Ploy AI-ügynöke GPT-5.6 Solra váltott: 2,2-szer gyorsabb, 27%-kal olcsóbb

Működési különbségek a régi és az új modell között

A Ploy AI-ügynöke valós marketing weboldalakat épít és szerkeszt. Feladatai közé tartozik az oldal tervezése, a kód elemzése, komponensek írása, képek generálása és a munka befejezésének eldöntése. Ezt a komplex feladatot eddig az Anthropic Claude Opus 4.8 modellje végezte, de a GPT-5.6 Sol bizonyult hatékonyabbnak.

Technikai és műveleti változások

A migrálás során a Ploy mérnökei felfedezték, hogy a modell viselkedése szolgáltató-specifikus. Az értékelőrendszert (eval harness) és a tool-sémákat is módosítani kellett, mivel a GPT-5.6 Sol eltérő módon kezeli a párhuzamos hívásokat és a fájl-olvasási műveleteket, mint a Claude Opus. Az eredeti tesztek 3 nap alatt 52-64%-ban üres fájlokat olvastak be a GPT-5.6 Sol hibás működése miatt.

Kapcsolódó: GPT-5.5 kiemelkedő teljesítmény

A Ploy AI belső benchmarkja szerint az új GPT-5.6 Sol modell használatával egy weboldal elkészítési ideje 8 percről 3 perc 42 másodpercre csökkent, miközben a költség 3,06 dollárról 2,22 dollárra mérséklődött. A vizuális minőségi pontszám 0,936-ról 0,970-re emelkedett.

Kapcsolódó: GPT-5.5 ár és hallucináció

A GPT-5.6 Sol kevesebb, nagyjából feleannyi output tokent használ, mint a Claude Opus. Egy esetben a GPT-5.6 Sol által generált globális CSS fájl 2508 karakteres volt, míg a Claude Opus 17957 karaktereset állított elő, hasonló vagy jobb renderelt oldallal.

Kapcsolódó: GPT-5.4 megbízhatósága

A Ploy AI tapasztalatai alapján a GPT-5.6 Sol tiszta, modern, szigorúan rácsozott elrendezéseket készít, de ha nem irányítják megfelelően, hajlamos uniformizált, generikus kinézetet produkálni. A cég mérnökei és dizájnerei dolgoznak azon, hogy a modellből kihozzák a világklasszis márka-megfelelőséget.

Kapcsolódó: GPT-5 előnyei a GPT-4 ellen