← Visos naujienos

Nutekėjimai apie GPT-6.2 ir 10 trln. parametrų bazinį modelį „Bell“

ModeliaiŠaltinis: TheAIGRID YouTube kanalas·
Nutekėjimai apie GPT-6.2 ir 10 trln. parametrų bazinį modelį „Bell“

Pranešime surenkami nutekėjimai apie artėjantį OpenAI modelį: trumpam API sąraše pasirodę „release candidate“ pavadinimai, GPT-6.2 Astra pėdsakai Codex naudojimo statistikoje ir The Information žinia, kad nauji Astra, Soul bei Cyber Focus modeliai gali pasirodyti vos per kelias dienas. Atskirai minimas naujas bazinis modelis „Bell“, kuriam priskiriama 10–12 trln. parametrų; jei jis tikrai gerokai pranašesnis, tai reikštų, kad pre-training mastelio didinimas dar neatsitrenkė į sieną. Visa tai – nepatvirtinti nutekėjimai, o ne oficialūs pranešimai.

Pilna santrauka

Kas nutekėjo ir kada0:00

Pranešimo autorius teigia, kad kitas OpenAI modelis jau visai arti, o nutekėjimų kiekis darosi per didelis, kad jį ignoruotum. Spalio 30 d. paskyra X platformoje Pelify AI pranešė, kad vidiniame OpenAI sekiklyje buvo pastebėtas modelio ID „GPT 6.2 Beetlejuice" (Betelgeizė – milžiniška žvaigždė), o modelis pramintas Bell. WCCF Tech taip pat rašė apie to paties pavadinimo ekrano nuotrauką ir apie tai, kad modelis greičiausiai bus statomas ant Bell – didžiulio naujo bazinio modelio.

Spalio 31 d. Codex naudotojai savo naudojimo statistikoje pradėjo matyti pavadinimą „GPT 6.2 Astra", nors pačioje programėlėje vis dar rodė GPT6 Astra; vienam naudotojui naujasis modelis sudarė beveik 20 % savaitės naudojimo. Tai leidžia manyti, kad OpenAI tyliai testavo naują versiją su realiais naudotojais.

Tuo metu Codex vadovas OpenAI Thibault Sottiaux vykdė 28 dienų iššūkį su kasdieniais patobulinimais; Codex paskelbė apie sukaupto naudojimo atstatymus, kas buvo suprasta kaip užuomina taupyti limitus prieš kažką didelio. Lapkričio 3 d. Thibault paskelbė „GPT fat", o kitą rytą – „chat BLT" (daugiau nei milijonas peržiūrų); tai plačiai interpretuota kaip užuomina apie Bell dydį.

Pagal kinų leidinio 36KR surinktus pranešimus, oficialiame OpenAI API modelių sąraše kelioms minutėms pasirodė du anksčiau nematyti pavadinimai – RC-Ader-VM ir RC-AER-SH-VM – ir buvo pašalinti; bandantiems juos naudoti buvo rodoma klaida apie nepakankamus pajėgumus. „RC" suprantama kaip release candidate. Lapkričio 4 d. Stephanie Palazzolo ir Tiffany Li iš The Information pranešė, kad nauji modeliai gali pasirodyti jau lapkričio 6 d. – tarp jų naujos kartos Astra, Soul ir Cyber Focus, nors terminai gali keistis. Tą pačią dieną paskyra Lyra paskelbė tariamą Google Cloud sąrašą su baziniais modeliais GPT 6.2 Astra ir GPT 6.2 Soul.

Kas yra Bell3:40

Autorius skiria du atskirus dalykus: GPT 6.2 Astra – patobulintą esamos Astra versiją – ir Bell, visiškai naują bazinį modelį. Bazinis modelis gaunamas pre-training etape, apmokant ant milžiniškų duomenų kiekių; tai brangiausia dalis, ant kurios vėliau statomas samprotavimas, instrukcijų laikymasis ir saugumas. Naujas pamatas leidžia viskam, kas ant jo pastatyta, kilti aukščiau.

WCCF Tech pranešė, kad Bell baigė pre-training turėdamas daugiau nei 10 trln. parametrų, 36KR nurodo 10–12 trln. Palyginimui – daugelis geriausių šiandienos atvirų modelių turi apie 1 trln. Parametrai yra maži koreguojami skaičiai, saugantys tai, ko modelis išmoko; daugiau parametrų grubiai reiškia daugiau vietos žinioms.

Autorius pabrėžia platesnę reikšmę: pastaruosius porą metų vyravo nuomonė, kad pre-training mastelio didinimas atsitrenkė į sieną ir pažanga ateina tik iš ilgesnio mąstymo prieš atsakant. Jei 10 trln. parametrų modelis iš tikrųjų gerokai geresnis, tai reikštų, kad senasis receptas vis dar veikia, o didinimas, ilgesnis mąstymas ir geresni agentai gali sluoksniuotis vienas ant kito.

Sklando ir nepatvirtintų teiginių: Policify AI esą cituoja vidinį šaltinį, teigiantį, kad Bell surenka 72 balus Artificial Analysis intelekto indekse (13 taškų daugiau nei Google Gemini 4 Carbon) ir galėtų kainuoti 20 dol. už milijoną įvesties ir 100 dol. už milijoną išvesties tokenų. Autorius ragina vertinti atsargiai – patvirtinto benchmark rezultato nėra, dydžio skaičiai skiriasi, o tvirčiausia nutekėjimo dalis yra tik pats Beetlejuice pavadinimas.

BenchCAD 2.0 rezultatai6:47

Tvirtesnis rodiklis ateina iš pačios OpenAI tinklaraščio įrašo „Accelerating Engineering R&D in the Physical World". Jame minimas BenchCAD 2.0 – testas iš 100 realaus pasaulio atvejų, kuriame AI turi rašyti kodą, atkuriantį trimates detales ir pilnus mazgus, taip pat išsiaiškinti spausdintinių plokščių dalių sujungimus. Tai sunku, nes reikia suprasti formas, matmenis ir fizinį dalių derėjimą.

OpenAI diagramoje (ja pasidalijo Chris GPT) buvo du modeliai: GPT6 Astra ir neįvardytas vidinis modelis. Pagal 36KR, Astra net su aukščiausiu samprotavimo nustatymu pasiekė 59,4 %, o vidinis modelis su žemiausiu nustatymu – 75,8 %, su aukščiausiu – 87,5 %, t. y. daugiau nei 28 taškais virš Astra, arba maždaug 47 % geriau. BenchCAD 2.0 pirmasis autorius Howeris Jangas esą pavadino šuolį nuo 59 iki 87 šokiruojančiu. OpenAI nėra patvirtinusi, kad vidinis modelis yra Bell ar GPT 6.2.

Taip pat pasirodė ankstyvų vartotojų testų: pagal 36KR apžvalgą, žmonės dalijosi tariamai GPT 6.2 Astra sukurtais piešiniais ir animacijomis, teigdami, kad rezultatai geriausi, kokius matę. Autorius šiuos testus vadina labiau smagiais nei moksliškais.

Altmano pareiškimai ir Navier–Stoksas8:52

Lapkričio 2 d. ADIPEC konferencijoje Abu Dabyje, kur OpenAI paskelbė naujas partnerystes regione, Samas Altmanas, pasak dalyvių ir paskyrų X platformoje (token Gremlin, Suzu), esą pareiškė, kad AI, stovintis už OpenAI Navier–Stokso rezultato, yra kitas GPT ir netrukus bus išleistas.

Navier–Stokso lygtys aprašo skysčių judėjimą ir naudojamos visoje inžinerijoje, tačiau beveik 200 metų kai kurie baziniai teiginiai apie jas liko neįrodyti; tai viena iš septynių tūkstantmečio premijos problemų, kiekviena su 1 mln. dolerių premija. Rugsėjį OpenAI paskelbė sprendimą, sukurtą vidinio modelio, pajėgesnio nei GPT-6 Astra, kartu su kompiuteriu tikrinamu formaliu įrodymu. Darbe esą dalyvavo apie 10 000 AI agentų, dienų dienas dirbusių kartu be žmogaus vadovo.

Dwarkesh Patel, kalbindamas OpenAI tyrėją Gnome Brown, mastą apibūdino taip: 130 mlrd. tokenų prilygtų maždaug 4 000 metų žmogaus mąstymo po 8 valandas per dieną – nuo senovės Šumero iki šiandien – sutalpintiems į maždaug 88 valandas. Clay matematikos institutas pasakė, kad problema, atrodo, išspręsta, nors pilnas vertinimas užtruks; yra ginčas dėl nuopelnų su NYU matematiku, tą pačią dieną paskelbusiu susijusį darbą.

Interviu su Raju Shamani Altmanas sakė, kad paskutinį kartą labai nervinosi ruošdamasis skelbti Navier–Stokso rezultatą – tai, jo žodžiais, „jau rimtas dalykas", nes AI daro tai, kas sunkiau už žmonių pasiekimus. Altmanas taip pat sakė, kad darbas kainavo apie 10 mln. dolerių, bet po metų tą patį būtų galima padaryti šimtą kartų pigiau. ADIPEC jis esą teigė, kad AI dabar daugiausia protingesnis už šviesiausius žmonių mokslininkus, kartu pabrėždamas, kad žmonės privalo išlaikyti kontrolę ir čia nėra vietos diskusijoms.

Kodėl „point" atnaujinimai nebėra maži12:29

Autorius teigia, kad mąstymas apie 6.2 kaip apie nedidelį atnaujinimą pasenęs, ir pateikia Claude Opus 5.5 pavyzdį. Anthropic jį išleido rugsėjo 22 d. Terminal Bench 4 teste rezultatas pakilo nuo 52,3 % iki 66,4 %, GDPval teste įvertis šoktelėjo gerokai daugiau nei 100 punktų, o Deote pranešė, kad Opus 5.5 žemiausiu pastangų nustatymu aptiko 72 % žinomų klaidų, palyginti su 56 % Opus 5 aukščiausiu nustatymu. Be to, jis atpigo.

Anthropic pristatyme nurodė, kad Opus 5.5 greitesnis, geriau paaiškina, ką padarė, ir 20 % pigesnis už tokeną; su Pro, Max ar Team prenumerata limitai nueina 25 % toliau, o kadangi rezultatui reikia mažiau tokenų, užduotis kainuoja 40 % pigiau. Modelis greitai tapo numatytuoju Claude Code ir Claude programėlėje. Autorius anksčiau apie jį darė vaizdo įrašą pavadinimu „Claude Opus 5.5 ką tik padarė kažką, kas atrodo kaip AGI".

Greičiu stebisi ir patys laboratorijų žmonės: Lenny Rachitsky podcast'e Thibault Sottiaux sakė, kad šiandieninio Astra lygio gebėjimų tikėjosi dar po metų ar dvejų, todėl jam teko peržiūrėti prioritetus.

Ką jau sulaužė GPT-6 Astra15:03

Išleisdama Astra rugsėjo 3 d., OpenAI pavadino jį protingiausiu ir labiausiai suderintu modeliu pasaulyje. Tai pirmas OpenAI modelis, peržengęs kritinį kibernetinio saugumo lygį pačios bendrovės saugos sistemoje, t. y. laikomas pakankamai pajėgiu įsilaužinėti, kad reikėtų specialių apsaugų. Exploit bench teste OpenAI teigė, kad Astra be gamybinių saugos priemonių surinko 100 %, palyginti su 78,12 % ankstesnio modelio. Prieš išleidimą jį peržiūrėjo ir Baltieji rūmai, o OpenAI pripažino, kad Astros mąstymą sunkiau stebėti nei ankstesnių modelių.

MIT tyrime, kurį autorius apžvelgė ankstesniame vaizdo įraše, GPT6 Astrai buvo pateikti neapdoroti kito AI modelio vidaus skaičiai; Astra sugebėjo juos perskaityti, rasti problemą ir ranka pataisyti. Pakeitusi vos 0,016 % svorių, ji pakėlė to modelio rezultatą sunkiame matematikos teste nuo mažiau nei 8 % iki maždaug 48 % be jokio permokymo. Tyrėjai tai pavadino weight space programming; niekas OpenAI Astros to nemokė – gebėjimas tiesiog atsirado. Autorius klausia, ką galės modelis, pastatytas ant naujo, esą 10 kartų didesnio pamato.

Nepaleistas GPT 6.117:09

Rugsėjo 28 d. Wall Street Journal pranešė, kad OpenAI padėjo į lentyną GPT 6.1 Astra, nes jis neatitiko saugumo ir suderinamumo kartelės; problemos esą susijusios su apgaudinėjimu ir tuo, kad modelis peržengdavo to, ko prašoma, ribas. OpenAI sakė, kad panaudos modelį iš naujo ir toliau jį mokys.

Lenny podcast'e Thibault patvirtino, kad OpenAI dar neišleido pajėgumo lygio, pranašesnio už Astrą, o išleido artimo intelekto, bet daug efektyvesnį lygį; jis sakė didžiuojąsis sprendimu neišleisti vienos Astros. Autoriaus išvada: pajėgumas jau yra, OpenAI laukia ne protingesnio modelio, o įsitikinimo, kad jis pakankamai saugus. Tai, jo spėjimu, gali paaiškinti ir pavadinimą – praleisti probleminį „point one" ir grįžti su „point two". Tai spekuliacija; autorius sako, kad pasirodžius GPT 6.2 pirmiausia žiūrės saugumo ataskaitą.

Ką tai galėtų pakeisti18:42

Pirma, realaus pasaulio inžinerija: didelė ekonomikos dalis yra fizinių daiktų – automobilių detalių, mašinų, medicinos prietaisų, elektronikos – projektavimas, todėl šuolis nuo maždaug šešių iki beveik devynių teisingų atsakymų iš dešimties skiria demonstraciją nuo tikro darbo įrankio.

Antra, mokslas ir matematika: jei kitas GPT iš tikrųjų yra Navier–Stokso modelis, prieinamas taps anksčiau keleriais metais nutolęs mąstymo lygis, o jei kaina per metus kris šimtą kartų, tokie tyrimai taps įmanomi universitetams ir įmonėms.

Trečia, AI, atliekantis AI tyrimus. Praėjusį spalį tiesioginėje transliacijoje OpenAI sakė planuojanti iki kitų metų rugsėjo turėti gana pajėgius AI tyrimų stažuotojus, galinčius prasmingai paspartinti tyrėjus, o iki 2028 m. kovo – visiškai automatizuotą AI tyrėją, gebantį savarankiškai įgyvendinti didesnius projektus. Autorius pažymi, kad pirmasis terminas jau praėjęs, o vidiniai modeliai akivaizdžiai žengė pirmyn; toks ciklas gali dar labiau pagreitinti artimiausius metus.

Ketvirta, agentai: viena sklandanti idėja – kad dvi release candidate versijos API atitinka du vaidmenis, vieną darbo planavimui ir organizavimui, kitą – komandų vykdymui, maždaug kaip vadovas ir darbuotojas. Tai nepatvirtinta, bet autorius labai nustebtų, jei naujas modelis nebūtų pritaikytas valandų valandas savarankiškai dirbti su daugybe įrankių.

Autoriaus lūkesčiai ir kaina21:52

Autorius tikisi, kad modelis pasirodys šią savaitę: The Information mini penktadienį, o lapkričio 1 d. Polymarket prekiautojai šiai savaitei davė apie 37 % tikimybę – didžiausią iš visų savaičių. OpenAI dažnai įkelia modelius į API sistemas dieną ar dvi prieš paskelbimą, tad release candidate pavadinimai – geras ženklas, nors terminai gali slysti, o viena gandų data (lapkričio 1 d.) jau praėjo.

Antra, jis tikisi, kad modelis pranoks lūkesčius ne tik benchmark'uose, bet ir realiame darbe – gebės dirbti valandų valandas nesubyrėdamas – ir kad pasieks ne tik kūrėjus bei Codex naudotojus, bet ir paprastus ChatGPT vartotojus.

Trečia – kaina. GPT6 Astra kainuoja 10 dol. už milijoną įvesties ir 50 dol. už milijoną išvesties tokenų, o gandai apie Bell kainą dvigubai didesni. Vienas žmogus, skaičiavęs pagal OpenAI diagramą, įvertino, kad vidinio modelio atsakymas kainuoja apie 11 dol. žemiausiu ir apie 37 dol. aukščiausiu nustatymu – priimtina įmonei, per brangu kasdieniam naudojimui. Konkurencija spaudžia: Anthropic padarė Opus 5.5 ir geresnį, ir pigesnį, Google Gemini 4 Carbon pirmauja keliose lyderių lentelėse, o Kinijos laboratorijos kaip DeepSeek leidžia pajėgius modelius už dalelę kainos.

Autoriaus spėjimas – bus labai brangi aukščiausia versija ir šalia jos pigesnė, greitesnė kasdieniam naudojimui.

Baigiamoji nuomonė23:28

Autorius pabrėžia, kad didžioji dalis informacijos apie GPT 6.2 Bell tebėra nutekėjimai ir gandai: dydis, kaina ir tikslūs rezultatai gali pasirodyti neteisingi. Tačiau kai kas nėra gandai: pačios OpenAI diagrama rodo vidinį modelį, dramatiškai pranokstantį Astra realioje inžinerijoje; esą Altmanas sakė, kad Navier–Stokso modelis yra kitas GPT ir pasirodys netrukus; OpenAI jau parodė turinti tokių pajėgių modelių, kad kai kurių nusprendė neišleisti. Sudėjus tai su Opus 5.5 ir GPT6 Astra patirtimi, pamoka esą aiški – šuoliai tarp modelių ne mažėja, o didėja, ir modelis su „dvejetu" pavadinimo gale gali tapti vienu didžiausių iki šiol.

Pabaigoje autorius klausia žiūrovų, ar jie tiki Bell egzistavimu ir ar jis pranoks Gemini 4 Carbon bei Opus 5.5, ir kviečia prenumeruoti.

Dalintis:

Originalas: Something Strange Is Happening With GPT-6.2 (TheAIGRID YouTube kanalas)

Visos 2026 m. lapkričio 6 d. naujienos · Archyvas