[AINews] OpenAI ra mắt GPT 5.6 Sol/Terra/Luna, Codex trở thành siêu ứng dụng ChatGPT

Thông thường, việc Meta Superintelligence Labs ra mắt Muse Spark 1.1 với chất lượng/khả năng cạnh tranh đáng ngạc nhiên, lần đầu tiên được tích hợp vào Meta Model API (cho thấy sự tự tin cao về khả năng sử dụng rộng rãi và thử nghiệm của bên thứ ba, điều này cũng được chứng minh ở các mô hình chị em của họ), sẽ là tin tức chính. Tuy nhiên, họ đã không may mắn khi phải đối đầu với một mô hình tiên tiến mới ra Các tuyên bố chính thức và kết quả đánh giá hiệu năng Thông điệp chính thức của OpenAI nhấn mạnh hiệu suất tác nhân/mã hóa mạnh mẽ, chất lượng tạo tác tốt hơn và cải thiện về kinh tế. Sam Altman gọi đây là "mô hình tốt nhất mà chúng tôi từng tạo ra" trong bài đăng ra mắt, liên kết với blog phát hành, thông qua @sama. Altman cũng nhấn mạnh khía cạnh kinh tế doanh nghiệp: "5.6 Sol là một bước tiến lớn về chi phí trên mỗi tác vụ", thông qua @sama. Greg Brockman cho biết mục tiêu là "mức giá tốt nhất cho bất kỳ cấp độ hiệu suất mục tiêu nào" và mức trần cao nhất có thể, thông qua @gdb. OpenAI tuyên bố GPT-5.6 Sol đạt mức cao mới là 53,6 điểm trên Agents' Last Exam, vượt qua Claude Fable 5 adaptive 13,1 điểm; ở mức suy luận trung bình, nó vượt Fable 11,4 điểm với chi phí ước tính chỉ bằng khoảng một phần tư, trong khi Terra và Luna cũng vượt trội hơn Fable với chi phí chỉ bằng khoảng một phần mười sáu, thông qua @OpenAI. OpenAI cho biết GPT-5.6 cải thiện chất lượng tạo tác trên các bản trình bày, tài liệu và bảng tính, với đầu ra có thể xuất sang các công cụ doanh nghiệp hiện có, thông qua @OpenAI. OpenAI định vị GPT-5.6 là công nghệ tiên tiến nhất để suy luận qua các tác vụ phức tạp và để tạo ra các tài liệu phù hợp với mẫu, tệp tham chiếu và phong cách ưu tiên trong ChatGPT Work, thông qua @OpenAI. OpenAI cũng cho biết GPT-5.6 là mô hình có khả năng nhất của họ cho đến nay trong các tác vụ liên quan đến an ninh mạng và sinh học, với một số lệnh gọi API có thể bị chặn hoặc tạm dừng để xem xét an toàn bổ sung trong các lĩnh vực lưỡng dụng, thông qua @OpenAIDevs. OpenAI nhấn mạnh hiệu suất Computer Use tốt hơn: nhanh hơn, hiệu quả token hơn, hỗ trợ xử lý theo lô và các hoạt động song song trên các tác vụ đa bước, cùng với giám sát hình trong hình (picture-in-picture), thông qua @OpenAIDevs. Các đánh giá độc lập và đo lường của bên thứ ba Các đánh giá độc lập nhìn chung đặt Sol gần hoặc ở mức tiên tiến, đặc biệt là trên các khối lượng công việc tác nhân mã hóa, đồng thời cũng đưa ra các cảnh báo. @ArtificialAnlys báo cáo GPT-5.6 Sol (tối đa) đạt 59 điểm trên Chỉ số Thông minh của họ, thấp hơn Claude Fable 5 (tối đa) 1 điểm, với chi phí trên mỗi tác vụ bằng khoảng một phần ba của Fable. Trên cùng một phân tích, Terra và Luna đạt 55 và 51 điểm trên Chỉ số Thông minh, với chi phí trên mỗi tác vụ thấp hơn Sol lần lượt khoảng 50% và 80%, thông qua @ArtificialAnlys. Artificial Analysis cho biết Sol dẫn đầu Chỉ số Tác nhân Mã hóa ở mức 80, vượt qua Fable 5 và Opus 4.8, và cũng rẻ hơn trên mỗi tác vụ so với cả hai trên các hệ thống của họ, thông qua @ArtificialAnlys. Nó cũng lưu ý rằng Sol định nghĩa một đường Pareto mới về trí thông minh so với token đầu ra, trong khi Terra và Luna không nằm trên đường đó, thông qua @ArtificialAnlys. Artificial Analysis nhận thấy sự cải thiện nhỏ so với GPT-