اوپن‌ای‌آی (OpenAI) مدل GPT-6.1 Terra را عرضه کرد. این مدل در محک Agents' Last Exam هم‌تراز GPT-6 Astra است، اما قیمت هر توکن آن یک‌دهم Astra است و قیمت API استاندارد آن ۵۰ درصد کمتر از نسل قبل است.
مدل GPT-6.1 Terra از امروز در ChatGPT Work و Codex برای همهٔ کاربران Plus، Pro، Enterprise و Edu در دسترس است. توسعه‌دهندگان هم می‌توانند از طریق API اوپن‌ای‌آی با نام gpt-6.1-terra از آن استفاده کنند.
کاربرد مدل GPT-6.1 Terra
اوپن‌ای‌آی این مدل را برای خودکارسازی کارهای پرحجم معرفی کرده است؛ کارهایی مثل خواندن فاکتورها و واردکردن اطلاعات آن‌ها در نرم‌افزار حسابداری، پرکردن فرم‌ها و ویرایش ویدیو. به گفتهٔ این شرکت، Terra تعادل تازه‌ای میان سرعت، توانایی و هزینه ایجاد می‌کند.
با این عرضه، مسئلهٔ اصلی تیم‌های فنی دیگر فقط توانایی خام مدل نیست. هزینهٔ اجرای هر کار به عامل تعیین‌کننده در استقرار تبدیل می‌شود.
نتایج محک Agents' Last Exam و سرعت
Agents' Last Exam کارهای حرفه‌ای را می‌سنجد؛ مثلاً تبدیل نقشه‌های معماری به مدل سه‌بعدی. طبق داده‌های اوپن‌ای‌آی:
- Terra با تلاش استدلالی متوسط، ۱۵ واحد درصد بالاتر از GPT-5.6 Terra نمره گرفت و هزینهٔ هر کار آن حدود یک‌سوم بود.
- در حداکثر تلاش، کارایی توکن (token efficiency) آن بیش از سه برابر Claude Opus 5.5 است و قیمت هر توکنش یک‌چهارم آن. نتیجه، هزینهٔ حدود ۹ برابر کمتر برای هر کار است.
- Terra کارها را بیش از سه برابر سریع‌تر از GPT-6 Astra و GPT-6.1 Sol انجام می‌دهد.
استدلال بصری و کار با دسکتاپ
در محک استدلال بصری MMMU-Pro، Terra در همهٔ تنظیمات استدلال از GPT-5.6 Terra بهتر عمل کرد. نمرهٔ آن تقریباً به GPT-6 Astra و GPT-6.1 Sol رسید.
OSWorld 2.1 توانایی عامل‌ها را در کار با برنامه‌های دسکتاپ می‌سنجد؛ مثل ساخت مدل سه‌بعدی از نقشهٔ فنی. Terra در این محک از بهترین نمرهٔ نسل قبل گذشت، آن هم با کسری از هزینه.
کاهش توهم و پیشرفت در کدنویسی
اوپن‌ای‌آی روی کاهش توهم و خطاهای واقعی سرمایه‌گذاری کرده است. در محک داخلی این شرکت، که با پرامپت‌های خطاساز کار می‌کند، نرخ خطا در تلاش کم از ۵۳٫۶ درصد به ۱۶٫۷ درصد رسید. این یعنی کاهشی نزدیک به ۳۷ واحد درصد.
در حداکثر تلاش، نرخ خطا ۱۸ واحد درصد کم شد و به ۴٫۳ درصد رسید. این رقم نزدیک به سطح GPT-6 Astra و GPT-6.1 Sol است.
در Terminal-Bench 4.0، که حل مسائل کدنویسی از خط فرمان را می‌سنجد، Terra در حداکثر استدلال ۵۰٫۳ درصد مسائل را حل کرد. این رقم بیش از دو برابر نمرهٔ ۲۱٫۵ درصدی GPT-5.6 Terra است.
در Terminal-Bench-Science 0.1، که کارهای پژوهشی علمی را می‌سنجد، Terra با هزینهٔ کمتر از GPT-6.1 Sol جلو زد. فاصلهٔ آن با Opus 5.5 کمتر از پنج امتیاز بود، با کمتر از یک‌پنجم هزینهٔ تخمینی.
ایمنی، همراستاسازی و قیمت API
طبق اعلام اوپن‌ای‌آی، Terra در چارچوب آمادگی (Preparedness Framework) به آستانهٔ «بحرانی» (Critical) در امنیت سایبری می‌رسد. این مدل حفاظت‌های طراحی‌شده برای GPT-6 Astra را هم دارد.
به گفتهٔ این شرکت، Terra بهتر از GPT-5.6 Terra در محدودهٔ کار می‌ماند و محدودیت‌هایش را صادقانه به کاربر می‌گوید. در آزمون‌های تزریق پرامپت (prompt injection) هم مقاومت بالایی نشان داده است. جزئیات کامل در کارت سیستم (system card) مدل آمده است.
قیمت API استاندارد این مدل به این شرح است:
- ۱ دلار برای هر میلیون توکن ورودی
- ۰٫۰۵ دلار برای هر میلیون توکن ورودی کش‌شده (cached input tokens)
- ۵ دلار برای هر میلیون توکن خروجی
معنای این قیمت‌گذاری
اوپن‌ای‌آی با Terra عملکرد سطح Astra در محک‌های عامل را با قیمتی نزدیک به Sol عرضه می‌کند. این کار شکافی را کم می‌کند که توسعه‌دهندگان را مجبور می‌کرد میان توانایی و بودجه یکی را انتخاب کنند. در نتیجه، استفاده از عامل‌های کار با کامپیوتر (computer-use agents) در جاهایی که هزینهٔ هر کار تا امروز توجیه نداشت، شتاب می‌گیرد.
از نظر فنی، کاهش توهم در تلاش استدلالی کم مهم‌تر است. اگر این نتیجه در محک‌های باز تکرار شود، یعنی دستور آموزش GPT-6 به دقت واقعی بدون محاسبات سنگین در زمان اجرا رسیده است. رقبا باید هم در نرخ خطا و هم در نسبت قیمت به کارایی به آن برسند.
با این حال، اوپن‌ای‌آی همچنان GPT-6.1 Sol و GPT-6 Astra را برای پیچیده‌ترین کارهای کدنویسی پیشنهاد می‌کند. جای اصلی Terra خودکارسازی پرحجم با پیچیدگی متوسط است که مزیت سرعت و هزینه در آن بیشتر دیده می‌شود.
نکتهٔ بعدی برای پیگیری، تکرار مستقل نمرات Terminal-Bench و OSWorld در جدول‌های امتیاز باز است. باید دید تخفیف توکن‌های ورودی کش‌شده به معماری‌های تازهٔ RAG (Retrieval-Augmented Generation) منجر می‌شود یا نه.
گام بعدی شما
- اگر از GPT-5.6 Terra استفاده می‌کنید، می‌توانید از امروز در ChatGPT Work آزمون A/B را شروع کنید؛ همان سهمیهٔ استفاده حالا کارهای بیشتری را پوشش می‌دهد.
- Terra را روی داده‌ها و کارهای واقعی خود آزمایش کنید تا هزینهٔ هر کار را بسنجید.
- اگر از RAG با حجم بالای بازیابی استفاده می‌کنید، اثر قیمت پایین توکن‌های ورودی کش‌شده را بر هزینهٔ خود بررسی کنید.
- برای کدنویسی پیچیده، GPT-6.1 Sol را مبنای مقایسه نگه دارید؛ Terra جایگزین کامل آن نیست.
گفتگو