نسل جدید هوش مصنوعی GPT-6.1 Terra با قابلیت مدیریت کامپیوتر و توانمندی‌های شگفت‌انگیز در برنامه‌نویسی معرفی شد

آزمون Agents’ Last Exam، مهارت‌های مرتبط با کار با کامپیوتر را ارزیابی می‌کند؛ این معیار شامل فعالیت‌های حرفه‌ای نظیر تبدیل پلان‌های معماری به مدل‌های سه‌بعدی و بازبینی فریم به فریم یک انیمیشن برای تهیه‌ی گزارش‌ها است. مدل GPT-6.1 Terra با سطح متوسط استدلال، توانسته است ۱۵ واحد درصد بیشتر از GPT-5.6 Terra امتیاز کسب کند و هزینه‌ی آن تقریباً به یک‌سوم کاهش یافته است.

عملکرد این مدل در همان سطح استدلال با GPT-6 Astra برابری می‌کند، در حالی که قیمت هر توکن تنها یک‌دهم رقیب هم‌خانواده‌ی خود است. با فعال‌سازی حداکثر سطح استدلال، تولید توکن توسط GPT-6.1 Terra بیش از سه برابر از Claude Opus 5.5 سریع‌تر گزارش شده و قیمت هر توکن به یک‌چهارم کاهش یافته است. این دو عامل، هزینه‌ی هر کار را حدود ۹ برابر کاهش می‌دهد.

سرعت انجام وظایف نیز یکی دیگر از تفاوت‌های بارز را به نمایش می‌گذارد. بر اساس نتایج منتشر شده، GPT-6.1 Terra قادر است کارها را بیش از سه برابر سریع‌تر نسبت به GPT-6 Astra و GPT-6.1 Sol به اتمام برساند. این مزیت برای سیستم‌هایی بسیار حائز اهمیت است که نیاز به پردازش تعداد زیادی کار تعاملی و چندمرحله‌ای در زمان‌های محدود دارند.

آزمون MMMU-Pro به ارزیابی استدلال بصری مدل‌ها می‌پردازد. GPT-6.1 Terra در تمامی سطوح استدلال از GPT-5.6 Terra جلوتر قرار گرفت و علی‌رغم هزینه‌ی بسیار پایین‌تر، نمرات آن نزدیک به GPT-6 Astra و GPT-6.1 Sol بود.

معیار OSWorld 2.1 نیز چگونگی بهره‌برداری عامل‌های هوش مصنوعی از نرم‌افزارهای دسکتاپ برای انجام وظایف چندمرحله‌ای را مورد سنجش قرار می‌دهد. به عنوان مثال، ایجاد یک مدل سه‌بعدی بر اساس نقشه‌ی فنی یکی از سناریوهای چنین آزمون‌هایی به شمار می‌آید. GPT-6.1 Terra قادر به کسب امتیاز بالاتری نسبت به بهترین امتیاز GPT-5.6 Terra در سطح استدلال متوسط شده که همچنین هزینه‌ی هر کار را به مقدار قابل توجهی کاهش داده است.

اوپن‌ای‌آی اعلام کرده است که در سال جاری، سرمایه‌گذاری‌های عمده‌ای به منظور کاهش توهم در مدل‌های خود انجام داده است. در یک آزمون داخلی که شامل درخواست‌هایی با احتمال خطا بالا بود، نرخ خطای GPT-5.6 Terra در سطح استدلال پایین ۵۳٫۶ درصد گزارش شد. این نرخ برای GPT-6.1 Terra به ۱۶٫۷ درصد کاهش یافته که به معنی افتی نزدیک به ۳۷ واحد درصد است.

در حداکثر سطح استدلال، نرخ خطا با کاهش ۱۸ واحد درصد به ۴٫۳ درصد رسیده و تقریباً با نتایج GPT-6 Astra و GPT-6.1 Sol برابر شده است. اگر چه کاهش خطا به معنای حذف کامل پاسخ‌های نادرست نیست، اما فاصله‌ی قابل ملاحظه‌ای را میان دو نسل Terra نشان می‌دهد.

حوزه‌ی مهندسی نرم‌افزار به عنوان یکی دیگر از زمینه‌های پیشرفت GPT-6.1 Terra شناخته می‌شود. Terminal-Bench 4.0 توانایی عامل‌های کدنویسی در حل مسائل از طریق خط فرمان را مورد ارزیابی قرار می‌دهد. به عنوان مثال، برطرف‌کردن مشکل جابه‌جایی چیدمان یک صفحه‌ی وب در هنگام بارگذاری، نمونه‌ای از سناریوهای آزمون محسوب می‌شود.

در حداکثر سطح استدلال، GPT-6.1 Terra موفق به حل ۵۰٫۳ درصد از وظایف Terminal-Bench 4.0 شده است. در حالی که امتیاز مربوط به GPT-5.6 Terra تنها ۲۱٫۵ درصد بود، بنابراین نرخ موفقیت نسل جدید بیش از دو برابر افزایش یافته است. با این حال، اوپن‌ای‌آی همچنان برای پیچیده‌ترین وظایف کدنویسی، GPT-6.1 Sol و GPT-6 Astra را گزینه‌های بهتری معرفی می‌کند.

Terminal-Bench-Science 0.1 به ارزیابی چگونگی استفاده‌ی عامل‌ها از کد به منظور انجام پژوهش‌های علمی می‌پردازد. ردیابی تقسیم سلولی در ویدئوی تایم‌لپس یکی از نمونه‌های بارز برای این هدف است. در حداکثر سطح استدلال، GPT-6.1 Terra از GPT-6.1 Sol پیشی گرفته و هم‌زمان هزینه‌ی کمتری به بار می‌آورد. امتیاز این مدل تنها کمتر از پنج واحد با Claude Opus 5.5 فاصله دارد، در حالی که هزینه‌ی تخمینی آن کمتر از یک‌پنجم است.

افزایش دسترسی به مدل‌های کارآمد، نگرانی‌های جدیدی در رابطه با سوءاستفاده و انحراف در عملکرد عامل‌ها ایجاد کرده است. بر اساس چارچوب آمادگی اوپن‌ای‌آی در زمینه‌ی امنیت سایبری، GPT-6.1 Terra به سطح Critical رسیده و اقدامات حفاظتی پیشرفته‌ای را نسبت به GPT-6 Astra حفظ کرده است.

مدل جدید همچنین پیشرفت‌های هم‌راستایی خانواده‌ی GPT-6 را به ارث می‌برد. ارزیابی‌های صورت‌گرفته از سوی اوپن‌ای‌آی نشان می‌دهد که GPT-6.1 Terra با احتمال بیشتری در محدوده‌ی مورد نظر کاربر باقی می‌ماند و محدودیت‌ها یا چالش‌های ممکن را به‌طور صادقانه اعلام می‌کند.

اکنون، GPT-6.1 Terra در دسترسی تمام کاربران طرح‌های Plus و Pro و Enterprise و Edu در ChatGPT Work و Codex قرار دارد. همچنین توسعه‌دهندگان می‌توانند این مدل را از طریق API اوپن‌ای‌آی با شناسه‌ی gpt-6.1-terra فراخوانی کنند.

قیمت استاندارد API برای هر یک میلیون توکن ورودی یک دلار تعیین شده است. یک میلیون توکن ورودی ذخیره شده در حافظه‌ی پنهان ۰٫۰۵ دلار هزینه خواهد داشت و قیمت هر یک میلیون توکن خروجی به ۵ دلار می‌رسد.

نظرات شما درباره‌ی کاربردها و هزینه‌های GPT-6.1 Terra چیست؟