Anthropic'in halka arzı öncesi GPT-6.2 ilk eleştirileri aldı



Özet


OpenAI, zorlu projeler için Astra ve günlük işler için Sol olmak üzere iki yeni modeli tanıttı ancak lansman süreci yoğun eleştirilerle karşılaştı. Bağımsız kıyaslamalarda Astra'nın genel zeka endeksinde artış göstermesine rağmen kodlama performansının yatay seyrettiği veya gerilediği görülürken, Sol modeli daha düşük maliyetle benzer bir genel performans sundu. Buna karşılık Astra, bilimsel iş akışları ve hukuk alanındaki testlerde liderliği ele alarak yapay zekanın kendini geliştirme kapasitesine dair yüksek eşikleri karşılayan ilk kamuya açık model olarak öne çıktı. Bu lansman, ana rakip Anthropic'in yeni modellerini duyurmasından hemen sonra gelmesi nedeniyle şirket için stratejik açıdan kritik bir an oluşturdu.




OpenAI, 17 Kasım'da GPT-6.2 Astra ve Sol modellerini tanıttı. Şirket, zorlu projeler için Astra'yı, günlük işler için ise Sol'u öne çıkardı. The Rundown'ın haberine göre lansman sert eleştirilerle karşılaşsa da bağımsız kıyaslamalar performans artışlarını gösterdi.

VentureBeat, Dan Shipper ve Theo Browne'dan gelen eleştirileri aktardı; Browne bu modeli "OpenAI'nin yayınladığı en kötü model" olarak nitelendirdi. Diğer şikayetler kodlama kalitesi ve okunması zor yanıtlar üzerinde yoğunlaştı. Kullanıcıların ne kadarının bu görüşleri paylaştığı ise henüz net değil.

Daha iyi puanlar, dalgalı sonuçlar

Artificial Analysis'in lansman değerlendirmesinde Astra, Intelligence Index'te Claude Fable 5.2'nin gerisinde ama Gemini 4 Carbon'un önünde ikinci sırada yer alıyor. GPT-6 Astra'ya göre beş puanlık bir artış sağlıyor. Sol ise 57 puan alarak GPT-6 Astra ile eşit performansı gösteriyor; ancak kıyaslama yükünde maliyeti, o modelin yaklaşık yüzde 15'i seviyesinde.

Kodlama sonuçları daha zayıf. Codex en yüksek çaba moduna ayarlandığında Astra, değerlendiricinin Coding Agent Index'te GPT-6 Astra ile aynı performansı gösteriyor (yatay seyir). Sol ise GPT-6.1 Sol'a göre üç puan geride kalıyor.

Astra, Artificial Analysis'in bilimsel iş akışı testi ve AA-3D kıyaslamasında liderliği elinde tutuyor; ayrıca şirketin ilk AA-Robotics araştırma önizlemesinde de öne çıkıyor. OpenAI ayrıca Harvey'in hukuk kıyaslamasında da en yüksek performansı gösterdiğini bildiriyor.

OpenAI, Astra'nın yapay zekanın kendini geliştirme yeteneğine yönelik "Yüksek" eşiğini karşılayan ilk kamuya açık modeli olduğunu belirtiyor; bu eşik, modelin yapay zeka araştırmalarına yardımcı olma kapasitesine dair bir değerlendirme kriteri.

Neden Önemli?

İlk tepkiler olumsuzdu ve muhtemelen OpenAI'nin en büyük rakibinin planlanan halka arzından hemen önce beklediği durum değildi. Anthropic, 9 Kasım'da, yani OpenAI'nin lansmanından sekiz gün önce Claude Fable 5.2 ve Mythos 5.2'yi tanıttı. Bu modeller bu kadar taze iken, Astra'yı Intelligence Index'te ikinci sırada bırakan bir iyileştirme, OpenAI'nin Claude'u geçeceği beklentilerini karşılamaya yetmedi.

Geliştiriciler için kodlama sonuçlarının yatay seyretmesi, OpenAI'nin daha fazla kanıt sunması gerektiğini gösteriyor. Model değiştirmeyi düşünen ekipler, bu modellerin işleri bitirip bitirmediğini, net açıklama yapıp yapmadığını ve ne kadar müdahale gerektirdiğini test etmeli. Astra'nın bilim ve 3D alanlarındaki sonuçları, bu sektörlerdeki ekiplerin kendi projelerinde denemesi için bir neden sunuyor.

Sol'un daha düşük kıyaslama maliyeti, harcamalarına dikkat eden ekipler için değerlendirme yapmak adına geçerli bir gerekçe sağlıyor. Kendi işlerindeki tasarruf miktarı, yanıtların ne kadar kontrol ve düzeltme gerektirdiğine bağlı olacak. Daha ucuz bir model müşteriler için değerli olabilir ancak OpenAI'nin genel liderlik iddiasını belirsiz bırakabilir.

Profesyonel kullanıcılar, işler tıkandığında doğru raporlamaya ihtiyaç duyar. OpenAI, iki değerlendirmede engelleri bildirme başarısızlıklarının arttığını kabul ediyor ve eklenen Codex talimatlarının bu eksiklikleri önemli ölçüde azalttığını belirtiyor. Astra'yı değerlendiren ekiplerin, bitirilmemiş işleri ne kadar iyi işaretlediğini test etmesi gerekiyor.

Anthropic'in planlanan halka arzı, OpenAI üzerindeki baskıyı sürdürmesine yardımcı olabilir. AP'nin haberine göre arzın 19 Kasım'da gerçekleşmesi bekleniyor. Anthropic, 17 Kasım'daki başvurusunda hisse başına 74 dolar varsayımıyla, halka arz ve eşzamanlı özel yerleştirmeden toplamda 84,6 milyar dolar net gelir elde etmeyi tahmin etti. Ancak bu rakam, 18 Kasım itibarıyla henüz potansiyel olarak görünüyor. Planlanan harcama