«По сути, непригодные к использованию»: OpenAI представляет GPT-6.2 Astra и Sol, но опытные пользователи ИИ встречают новинки негативно
Во вторник OpenAI выпустила GPT‑6.2 Astra и GPT‑6.2 Sol. Обе модели показали новые высокие результаты в бенчмарках, а цена первой в рамках интерфейса программирования приложений (API) снизилась на 20%. Почему же новые модели подверглись резкой критике со стороны нескольких опытных пользователей ИИ, тестировавших их до запуска?
Инвестор и бывший генеральный директор HyperWrite AI Мэтт Шумер заявил, что не будет публиковать развёрнутый письменный обзор, как обычно делал для предыдущих флагманских моделей OpenAI. «По сути, модели оказались непригодны к использованию», — написал Шумер в публикации на X. Разработчик и YouTube-блогер Тео Браун также написал в X, что 6.2 Astra — «худшая модель из всех, что когда-либо выпускала OpenAI». Оба указали на недостатки модели при делегировании задач и выполнении творческой работы.
Профессор Уортонской школы бизнеса Итан Моллик получил неоднозначные впечатления от Astra. Модель создала в Blender и Unity космический лифт, которым можно было управлять, но Моллик назвал её работу «крайне неровной и странной» и отметил, что направлять её было сложнее, чем конкурирующие модели.
Теперь Astra стоит 8 долларов за миллион входных токенов без учёта кэша и 40 долларов за миллион выходных токенов, тогда как GPT‑6.2 Sol сохраняет тарифы предшественницы 6.1 Sol: 2 доллара за входные и 10 долларов за выходные токены.
Обе модели — проприетарные и размещены на серверах. Сейчас они доступны в ChatGPT Work и Codex пользователям тарифов Plus, Pro, Enterprise и Edu, а также через API OpenAI под названиями gpt-6.2-astra и gpt-6.2-sol.
OpenAI позиционирует Astra для таких задач, как внесение изменений в сложную кодовую базу, создание работающего веб-приложения или подготовка документа по шаблонам компании. Sol — более дешёвый вариант для повседневного программирования, написания текстов и многоэтапных рабочих процессов.
Релиз состоялся через восемь дней после того, как конкурирующая Anthropic, готовясь к выходу на биржу, выпустила получившие хорошие отзывы Claude Fable 5.2 и Mythos 5.2 — также по 8 и 40 долларов за миллион стандартных входных и выходных токенов. Неделей ранее Google открыла доступ к собственной хорошо принятой модели Gemini 4 Carbon по стартовым тарифам, равным тарифам Sol.
Иными словами, конкуренция обостряется, и для OpenAI сейчас, вероятно, один из худших моментов, чтобы дать осечку, особенно с учётом реакции на её новую флагманскую модель и модель среднего уровня.
Что ранние тестировщики говорят о письме, программировании и дизайне
Дэн Шиппер, генеральный директор издания о генеративном ИИ Every, сообщил, что его команда несколько недель тестировала обе модели. По его словам, Astra показала примерно такие же результаты, как предшественница, в большинстве тестов по программированию Every, но часто преждевременно прекращала работу над проектами от начала до конца. Стремление модели к краткости, отметил он, порой делало текст трудным для понимания или приводило к тому, что в нём не хватало необходимых пояснений.
Шиппер похвалил её исходные дизайнерские решения, но добавил, что результаты трудно разнообразить и что у модели заметен «собственный фирменный стиль». Это важно для команд, которым нужна модель, способная работать с разными брендами или адаптировать глубину объяснений для разных читателей.
В последующей публикации в X Браун рассказал, как он и другой тестировщик независимо друг от друга попросили Astra придумать новые уровни для разных игр — Outer Wilds и Majora’s Mask. Оба получили водные уровни, построенные вокруг музыки и колокольчиков и названные одинаково — «Bellwether». Эти два запуска показывают, насколько похожими могли быть решения Astra, даже когда проекты отличались.
В длинной публикации в X под заголовком «Почему я ненавижу GPT‑6.2 Astra» Браун высказал ещё больше претензий и пояснил, что это полный текст письма, которое он отправил OpenAI во время раннего тестирования.
Рассказывая об эксперименте по переписыванию компилятора TypeScript на Rust, Браун заявил, что Astra семь дней не могла добиться улучшения и в итоге выдала версию, работавшую на 56% медленнее, поскольку сосредоточилась на уменьшении её размера. Когда он переключил модель на повышение скорости, она, по его словам, ещё четыре дня не вносила никаких изменений.
Впрочем, Браун отметил, что Astra обнаружила проблемы, пропущенные другими моделями при проверке кода, и похвалил её возможности в 3D, разработке игр и управлении компьютером. Он также рассказал, что модель помогла ему разработать обратный прокси, который, как он ожидает, позволит экономить 25 000 долларов в месяц. Основная критика касалась того, как сложно было поддерживать темп Astra в долгих проектах и разбираться впоследствии, что именно она сделала.
По словам Брауна, OpenAI устранила несколько его замечаний до запуска, но для разработки он по-прежнему предпочитал Claude Opus 5.5.
Шумер, со своей стороны, рассказал, что поручил Astra работу в качестве субагента, а модели Claude, которые за ней наблюдали, переделали её результат.
Пользователь X, пишущий под именем Джейкоб, поддержал недовольство Шумера и предположил, что причина кроется в том, как OpenAI обучала модели себя вести.
По словам Моллика, его демонстрация космического лифта имитировала невесомость, однако он всё равно ловил себя на том, что обращается к другим моделям.
В комментарии в LinkedIn к публикации о демонстрации он назвал её первым после GPT‑4.5 выпуском передовой модели OpenAI, который не считает очевидным шагом вперёд, хотя и допустил, что 6.2 может отлично справляться с отдельными видами сложной работы. Публикации в день запуска отражают опыт конкретных тестировщиков и результаты на отдельных задачах.
Другие опытные пользователи ИИ, в частности технический директор Raindrop.ai Бен Хайлак и консультант по ИИ Эш Магалхес, высказались о GPT‑6.2 Astra более позитивно и похвалили её за анимированную графику, моушн-дизайн, визуальные эффекты и агентное редактирование видео с помощью ИИ.
Тем временем OpenAI сообщает, что многие её сотрудники уже используют Sol как модель по умолчанию для технических и других задач.
Сравнение Astra и Sol по ценам и доступу через API
По стандартным тарифам Astra обходится в четыре раза дороже Sol за одинаковое количество входных или выходных токенов. По обоим тарифам она стоит столько же, сколько Fable, хотя Anthropic берёт вдвое меньше, чем OpenAI, за чтение кэша для этих флагманских моделей.
|
Модель |
Входные ($/1 млн) |
Выходные ($/1 млн) |
Итого ($/1 млн) |
Источник |
|---|---|---|---|---|
|
Muse Spark 1.2 / 1.3 Contributor |
$0.10 |
$0.20 |
$0.30 |
|
|
MiMo-V2.6-Flash |
$0.14 |
$0.28 |
$0.42 |
|
|
GPT-6 Luna |
$0.10 |
$0.50 |
$0.60 |
|
|
Muse Ember — ≤200 тыс. входных токенов |
$0.10 |
$0.50 |
$0.60 |
|
|
Claude Haiku 5.5 — ≤100 тыс. токенов в запросе |
$0.10 |
$0.50 |
$0.60 |
|
|
DeepSeek-V4.1-Flash-1017 — непиковое время |
$0.15 |
$0.60 |
$0.75 |
|
|
MiniMax-M3.1-Flash |
$0.15 |
$0.60 |
$0.75 |
|
|
MiMo-V2.6-Pro |
$0.435 |
$0.87 |
$1.305 |
|
|
MiniMax-M3 |
$0.30 |
$1.20 |
$1.50 |
|
|
LongCat-2.0 — временное предложение |
$0.30 |
$1.20 |
$1.50 |
|
|
DeepSeek-V4.1-Flash-1017 — пиковое время |
$0.30 |
$1.20 |
$1.50 |
|
|
Muse Ember — >200 тыс. входных токенов |
$0.30 |
$1.50 |
$1.80 |
|
|
Claude Haiku 5.5 — >100 тыс. токенов в запросе |
$0.50 |
$2.50 |
$3.00 |
|
|
LongCat-2.0 — стандартный тариф |
$0.75 |
$2.95 |
$3.70 |
|
|
Gemini 3.8 Flash — до 31 декабря 2026 года |
$0.75 |
$3.75 |
$4.50 |
|
|
Muse Spark 1.1 / 1.2 / 1.3 |
$1.25 |
$4.25 |
$5.50 |
|
|
Muse Spark Open — бессерверный сервис Together AI |
$1.25 |
$4.25 |
$5.50 |
|
|
GLM-5.3 |
$1.40 |
$4.40 |
$5.80 |
|
|
Grok 4.7 — ≤200 тыс. токенов в запросе |
$2.00 |
$6.00 |
$8.00 |
|
|
Qwen3.8-Max |
$2.00 |
$6.00 |
$8.00 |
|
|
Gemini 3.8 Flash — с 1 января 2027 года |
$1.50 |
$7.50 |
$9.00 |
|
|
Gemini 4 Hydrogen |
$1.50 |
$7.50 |
$9.00 |
|
|
GPT-6 Sol — стандартный тариф, ≤272 тыс. входных токенов |
$2.00 |
$10.00 |
$12.00 |
|
|
GPT-6.2 Sol — стандартный тариф, ≤272 тыс. входных токенов |
$2.00 |
$10.00 |
$12.00 |
|
|
Claude Sonnet 5.5 |
$2.00 |
$10.00 |
$12.00 |
|
|
Gemini 4 Argon — стартовая цена |
$2.00 |
$10.00 |
$12.00 |
|
|
Kimi K3.1 Pro |
$2.00 |
$10.00 |
$12.00 |
|
|
Gemini 4 Carbon — объявленная стартовая цена |
$2.00 |
$10.00 |
$12.00 |
|
|
Grok 4.7 — >200 тыс. токенов в запросе |
$4.00 |
$12.00 |
$16.00 |
|
|
Grok 4.7 Fast (Cursor) — ≤256 тыс. входных токенов |
$4.00 |
$12.00 |
$16.00 |
|
|
GPT-5.4 |
$2.50 |
$15.00 |
$17.50 |
|
|
GPT-6 Sol — стандартный тариф, >272 тыс. входных токенов |
$4.00 |
$15.00 |
$19.00 |
|
|
GPT-6.2 Sol — стандартный тариф, >272 тыс. входных токенов |
$4.00 |
$15.00 |
$19.00 |
|
|
Claude Opus 5.5 |
$4.00 |
$20.00 |
$24.00 |
|
|
Grok 4.7 Fast (Cursor) — >256 тыс. входных токенов, до 500 тыс. |
$6.00 |
$18.00 |
$24.00 |
|
|
Gemini 4 Argon — цена после стартового периода |
$4.00 |
$20.00 |
$24.00 |
|
|
Muse Wonder 1.0 |
$4.00 |
$20.00 |
$24.00 |
|
|
Gemini 4 Carbon — цена после стартового периода |
$4.00 |
$20.00 |
$24.00 |
|
|
GPT-6 Sol — быстрый режим, ≤272 тыс. входных токенов |
$4.00 |
$20.00 |
$24.00 |
|
|
GPT-6.2 Sol — быстрый режим, ≤272 тыс. входных токенов |
$4.00 |
$20.00 |
$24.00 |
|
|
Sakana Fugu Ultra (≤272 тыс.) |
$5.00 |
$30.00 |
$35.00 |
|
|
GPT-6 Sol — быстрый режим, >272 тыс. входных токенов |
$8.00 |
$30.00 |
$38.00 |
|
|
GPT-6.2 Sol — быстрый режим, >272 тыс. входных токенов |
$8.00 |
$30.00 |
$38.00 |
|
|
Claude Opus 5.5 — быстрый режим |
$8.00 |
$40.00 |
$48.00 |
|
|
Claude Fable 5.2 / Claude Mythos 5.2 |
$8.00 |
$40.00 |
$48.00 |
|
|
GPT-6.2 Astra — стандартный тариф, ≤272 тыс. входных токенов |
$8.00 |
$40.00 |
$48.00 |
|
|
Claude Fable 5.1 / Claude Mythos 5.1 |
$10.00 |
$50.00 |
$60.00 |
|
|
GPT-6 Astra — стандартный тариф, ≤272 тыс. входных токенов |
$10.00 |
$50.00 |
$60.00 |
|
|
GPT-6.2 Astra — стандартный тариф, >272 тыс. входных токенов |
$16.00 |
$60.00 |
$76.00 |
|
|
GPT-6 Astra — стандартный тариф, >272 тыс. входных токенов |
$20.00 |
$75.00 |
$95.00 |
|
|
GPT-6.2 Astra — быстрый режим, ≤272 тыс. входных токенов |
$16.00 |
$80.00 |
$96.00 |
|
|
GPT-6 Cyber |
$20.00 |
$100.00 |
$120.00 |
|
|
GPT-6 Astra — быстрый режим, ≤272 тыс. входных токенов |
$20.00 |
$100.00 |
$120.00 |
|
|
GPT-6.2 Astra — быстрый режим, >272 тыс. входных токенов |
$32.00 |
$120.00 |
$152.00 |
|
|
GPT-6 Astra — быстрый режим, >272 тыс. входных токенов |
$40.00 |
$150.00 |
$190.00 |
GPT-6 и GPT-6.2 Sol стоят одинаково на каждом уровне Standard/Fast и для короткого и длинного контекста, тогда как GPT-6.2 Astra на базовом уровне на 20% дешевле GPT-6 Astra — 48 против 60 долларов в этой таблице. Экономия сохраняется и для длинного контекста и быстрого режима. OpenAI прямо указывает, что для старых моделей GPT-6 действует тот же множитель для контекста свыше 272 тыс. токенов и та же двукратная надбавка за быстрый режим.
Anthropic берёт 10 долларов за миллион токенов для создания пятиминутного кэша Fable и 16 долларов — для часового. OpenAI указывает цену 10 долларов за 30-минутный кэш Astra и 20 долларов за 12-часовой кэш при стандартном тарифе для короткого контекста.
В таблице цен Google для Carbon указано только неявное кэширование; токены рассуждений включены в тариф на выходные токены. С 1 декабря цена Carbon изменится: тарифы на входные и выходные токены сравняются с тарифами Sol и Sonnet, а не Opus.
Новые модели Astra и Sol имеют контекстное окно объёмом 1,05 млн токенов и поддерживают до 128 000 выходных токенов. Для запросов, в которых более 272 000 входных токенов, OpenAI удваивает тарифы на входные токены и кэш, а тариф на выходные токены увеличивает в 1,5 раза для всего запроса. В результате стандартный запрос к Astra с длинным контекстом стоит 16 долларов за миллион входных токенов без учёта кэша и 60 долларов за миллион выходных токенов. Этот порог важен для агентов, которые многократно отправляют модели большие репозитории или подборки документов.
В документации OpenAI указана скидка 50% на пакетную обработку и двукратный стандартный тариф для быстрого режима. Более быстрый уровень API Ultrafast изначально стоит втрое дороже стандартного тарифа для обеих моделей, а 1 марта 2027 года по тихоокеанскому времени цена вырастет в шесть раз. В ChatGPT Work и Codex подписчики Pro 500 получают Ultrafast для обеих моделей, а подписчики Pro 200 — для Sol. Рабочие пространства Enterprise и Edu, соответствующие требованиям, могут включить доступ через администратора.
Что показывают бенчмарки о прогрессе моделей
На девяти сравнительных диаграммах бенчмарков в публикации OpenAI о запуске GPT‑6.2 Astra превосходит GPT‑6 Astra во всех девяти тестах, а GPT‑6.2 Sol превосходит GPT‑6.1 Sol в восьми из девяти. Исключение — результат Sol в Vals Science Index.
В этих сравнениях используются лучшие показанные результаты каждой модели, поэтому настройки рассуждений в разных запусках могут различаться. Независимое тестирование в Codex также выявило отсутствие прогресса у Astra и ухудшение результата у Sol. OpenAI
Где результаты выросли, остались прежними или снизились
|
Бенчмарк |
Astra в сравнении с GPT‑6 Astra |
Sol в сравнении с GPT‑6.1 Sol |
|---|---|---|
|
Agents’ Last Exam — многоэтапные профессиональные задачи |
Выше, 78,3% против 73,1% |
Выше, 73,0% против 72,5% |
|
GDPval v2 — профессиональные результаты работы |
Выше, на 6,2 пункта |
Выше, на 5,3 пункта, по данным OpenAI |
|
Harvey LAB‑AA — юридические задачи, строгий процент прохождения |
Выше, 15,0% против 8,6% |
Выше, 11,1% против 6,9% |
|
Terminal‑Bench‑Science — исследовательские рабочие процессы |
Выше, 77,1% против 68,1% |
Выше, 68,0% против 57,0% |
|
Vals Science Index — научные рассуждения |
Выше, 68,4% против 65,1% |
Немного ниже, 58,5% против 59,6% |
|
FrontierCode 2.0 — изменения в реальных кодовых базах |
Выше, 44,2% против 42,8% |
Выше, 43,8% против 39,0% |
|
BenchCAD 2.1 Core — задачи САПР |
Выше, 82,5% против 62,6% |
Выше, 73,1% против 52,6% |
|
AutomationBench — бизнес-процессы |
Выше, 52,4% против 41,4% |
Выше, 41,2% против 36,1% |
|
LifeVal — повседневные задачи |
Выше, 86,1% против 79,8% |
Выше, 83,8% против 79,5% |
|
Artificial Analysis Coding Agent Index — Codex с максимальным уровнем усилий |
Без изменений |
Ниже, на 3 пункта индекса |
Первые девять строк основаны на материалах OpenAI о запуске. Последняя — результат независимого тестирования. Artificial Analysis связала значительную часть снижения результатов Sol в задачах для кодирующих агентов с падением на 14 пунктов в SWE‑Atlas‑QnA‑AA: отвечая на вопросы о кодовых базах, Sol чаще упускала ключевые факты. Таким образом, обе модели улучшили результаты в FrontierCode, однако более широкий тест Codex для кодирующих агентов показал отсутствие прогресса у Astra и снижение результата у Sol. OpenAI
Системная карта OpenAI также демонстрирует неоднозначные результаты. Обе модели улучшили показатели в тесте HealthBench Professional с поправкой на длину, но показали более низкие результаты в его исходной версии. OpenAI заявляет, что большинство результатов по выравниванию моделей были сопоставимы с GPT‑6 Astra. Обе новые модели реже предпринимали недопустимые действия в симуляции рабочих задач, но чаще не сообщали о препятствиях, помешавших им выполнить работу. Центр безопасности развёртывания OpenAI
GPT‑6.2 Astra — модель OpenAI с наивысшим результатом в рейтинге интеллекта Artificial Analysis: 62 пункта, на пять больше, чем у GPT‑6 Astra, и второе место в общем зачёте после Claude Fable 5.2.
Epoch AI оценивает Astra и Fable одинаково — в 174 пункта, тогда как GPT‑6 Astra набирает 169; диапазоны неопределённости результатов перекрываются. Собственный сводный показатель OpenAI также ставит новую Astra выше предшественницы: 170,1 против 168,4. В отдельных тестах рейтинг может быть иным. Например, специализированная конфигурация OpenAI Astra for Law набирает больше базовой Astra в Harvey LAB‑AA.
В Terminal‑Bench‑Science 0.1 — тесте из 70 исследовательских задач, выполняемых в терминале, — по данным OpenAI, новая Astra улучшила результат предшественницы на девять процентных пунктов, затрачивая менее трети её средств, и достигла примерно 77% на диаграмме в публикации о запуске.
Artificial Analysis измерила результат Fable на уровне 73,3% при максимальном уровне рассуждений в конфигурации mini-swe-agent. Anthropic сообщила о результате Fable 74,6% при использовании Claude Code, а Mythos — 75,3%. В опубликованных тестах результаты моделей близки, однако разные агентные программы и настройки не позволяют судить о значимости разрыва.
В юридических задачах OpenAI утверждает, что Astra более чем вдвое превзошла Fable по проценту прохождения Harvey LAB‑AA и обходится примерно в шесть раз дешевле. На диаграмме лучший результат Astra составляет около 15%. Бенчмарк засчитывает прохождение, только если работа соответствует всем критериям оценки и не содержит существенных галлюцинаций.
В отдельной конфигурации Astra for Law от OpenAI используются индекс юридического поиска и инструкции по исследованию, что позволяет добиться более высокого результата. Клиенты ChatGPT Enterprise могут запросить эту конфигурацию через программу OpenAI Trusted Access Program, в том числе для использования через API.
Google и Anthropic конкурируют в обоих ценовых сегментах
Anthropic позиционирует Opus 5.5 как универсальную модель для программирования и интеллектуальной работы, Fable — как модель для более сложных задач, а Sonnet — как более дешёвый вариант.
Таким образом, тариф Sol совпадает с тарифом Sonnet, а базовые тарифы на входные и выходные токены вдвое ниже, чем у Opus. Опциональный быстрый режим Fable удваивает стоимость входных и выходных токенов, предлагая командам иной баланс скорости и цены по сравнению с уровнем Ultrafast для Astra.
В линейке Google устроен аналогичный выбор, но в более узком ценовом диапазоне. Google называет Carbon своей моделью с наиболее глубокими рассуждениями и отмечает, что она использует больше токенов, чем Gemini 4 Argon, хотя тарифы у них одинаковы. Компания указывает на высокие результаты Carbon в CursorBench, WANDR и AutomationBench — бенчмарках по разработке ПО, веб-исследованиям и автоматизации рабочих процессов.
Gemini 4 Hydrogen стоит на 25% дешевле Sol за стандартный входной или выходной токен и предназначена для более быстрого выполнения задач. В рейтинге Agents’ Last Exam для Hydrogen указан результат 71,4% при использовании командного агента Antigravity. Это показывает, почему при выборе более дешёвых моделей важно учитывать и характер задач, и конфигурацию агента.
Для команд по безопасности действуют и разные правила доступа. OpenAI заявляет, что обе новые модели достигли критического порога в сфере кибербезопасности и поставляются с более строгими ограничениями, которые могут блокировать некоторые легитимные исследования уязвимостей. На момент запуска программа Daybreak по-прежнему направляет одобренных пользователей к GPT‑6 Astra или GPT‑6 Cyber для санкционированной работы в сфере безопасности.
Anthropic использует для Fable и Mythos одну и ту же базовую модель, а доступ к Mythos предоставляется через её программы проверки организациям, соответствующим требованиям для работы в области кибербезопасности и биологических наук. Для команд, которые оценивают эти модели для защитных задач, важны не только результаты бенчмарков, но и то, какую версию можно внедрить в рабочую среду и на какие запросы она будет отвечать.
Открытые веса меняют решение о развёртывании
Kimi K3.1 Pro от Moonshot позволяет запускать модель с загружаемыми весами на собственной инфраструктуре. В Agents’ Last Exam опубликованный запуск Kimi Code набрал 74,4% и успешно выполнил 43,4% задач. Всего у модели 2,8 трлн параметров, поэтому необходимая для её обслуживания инфраструктура существенно влияет на сравнение. Собственная лицензия Moonshot разрешает внутреннее использование и дообучение.
Для ряда коммерческих сценариев, в том числе для крупных компаний, предоставляющих модели как услугу, лицензия также устанавливает отдельные требования к соглашениям и указанию авторства. Компаниям, встраивающим Kimi в свои продукты, и бизнесам, предоставляющим к ней прямой доступ через API-инференс, следует сверить эти условия со своими планами развёртывания.
DeepSeek V4.1 Flash 1017 распространяется с весами по лицензии MIT и предлагает значительно более низкую цену за токены при размещении на серверах самой компании. В опубликованном запуске Agents’ Last Exam модель набрала 65,4% и успешно выполнила 36,1% задач с использованием OpenClaw. Для покупателей с узкоспециализированными рабочими нагрузками это всё же оставляет важный вопрос открытым.
Если модель проходит приемочные тесты для извлечения данных, сортировки или ограниченной задачи по программированию, разница в цене позволяет сделать гораздо больше запросов. При самостоятельном развертывании расходы переносятся на ускорители, инфраструктуру для обслуживания модели и специалистов, которые ею управляют. Использование API DeepSeek сохраняет оплату за токены и добавляет в цепочку обработки данных стороннего облачного провайдера.
При сравнении вариантов для закупки важно понять, сколько стоит получить результат, который бизнес действительно сможет использовать. Для агента, подготавливающего финансовую книгу, в расчет входят токены, запросы к данным, запуски, не прошедшие проверку, и время, которое аналитик тратит на исправление файла.
Для кодового агента добавляются выполнение тестов и проверка кода. Опыт Shipper показывает, что стоит учитывать, как часто кому-либо приходится снова отправлять агенту задачу по программированию, чтобы тот завершил первоначальное задание.
Демонстрация Mollick подсказывает, что стоит отслеживать, сколько раундов уточнений требуется для получения пригодного результата, даже если он впечатляет.
Запуск OpenAI снижает цену Astra и делает цену Sol еще более оправданной. Снизит ли та или другая модель стоимость готовой работы, зависит от того, как часто она справляется с задачей в нужном программном обеспечении, с предоставленными правами доступа и в соответствии с правилами проверки, уже действующими в компании.


