OpenAI đã phát hành GPT-6.1 Terra vào ngày 26/10 theo giờ Mỹ, tên mô hình trên API là gpt-6.1-terra. Đây là lần nâng cấp đầu tiên của dòng Terra (phân khúc tầm trung) kể từ GPT-5.6 Terra hồi tháng 7, với hai trọng tâm: hiểu nội dung trên màn hình, thao tác máy tính thay con người, và hạ giá thêm một bậc.
Giá API tiêu chuẩn là 1 USD cho mỗi triệu token đầu vào, 0,05 USD cho đầu vào được lưu đệm và 5 USD cho đầu ra. Theo OpenAI, mức giá này rẻ hơn 50% so với cả GPT-5.6 Terra lẫn GPT-6.1 Sol. Theo mức giá cũ do bên thứ ba ghi nhận, GPT-5.6 Terra có giá đầu vào 2 USD và đầu ra 12 USD, nên ở chiều đầu ra mức giảm thực tế gần sáu phần mười; giá đầu ra của Sol là 10 USD, với Sol thì đúng là giảm một nửa.
Mô hình mới được mở ngay từ hôm nay cho người dùng Plus, Pro, Enterprise và Edu trong ChatGPT Work và Codex, còn nhà phát triển có thể gọi qua API. Người dùng miễn phí lần này chưa được dùng, mô hình mặc định vẫn là GPT-5.6 Luna.
Thao tác máy tính là món chính của thế hệ này
Các tình huống sử dụng mà OpenAI đưa ra đều rất cụ thể: đọc hóa đơn nhận được rồi nhập dữ liệu vào phần mềm kế toán; xem bản vẽ kỹ thuật; điền biểu mẫu; dựng video. Bài đánh giá được dùng là Agents' Last Exam, với các đề như chuyển bản vẽ kiến trúc thành mô hình 3D, hay xem từng cảnh của một phim hoạt hình rồi viết biên bản có mã thời gian cho nhóm phục chế.
Kết quả mà công ty công bố: ở mức suy luận trung bình, mô hình cao hơn GPT-5.6 Terra 15 điểm phần trăm với chi phí chỉ khoảng một phần ba; ngang điểm với mô hình chủ lực GPT-6 Astra nhưng giá mỗi token chỉ bằng một phần mười của Astra, và hoàn thành tác vụ nhanh hơn cả Astra lẫn GPT-6.1 Sol hơn 3 lần. Trên OSWorld 2.1, mức suy luận trung bình đã vượt thành tích tốt nhất của GPT-5.6 Terra.
Về lập trình, ở mức suy luận cao nhất, Terra hoàn thành 50,3% tác vụ của Terminal-Bench 4.0, trong khi con số được công bố của thế hệ trước là 21,5%. Chính OpenAI cũng nói rằng với các tác vụ lập trình phức tạp nhất vẫn nên dùng Sol hoặc Astra.
Tỷ lệ sai sự thật là một thay đổi lớn khác. Trên bộ câu hỏi gây nhiễu do OpenAI tự xây dựng, tỷ lệ sai ở mức suy luận thấp giảm từ 53,6% xuống 16,7%, còn ở mức cao nhất giảm xuống 4,3%. Về an toàn, theo khung Preparedness của OpenAI, năng lực an ninh mạng của Terra đạt mức "Nghiêm trọng" (Critical), áp dụng lại các biện pháp bảo vệ đã xây dựng cho GPT-6 Astra; chi tiết nằm trong system card.
Đặt cạnh các mô hình cùng loại
Toàn bộ các con số trên đều đến từ thử nghiệm nội bộ của OpenAI. Đơn vị độc lập Artificial Analysis cùng ngày cũng công bố kết quả riêng; cách tính khác nhau nhưng xu hướng thì nhất quán:
- Chỉ số trí tuệ ở mức cao nhất cao hơn GPT-5.6 Terra 6 điểm, thấp hơn GPT-6.1 Sol 4 điểm và cao hơn GPT-6 Luna 10 điểm;
- Chi phí mỗi tác vụ khi chạy trọn bộ chỉ số khoảng 0,40 USD, so với 1,40 USD của thế hệ trước;
- Điểm Coding Agent Index là 48, Sol đạt 54 và Luna đạt 31;
- Tỷ lệ ảo giác trên AA-Omniscience giảm từ 88% xuống 38%, độ chính xác còn tăng thêm 2 điểm phần trăm.
Kết luận của Artificial Analysis là các mức suy luận thấp và trung bình nằm trên đường biên tối ưu của đồ thị "trí tuệ - chi phí", còn các mức khác nằm sau đường biên đó. Nói cách khác, cách dùng Terra hiệu quả nhất là chạy khối lượng lớn tác vụ thường ngày ở mức thấp và trung bình; để dành mức cao nhất cho vài bài toán khó thì không có nhiều ý nghĩa, vì khi đó dùng thẳng Sol sẽ hợp lý hơn.
Đặt vào bối cảnh đối thủ, OpenAI chọn Claude Opus 5.5 của Anthropic làm mốc so sánh: trên Agents' Last Exam, chi phí mỗi tác vụ của Terra ở mức suy luận cao nhất chỉ bằng khoảng một phần chín Opus 5.5. Opus 5.5 là mô hình chủ lực của Anthropic còn Terra là dòng tầm trung của OpenAI, hai bên không cùng phân khúc, nên phép so sánh này giống một thông điệp gửi doanh nghiệp hơn: những việc kiểu "cho AI bấm chuột" không cần phải dùng đến mô hình đắt nhất.
Với các nhóm đang dùng Sol trong Codex và ChatGPT Work, thay đổi trực tiếp nhất nằm ở hạn mức. OpenAI cho biết với cùng một hạn mức sử dụng, Terra hoàn thành được nhiều tác vụ hơn GPT-5.6 Terra, GPT-6.1 Sol và GPT-6 Astra. Nhiều hơn bao nhiêu thì phía chính thức không đưa ra hệ số, phải đợi người dùng tự chạy một thời gian mới biết.
Nguồn tham khảo: thông báo sản phẩm và system card của OpenAI, đánh giá độc lập của Artificial Analysis, CocoLoop, Ifeng Tech; trang giá API của OpenAI được dùng để đối chiếu ba mức giá đầu vào, đầu vào lưu đệm và đầu ra.