هوش مصنوعی GPT-6.1 Terra با قابلیت مدیریت کامپیوتر و پیشرفت شگفت‌انگیز در زمینه کدنویسی به عرصه ظهور کرد

در آزمون Agents’ Last Exam قابلیت کار با کامپیوتر اندازه‌گیری می‌شود؛ این آزمون شامل فعالیت‌های حرفه‌ای نظیر تبدیل نقشه‌های معماری به مدل‌های سه‌بعدی و بررسی صحنه به صحنه یک انیمیشن برای تهیه‌ی گزارش است. به‌علاوه، GPT-6.1 Terra توانست با امتیاز ۱۵ درصد بالاتر از GPT-5.6 Terra و همچنین با هزینه‌ای تقریباً یک‌سوم آن، عملکرد قوی‌تری از خود نشان دهد.

عملکرد این مدل در سطح استدلال مشابه با GPT-6 Astra قرار دارد، در حالی که هزینه هر توکن بدون شک به یک‌دهم رقیب داخلی خود کاهش یافته است. هنگامی که حداکثر سطح استدلال فعال باشد، بهره‌وری توکن در GPT-6.1 Terra بیشتر از سه برابر Claude Opus 5.5 گزارش شده و هزینه هر توکن به یک‌چهارم کاهش پیدا می‌کند. این دو عامل موجب کاهش تقریباً ۹ برابری هزینه‌ی هر وظیفه خواهد شد.

شتاب انجام کارها نیز بخش دیگری از تمایزات را نمایان می‌سازد. بر اساس نتایج منتشر شده، GPT-6.1 Terra توانایی اتمام وظایف را بیش از سه برابر سریع‌تر از GPT-6 Astra و GPT-6.1 Sol به پایان می‌رساند. این ویژگی مخصوصاً برای سیستم‌هایی که نیاز به پردازش سریع تعداد زیادی کار تعاملی و چندمرحله‌ای دارند، حائز اهمیت است.

آزمون MMMU-Pro به ارزیابی استدلال بصری مدل‌ها می‌پردازد. GPT-6.1 Terra در تمامی سطوح استدلال از GPT-5.6 Terra فاصله گرفت و علی‌رغم هزینه بسیار پایین‌تر خود، امتیازهای نزدیک به GPT-6 Astra و GPT-6.1 Sol کسب کرد.

معیار OSWorld 2.1 همچنین به بررسی نحوه‌ی به‌کارگیری برنامه‌های دسک‌تاپ توسط عامل‌های هوش مصنوعی در انجام وظایف چندمرحله‌ای می‌پردازد. یکی از نمونه‌های این وظایف، ساخت مدل سه‌بعدی بر اساس نقشه‌ی فنی است. در سطح استدلال متوسط، GPT-6.1 Terra موفق به کسب بهترین نمره از GPT-5.6 Terra شد و هزینه هر وظیفه را به طرز چشمگیری کاهش داد.

اوپن‌ای‌آی اعلام کرده است که در سال جاری سرمایه‌گذاری‌های عمده‌ای به منظور کاهش خطاهای مدل‌های خود انجام داده است. در یک آزمون داخلی که شامل درخواست‌هایی بود که احتمال بروز خطا را افزایش می‌داد، نرخ خطای GPT-5.6 Terra با سطح استدلال پایین ۵۳٫۶ درصد ثبت شد. این در حالی است که نرخ خطای GPT-6.1 Terra به ۱۶٫۷ درصد کاهش یافت که نمایانگر افت نزدیک به ۳۷ واحد درصد است.

در حداکثر سطح استدلال، این نرخ خطا با کاهش ۱۸ واحد درصدی به ۴٫۳ درصد رسید و تقریباً با نتایج GPT-6 Astra و GPT-6.1 Sol برابر است. اگرچه کاهش خطا به معنای حذف کامل پاسخ‌های نادرست نیست، اما فاصله قابل‌توجهی را میان دو نسل Terra نشان می‌دهد.

حوزه‌ی برنامه‌نویسی یکی دیگر از جنبه‌های پیشرفت GPT-6.1 Terra به حساب می‌آید. آزمون Terminal-Bench 4.0 توانایی‌های عامل‌های کدنویسی را در حل مسائل از طریق خط فرمان ارزیابی می‌کند. وظیفه‌ی اصلاح چیدمان صفحات وب در هنگام بارگذاری یکی از نمونه‌های آزمون می‌باشد.

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

آزمون Terminal-Bench-Science 0.1 نحوه‌ی استفاده عامل‌ها از کد در پژوهش‌های علمی را بررسی می‌کند. یک نمونه از این استفاده، ردیابی تقسیم سلولی در ویدیوهای تایم‌لپس است. در حداکثر سطح استدلال، GPT-6.1 Terra از GPT-6.1 Sol پیشی گرفت و در عین حال هزینه کمتری را به همراه داشت. امتیاز این مدل کمتر از پنج واحد با Claude Opus 5.5 فاصله دارد، در حالی که هزینه تخمینی آن کمتر از یک‌پنجم می‌باشد.

افزایش دسترسی به مدل‌های پیشرفته نگرانی‌های جدیدی درباره‌ی سوءاستفاده و انحراف عامل‌ها ایجاد کرده است. GPT-6.1 Terra به سطح Critical در چارچوب آمادگی اوپن‌ای‌آی در زمینه‌ی امنیت سایبری رسیده و حفاظت‌های پیشرفته‌ای را که برای GPT-6 Astra در نظر گرفته شده، حفظ کرده است.

این مدل جدید همچنین بهبودهای هم‌راستایی خاندان GPT-6 را نیز به ارث برده است. ارزیابی‌های اوپن‌ای‌آی نشان می‌دهد که GPT-6.1 Terra با احتمال بیشتری در محدوده خواسته‌های کاربران باقی می‌ماند و به‌طور صادقانه محدودیت‌ها یا موانع احتمالی را گزارش می‌کند.

هم‌اکنون GPT-6.1 Terra برای تمامی کاربران طرح‌های Plus و Pro و Enterprise و Edu در ChatGPT Work و Codex در دسترس است. توسعه‌دهندگان می‌توانند از طریق API اوپن‌ای‌آی و با شناسه gpt-6.1-terra به این مدل دسترسی پیدا کنند.

هزینه استاندارد API برای هر یک میلیون توکن ورودی یک دلار تعیین شده، در حالی که ذخیره‌سازی یک میلیون توکن ورودی در حافظه پنهان تنها ۰٫۰۵ دلار هزینه دارد و هزینه هر یک میلیون توکن خروجی به ۵ دلار می‌رسد.

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