Open Ai представила GPT-6.1 Terra: главные изменения

Разработчики позиционируют ее как значительный апгрейд по сравнению с GPT-5.6 Terra при заметно меньшей стоимости. Модель ориентирована именно на повседневные рабочие задачи.

Ключевое преимущество новинки — баланс скорости, возможностей и затрат. Стандартные цены на использование через API на 50% ниже, чем у GPT-5.6 Terra и GPT-6.1 Sol. В ChatGPT Работа и Codex модель позволяет выполнить больше задач в пределах того же лимита использования, чем GPT-5.6 Terra, и значительно больше, чем GPT-6.1 Sol или GPT-6 Astra.

В тесте Agents’ Last Exam, который оценивает способность работать с компьютером на профессиональных задачах (преобразование архитектурных чертежей в 3D-модель, составление журнала с временными метками для реставраторов), GPT-6.1 Terra при среднем уровне усилий на рассуждения показывает результат на 15 процентных пунктов выше, чем GPT-5.6 Terra, при примерно втрое меньших затратах. Она достигает уровня GPT-6 Astra при вдесятеро меньшей цене за токен. При максимальном уровне рассуждений Terra более чем втрое эффективнее использует токены, чем Claude Opus 5.5, а стоимость выполнения одной задачи примерно в 9 раз ниже. Кроме того, модель работает более чем втрое быстрее, чем GPT-6 Astra и GPT-6.1 Sol.

В тесте MMMU-Pro, оценивающем рассуждения на основе визуальной информации, GPT-6.1 Terra превосходит GPT-5.6 Terra при всех настройках и почти достигает результатов GPT-6 Astra и GPT-6.1 Sol при гораздо меньших затратах.

В OSWorld 2.1, который проверяет использование настольных приложений для многоэтапных задач, новинка при среднем уровне усилий превосходит лучший результат GPT-5.6 Terra при значительно меньших затратах на выполнение каждой задачи.

Разработчики уделили большое внимание снижению фактических ошибок. Во внутреннем тесте на промптах, провоцирующих галлюцинации, доля ошибок при низком уровне рассуждений снизилась с 53,6% у GPT-5.6 Terra до 16,7% у GPT-6.1 Terra — почти на 37 процентных пунктов.

В программировании GPT-6.1 Terra значительно превосходит предшественницу. В Terminal-Bench 4.0, где агенты решают задачи через командную строку, при максимальном уровне рассуждений модель справляется с 50,3% задач — более чем вдвое больше опубликованного результата GPT-5.6 Terra (21,5%). Для самых сложных задач по-прежнему лучше подходят GPT-6.1 Sol и GPT-6 Astra.

В Terminal-Bench-Science 0.1, проверяющем использование кода для научных исследований, Terra при максимальном уровне рассуждений превосходит GPT-6.1 Sol при меньших затратах и отстает от Claude Opus 5.5 не более чем на пять пунктов, но расчетная стоимость более чем в пять раз ниже.

Вопросы безопасности также проработаны: GPT-6.1 Terra достигает критического порога возможностей в кибербезопасности согласно Программе готовности OpenAI и сохраняет защитные меры, разработанные для GPT-6 Astra. Модель унаследовала улучшения в согласовании поведения с намерениями человека: она чаще придерживается рамок задачи и честно сообщает об ограничениях, а также демонстрирует высокую устойчивость к инъекциям промптов.