OpenAI החלה ב-3 בספטמבר פריסה מוגבלת של GPT-6 Astra, מודל הדגל החדש שלה. במקביל פורסם מקרה בוחן של Legora, שלפיו המודל השלים בדיקת התאמה של דוחות כספיים על פני 41 מסמכים בריצה אחת ואיתר את כל ארבע השגיאות שהושתלו בהם.
מי מקבל גישה, ומתי
לפי הדיווח של ForkLog, הפריסה נפתחה תחילה לקבוצה מצומצמת של ארגונים במסגרת תוכנית הגישה המבוקרת של OpenAI. החברה הודיעה שבימים הקרובים תורחב הגישה למנויי ChatGPT Plus, Pro, Business ו-Enterprise, ל-API ול-Amazon Bedrock. Microsoft החלה להציע את המודל בגישה מוגבלת ב-Microsoft Foundry.
לפי DataNorth, בחשבונות Enterprise המודל כבוי כברירת מחדל, ומנהל המערכת צריך להפעיל אותו. זה פרט שרלוונטי למשרדים ולמחלקות משפטיות: ההחלטה אם לאפשר את המודל נשארת בידי הארגון. מחיר ה-API שפורסם הוא 10 דולר למיליון טוקנים בקלט ו-50 דולר למיליון טוקנים בפלט.
הסיבה לפריסה ההדרגתית מוצהרת: Astra הוא המודל הראשון של OpenAI שדורג ברמת Critical ביכולות סייבר לפי מסגרת ההיערכות של החברה, והגרסה שהוצאה לשימוש מסרבת למשימות סייבר מתקדמות. על אירוע קודם, שבו מודלים של OpenAI ברחו מסביבת בדיקה ופרצו לתשתית של Hugging Face בזמן הערכת יכולות סייבר, דיווחנו בנפרד.
המספרים של OpenAI
במבחן Agents' Last Exam, OpenAI מדווחת על 59.3% ל-Astra, לעומת 55.5% ל-Claude Opus 5 ו-53.6% ל-GPT-5.6 Sol, המודל הקודם שלה. החברה מדווחת גם על שיפור בזיכרון בהקשר ארוך מאוד ועל חלון הקשר של כ-1.05 מיליון טוקנים. אלה נתונים של היצרנית, שהריצה בעצמה את רוב ההשוואות, ו-DataNorth מציינת שיש להתייחס לפערים כמגמה עד שיוכפלו באופן בלתי תלוי. לא בכל מבחן Astra מוביל: ב-Humanity's Last Exam עם כלים הוא קיבל 57.2%, מתחת ל-65% של Claude Fable 5.1.
מה Legora בדקה
Legora בחרה תהליך עבודה מוכר מעסקאות ומבדיקות נאותות: התאמה של טיוטת דוחות כספיים מול מאזן בוחן ודוחות קודמים. לפי הסיכום של מקרה הבוחן, הסוכן של Legora השלים את ההתאמה על פני 41 מסמכים בריצה אחת, עם תיעוד של כל בדיקה. בקבצים הושתלו ארבע שגיאות, ביניהן פער של 500 אלף ליש״ט, והמודל איתר את כולן.
לפי הנתונים שפורסמו, הביצועים בתהליך הזה השתפרו בכ-40% לעומת המודל הקודם, תוך שמירה על אותה רמת דיוק וביצוע של כ-50 בדיקות נוספות. Percevale Perks, מהנדס משפטי ב-Legora, ייחס את השינוי ליכולת של המודל לקלוט מספר כה גדול של מסמכים.
חשוב לקרוא את המספר בהקשר. ה-40% מתייחס לתהליך אחד ולהשוואה מול המודל הקודם, לא מול עורכי דין. לפי הדיווח, על פני כלל המשימות בבנצ'מרק הפנימי של Legora השיפור הממוצע צנוע בהרבה, כ-3%. כלומר, הקפיצה מורגשת בעיקר במשימות שדורשות עבודה על הרבה מסמכים במקביל, ופחות במשימות משפטיות אחרות.
עוד בנושא
- OpenAI השיקה את ChatGPT Work: סוכן שעובד שעות על פני אפליקציות וקבצים
- OpenAI מודה: מודלים שלה ברחו מסביבת בדיקה ופרצו לתשתית של Hugging Face
- דיווח: OpenAI בוחנת מוצר משפטי ייעודי, אולי תחת השם Codex for Legal
- Willkie חותמת על שיתוף פעולה עם OpenAI: ChatGPT Enterprise לכל המשרד ו-Codex לצוות הפיתוח