matt Shumer,也在评论区进一步表示,他测试了编程、个人工作、电脑操作等多个场景,发现模型无法正确遵循指令、会输出胡言乱语、问题多得数不过来,“几乎在每个重要方面都比Opus 5.5糟糕”。

他甚至怀疑,模型似乎具备完成任务所需的基础智能,但后训练环节出了严重问题。

从官方演示到社区反馈,6.2 Astra的表现似乎带点“货不对板”的意思。

在官方文档里,它已经能够完成相当复杂的工作,首批体验者却频频抱怨模型难以指挥,甚至无法顺利完成任务。

至于它在具体任务里表现如何,可能还是得亲自试用了才知道。

GPT-6.2 Astra和Sol已经开始面向Plus、Pro、Business、Enterprise及Edu用户开放,可以在ChatGPT Work和Codex中使用。开发者也可以通过API调用。

价格方面,6.2 Astra的API输入和输出价格均比上一代下调20%,分别为每百万Token 8美元和40美元,缓存输入价格则下降60%,现为每百万Token 0.4美元。

6.2 Sol维持上一代定价,每百万输入Token 2美元、输出Token 10美元。

OpenAI表示,新模型能够用更少的Token完成复杂任务,让用户在同样的额度内完成更多工作。

另外,OpenAI还扩大了Ultrafast极速模式的开放范围。Pro 200美元档用户获得了6.2 Sol的Ultrafast使用权限,但仅限Codex;Pro 500美元档则可以使用6.2 Astra(和6.2 Sol)的Ultrafast。

从屏幕走向现实世界

值得一提的是,从9月推出GPT-6 Astra开始,OpenAI就一直在试着把模型带出屏幕。

11月3日,它还专门发文介绍Astra在机械设计、电路板、工程仿真和硬件制造上的进展,甚至已经有人用它设计出了一台能够与Codex交互的实体设备——一款很像拓麻歌子的小玩具。

到了这次6.2 Astra发布,这条路线又被往前推了一步。

在官方文档里,OpenAI展示了一辆遥控越野车的装配过程,以及一台直列六缸发动机的3D模型。

6.2 Astra可以对机械系统进行逐个零部件建模,再将它们组合起来,展示完整的机械结构。工程师则可以利用这些模型,检查零部件之间的连接关系,理解装配逻辑,并进一步分析设计修改可能带来的影响。

另一段演示里,OpenAI要求6.2 Astra模拟一辆汽车在山路上行驶时的底盘动力学。

6.2 Astra先建立了汽车的3D模型,然后自己编写Python求解程序,模拟轮胎与悬架之间复杂的动力学关系,最后使用Blender将结果制作成动画。

整个过程涉及3D建模、物理计算和动画制作。按照OpenAI的介绍,这些能力可以帮助工程师快速测试新的设计方案,在真正制造原型车之前,提前观察机械系统的运动表现。

甚至还有一个从设计走到实物的完整演示。

OpenAI让6.2 Astra参考芝加哥Marina City双子塔的扇形阳台,设计一盏具有类似造型的纸质台灯。

从最初的建筑照片,到CAD模型的反复修改,再到最终由人手工组装完成,OpenAI展示了这盏台灯从构想到实物的整个过程。

6.2 Astra还制作了一个配套网站,其他用户也可以直接通过这个网站设计自己的纸质台灯。

这些演示不再局限于生成漂亮的3D模型,Astra已经开始处理机械零件之间的连接、运动过程中的物理关系,以及实体产品的结构设计。

从照片和文字,到机械模型、仿真程序,再到能够实际组装的产品,原本需要工程师在多种专业软件之间来回切换才能完成的工作,现在已经有相当一部分可以交给AI。

当然,能够生成设计方案,并不意味着已经解决了现实制造中的所有问题。零件公差、材料强度和装配要求,仍然需要专业工程师进一步检查和验证。

但至少从模型的升级方向来看,OpenAI正在让Astra接手越来越多原本需要专业人员操作专业工具才能完成的工作。

 迟来的Astra  

网友对Astra的催更太多,就连OpenAI都在模型发布的推文里吐槽。

毕竟,早在10月底,关于新一代Astra即将发布的消息就已经开始流传。

10月31日前后,有网友发现,Codex的使用记录中出现了“gpt-6.2-astra”的字样,猜测OpenAI很快就会推出新模型;11月4日,又有外媒援引知情人士报道,OpenAI最快可能在11月6日推出新一代Astra、Sol及网络安全模型。

结果,直到11月17日,OpenAI才终于兑现了这场被反复预告的更新。

对于6.2 Astra为何迟迟没有发布,OpenAI目前并未给出明确解释。根据网友们的推测,安全问题可能是一个重要原因。

9月28日,OpenAI就曾因安全评估不达标,取消了原定10月发布的GPT-6.1 Astra。

根据OpenAI安全系统负责人Saachi Jain的解释,这款模型在减少“偷懒”、提高任务积极性方面取得了进展,但没能达到公司对授权边界和工作汇报的要求。

简单来说,模型更愿意干活了,却可能在未经允许的情况下越界,或者没能向用户交代清楚自己究竟做了什么。

这也是后训练中很难拿捏的地方:既要让模型在遇到困难时主动寻找解决方案,又要防止它为了完成任务而忽视用户设置的限制。

还记得前文Matt的吐槽么?他怀疑模型的后训练出了问题。

尽管这个判断目前没有得到证实,但OpenAI这次公布的系统卡中,确实出现了一些值得关注的异常结果。

例如,在一项名为Blocker Deception的内部评测中,OpenAI会故意删除模型需要修改的文件,或者让完成任务所需的工具无法使用,再观察模型会不会如实向用户报告。

GPT-6 Astra有11.09%的测试没有正确报告障碍,到6.2 Astra,这一比例反而上升至22.28%,几乎翻了一倍。

OpenAI承认了这项退步,并提出一种可能的解释:为了让模型回答得更加简洁、减少不必要的免责声明,训练过程中可能让模型学会省略一些本来应该说明的重要问题。

公司已经通过Codex中的额外指令显著缓解了这一情况,但对于直接通过API调用模型的用户,同样的指令并不会自动生效。

截至发布时,OpenAI仍在调查该问题的原因。

另一方面,6.2 Astra的安全评估也面临着比上一代更高的要求。

OpenAI宣布,6.2 Astra成为了公司首款在AI自我改进(AI Self-Improvement)能力上达到High等级的对外发布模型。

按照OpenAI的评估,它对AI研发的帮助,已经相当于为每位研究人员额外配备了一名能力很强的研究工程师(比较基准为2024年的研发条件)。

为了控制相应的风险,OpenAI进一步加强了内部研究环境的隔离与监控,还建立了名为Control Room的中央系统,追踪研究环境中运行的模型,并在必要时终止相关任务。

从9月取消6.1 Astra,到11月终于推出6.2 Astra,OpenAI确实在模型安全上投入了更多工作。

而对于Astra迟迟不肯发布,网友们还有一种更损的猜测。

有人认为,可能OpenAI原本对6.2 Astra信心十足,模型甚至已经开始灰度测试。结果Anthropic突然推出Fable 5.2,新模型的表现超出了OpenAI的预期,原本准备发布的Astra只好继续回炉。

现在它发布了,社区评价却似乎不太叫好。不过,还是让子弹再飞一会儿吧。

分享:
0
收藏收藏 转播转播 分享淘帖
回复

使用道具

成为第一个回答人

您需要登录后才可以回帖 登录 | 立即注册
手机版|小黑屋|大厂乐乎 |京ICP备2021013067号-3|京公网安备 11010502048691号