Сможет ли GPT‑6.1 Sol конкурировать с Astra?
Выберите модель кода по результату, который нужно изучить. Механический объяснитель требует читаемых органов управления и чётких связей между частями. Аркадному гонщику нужен убедительный взгляд на происходящее, а также прогресс работы. Модель может хорошо выполнить одно и оставить другую с повторным проходом.
В этом руководстве используется пять завершённых проектов Mantis для создания оценки, которую можно повторять: механические часы, дрифтующий гоночный автомобиль, древесный храм, кинематограф в Blender и солнечная система. Оба GPT-6.1 Sol и GPT-6 Astra работали в Codex с высоким уровнем рассуждений. Показанные результаты — это завершённые сборки после тестирования и исправлений, а не нетронутые первоначальные ответы.
Рон предпочёл Astra в трёх раундах и Sol в двух. Это его оценка этих конкретных результатов. Используйте приведённые ниже конкретные сильные и слабые стороны для создания собственных проверок приемлемости, а не рассматривайте счёт 3–2 как общую эталонную оценку.
Перед началом: держите краткое описание и среду стабильными
Используйте один и тот же проектный бриф, требуемые ресурсы и критерии принятия для обеих моделей. Создайте для каждой отдельную рабочую копию, чтобы один запуск не наследовал исправления другого. Запишите модель, уровень рассуждений и конечную редакцию, которую вы оцениваете, а также любые дополнительные инструкции, которые вы предоставили.
В текущих интерфейсах Work и Codex выберите GPT-6.1 Sol из выбора модели, если он доступен для вашей учетной записи, затем выберите поддерживаемый уровень рассуждений. Доступность модели зависит от учетной записи и рабочего пространства. Руководство OpenAI по использованию также разделяет усилия по рассуждению и выбор модели и предупреждает, что более высокие усилия могут использовать больше квоты без гарантии лучшего результата. Это текущие настройки, проверенные 28 октября 2026 года.
Для сравнения с записанным тестом оставляйте высокий уровень рассуждений в обоих прогоне. Это не делает испытание полностью контролируемым: доступ к инструментам, попытки ремонта и сами задания по-прежнему влияют на результат. Сохраняйте эти подробности, а не только сообщайте о победителе.
Разделяйте функциональную проверку и визуальную оценку. Игра, которая завершает свой прогресс, и игра, у которой камера делает вождение приятным, отвечают на разные вопросы. Запишите оба аспекта в отчёт, если оба имеют значение.
Тестируйте механический объяснитель через его органы управления.
В отчёте по часам требуется четыре разных движения, работающие органы управления и взрыв-схема. Разбирая механизм, он должен продолжать тикать. Замедление механизма и приближение к спусковой системе должно облегчить отслеживание его цикла.
Начните с выполнения этих действий. Выберите каждое движение, управляйте элементами хронометра, изменяйте скорость и осматривайте взрывную схему. Статичное изображение привлекательных шестеренок не может подтвердить, что элементы управления работают или что движение остается видимым при разборке.
Затем оцените объяснение. Версия Сола предоставляет часам достаточно пространства, с латунными шестеренками на светлом фоне. Астра добавляет объяснение пути передачи мощности рядом с моделью, селектор компонентов и сгруппированные элементы управления. Обе версии демонстрируют четыре движения и работающий хронометр; Рон предпочитает Астру, потому что эти вспомогательные элементы делают механизм проще для понимания.
Механический контакт упрощён в обоих примерах. Рассматривайте их как интерактивные объяснения, а не инженерные симуляции. Если вашему читателю нужно точное физическое поведение, поместите это требование в отдельную валидационную задачу, вместо того чтобы делать выводы из убедительной анимации.
Укажите проблему в корректировочном задании: «Оставьте взорванный вид, но сделайте выбранный компонент и его роль читаемыми, не покрывая движущиеся части.» Это адаптированная инструкция для обзора, а не оригинальная подсказка сборки.
Протестируйте гонщик на прогресс и размещение камеры
В неоновой дрифтовой игре три трассы, разблокировки, время сохранения и призрак, который повторяет записанное вождение. Источник сообщает, что автоматические забеги завершали полный прогресс в обеих версиях. Это предоставляет функциональные доказательства, помимо скриншота стартовой дорожки.
Для вашего собственного проекта проверяйте прогресс отдельно от внешнего вида. Завершите заезд, проверьте разблокировку, подтвердите сохранённое время и воспроизведите привидение. Запишите, какие шаги были выполнены и что произошло. Если ваш агент только запускает игру, остальная часть теста остаётся открытой.
Визуальную разницу заметить проще. Сол подводит камеру поближе к машине на фоне большого заката, с голубыми краями и следами заноса. Астра отводит камеру назад, чтобы показать больше трассы. Такой широкий ракурс помогает игроку понять маршрут, но маленькая машина теряет значимость.
Sol выигрывает этот раунд по визуальной оценке Рона. Сделайте камеру частью критериев приемки. «Показать всю трассу» и «сделать машину быстрой и заметной» могут привести к разным решениям, даже если обе игры работают.
Проверьте архитектурный узел на объяснение и последовательность
Упражнение с деревянным храмом сочетает шаги строительства, маркировку компонентов, рентгеновский вид, обратное воспроизведение и ползунок, который старит дерево. Sol собирает зал, маркирует детали и дает читателю возможность видеть сквозь крышу. Компоновка Astra занимает больше экрана и дает выбранным компонентам больше места для объяснения.
Проработайте последовательность в обоих направлениях. Выберите отдельные компоненты и проверьте, остается ли объяснение связанным с видимой частью. Используйте контроль рентгена, чтобы осмотреть конструкцию крыши, затем измените ползунок возраста и убедитесь, что это влияет на соответствующий материал.
В запрашиваемом порядке сборки возникла проблема с опорой. Обе модели предложили временное леса, которые оператор одобрил до того, как они создали анимацию. Сохраните это вмешательство при отчетности о результате. Окончательная последовательность не была создана путем молчаливого игнорирования проблемы и не являлась независимо проверенным планом строительства.
Если модель выявляет проблему зависимости в вашем брифе, решите её прежде чем оценивать готовую анимацию. Зафиксируйте утверждённое изменение, чтобы другой оценщик знал, что система была просил показать. В этом сравнении Рон присуждает Астре очко за ясность подачи.
Протестируйте кинематографическую сцену, начиная с той же исходной сцены
Для раунда Blender пирамиды и окружение уже существуют. Задача состоит в том, чтобы улучшить внешний вид и создать 18-секундный ролик. Предоставление обеим моделям одной и той же сцены позволяет сосредоточиться на освещении, кадрировании и монтаже, а не на том, кто случайно сгенерировал другой исходный объект.
Sol делает три кадра. Astra делает два, с низким отверстием через тростник и более ярким общим изображением. Ron предпочитает тёплый камень Sol, тени и отражения в воде, потому что они придают сцене больше глубины. Яркость Astra делает плоский берег реки и простую сцену более заметными.
Обе версии имеют странный артефакт на самой левой пирамиде. Учитывайте этот дефект при оценке, даже если в целом вам больше нравится одно изображение. Сол также пришлось исправить небо и заново визуализировать открывающий кадр. Баллы присуждаются за конечный результат после этой работы, а не за безошибочный первый вариант.
Просмотрите экспортированную последовательность, а не только предварительный кадр. Проверьте её продолжительность, переходы между кадрами и видимые дефекты на протяжении всей сцены. Если агент исправляет открывающий кадр, проверьте новый экспорт и убедитесь, что в нём содержится исправленный кадр. Пересмотренный файл сцены и готовый фильм — это разные результаты.
Проверьте вид солнечной системы через масштаб и выбор объектов
Финальный проект включает выбор планеты, управление скоростью времени и навигацию между близким видом и более широкой системой. Сол заслуживает похвалы за внедрение изображений НАСА для Земли и Юпитера. Это выбор ресурсов в записанной сборке, а не доказательство того, что все физические свойства симуляции точны.
Сатурн является решающим визуальным примером. Сол ставит планету близко к камере с кольцами, тянущимися через весь вид. Астра придаёт кольцевым полосам более чёткий угол и уравновешивает планету с помощью своих настроек. Рон предпочитает композицию Астры и присуждает ей окончательный балл.
Для собственного теста выберите планету, измените скорость времени, отдалите и снова приблизьте вид. Проверьте, остаются ли элементы управления доступными и легко ли определить выбранный объект на каждом масштабе. Если предполагаемое использование образовательное, отдельно проверьте отображаемую информацию от визуального эффекта.
Держите запись о ремонте рядом с оценкой
Указывайте причину каждого предпочтения рядом с оценкой:
| Проект | Зафиксированное предпочтение | Что его выделяло |
|---|---|---|
| Механические часы | Astra | Объяснения и элементы управления сделали механизм легче изучаемым |
| Гонщик дрифта | Солнце | Камера крупным планом, закат и следы придали действию больше эффектности |
| Храм из дерева | Astra | Кадрирование и объяснения компонентов сделали структуру более понятной |
| Кинематограф на Blender | Солнце | Предпочтительное освещение и глубина после ремонта неба/отверстий |
| Солнечная система | Astra | Четкая композиция колец Сатурна рядом с элементами управления |
Это небольшой набор конкретных сборок, оцененных после итерации. Он не предоставляет оцененной стоимости за выполненное задание или общей надежности. Если для вас ключевую роль играет стоимость, фиксируйте использование и время обзора для вашего полного рабочего процесса, включая ремонты. Более дешевый первоначальный ответ все равно может потребовать дополнительной работы, прежде чем вы примете результат.
Источник также сообщает о значительном улучшении по сравнению с GPT-6 Sol в рабочем процессе агентного переписывания: старая модель вносила небольшие изменения при запросе полного переписывания, тогда как 6.1 Sol справлялась с тем же рабочим процессом гораздо лучше. Это наблюдение оператора, а не гарантия того, что каждый большой рефакторинг будет завершен. Определите ожидаемый объем и проверьте фактические изменения.
В этот момент Astra оставалась основным выбором команды. Возможная будущая доступность Sol в Dots была домыслами источника; не превращайте это в шаг настройки и не предполагаете, что модель доступна только потому, что она могла бы быть полезна там.
Публикуйте только после того, как выбранная сборка пройдет свои проверки
Источник включает платный сегмент Hostinger с отдельным примером прокручиваемого сайта в Токио. Он демонстрирует установку Hostinger Connector в Codex, подключение аккаунта хостинга через вход в браузере, а затем создание и загрузку сайта из беседы. Ссылка на скроллинг была существующим дизайном сайта, отдельным от пяти тестов моделей с оценкой.
Если вы используете этот маршрут развертывания, вам нужен соответствующий активный план Hostinger. Сам коннектор бесплатен для установки; текущий Страница Hostinger Connector направляет пользователей выбирать своего клиента и входить через браузер, а не вручную передавать API-ключи. Это необязательный путь хостинга, не обязательный для сравнения моделей.
Дайте агенту конкретную проверенную версию для публикации, затем откройте рабочий сайт и проверьте его важное взаимодействие. Одного сообщения о развертывании недостаточно, чтобы утверждать, что хронограф, прогресс гонщика или элементы управления планетой сохранились после релиза. Для последующего редактирования повторите соответствующие проверки после повторного развертывания.
Устраните неполадки сравнения, которое не дает вам ясного ответа.
Оба результата выглядят хорошо, но один использовать сложнее. Оцените задачу читателя отдельно от визуальной полировки. Примеры с часами и храмом показывают, почему объяснения, выбор компонентов и оформление могут определять результат.
Игра выглядит завершенной, но прогресс неясен. Протестируйте разблокировки, сохранённое состояние и поведение повторного воспроизведения. Сохраняйте неподтверждённые требования видимыми, а не присуждайте им зачёт только потому, что загрузился первый экран.
Модели дают разные исправления. Записывайте запросы на ремонт и решения оператора. Судите о готовых результатах честно и сохраняйте стоимость итерации при сравнении эффективности.
В предпочтительной версии сохраняется визуальный дефект. Сохраните это в отчёте и запросите целевое исправление. Победа в раунде не устраняет артефакт левой пирамиды.
Большое переписывание создаёт лишь небольшой патч. Сравните различие с запрошенным объёмом и явно потребуйте недостающие изменения. Лучший результат в одной предыдущей задаче не является причиной прекращать проверку следующей.
Для получения дополнительной информации о выборе моделей по практической работе изучите каталог моделей.