GPT-6.1 Sol masnachol wedi'i fesur
Yn ail yn sgorfwrdd estynedig CymraegBench â sgôr gyffredinol o 89.05.
Y ffeithiau
| Datblygwr | OpenAI |
|---|---|
| ID API | gpt-6.1-sol |
| Pris safonol | $2 / $10 y filiwn tocyn (mewnbwn/allbwn) |
| Cyd-destun | 1,050,000 o docynnau; hyd at 128,000 o docynnau allbwn |
| Cost y rhediad llawn | $1.17 |
Canlyniad CymraegBench
| Sgôr gyffredinol | Rhesymu Cymraeg | Cymraeg ymarferol | Cyfieithu BLEU |
|---|---|---|---|
| 89.05 | 88.11 | 90.00 | 72.16 |
Defnyddiwyd yr un sampl â'r modelau blaenllaw eraill: hyd at 100 o achosion o bob un o'r 19 o setiau craidd, ag hedyn 1 a reasoning_effort=low. Cwblhaodd y model bob un o'r 2,053 achos heb wrthodiad, allbwn annilys na gwall seilwaith.
GPT-6.1 Sol sydd yn ail: 1.08 pwynt y tu ôl i GPT-6 Astra ac 1.50 pwynt o flaen Claude Opus 5.5.
Archwiliad Iaith CCC
| Is-set | Sgôr |
|---|---|
| Cywiro ac esbonio | 92.42 |
| Priod-ddull | 96.88 |
| Termau | 96.88 |
| Crynhoi a dyfynnu | 92.68 |
| Cyfeiriadau | 89.69 |
| Cyfarwyddyd Cymraeg | 64.17 |
| Cyfarwyddyd Saesneg | 56.67 |
| Cymedr y saith is-set | 84.20 |
Cafodd GPT-6.1 Sol 96.88 am gywiro a 57.81 am esbonio. Yn y prawf cyfeiriadau, cafodd 100 am gyfeiriadau a pheidio â dyfeisio ffynhonnell, ond 65.63 am gynnwys yr ateb.
Sut cafodd y model ei brofi?
Profwyd y model drwy API Responses OpenAI gyda saith galwad ar yr un pryd. Gosodwyd nenfwd o 32,768 o docynnau i ganiatáu i'r rhesymu cudd orffen, a sgoriwyd yr ateb terfynol yn unig. Defnyddiodd y rhediad 248,950 o docynnau mewnbwn a 67,686 o docynnau allbwn; roedd 40,698 o'r tocynnau allbwn yn rhesymu cudd a 26,988 yn ateb gweladwy.
Lawrlwytho'r canlyniadau
- Crynodeb y sgôr (CSV)
- Sgoriau pob set (CSV)
- Dimensiynau Archwiliad Iaith CCC (CSV)
- Manylion y prawf (JSON)
Model: GPT-6.1 Sol · prawf cymraegbench-gpt-6-1-sol-v0.1 · 15 Hydref 2026.