- BrainTools - https://www.braintools.ru -

GPT-6.2 Astra и Sol разобрали 16 заявок на мерч к GTA VI. На Astra тот же JSON стоил вчетверо дороже

GPT-6.2 Astra и Sol разобрали 16 заявок на мерч к GTA VI. На Astra тот же JSON стоил вчетверо дороже - 1

В шапке заявки написано «GTA 6: 19.11». Ниже просят напечатать 40 футболок для участников и ещё 6 для команды. В карточке заказа должно появиться число 46. Первая шестёрка относится к игре, вторая к тиражу, а 19.11 стоит в названии чата. Вручную это разбирается за секунды. С автоматическим переносом в карточку интереснее: даже правильный JSON может содержать чужое число.

Rockstar выпустила GTA VI на PlayStation 5 и Xbox Series X|S 19 ноября. За два дня до этого OpenAI представила GPT-6.2 Astra и Sol в ChatGPT Work, Codex и API. Релиз игры дал тему для 16 вымышленных заявок на мерч. Моделям достались версии макетов, даты, номера заказов и правки тиражей вперемешку с названиями технологий печати. Анонс Rockstar [1] · Анонс OpenAI [2].

Обе новые модели вернули 16 точных ответов из 16, как и предыдущая GPT-6.1 Sol. За одинаковый результат Astra стоила ровно вчетверо дороже новой Sol. При сравнении моделей важен масштаб задачи: здесь каждый вызов разбирал одно короткое сообщение, а ответ содержал всего три поля.

По каким полям проверяли каждый ответ

Восемь заявок содержат согласованные заказы, ещё восемь проверяют правки, исключения и противоречия. В обоих наборах встречаются посторонние числа. Например, в согласованном заказе есть дата на принте, а в спорном имя файла gta6_90 подсказывает 90 раньше, чем клиент подтвердил тираж. Все сообщения составлены для теста, без клиентской переписки. У карточки три поля.

Поле

Что записываем

units

Число изделий, на которых надо сделать новое нанесение. При конфликте [3] или неутверждённом тираже ставится null.

method

DTF, вышивка или шелкография. Смешанный либо невыбранный способ даёт null.

decision

ready, когда определены оба поля, и review, когда хотя бы одно осталось пустым.

В одной заявке на мерч к GTA VI написано «100 футболок», а исчерпывающая разбивка по размерам даёт 20, 40 и 30. Если заполнить карточку числом 100, исчезнет конфликт с разбивкой. Если записать 90, модель молча исправит заказ. Эталон для этого случая оставляет тираж пустым и отправляет заявку на проверку.

JSON Schema ограничивает поля и допустимые значения. Валидация формы пропустит и 100, и 80: оба значения подходят под тип integer. Смысл проверялся сравнением всего объекта с эталоном. Удовлетворительный JSON с ошибкой [4] в одном поле считался промахом по всей заявке. Структурированный вывод в документации OpenAI API [5].

48 ответов и три счёта

Прогон сделан 20 ноября 2026 года через OpenRouter с маршрутом к OpenAI. Три модели получили одни и те же сообщения и строгую JSON Schema. Настройки для всех запросов одинаковые: reasoning.effort=low и лимит 512 выходных токенов. На пару «модель и заявка» делался один запрос, без повторов и без истории переписки. Провайдер вернул нужные идентификаторы моделей, ответ на каждом вызове завершился штатно. Кешированных входных токенов в этом прогоне было ноль.

Модель

Точные ответы

Вход / выход, токенов

Стоимость 16 ответов

Медиана запроса

GPT-6.1 Sol

16 из 16

4 671 / 347

$0,012812

1,73 с

GPT-6.2 Sol

16 из 16

4 895 / 347

$0,013260

1,57 с

GPT-6.2 Astra

16 из 16

4 895 / 347

$0,053040

2,31 с

У всех трёх моделей OpenRouter сообщил одинаковые 347 выходных токенов и ноль отдельно учтённых reasoning tokens. У GPT-6.2 Sol вход оказался на 224 токена длиннее, чем у GPT-6.1 Sol, хотя содержимое сообщений было одинаковым. По одному журналу API причину разницы определить нельзя. Медиана замерена на стороне клиента и включает сеть. Размер выборки годится для ориентира, а задержки под нагрузкой потребуют отдельного замера.

Ниже фрагмент на Python, который считает суммы по сохранённым записям. results-gta.json содержит ответ модели и счётчик usage для каждого запроса, а поле exact выставил скрипт после сравнения с эталоном.

import json
from decimal import Decimal
from pathlib import Path

rows = json.loads(Path("results-gta.json").read_text(encoding="utf-8"),
                  parse_float=Decimal)["results"]

for model in sorted({r["requested_model"] for r in rows}):
    calls = [r for r in rows if r["requested_model"] == model]
    total = sum(r["usage"]["cost"] for r in calls)
    print(model, sum(r["exact"] for r in calls), len(calls), total)

По стандартному тарифу OpenAI API миллион входных токенов Astra стоит $8, а миллион выходных стоит $40. Проверка вручную даёт ту же сумму, (4_895 × 8 + 347 × 40) / 1_000_000 = 0,053040 доллара. При том же среднем расходе 1 000 заявок стоили бы около $0,83 на GPT-6.2 Sol и $3,32 на Astra. В пересчёт входит только оплата вызовов модели. Стандартные тарифы для Astra и Sol [6].

Что происходит с четырьмя заявками на проверку

Во всех трёх прогонах на проверку ушли одни и те же четыре сообщения. Два раза клиент не определил тираж или указал противоречивые числа. В одном сообщении способ зависел от ещё не сделанной пробы, в другом в одном заказе было два утверждённых способа, а карточка допускала только один. Пустые поля здесь объяснимы исходными данными и устройством схемы. Чтобы обработать два способа в одной заявке, пришлось бы добавить в карточку отдельные позиции. Чтобы согласовать тираж, нужен ответ клиента.

Можно пересчитать, что случилось бы при автоматической передаче каждого review в Astra. По сохранённым ответам весь проход Sol стоил $0,013260. Четыре повторных вызова Astra добавили бы ещё $0,013240. В сумме получилось бы $0,026500, почти вдвое дороже одной Sol. Все четыре решения всё равно остались бы review. Это пересчёт по независимым запросам с исходным сообщением. Вариант, в котором Astra получает ещё и JSON первой модели для ревью, здесь не измерялся.

Для парсера из этого пилота полезнее хранить фрагмент сообщения, по которому заполнено поле, и отдельно перепроверять арифметику. Тогда разницу между обещанными 100 и суммой 90 можно показать оператору вместе с исходной разбивкой. Статус ready означает, что в тестовой схеме удалось заполнить два поля. Запуск тиража требует отдельной проверки макета, сроков и подтверждения заказа.

Чего этот пилот ещё не проверяет

На исходном наборе из 16 обычных заявок и правок без игровых отсылок все три модели тоже совпали с эталоном. Версия про GTA VI добавила даты, номера и названия файлов, сохранив те же ожидаемые поля. Это два небольших прогона по коротким синтетическим сообщениям, с одной попыткой на каждый запрос. Для решения о доплате за Astra стоит проверить переписку из нескольких веток, PDF с размерной ведомостью и заказ, который правили в разных каналах.

Для этого теста переход с GPT-6.1 Sol на 6.2 Sol не прибавил точных ответов и слегка поднял стоимость. Astra тоже не прибавила точности. Если менять модель в работающем разборе заявок, полезная контрольная выборка начинается с конкретных ошибок, которые уже пришлось исправлять руками. В отчёте стоит отдельно считать ложные ready: один такой ответ способен отправить неверный тираж дальше по цепочке, даже когда средняя точность выглядит благополучно.

Автор: IlyaAdonis

Источник [7]


Сайт-источник BrainTools: https://www.braintools.ru

Путь до страницы источника: https://www.braintools.ru/article/38883

URLs in this post:

[1] Анонс Rockstar: https://www.take2games.com/ir/news/rockstar-games-announces-grand-theft-auto-vi-now-available

[2] Анонс OpenAI: https://openai.com/index/introducing-gpt-6-2-astra-sol/

[3] конфликте: http://www.braintools.ru/article/7708

[4] ошибкой: http://www.braintools.ru/article/4192

[5] Структурированный вывод в документации OpenAI API: https://developers.openai.com/api/docs/guides/structured-outputs

[6] Стандартные тарифы для Astra и Sol: https://openai.com/index/introducing-gpt-6-2-astra-sol/#pricing-and-availability

[7] Источник: https://habr.com/ru/articles/1110426/?utm_source=habrahabr&utm_medium=rss&utm_campaign=1110426

www.BrainTools.ru

Rambler's Top100