GPT-6.2 Astra и Sol стали отвечать короче, но уступили Claude по прозрачности в тесте

GPT-6.2 Astra и Sol стали отвечать короче, но уступили Claude по прозрачности в тесте

Изображение: OpenAI

GPT-6.2 Astra и Sol от OpenAI отвечают короче предшественников и чаще сразу переходят к сути. При этом в AA-PersonalityBench — тесте Artificial Analysis на стиль общения моделей — обе модели получили заметно более низкие оценки за готовность признавать неуверенность, а по индексу прозрачности уступили моделям Claude от Anthropic.

Средняя длина ответа Astra сократилась на 40% — с 352 до 210 слов, а Sol — на 34%, с 337 до 223 слов. Обе модели стали реже использовать заголовки и тире, а их ответы звучат естественнее, чем у предшественников, по оценке ИИ-судей.

Сильнее всего снизились оценки за готовность признавать неуверенность: у Astra — с 96 до 24 баллов, у Sol — с 98 до 51. Баллы показывают, насколько заметна эта черта на фоне других моделей в тесте, а не долю ответов, в которых модель признаёт, что не уверена.

The Decoder сравнило максимальные версии четырёх моделей по результатам теста. По индексу прозрачности Claude Fable 5.2 и Opus 5.5 от Anthropic набрали 81 и 90 баллов, а Astra и Sol — 41 и 57 соответственно. Обе модели Claude также опередили GPT по индексу структуры ответов, а Opus 5.5 показала лучший результат среди четырёх моделей по информативности.

В тесте модели ответили на 900 вопросов на английском без системной инструкции. Три ИИ-судьи сравнивали обезличенные ответы попарно. Эти оценки описывают стиль общения: низкий балл за прозрачность сам по себе не означает, что модель чаще ошибается.

Сергей
Автор: Сергей
Пишу о кибербезопасности и информационных технологиях на простом и понятном языке
Комментарии:

Как мы обрабатываем данные: политика обработки персональных данных