GPT-6.2 Sol в анализе данных: стандартные задачи — 38/38, скрытые закономерности — лишь 2/5 в 4-шаговом практическом суждении

Аннотация: эта статья отвечает на один вопрос — справится ли GPT-6.2 Sol с вопросами по данным, которые приходят от пользователей фронт-офиса, и какие вопросы ещё нужно перепроверять.

Результаты GPT-6.2 Sol в анализе данных стоит рассматривать в двух частях. В однораундовом специализированном тесте, опубликованном Plotly 17 ноября 2026 года, модель верно решила все 38 задач из пяти категорий — обычный анализ, распознавание неоднозначности, вопросы, на которые данные не дают ответа, качество данных и статистические ловушки. Медианное время на одну задачу — около 10,5 секунды. В том же раунде из 5 задач на скрытые закономерности она прошла только 2.

Отсюда напрашивается вывод: сводные вопросы по данным с ясным определением метрик и небольшим влиянием можно запускать в пилотном режиме — поручать Sol отвечать напрямую с правами только на чтение; если определение метрики отсутствует, пусть сначала уточняет; открытую атрибуцию причин и решения, влияющие на внешние стороны, нужно передавать аналитику на проверку. У этого вывода три предпосылки: тест прогонялся только один раунд, банк заданий — англоязычные задачи, смоделированные по ветроэнергетической компании, а расходы шли через канал OpenRouter. После переноса на ваши собственные данные и каналы нужно заново провести приёмку по типам задач.

gpt-6-2-sol-data-analysis-review-ru-image-0

GPT-6.2 Sol: карта знаний по анализу данных и индекс для чтения

На схеме ниже показана логика распределения задач по веткам. В каждой ветке указаны входные условия, ожидаемый результат работы модели и номер этого раздела в основной части.

Пользователь задаёт вопрос по данным
 │
 ├─ Методика ясна + низкое влияние сводки ──→ [1] Sol отвечает на вопрос только чтением
 │                              Результат: число + числитель/знаменатель + временной диапазон и часовой пояс + запрос
 │
 ├─ Методики нет / данных недостаточно ────→ [3.2] Сначала уточнить
 │                              Результат: один конкретный уточняющий вопрос + список возможных методик
 │
 └─ Открытый разбор причин / внешнее решение ──→ [3.3] Передать аналитику на проверку
                                Результат: запись первичной проверки + подтверждающие данные + проверка альтернативных объяснений
            ↓
   [2] По задержке и стоимости одного вопроса решаем, выносить ли на передний план
            ↓
   [4] Приёмка на своих данных по типам задач, выдача результата с датой данных и доказательствами запроса

gpt-6-2-sol-data-analysis-review-ru-image-1

Порядок разделов следующий. Параллельный раздел 3 можно читать по необходимости, остальные разделы рекомендуется читать по порядку.

Номер раздела На какой вопрос отвечает Что даёт для следующего раздела Что можно сделать после прочтения
1 На каких задачах Sol стабилен Границы типов задач: 38/38 и 2/5 Очертить диапазон, где можно спрашивать напрямую
2 Выгодно ли выносить на передний план Задержка, стоимость одного вопроса и допущения экстраполяции Оценить бюджет и ожидание в интерактивных сценариях
3 Что требует уточнения или передачи человеку Три формы провала и три примера результата Проектировать правила маршрутизации
4 Как проводить приёмку на своих данных Метрики и границы по типам задач Выдавать проверяемый результат

To Know: термины, связанные с анализом данных в GPT-6.2 Sol

Термин Краткое объяснение
Хранилище данных (data warehouse) Набор данных, в котором собраны разрозненные исторические данные из бизнес-систем для последующего запроса и анализа
Методика показателя Определение показателя, условия фильтрации, числитель и знаменатель, временные границы
SQL только для чтения Способ запроса, который выполняет лишь поиск и агрегацию, а сам источник данных остаётся в режиме только для чтения
Задача со скрытой закономерностью В данные заранее встроена структурная аномалия, в задаче даются только подсказки, а модель должна самостоятельно найти конкретную закономерность
Доказательства запроса Запрос, методика, результат и дата данных, позволяющие другим проверить вывод
Задержка p50 / p95 За какое время завершается половина запросов / за какое время завершаются 95% запросов
Кэшированный ввод Входные токены, которые вышестоящий сервис при тарификации распознаёт как повторно используемые, их цена значительно ниже обычного ввода
Приёмка по типам задач Задачи на числа, уточнение, отказ от ответа и исследование оцениваются раздельно, чтобы общий балл не скрывал ошибки какого-то одного типа

1. GPT-6.2 Sol 做数据分析:先看能够稳定验收的问数结果

1.1 Plotly 测试做了什么

Plotly 在 Plotly Studio Embedded 测试框架里通过 OpenRouter 调用模型,只开放四种只读工具:列出数据集、执行 SQL 查询、绘图、展示表格。测试仓库模拟一家风电企业,包含约 1,990 万行数据、44 张表、554 列。43 道英文题按答案键和评分规则逐题判定是否通过。判分模型是 Claude Sonnet 5,temperature=0,失分题目由团队人工复核。

这套设置接近企业 BI 问数的真实形态:模型看不到全部数据,只能自己找表、写 SQL、读结果再作答。题库和答案键由 Plotly 保留,外部无法逐题复现,所以下面的数字应理解为一次有方法说明的单轮观察,不宜当作稳定排名。

题型 题数 GPT-6.2 Sol 结果 对业务的含义
常规分析 20 20/20 固定口径汇总可以试点直答
歧义判断 5 5/5 能识别问题本身有多种理解
数据不可回答 5 5/5 数据不支持时能拒答,不硬编数字
数据质量 3 3/3 能注意到缺失、重复等问题
统计陷阱 5 5/5 能避开常见的统计误读
隐藏规律 5 2/5 开放式找规律仍需人工验证
合计 43 40/43 前 38 题全过,失分全部集中在探索题

Plotly 还提到,其他模型在复跑时出现过最多三题的波动。40/43 与满分只差三题,正好落在这个波动范围内。因此更值得关注的是失分的分布:失分全部落在隐藏规律题,前五类一题没错。

1.2 为什么固定口径的问数可以复核

以售后报表为例,「过去 7 天各仓库退货率」能够稳定验收,前提是三件事已经事先固定:分母是已签收订单还是全部订单,时间范围按哪个时区截断,过滤条件是否排除了测试单和内部单。这三点一旦写进口径文档,模型生成的 SQL 和结果就能逐项与人工查询核对。

固定口径把「模型是否聪明」变成了「数字是否一致」,后者可以自动比对。这也是 38 道题能全过、而且全过有意义的原因:这些题大多有唯一的标准答案。


2. Задержка и стоимость анализа данных в GPT-6.2 Sol: стоит ли выводить его в пользовательский интерфейс

2.1 Сравнение двух поколений Sol в рамках одного раунда

Когда пользователь задаёт вопрос о данных прямо в интерфейсе, время ожидания напрямую определяет впечатление от работы. Отчёт Plotly приводит сравнение GPT-6.2 Sol и GPT-6.1 Sol на одном и том же раунде из 43 вопросов:

Метрика GPT-6.1 Sol GPT-6.2 Sol Изменение
Стоимость всего раунда $2.61 $1.22 примерно на 53.3% ниже
Медианное время на один вопрос 17.6 с 10.5 с примерно на 40.3% ниже
Число вызовов инструментов 258 158 заметно меньше
Число вызовов модели 227 173 меньше
Объём входных данных около 7.8 млн токенов около 4.6 млн токенов меньше
Объём выходных данных около 70 тыс. токенов около 45 тыс. токенов меньше
Доля кэшированного ввода 94% 97% выше

gpt-6-2-sol-data-analysis-review-ru-image-2

Базовые тарифы Standard с коротким контекстом у двух поколений Sol одинаковые, но стоимость всего раунда почти вдвое ниже. Разница возникает в процессе выполнения задачи: меньше раундов вызовов, меньше токенов на чтение и запись, выше доля попаданий в кэш. Поэтому при оценке стоимости сценария анализа данных стоит считать в единицах «сколько стоит решить одну задачу»; цена за миллион токенов — лишь один из факторов.

2.2 Экстраполяция и допущения для примерно $28.4 за тысячу задач

Делим $1.22 за весь прогон на 43 задачи и получаем в среднем около $0.0284 за задачу. Если экстраполировать это на тысячу задач, выходит примерно $28.4. Чтобы такая цифра имела смысл, должны одновременно выполняться несколько допущений:

  • Распределение типов задач совпадает с 43 задачами Plotly, где исследовательские задачи составляют около 12%;
  • Используется тот же канал OpenRouter и то же ценообразование;
  • Доля попаданий в кэш остаётся около 97%, а задачи используют общий системный промпт и описание структуры таблиц;
  • Каждая задача запускается только один раз, без повторных попыток.

Ещё одна цифра в рейтинге Plotly — медианная стоимость одной задачи $0.017. Это другая статистическая величина по сравнению со средним значением. Исследовательские задачи делают больше вызовов инструментов и выполняются дольше, что завышает среднее; медиана же ближе к стоимости обычной задачи с вопросом по данным. При планировании бюджета можно оценивать повседневные вопросы по данным по медиане, а затем отдельно добавлять долю исследовательских задач.

Официальная цена OpenAI для Standard с коротким контекстом: обычный ввод — $2.00, чтение кэша — $0.10, вывод — $10.00 (USD / млн токенов; вывод уже включает токены рассуждения). Если общий объём входных данных запроса превышает 272K, весь запрос переключается на тариф длинного контекста. В публичном интерфейсе цен APIYI apiyi.com тариф для короткого контекста совпадает с официальным, а для длинного контекста: ввод $3, чтение кэша $0.15, запись кэша $3.75, вывод $11.25. В сценариях вопросов по данным один запрос обычно намного меньше 272K; о переключении тарифа стоит думать только когда за один раз передаётся много описаний таблиц или исторических результатов.


3. GPT-6.2 Sol: три сигнала в анализе данных — когда нужно уточнить, а когда передать человеку

3.1 Почему задачи со скрытой закономерностью теряют баллы

В 38 задачах без скрытой закономерности 6.2 Sol в среднем делала около 2,9 вызова инструментов на задачу, а 6.1 Sol — около 4,3. Обе версии прошли все задачи. На 5 задачах со скрытой закономерностью в специализированном отчёте по Sol указано, что 6.2 Sol выполняла в среднем около 9 запросов к базе данных, а 6.1 Sol — около 16. (В статье с общим рейтингом Plotly для предыдущего поколения использовался показатель около 18 запросов; здесь я опираюсь на специализированный отчёт.)

После ручной проверки три задачи, где были потеряны баллы, выглядели так:

  1. внедрённая закономерность не была выделена отдельно;
  2. не было указано, какие именно объекты затронуты;
  3. не был найден тот участок данных, где эффект действительно присутствует.

У всех трёх провалов есть общее: запросы остановились на поверхностном уровне. Это можно записать как наблючение: в исследовательских задачах новая версия ищет более поверхностно. А вот причинно-следственную связь «мало запросов → потеря баллов» можно подтвердить только экспериментом с контролем переменных. Для бизнеса вывод всё равно один: в любых задачах атрибуции, где нужно активно искать доказательства, нельзя принимать первый ответ модели за окончательный вывод.

3.2 Пробел в определении метрики: сначала уточнить, потом отвечать

Ниже на вымышленном наборе данных по тикетам послепродажного обслуживания показаны три варианта вывода. Набор содержит четыре таблицы: заказы, тикеты, партии товаров и склады. Это образцы вывода, а не результаты реальных замеров.

Обычный ответ (определение метрики задано явно). Пользователь спрашивает: «Покажи долю возвратов по складам за последние 7 дней». Качественный ответ должен не только содержать значения по каждому складу, но и сохранять: числитель (количество тикетов на фактический возврат товара), знаменатель (количество заказов, полученных за тот же период), диапазон дат и часовой пояс (например, пекинское время, 11-13 — 11-19), измерение агрегации (склад), а также приложенный выполненный SQL-запрос.

Сначала уточнить определение (определение отсутствует). Пользователь спрашивает только: «Какая доля возвратов была на прошлой неделе?» Модель должна сначала задать уточняющий вопрос: «Долю возвратов считать по заявкам на возврат денег или по фактическому возврату товара? В сценарии возврата только денег эти два подхода сильно расходятся». Затем нужно перечислить два варианта определения на выбор пользователя и не выводить цифры, пока пользователь не выберет.

3.3 Открытая атрибуция: передать аналитику

Пользователь спрашивает: «Доля возвратов по одному каналу выросла вдвое; на каких партиях сосредоточена аномалия?» Это уже задача на скрытые закономерности. Модель может сначала провести первичную проверку: убедиться, что в данных нет пропусков и общего объёма выборки достаточно, а затем последовательно разбить данные по каналу, категории, складу и партии. В выводе нужно сохранить как минимум одно подтверждающее доказательство и одну проверку для исключения альтернативного объяснения (например, подтвердить, что объём заказов по этому каналу на той неделе не снизился аномально, чтобы исключить удвоение из-за уменьшения знаменателя).

После этого вывод следует пометить как «ожидает проверки аналитика», а не как «заключение». Правила маршрутизации можно свести в таблицу:

Сигнал Типичный вопрос Маршрут Вывод модели Что проверять при приёмке
Определение задано, низкое влияние Доля возвратов по складам за 7 дней Sol: только чтение данных Значения + определение + SQL Значения совпадают с ручным запросом
Не хватает определения или данных Какова доля возвратов на прошлой неделе Сначала уточнить Один уточняющий вопрос + варианты определения Уточняющий вопрос точно попадает в пробел
Открытая атрибуция, внешние решения На каких партиях сосредоточена аномалия Передать аналитику на проверку Журнал проверки + подтверждающие доказательства + проверка альтернативных объяснений Покрытие доказательствами, ложные срабатывания и пропуски

4. Проверка аналитических способностей GPT-6.2 Sol на собственных данных

4.1 Подключение и код маршрутизации

gpt-6.2-sol можно вызывать через два эндпоинта — Responses и Chat Completions; вызов функций и встроенные инструменты идут по пути Responses. Ни один из эндпоинтов не принимает уровень рассуждений none, поэтому при переносе старого кода этот параметр нужно проверить. Ниже — минимальный пример классификации маршрутов через Chat Completions:

import openai, json

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # OpenAI-совместимый интерфейс APIYI
)

question = "Какая была доля возвратов на прошлой неделе"
resp = client.chat.completions.create(
    model="gpt-6.2-sol",
    messages=[
        {"role": "system", "content": "Классифицируй вопрос пользователя о данных как direct / clarify / escalate, "
                                      "возвращай только JSON: {\"route\":..., \"reason\":...}"},
        {"role": "user", "content": question},
    ],
)
print(json.loads(resp.choices[0].message.content))
Полный пример вызова инструмента read-only SQL (Responses API)
import openai, json, sqlite3

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

# На уровне базы соединение открываем в режиме только для чтения,
# проверка строки запроса — лишь вторая линия защиты
conn = sqlite3.connect("file:aftersales.db?mode=ro", uri=True)

def run_readonly_sql(sql: str) -> str:
    head = sql.strip().lower()
    if not (head.startswith("select") or head.startswith("with")):
        return json.dumps({"error": "only read-only queries allowed"})
    rows = conn.execute(sql).fetchmany(200)
    return json.dumps({"rows": rows, "row_count": len(rows)}, default=str)

tools = [{
    "type": "function",
    "name": "run_readonly_sql",
    "description": "Выполняет read-only SQL в хранилище данных послепродажного обслуживания, возвращает не более 200 строк",
    "parameters": {
        "type": "object",
        "properties": {"sql": {"type": "string"}},
        "required": ["sql"],
    },
}]

instructions = (
    "Ты ассистент по анализу данных. Ответ обязательно должен содержать: числитель, знаменатель, "
    "временной диапазон и часовой пояс, измерение агрегации, выполненный SQL. "
    "Если трактовка метрики неоднозначна — сначала задай вопрос; выводы о причинах помечай как ожидающие проверки аналитиком."
)

resp = client.responses.create(
    model="gpt-6.2-sol",
    instructions=instructions,
    input="Покажи долю возвратов по складам за последние 7 дней",
    tools=tools,
)

# Крутим вызовы инструментов в цикле, пока модель не выдаст финальный ответ
while True:
    calls = [o for o in resp.output if o.type == "function_call"]
    if not calls:
        break
    outputs = [{
        "type": "function_call_output",
        "call_id": c.call_id,
        "output": run_readonly_sql(json.loads(c.arguments)["sql"]),
    } for c in calls]
    resp = client.responses.create(
        model="gpt-6.2-sol",
        previous_response_id=resp.id,
        input=outputs,
        tools=tools,
    )

print(resp.output_text)
print("output_tokens:", resp.usage.output_tokens)

🚀 Быстрый старт: чтобы проверить модель на собственных бизнес-примерах, можно запросить бесплатный тестовый лимит для новых пользователей через APIYI apiyi.com. Один и тот же API-ключ позволяет переключаться между gpt-6.2-sol и другими популярными моделями и сравнивать их на одном и том же наборе задач — достаточно держать источник данных в режиме только для чтения.

4.2 Приёмочные метрики по типам заданий

Набор вопросов для приёмки стоит строить так, чтобы он покрывал все три маршрута из раздела 3, а каждый тип задания оценивался отдельно.

Тип задания Основная метрика Способ оценки Что рекомендуется фиксировать
Вопросы с фиксированным определением метрики Точность числовых значений Построчное сравнение с результатами ручного SQL Стоимость одного вопроса, задержка p50/p95
Отсутствует определение метрики Доля уместных уточнений Попадает ли уточняющий вопрос в действительно отсутствующее определение Были ли случаи «спросил, хотя не должен был»
Данные не позволяют ответить Доля корректных отказов Не выдумывать цифры Число ошибочных ответов
Открытый анализ причин Покрытие доказательствами, ложные срабатывания и пропуски Проверка полноты поддерживающих доказательств и альтернативных объяснений Согласованность при нескольких повторных прогонах

В отчёте Plotly приведена только медиана времени выполнения — в собственной приёмке обязательно добавьте p95. Впечатление пользователя часто портят немногочисленные «длиннохвостые» запросы, а в исследовательских заданиях такой хвост встречается особенно часто. Что касается стоимости: объём вывода читайте из usage.output_tokens, токены рассуждений обычно перечислены в подпункте output_tokens_details.reasoning_tokens, а затем вместе с объёмом чтения из кэша считайте фактическую стоимость одного вопроса.

4.3 Малая выборка и границы повторных прогонов

У Plotly скрытый набор — всего 5 задач, и доверительный интервал для 2/5 очень широкий: на другой выборке может выйти 1/5, а может и 4/5. У других моделей при повторных прогонах колебания достигали трёх задач, так что разница в суммарном балле за один прогон ещё не основание для выбора модели. Когда принимаете решение сами, прогоняйте исследовательские задачи хотя бы несколько раундов и держите одинаковыми пять переменных: снимок данных, набор инструментов, уровень рассуждений модели, канал вызова и таблицу оценки. Если изменилось хоть что-то одно, результаты «до» и «после» напрямую сравнивать нельзя.

💡 Рекомендация по приёмке: канал — та переменная, которую проще всего упустить. Расходы Plotly идут через OpenRouter, а в вашем продакшн-канале тарификация и политика кэширования могут быть другими. Прогоните тот же снимок данных через APIYI apiyi.com, пересчитайте стоимость на тысячу задач с учётом реального счёта — и уже потом решайте про квоты для фронтенда.

4.4 Как выглядит результат, готовый к приёмке

Критерий приёмки такой: каждый результат запроса данных должен давать третьему человеку возможность независимо его перепроверить. Вот как выглядит годный результат (данные вымышленные):

question: Доля возвратов по складам за последние 7 дней
route: direct
data_snapshot: 2026-11-19 23:59 (Asia/Shanghai)
metric_definition:
  numerator: количество заявок на фактический возврат товара (status = returned)
  denominator: количество заказов, доставленных за тот же период (исключая тестовые и внутренние заказы)
  time_range: 2026-11-13 ~ 2026-11-19, по пекинскому времени
  group_by: warehouse_id
query: "SELECT w.warehouse_id, ... GROUP BY w.warehouse_id"
result: [{warehouse: Склад Восток-1, rate: 3.1%}, {warehouse: Склад Юг-2, rate: 2.4%}]
model: gpt-6.2-sol
cost_usd: 0.012
latency_s: 8.7
reviewer: проверка не требуется (запрос с фиксированной методикой расчёта)

Готовый результат включает дату данных, методику расчёта, запрос и сам результат — на этапе запросов данных во фронтенде GPT-6.2 Sol уже можно принимать. Вывод без этих пунктов, даже если цифры случайно оказались верными, в отчётность попадать не должен. Если хотите прогнать эту схему на своём складе, начните с OpenAI-совместимого интерфейса APIYI apiyi.com: сначала запустите запросы с фиксированной методикой, а потом постепенно расширяйте до уточняющих вопросов и разбора причин.


Справочные материалы

  1. Plotly — специальный отчёт по анализу данных GPT-6.2 Sol: результаты по 43 задачам, сравнение стоимости и времени выполнения
    • Ссылка: plotly.com/blog/gpt-6-2-sol-plotly-data-analytics-bench
  2. Plotly — методика тестирования DataAnalyticsBench: дизайн типов задач, правила оценки и методика подсчёта в рейтинге
    • Ссылка: plotly.com/blog/introducing-dataanalyticsbench
  3. OpenAI — карточка модели GPT-6.2 Sol: контекстное окно, поддержка эндпоинтов и правила тарификации длинного контекста
    • Ссылка: developers.openai.com/api/docs/models/gpt-6.2-sol
  4. OpenAI — тарифы API: цена за вход в Standard, кэш и выход
    • Ссылка: developers.openai.com/api/docs/pricing
  5. Публичный интерфейс тарифов APIYI: выражения расчёта цены для gpt-6.2-sol в коротком и длинном диапазонах
    • Ссылка: api.apiyi.com/api/pricing

Автор: техническая команда APIYI
Обсуждение технологий: свяжитесь с нами на главной странице официального сайта APIYI, больше материалов по интеграции — в центре документации docs.apiyi.com

Оставьте комментарий