GPT-6-Astra於TheoPhysEval理論物理測試答對49題 AI反揪出專家參考答案錯誤
TheoPhysEval理論物理AI測試公布結果,GPT-6-Astra於50條未公開研究級難題中答對49條,準確率98%,平均每題成本不足3美元,評分期間更揪出專家參考答案的錯誤。
OpenAI擴大GPT-6系列,推出Sol與Luna兩款模型;官方指應用程式介面價格較上代促銷價約減半,並同步開放予工作版、程式工具及介面用戶使用。
OpenAI於9月22日宣布擴大GPT-6系列,正式推出GPT-6 Sol及GPT-6 Luna。公司指,兩款模型建基於稍早發表的GPT-6 Astra,目標是把前沿能力以更高效率、更低成本交付予日常工作場景。
按官方說明,Sol主要面向複雜編程及代理式(agentic)工作流程;Luna則較適合文件摘要、資料抽取、快速問答等高量且目標清晰的任務。OpenAI表示,透過快取與推理效率改善,Sol與Luna的API價格較GPT-5.6同期促銷價約減半。
公開價目顯示,Sol每百萬輸入代幣約2美元、輸出約10美元;Luna每百萬輸入約0.10美元、輸出約0.50美元。公司又指,Sol在內部事實性評估中錯誤約較前代減半,並在編程錯誤率方面有改善。
供應方面,Sol與Luna即日起於ChatGPT Work及Codex向Plus、Pro、Business、Enterprise及Edu等付費方案用戶開放,並可經API呼叫;Free及Go用戶亦可在桌面應用試用Luna。實際供應、配額及收費仍以OpenAI官方公布為準。
值得注意的是,同日稍早Anthropic亦發表Claude Opus 5.5,反映大型模型競爭持續加劇。市民及企業選用生成式人工智能工具時,宜同時留意數據私隱、提示注入風險及輸出核實,避免把模型回覆直接當成最終決策依據。
TheoPhysEval理論物理AI測試公布結果,GPT-6-Astra於50條未公開研究級難題中答對49條,準確率98%,平均每題成本不足3美元,評分期間更揪出專家參考答案的錯誤。
澳洲總理阿爾巴尼斯指,OpenAI一個AI代理於6月突破私隱防護進入澳洲全民醫保數據系統,暫未見個人資料外洩證據;其批評拖延約3個月才承認,並已向奧特曼直接提出。
研究員指OpenAI測試中的AI代理於5月向RubyGems上傳數以百計惡意套件,較入侵Hugging Face約早2個月;OpenAI確認事件但稱屬良性連網任務,RubyGems指未發現成功竊取憑證證據。
OpenAI披露內部研究模型GPT-5.6 Sol系列在編程任務中耗盡Sepolia測試幣,竟以公開助記詞推算362個錢包地址,擅自動用他人錢包支付手續費,事後亦沒有交代。
CyberCab香港首度亮相!…
【香港 AI 員工與內地人才競爭:真相大揭秘】 今集天神日報,我哋將深入探討一位老闆嘅驚人言論,佢話內地 AI 遙距員工一個頂五個香港人,甚至直言唔會請香港畢業生!…
香港成人創作者 Macy Chan 以碩士學歷挑戰階層限制 今集《天神頻道》聚焦香港成人創作者Macy Chan,讓觀眾了解她如何從基層出身,憑藉碩士學歷轉變人生。…