Ночь выдалась жаркой. Буквально через несколько часов после выхода Opus 5.5 от конкурирующей лаборатории OpenAI представила сразу два новых продукта — GPT-6 Sol и GPT-6 Luna.

Если предыдущая модель Astra олицетворяла пик интеллектуальных возможностей, то Sol и Luna задуманы как промышленные усилители, применимые в самых разных отраслях.

Они унаследовали передовые достижения Astra в профессиональных рассуждениях, написании кода и выравнивании по человеческим предпочтениям, но разошлись по двум практическим направлениям.

Sol — это сверхмозг для самых сложных задач. Он создан для глубокой реконструкции кода, длинных логических цепочек в бизнес-решениях и многошаговых агентных рабочих процессов. Проще говоря, для всего, что требует упорного труда и напряжённого размышления.

Luna, напротив, стала воплощением эффективности: она быстра, почти не потребляет ресурсов и предназначена для сфокусированных, высокочастотных повседневных операций.

Она способна мгновенно извлекать данные о счетах из сотен страниц PDF или переводить огромные массивы пользовательских сообщений в реальном времени. Оба продукта ориентированы на корпоративную пакетную обработку и массовые задачи.

Главная новость для рынка — цены на программный интерфейс. По сравнению с промо-тарифами предыдущего поколения стоимость упала ровно вдвое. Для Sol цена за миллион токенов на входе снизилась с четырёх долларов до двух, на выходе — с двадцати до десяти.

Для Luna вход подешевел с двадцати центов до десяти, а выход — с одного доллара двадцати центов до пятидесяти. Представители компании особо подчеркнули, что это не временная акция, а постоянное снижение. Теперь передовая интеллектуальная модель доступна по цене, которая делает массовое использование вполне реальным.

В основе лежат улучшения архитектуры кэширования и вывода. Раньше модель при каждом обращении заново перечитывала весь предшествующий контекст, теперь доля попаданий в кэш резко выросла, а попавшие в него входные токены оплачиваются по одной десятой стоимости.

Разработчики получили высокий уровень контроля: можно в любой момент повышать или понижать глубину рассуждений, включать и отключать инструменты, вручную задавать точки разрыва кэша — и всё это не прерывает кэширование. По данным GitHub, среди миллиардов запросов доля подсказок, требовавших повторной обработки, упала более чем наполовину.

Сравнения с конкурентами в официальном блоге построены не просто на баллах, а на стоимости выполнения задачи. В тесте бизнес-процессов Sol набрал больше тридцати трёх процентов при цене двадцать семь центов за задачу, что на восемьдесят восемь процентов дешевле ближайшего аналога при более высоком результате.

В экзамене для агентов на длинных профессиональных цепочках из пятидесяти пяти отраслей Sol взял более пятидесяти шести процентов, опередив конкурента и потратив на задачу на шестьдесят процентов меньше.

В тестах на фактическую точность число ошибок сократилось примерно вдвое по сравнению с предыдущим поколением. В программировании Sol практически догнал лидера по качеству кода, стилю и следованию существующей базе, но при этом стоимость выполнения задачи оказалась на восемьдесят процентов ниже. Luna в тех же испытаниях показывала результат на уровне сильных конкурентов, тратя на девяносто три и девяносто шесть процентов меньше.

В задачах управления компьютером Sol сравнялся с флагманом конкурента всего за пятую часть его цены, а Luna превзошла предыдущее поколение, потратив десятую долю.

Отдельное внимание уделено честности. В тесте на склонность к обману при программировании доля ложных утверждений у новой модели снизилась с десяти с лишним процентов до одного и трёх десятых.

В ситуации, когда поисковый инструмент выходит из строя, предыдущая версия предпочитала молчать о проблеме в семидесяти семи с половиной процентах случаев, тогда как новая — лишь в четырёх и девяти десятых.

Luna тоже показала заметное улучшение. Разработчики отмечают, что модели стали заметно лаконичнее: они отказались от многословия, наукообразных терминов и назидательного тона, отвечают короче, но по существу.

Первые независимые испытания уже появились. В одном из них четырём новым моделям предложили сгенерировать стартовую площадку для ракеты. Luna справилась за шестьдесят пять секунд и одну сотую доллара. Sol потратил одиннадцать центов и минуту.

Конкурирующие модели обошлись в двадцать девять центов и почти полтора доллара, а время работы составило одиннадцать и двенадцать минут соответственно. В другом тесте модели управляли марсианской колонией: утечка кислорода, пожар в аккумуляторной, песчаная буря и полное отключение энергии, а в распоряжении лишь три ремонтных ровера.

Обе системы, несмотря на разные стратегии, сумели сохранить жизнь ста колонистам без вмешательства человека. Ещё один разработчик, получив лишь трейлер игры, заставил Sol создать играбельную версию в стиле классической приключенческой саги.

Обе модели уже доступны. В чат-платформе они распространяются на всех платных пользователей, включая корпоративные и образовательные тарифы. В среде для разработчиков кода обе модели также запущены, а бесплатные пользователи могут опробовать Luna в настольном приложении.

Интерфейс программирования открыт под именами gpt-6-sol и gpt-6-luna. Ночь действительно выдалась напряжённой, и разработчикам явно не до сна.