Основные особенности этой большой модели, которая разрабатывалась специально под многоэтапные, сложные задачи.

• Модель хорошо показала себя в бенчмарке TerminalBench 2.1 – он проверяет, как модель работает с командной строкой, как использует инструменты, исправляет ли ошибки на ходу. Sol показала 88.8%, а в режиме Ultra (с параллельной работой субагентов – 91.9%). Это больше, чем у Claude Fable 5.
• В бенчмарке GeneBench v1 (геномная и количественная биология) Sol показал результаты лучше, чем GPT 5.5, затрачивая при этом меньше токенов
• Модель еще лучше в поиске и анализе уязвимостей. Разработчики постарались «заточить» модель под «оборону» - как написать патч, например, но, уверен, найдутся умельцы, которые с ее помощью взломают что-то значимое.
• Добавлены режимы max и ultra. Первый дает модели больше времени на размышления, второй запускает в параллель несколько субагентов для работы над сложными задачами.
• Улучшено кэширование промптов

Означает ли, что с выходом Sol, можно отказываться от Fable 5? Нет. У Sol, похоже (по оценке METR), частота «обмана» (reward-hacking), когда модель пытается хитрить, чуть ли не самая высокая среди публично доступных моделей.

OpenAI попытается привлечь пользователей привлекательными ценами. На старте предлагается $5 за вход и $30 за 1 млн токенов. Это почти вдвое дешевле, чем просит Anthropic за Fable 5. Еще дешевле Terra - $2.5 вход / $15 вывод и Luna - $1 вход / $6 вывод.

--

✓ подписаться на tg-канал ART и на канал Бойко про телеком в VK

--

теги: искусственный интеллект большие модели ИИ глобальные большие модели американские большие модели ChatGPT OpenAI

--