YOLO'yu lisansla
Ultralytics Platform

Otomatik Etiketleme için GPT-6.2 Sol ve Astra: Benzer Puanlar, Farklı Güçlü Yönler

GPT-6.2 Sol ve Astra, 36 tespit veri kümesinde 0.551 ve 0.546 mAP50 puanı alıyor; ancak Sol'un 1.000 görüntü başına maliyeti $8.10, Astra'nınki ise $31.88. Hangisini kullanman gerektiğini öğren.

Glenn JocherGlenn Jocher11 dakikalık okuma
Yıldızlı bir gökyüzü önünde OpenAI GPT-6.2 Astra ve Sol lansman görseli; Ultralytics UL37 nesne tespiti puanları: Astra 0.546, Sol 0.551 mAP50

OpenAI, GPT-6.2 Astra ve GPT-6.2 Sol'u 17 Kasım 2026'da yayımladı; Astra'yı en yetenekli modeli, Sol'u ise günlük işler için tercih edilen modeli olarak tanımladı. Onlardan sınırlayıcı kutular çizmesini istediğimizde doğrulukları birbirine yakındı. Fiyatları ise öyle değildi.

Lansman gününde ikisini de 36 veri kümeli tespit kıyaslama testimizden geçirdik. GPT-6.2 Sol 0.551 mAP50, GPT-6.2 Astra ise 0.546 puan aldı ve VLM Lider Tablomuzda 50 model arasında sırasıyla dördüncü ve beşinci oldu. Sol bunu 1.000 görüntü başına $8.10 maliyetle yaptı. Astra'nın maliyeti $31.88'di; bu, neredeyse dört katı.

Her ikisi de artık Ultralytics Platform içinde otomatik etiketleme için OpenAI Sol ve Astra seçenekleri olarak GPT-6.1 Sol ve GPT-6 Astra'nın yerini aldı. Aşağıda modellerin karşılaştırmasını, her birinin öne çıktığı alanları, bir etiketleme grubunun maliyetini ve OpenAI'ın GPT-6.1 Terra modelinin hâlâ ne zaman daha iyi bir seçim olduğunu bulabilirsin.

GPT-6.2 Sol ve Astra, UL37'de yaklaşık 0.005 puan farkla sonuçlanıyor#

UL37, bir modelin kutularının insan etiketleriyle ne kadar örtüştüğünü 360 görüntüde ölçer: tıbbi taramalardan hava görüntülerine, perakende raflarından spor, belge ve devre kartlarına kadar 36 gerçek nesne tespiti veri kümesinin her birinden 10 görüntü. Her görüntü, Platform kullanıcılarının kullandığı üretim işlem hattından geçirilir; veri kümesinin kendi sınıf adları kullanılır ve SAM 3.1 her kutuyu iyileştirir. Dolayısıyla puanlar, modelin ham çıktısını değil, iyileştirilmiş üretim işlem hattını yansıtır. Yöntem kamuya açıktır.

GPT-6.2 SolGPT-6.2 AstraGPT-6.1 Terra
Sıralamadaki yeri#50 model arasında 4.#50 model arasında 5.#50 model arasında 2.
mAP500.5510.5460.560
mAP50-950.3460.3450.345
Kesinlik0.6230.6260.646
Duyarlılık0.6430.6250.613
Sağlayıcı maliyeti / 1.000 görüntü$8.10$31.88$4.36
Görüntü başına medyan süre3.4 s4.3 s5.1 s
Başarısız istekler0%0%0%

17 Kasım 2026'da güncellenen Ultralytics VLM Lider Tablosundan UL37 sonuçları.

Bu testte iki modelin doğruluğu birbirine yakın. Sıkı kutuları ödüllendiren mAP50-95 puanları arasında 0.001, kesinlik puanları arasında ise 0.003 fark var. Sol, etiketlenmiş nesnelerin biraz daha fazlasını buluyor: 0.643 duyarlılık puanı, lider tablodaki 50 model arasında en yüksek değer ve Gemini 4 Carbon'un 0.642 puanının hemen üzerinde. Ayrıca görüntü başına 3.4 saniyeyle ilk yedi modelin en hızlısı.

Otomatik etiketlemede en doğru sekiz modelin UL37 mAP50 puanlarını gösteren çubuk grafik; GPT-6.2 Sol 1.000 görüntü başına $8.10 maliyetle 0.551, GPT-6.2 Astra ise $31.88 maliyetle 0.546 puan alıyor

UL37'de en yüksek puanı alan sekiz model ve sağlayıcıların 1.000 görüntü başına maliyeti.

OpenAI, GPT-6.2'yi ne için geliştirdi#

OpenAI, iki modeli farklı işler için konumlandırıyor. Değişiklik günlüğünde GPT-6.2 Astra'yı "zorlu akıl yürütme ve kodlama görevleri", GPT-6.2 Sol'u ise "günlük kodlama ve ajan iş akışları" için öneriyor. Her ikisi de metin ve görüntü kabul edip metin döndürüyor ve Responses API ile Chat Completions üzerinden kullanılabiliyor.

Fiyatlar da bu ayrıma uyuyor. OpenAI'ın model sayfalarına göre GPT-6.2 Sol milyon girdi belirteci başına $2, milyon çıktı belirteci başına $10; GPT-6.2 Astra ise sırasıyla $8 ve $40 tutuyor. Astra'nın belirteç fiyatı Sol'unkinin tam dört katı.

Her ikisi de özel tespit modelleri değil, genel amaçlı modeller; bu yüzden bu görevde neler yapabildiklerini ölçtük. Platform, her iki modeli de OpenAI'ın varsayılan akıl yürütme yoğunluğuyla ve tüm OpenAI modellerine gönderdiği aynı kutu isteğiyle çağırıyor.

Astra daha fazla veri kümesinde kazanıyor; ortalamayı ise tek bir ultrason veri kümesi belirliyor#

Sol'un ortalamadaki liderliği, daha sık kazandığı anlamına gelmiyor. 36 veri kümesinde kafa kafaya karşılaştırıldıklarında Astra 17'sinde, Sol 15'inde daha yüksek puan alıyor; dört veri kümesinde berabere kalıyorlar.

Farkı tek bir veri kümesi açıklıyor. Her kutunun iyi huylu veya kötü huylu etiketi de taşıdığı TN5000 tiroid ultrasonu veri kümesinde Sol 0.995, Astra ise 0.769 puan alıyor. Bu tek sonuç, Sol'un ortalamasını yaklaşık 0.006 yükseltiyor. TN5000'i hesaba katmazsak ortalamalar Sol için 0.539, Astra için 0.540 oluyor.

Bu kıyaslama testinde doğrulukları birbirine o kadar yakın ki daha belirgin farklar alan ve maliyet.

GPT-6.2 Sol ve Astra'nın öne çıktığı alanlar#

Alanlara göre ortalama alındığında Astra, UL37'nin 12 alanından yedisinde; Sol dördünde önde, güvenlik X-ışınlarında ise berabere kalıyorlar.

GPT-6.2 Sol ve GPT-6.2 Astra'nın alanlara göre ortalama UL37 mAP50 puanlarını gösteren nokta grafiği: Sol yol, su altı, tıp ve doğa alanlarında; Astra hava görüntüleri, belgeler, perakende, insanlar, termal görüntüler, spor ve PCB alanlarında önde

Her alan bir ila sekiz veri kümesi içerir; her veri kümesinde 10 görüntü vardır.

GPT-6.2 Sol; tıbbi, yol ve doğa görüntülerinde daha güçlü. Sekiz veri kümeli tıp ortalaması 0.466; Astra'nınki 0.411. Bu farkta TN5000'in yanı sıra kolon poliplerini içeren Kvasir-SEG veri kümesindeki 0.805'e karşı 0.707'lik puan da etkili. GWHD veri kümesindeki buğday başaklarında Astra'nın 0.537 puanına karşı 0.684, CeyMo veri kümesindeki yol işaretlerinde ise Astra'nın 0.705 puanına karşı 0.843 alıyor.

GPT-6.2 Astra; hava görüntüleri, perakende, belge ve insan görüntülerinde daha güçlü. Beş veri kümeli hava görüntüleri ortalaması 0.550; Sol'unki 0.506. Bu farkta SSDD radar görüntülerindeki gemilerde Astra'nın 0.880'e karşı 0.749 puan alması etkili. RPC veri kümesindeki kasa ürünlerinde Sol'un 0.823 puanına karşı 0.978 alıyor; ayrıca KKD, çöp ve basketbol tespitinde de önde.

Veri kümesiAlanGPT-6.2 SolGPT-6.2 Astra
TN5000 tiroid ultrasonuTıp0.9950.769
GWHD buğday başaklarıDoğa / tarım0.6840.537
CeyMo yol işaretleriYollar / trafik0.8430.705
SoccerDBSpor0.7480.631
RPC perakende kasasıPerakende0.8230.978
Basketbol ve potaSpor0.7260.872
PlantDoc bitki hastalıklarıDoğa / tarım0.3020.447
SSDD SAR gemileriHava / uzaktan algılama0.7490.880

Her iki yöndeki en büyük dört fark, UL37 mAP50.

Her veri kümesi 10 görüntü içerdiğinden tek bir puan kesin hüküm değil, test etmen için bir işarettir. Büyük bir veri kümesini etiketlemeden önce GPT-6.2 Sol ve GPT-6.2 Astra model sayfalarını aç. Bu sayfalarda, beklenen etiketlerin yanında her modelin kaydedilmiş kutuları tüm kıyaslama veri kümelerinde yeniden görüntülenir.

Devre kartları dışında GPT-6.1 Sol ve GPT-6 Astra'dan büyük bir sıçrama#

Platform'da yerlerine geçtikleri modellerle karşılaştırıldığında ikisi de görüntü başına daha doğru, daha hızlı ve daha ucuz.

mAP501.000 görüntü başına maliyetGörüntü başına medyan süre
GPT-6.1 Sol0.514$10.3010.5 s
GPT-6.2 Sol0.551$8.103.4 sn
GPT-6 Astra0.525$49.3111.6 s
GPT-6.2 Astra0.546$31.884.3 sn

GPT-6.2 Sol, 23 veri kümesinde GPT-6.1 Sol'u geçiyor, 12'sinde geride kalıyor ve yaklaşık üç kat daha hızlı çalışıyor. Görüntü başına %21 daha düşük maliyeti, belirteç fiyatları değişmeden sağlıyor. GPT-6.2 Astra ise 24 veri kümesinde GPT-6 Astra'yı geçiyor, 11'inde geride kalıyor; görüntü başına maliyeti %35, belirteç fiyatları da daha düşük. OpenAI, GPT-6 Astra'nın milyon belirteç başına fiyatını $10 ve $50 olarak listeliyor.

OpenAI modellerinin sağlayıcı maliyetine karşı UL37 mAP50 puanlarını gösteren dağılım grafiği; oklar, GPT-6.1 Sol'dan GPT-6.2 Sol'a ve GPT-6 Astra'dan GPT-6.2 Astra'ya geçişte yukarı ve sola hareketi gösteriyor

Oklar, her GPT-6.2 modelini Ultralytics Platform'da yerini aldığı modelle karşılaştırıyor.

İstisna devre kartları. Çıplak kart kusurlarında DeepPCB veri kümesinde her iki GPT-6.2 modeli de 0.000 puan alıyor; GPT-6.1 Sol ise 0.393 almıştı. DsPCBSD+ yüzey kusurlarında Sol'un puanı 0.392'den 0.164'e düşüyor, Astra ise 0.216 alıyor. Güvenlik X-ışınlarında da sonuçlar zayıf: IEDXray veri kümesinde her ikisi de 0.05 alırken Gemini 4 Argon 0.30'a ulaşıyor. Verin PCB incelemesi veya güvenlik taraması içinse karar vermeden önce diğer modelleri bir örnek üzerinde test et.

GPT-6.1 Terra, UL37'de hâlâ OpenAI'ın en iyi etiketleme modeli#

Yeni modellerden hiçbiri GPT-6.1 Terra'yı geçemiyor; Terra, 1.000 görüntü başına $4.36 maliyetle 0.560 mAP50 puanı alarak lider tabloda ikinci sırada kalıyor. Terra ve GPT-6.2 Sol, 17'şer veri kümesinde kazanıyor ve iki veri kümesinde berabere kalıyor; aralarındaki fark dar. Terra, 0.646'ya karşı 0.623 puanla daha kesin ve maliyeti yaklaşık yarısı. Sol daha fazla nesne buluyor ve 5.1 saniyeye karşı 3.4 saniyeyle daha hızlı yanıt veriyor.

Lider tablonun tepesinde Gemini 4 Carbon, 1.000 görüntü başına $12.93 maliyetle 0.584 mAP50 puanıyla önde kalıyor. GPT-6.1 Terra sonuçlarımız ve Gemini 4 Carbon sonuçlarımız, bu modelleri ayrıntılı olarak ele alıyor.

GPT-6.2 ile bir etiketleme grubunun maliyeti#

Sağlayıcı maliyeti, OpenAI'ın bildirdiği belirteç kullanımına ve liste fiyatına göre hesaplanır; kendi görüntülerin daha fazla veya daha az belirteç kullanabilir. Batch Annotation, 1.000 görüntü başına $1.00 Platform işlem ücreti ekler; çalışma başına en az $0.01 ücret uygulanır.

1.000 görüntü başınaGPT-6.2 SolGPT-6.2 Astra
OpenAI ücretleri$8.10$31.88
Ultralytics Platform işlem ücreti$1.00$1.00
Toplam$9.10$32.88

Önce çalıştırdığın test tahminleri de dâhil olmak üzere OpenAI'a kendi API anahtarınla doğrudan ödeme yaparsın; Ultralytics belirteçlere ek ücret koymaz. 10.000 görüntülü bir veri kümesinin maliyeti Sol ile yaklaşık $91, Astra ile $329 olur.

Ultralytics Platform'da GPT-6.2 Sol veya Astra ile otomatik etiketleme nasıl yapılır#

GPT-6.2 Sol ve Astra, 1 ila 200 sınıflı tespit veri kümeleri için sınıf istemiyle yönlendirilen modellerdir. Veri kümenin kendi sınıf adları için sınırlayıcı kutular döndürürler; kaydetmeden önce bunları gözden geçirirsin.

  1. OpenAI API anahtarları sayfasında bir anahtar oluştur.
  2. Çalışma alanı sahibinden, veri kümenin bulunduğu Platform çalışma alanında Ayarlar > API Anahtarları altına anahtarı eklemesini iste. Ayrıntılar için sağlayıcı anahtarı belgelerine göz at.
  3. Etiketleme düzenleyicisinde Smart moduna geç ve model seçicisinde OpenAI altından GPT-6.2 Sol veya GPT-6.2 Astra'yı seç.
  4. Verini temsil eden birkaç görüntüde Tahmin Et düğmesine veya P koduna bas ve iki modeli aynı görüntülerde karşılaştır.
  5. Sonuçtan memnun kaldığında veri kümesi sayfasını aç ve etiketlenmemiş tüm görüntüleri etiketlemek için Diğer işlemler > Toplu Etiketleme seçeneğini belirle. Batch Annotation, en fazla üç görüntü kanalına sahip ve Platform'da barındırılan veri kümelerinde çalışır. Platform önce bir veri kümesi sürümü kaydeder; böylece önceki sürüme dönebilirsin.
  6. Kutuları gözden geçir, kaydet ve aynı çalışma alanında elde ettiğin sonuçla bir Ultralytics YOLO26 modeli eğit.

Etiketleme belgeleri, Smart modu ve Batch Annotation'ı ayrıntılı olarak açıklar; kesinlik ve duyarlılığa göre VLM seçme rehberimiz ise inceleme iş akışına uygun modeli seçmene yardımcı olur.

GPT-6.2 Sol, GPT-6.2 Astra veya GPT-6.1 Terra: Hangisini kullanmalısın?#

Şuna ihtiyacın varsa…Şununla başla:
En düşük maliyetli genel amaçlı bir OpenAI etiketleme modeliGPT-6.1 Terra: Üçü arasında en yüksek UL37 puanı, Sol'un yaklaşık yarı fiyatı
Hız veya en fazla nesneyi bulmaGPT-6.2 Sol: Görüntü başına 3.4 sn ve lider tablodaki en yüksek duyarlılık
Tıbbi, yol veya tarım görüntüleriGPT-6.2 Sol; ardından tıbbi verilerde Terra'yı kontrol et
Hava görüntüleri, perakende kasası, belge veya KKD görüntüleriVerilerindeki doğruluk avantajı Sol'un maliyetinin yaklaşık dört katını karşılıyorsa GPT-6.2 Astra
PCB kusurları veya güvenlik X-ışınlarıÖnce diğer modelleri test et; her iki GPT-6.2 modeli de burada UL37'de düşük puan alıyor

Çoğu etiketleme işi için iki yeni model arasında GPT-6.2 Sol daha iyi bir seçim: Astra'ya benzer UL37 puanını yaklaşık dörtte bir maliyetle sunuyor. Kendi görüntülerinde yaptığın test, alanında Astra'nın önde olduğunu gösteriyorsa Astra'yı seç.

Sık sorulan sorular

  • UL37 kıyaslama testimizde puanları birbirine yakın: GPT-6.2 Sol 0.551 mAP50, GPT-6.2 Astra ise 0.546 puan alıyor; Astra 17'ye karşı 15 veri kümesinde biraz daha fazla kazanıyor. Belirgin fark maliyet: OpenAI ücretleriyle Sol'un 1.000 görüntü başına maliyeti $8.10, Astra'nınki ise $31.88. Sol tıbbi, yol ve doğa görüntülerinde; Astra ise hava görüntüleri, perakende, belgeler ve insan görüntülerinde önde.

  • Evet. Her iki GPT-6.2 modeli de başarısız istek olmadan Ultralytics VLM Lider Tablosu'ndaki 50 model arasında ilk beşte yer alıyor. GPT-6.2 Sol, 0.643 puanla tablodaki en yüksek duyarlılığa sahip. Her iki model de devre kartı kusurları ve güvenlik X-ışınlarında zayıf.

  • Bildirilen belirteç kullanımı ve liste fiyatına göre OpenAI ücretleri, GPT-6.2 Sol ile yaklaşık $8.10, GPT-6.2 Astra ile $31.88 tutar. Ultralytics Platform, 1.000 görüntü başına $1.00 Batch Annotation ücreti ekler; toplam tutarlar yaklaşık $9.10 ve $32.88 olur.

  • UL37'de evet, küçük bir farkla. GPT-6.1 Terra, 1.000 görüntü başına $4.36 maliyetle 0.560 mAP50 puanı alıyor; ortalamada ve maliyet açısından her iki GPT-6.2 modelinden de önde. GPT-6.2 Sol, kazanılan veri kümesi sayısında Terra'yla berabere, ikisi de 17 veri kümesi kazanıyor; ayrıca Sol daha hızlı ve daha fazla nesne buluyor.

  • Ortalama olarak evet. GPT-6.2 Sol, 36 veri kümesinin 23'ünde GPT-6.1 Sol'u geçiyor; yaklaşık üç kat daha hızlı ve görüntü başına maliyeti %21 daha düşük. GPT-6.2 Astra, 24 veri kümesinde GPT-6 Astra'yı geçiyor ve maliyeti %35 daha düşük. Her iki eski model de devre kartı kusurlarında daha iyi sonuç verdi.

  • OpenAI API anahtarını Ayarlar > API Anahtarları altına ekle, ardından etiketleme düzenleyicisinin Smart modunda GPT-6.2 Sol veya GPT-6.2 Astra'yı seç. Birkaç görüntüde test et, sonra tüm veri kümesini etiketlemek için Batch Annotation'ı kullan; kutuları gözden geçir ve aynı çalışma alanında bir Ultralytics YOLO26 modeli eğit.

Yazan

Glenn Jocher
Glenn Jocher

Kurucu ve CEO · Ultralytics

Glenn Jocher, dünyanın en yaygın benimsenen bilgisayarlı görü modelleri olan Ultralytics YOLO'nun geliştirilmesine liderlik ettiği Ultralytics'in Kurucusu ve CEO'sudur. Çalışmaları yalnızca daha hızlı ve doğru modeller geliştirmekle ilgili değil; her yerdeki insanların Görsel Yapay Zekâ ile anlamlı sorunları çözmesini sağlamayı amaçlıyor.

Yorumlar

Soru sor, sonuçlarını paylaş veya başka birine yardım et.

Çözümleri keşfet

Sporda bilgisayarlı görü

Sporda bilgisayarlı görü

Ultralytics YOLO'nun oyuncu ve top takibi, performans analitiği, antrenörlük içgörüleri ve sporcu rehabilitasyonuyla spor alanında görsel yapay zekâyı nasıl güçlendirdiğini keşfet.
Daha fazla bilgi edin
Hava görüntüleri için bilgisayarlı görü

Hava görüntüleri için bilgisayarlı görü

İHA ve hava görüntülerini Ultralytics YOLO ile tarım, su ürünleri yetiştiriciliği, koruma çalışmaları ve jeo-uzamsal analiz için gerçek zamanlı içgörülere dönüştür.
Daha fazla bilgi edin
Havacılıkta bilgisayarlı görü

Havacılıkta bilgisayarlı görü

Uçak denetimi, pistteki yabancı madde tespiti, havaalanı yer operasyonları ve kompozit malzeme kusurlarının tespiti için Ultralytics YOLO ile havacılık ve uzay sektöründe bilgisayarlı görü uygula.
Daha fazla bilgi edin
Güvenlikte bilgisayarlı görü

Güvenlikte bilgisayarlı görü

Ultralytics YOLO modelleriyle her sahayı koru. Görsel yapay zekâ; çevre izleme, tehdit tespiti, plaka tanıma ve iş yeri güvenliğini destekler.
Daha fazla bilgi edin
Robotikte bilgisayarlı görü

Robotikte bilgisayarlı görü

Ultralytics YOLO modelleriyle daha akıllı makinelere güç ver. Robotikte görsel yapay zekâ; otonom navigasyonu, algılamayı, nesne takibini ve gerçek zamanlı kontrolü destekler.
Daha fazla bilgi edin
Lojistikte bilgisayarlı görü

Lojistikte bilgisayarlı görü

Ultralytics YOLO modelleriyle lojistiği kolaylaştır. Görüntü yapay zekâsı; paket denetimini, ayrıştırmayı, araç takibini ve gerçek zamanlı depo güvenliği izlemeyi mümkün kılar.
Daha fazla bilgi edin
Perakendede bilgisayarlı görü

Perakendede bilgisayarlı görü

Ultralytics YOLO modelleriyle perakendeyi yeniden tasarla. Görüntü yapay zekâsı; envanter takibini, raf izlemeyi, kuyruk yönetimini ve daha kapsamlı müşteri analizlerini mümkün kılar.
Daha fazla bilgi edin
Sağlık hizmetlerinde bilgisayarlı görü

Sağlık hizmetlerinde bilgisayarlı görü

Ultralytics YOLO modelleriyle sağlık çözümleri geliştir. Sağlık hizmetlerinde görüntü yapay zekâsı; daha hızlı tıbbi görüntüleme, daha akıllı tanı ve hasta takibini mümkün kılar.
Daha fazla bilgi edin
Üretimde bilgisayarlı görü

Üretimde bilgisayarlı görü

Ultralytics YOLO modelleriyle üretimi optimize et. Görsel yapay zekâ; kalite kontrolünü, kusur tespitini, kişisel koruyucu donanım uyumunu ve montaj hattı otomasyonunu destekler.
Daha fazla bilgi edin
Otomotivde bilgisayarlı görü

Otomotivde bilgisayarlı görü

Ultralytics YOLO modelleriyle otomotivde bilgisayarlı görüden yararlan. Görsel yapay zekâ; daha akıllı yollar için yol güvenliğini, sürüş desteğini ve araç otomasyonunu ileri taşır.
Daha fazla bilgi edin
Tarımda bilgisayarlı görü

Tarımda bilgisayarlı görü

Ultralytics YOLO modelleriyle akıllı tarıma görüntü yapay zekâsı kazandır. Daha yüksek ve akıllı verim için mahsul izleme, hayvan takibi ve hassas tarımı destekle.
Daha fazla bilgi edin

Geleceğin yapay zekasını birlikte inşa edelim!

Makine öğreniminin geleceğine yolculuğuna başla