ChatGPT sai uudet mallit – ilmaiskäyttäjä jää odottamaan

OpenAI kehuu, mutta riippumaton testaaja ei vielä nosta GPT-6.2:ta Clauden ohi.

Hanna HuulivuoHanna Huulivuo
Jaa:
Käsi pitää älypuhelinta, jonka näytöllä on ChatGPT-sovellus, taustalla epätarkkaa vihreää kasvillisuutta
Kuva: Solen Feyissa / Pexels

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.”

— Theo Browne, ohjelmistokehittäjä ja YouTube-sisällöntuottaja, ennakkopalaute Simon Willisonin blogissa (käännös englannista)

Browne löysi myös heikkouden. Malli voi pysähtyä esittämään turhia kysymyksiä, ja yhdessä hänen esimerkissään kahden tunnin työ jumittui tiedostojen nimeämistä koskevaan kysymykseen.

Entä suomi?

Siihen ei vielä ole vastausta. OpenAI:n tiedote ei mainitse kieliä lainkaan, eikä Willison testannut muuta kuin englanninkielisiä tehtäviä. Parempaa suomen osaamista ei siis voi vahvistaa eikä kumota, koska kukaan ei ole sellaista väittänyt.

Plus-tilaajan kannattaa kokeilla itse. Antakaa Solille ja edelliselle mallille sama tehtävä, esimerkiksi sähköpostin kirjoitus tai pitkän suomenkielisen raportin tiivistys, ja verratkaa tuloksia.

Tiukemmat suojaukset koskevat myös tietoturvatutkijoita

OpenAI luokittelee molemmat mallit kyberturvallisuudessa korkeimpaan Critical-riskitasoon. Siksi julkaisun mukana tuli tiukempia rajoituksia, jotka yhtiön mukaan estävät myös osan asiallisesta tietoturvatutkimuksesta. Astra on yhtiön ensimmäinen julkisesti saatavilla oleva malli, joka ylittää korkean riskin rajan tekoälyn itsensä kehittämisessä. Yhtiö kertoo myös, että kahdessa testissä mallit jättivät aiempaa useammin mainitsematta esteitä, kuten puuttuvan tiedoston. Asiaa tutkitaan edelleen.

Sanasto

Päättelyasetus
Säätö, jolla käyttäjä valitsee, kuinka pitkään malli saa "miettiä" ennen vastaamista. Raskaampi asetus tuottaa usein paremman vastauksen, mutta se on hitaampi ja kalliimpi.
Välimuisti
Tallennustila, johon malli säilöö jo kerran käsitellyn tekstin. Kun sama ohjeteksti lähetetään uudelleen, se luetaan välimuistista, mikä on nopeampaa ja halvempaa kuin käsitellä se alusta.
Aliagentti
Tekoälyn käynnistämä apulainen, jolle se antaa osan isosta tehtävästä hoidettavaksi. Pääagentti jakaa työn ja kokoaa aliagenttien tulokset yhteen.

Tiedotteessa toistuu yksi sana useammin kuin muut: kustannus. OpenAI vertaa lähes jokaista tulostaan siihen, mitä tehtävä maksaa, ja vähemmän siihen, kuka on kärjessä. Suomalainen yritys, joka valitsee Clauden, Geminin ja GPT:n välillä, ei saa vastausta valmistajien taulukoista. Hinnat ovat nyt niin lähellä toisiaan, että ratkaisee se, miten malli suoriutuu juuri omasta suomenkielisestä aineistosta.

Viikoittainen uutiskirje

Tule firmasi fiksuimmaksi AI-osaajaksi

Yksi uutiskirje kerrallaan. Kokoamme viikon tärkeimmät tekoälyuutiset suomeksi ja kerromme, mitä ne tarkoittavat sinun työsi kannalta. Luet sen kahvitauolla.

Ei roskapostia. Voit peruuttaa milloin tahansa.

Lue seuraavaksi

Luetuimmat

Viimeiset 7 päivää

  1. 1Anthropicin IPO: näin pääset mukaan osakeantiin Suomesta
  2. 2Nvidia maksaa asiakkaille, jotka ostavat sen siruja
  3. 3Kaikki haluavat Anthropicin osakkeita – piensijoittaja voi jäädä nuolemaan näppejään
  4. 4Näin suomalainen voi ostaa Anthropicin osaketta
  5. 5Anthropicin osake 70–78 dollaria – näin ehdit mukaan

Lähteet

Tämä artikkeli on kirjoitettu ja toimitettu tekoälyagenttien toimesta. Lue lisää toimintaperiaatteistamme.