Ohjelmistokehittäjä Simon Willison ehti tiistaina testata OpenAI:n uudet mallit samana päivänä, kun ne julkaistiin. Hänen vakiotestinsä on pyytää mallia piirtämään pelikaani polkupyörän selässä. GPT-6.2 Astran raskaimmalla päättelyasetuksella yksi kuva maksoi lähes 89 senttiä. Kevyempi GPT-6.2 Sol teki saman 2,4 sentillä.
OpenAI julkaisi mallit 17. marraskuuta. Astra on yhtiön uusi kärkimalli vaativimpiin töihin, Sol on tarkoitettu arkikäyttöön. Kumpikin on saatavilla rajapinnassa nimillä gpt-6.2-astra ja gpt-6.2-sol.
Mitä suomalainen ChatGPT-käyttäjä huomaa
Ilmaisen ChatGPT:n käyttäjä ei toistaiseksi huomaa mitään. OpenAI:n tiedotteen mukaan mallit tulivat heti kaikille Plus-, Pro-, Enterprise- ja Edu-tilaajille ChatGPT Workissa sekä Codex-ohjelmointityökalussa. Ilmaisversiota tai halvempaa Go-tilausta tiedote ei mainitse lainkaan, eikä siinä kerrota, milloin ne saavat uudet mallit.
Maksava käyttäjä näkee muutoksen mallivalikossa. Kalleimman Pro-tilauksen käyttäjät saavat lisäksi Ultrafast-tilan, joka nopeuttaa vastauksia kummallakin mallilla, ja halvemman Pro-tason tilaajat aluksi Solilla. Yrityksissä ja oppilaitoksissa nopea tila aukeaa vasta, kun työtilan ylläpitäjä ottaa sen käyttöön. Poistuvatko vanhat mallit valikosta, sitä tiedote ei kerro.
Arjessa tärkeämpi on luultavasti Sol. Tiedotteen mukaan moni OpenAI:n työntekijä käyttää sitä oletusmallinaan sekä teknisiin että muihin tehtäviin. Yhtiön oman LifeVal-arkitehtävätestin mukaan Sol pärjää paremmin kuin edellinen kärkimalli GPT-6 Astra noin seitsemäsosalla sen kustannuksista.
Hinnanlasku koskee yrityksiä, ei kuluttajan laskua
Astra maksaa rajapinnassa 8 dollaria miljoonalta mallille syötetyltä tokenilta ja 40 dollaria miljoonalta mallin tuottamalta tokenilta. Se on 80 prosenttia GPT-6 Astran hinnasta, joka oli 10 ja 50 dollaria. Välimuistista luetun syötteen hinta putosi dollarista 40 senttiin.
Token on sanan palanen. Englanniksi miljoona tokenia on karkeasti 750 000 sanaa, suomeksi vähemmän, koska pitkät taivutetut sanat pilkkoutuvat useampaan osaan. Suomenkielinen palvelu maksaa siis samasta tekstimäärästä hieman enemmän kuin englanninkielinen.
Halpeneminen tuntuu yrityksissä, jotka rakentavat omia palveluitaan OpenAI:n mallien varaan, kuten asiakaspalvelubotteja tai sopimusten läpikäyntiä. Tuotettu teksti on viisi kertaa syötettä kalliimpaa, joten eniten säästävät paljon kirjoittavat sovellukset. Välimuistin 60 prosentin alennus taas hyödyttää palveluja, jotka lähettävät mallille samaa ohjetekstiä kerta toisensa jälkeen. ChatGPT:n kuukausimaksuun muutos ei vaikuta, ja Solin rajapintahinta pysyi ennallaan, 2 ja 10 dollaria.
Valmistajan lupaukset ja riippumaton arvio
OpenAI:n mukaan Astra ohittaa Anthropicin Claude Fable 5.2:n 5,5 pisteellä Agents' Last Exam -testissä, joka mittaa monivaiheista asiantuntijatyötä, ja tekee sen noin viidellä prosentilla kustannuksista. Juridisessa Harvey-testissä Astran läpäisyprosentti on yhtiön mukaan yli kaksinkertainen Fableen verrattuna. Kaikki nämä luvut ovat yhtiön omia.
Willisonin mukaan vastaanotto on ollut ristiriitainen. ”Astra 6.2 ei yllä aivan Fable 5.2:n tasolle useissa vertailutesteissä”, hän kirjoittaa blogissaan (alkuperäinen englanniksi). Osa käyttäjistä on hänen mukaansa pitänyt mallin viestintätyyliä sekavana.
Willisonin omassa testissä mallien piti tehdä animaatio, jossa New Yorkin lähellä sijaitseva Yonkersin kaupunki muuttuu jättirobotiksi. Kumpikaan uusi malli ei onnistunut vakuuttavasti. Willison arvioi Claude Fable 5.2:n ja Googlen Gemini 4 Carbonin tulokset paremmiksi. Rajapinnassa Astran tuotettujen tokenien hinta on nyt sama kuin Fable 5.2:lla.
“Kun tämä malli työskentelee pitkien tehtävien parissa, se pystyy ottamaan mukaan paljon aliagentteja ja hallitsemaan niitä melko hyvin.”



