今天凌晨2点OpenAI发布了最新模型GPT-6.1 Terra。从今天开始ChatGPT Work、Codex、Plus、Pro、企业版和教育版用户都能使用了。每输入100万token1美元缓存输入每百万token为0.05美元每百万输出为5美元性价比非常高。这次6.1 Terra的主打亮点之一就是端到端自动化操作电脑。比如让6.1 Terra自己操作PS画一张Sam Altman的头像全程不用我们手动干预。让6.1 Terra 和5.6 Terra同时制作一个黄金时刻的贝伦塔要求包含雕刻石绳细节、开放式阳台、城垛、圆顶角楼外加海鸥。6.1真正建出了塔层叠拱窗、圆顶角楼、阳光在塔霍河上的反光都有页面大31%每帧用432个独立部件渲染。而5.6只有323个。对比5.6 Terra 6.1消耗的时间多了4倍但是成本却大降38%。也有网友做了6.1 Terra、6.1Sol和Opus 5.5的横向对比。结果显示6.1 Terra只用了3分左右的时间0.22美元的成本就做出了媲美Opus 5.5的15美元左右的效果。让6.1 Terra和Opus 5.5构建一个相同的像素风格的罗马竞技场包含角斗士和观众。6.1 Terra的价格为2.38美元Opus 5.5为8.38美元。测试数据性能强还便宜以前很多模型是能看图能理解但你让AI真去操作软件完成一整套流程就不太行。这次OpenAI用了一个叫智能体终极综合考试的基准来测这个是专门考核电脑操作能力的测试。比如里面放了不少专业难度的任务把建筑图纸转成三维模型一帧一帧核对动画素材给维修团队整理带时间标记的记录文档都在考核范围里。开到中等推理档位的时候6.1 Terra 的得分比 GPT‑5.6 Terra 高出 15 %开销却只有前者三分之一。横向对比旗舰 GPT‑6 Astra两者最终效果接近消耗的token成本却只有十分之一。把推理档位拉到最高它的token利用效率超过 Claude Opus 5.5 三倍以上单token价格只有四分之一算下来做完一件完整任务的总成本大概低 9 倍。响应速度同样亮眼做完整套任务的耗时比 GPT‑6 Astra 还有 GPT‑6.1 Sol 快三倍以上。在专门测视觉理解的 MMMU‑Pro 基准上不管开哪一档推理6.1 Terra 都比 GPT‑5.6 Terra 表现更好花更少的钱拿到的分数已经贴近旗舰梯队的 GPT‑6 Astra 和 GPT‑6.1 Sol。还有 OSWorld 2.1测的是智能体操控桌面软件完成多步骤任务比如照着工程图纸搭三维模型。中等推理强度下Terra 的得分已经超过 5.6 Terra 的最好成绩单任务成本还低得多。幻觉下降编码能力增强今年 OpenAI 花了不少精力去压模型的瞎编问题也就是大家常说的幻觉。有一套专门用来诱导模型出错的内部测试集低推理档位里GPT‑5.6 Terra 错误率有 53.6%到 Terra 这里降到 16.7%改善幅度很可观。使用最高推理档位错误率继续往下走到 4.3%已经摸到 GPT‑6 Astra 和 GPT‑6.1 Sol 的水准。编码能力也进步明显。Terminal-Bench 4.0 测的是编码智能体在命令行解决问题的能力比如修一个加载时布局错乱的网页。最高推理强度下6.1 Terra 任务解决率 50.3%5.6 Terra 公开成绩是 21.5%两倍还多。另外 Terminal-Bench-Science 0.1 测的是用代码做科研比如在延时视频里追踪细胞分裂。拉满推理强度时 Terra 表现优于 6.1 Sol 且成本更低距离 Opus 5.5 只差 5 %预估成本不到后者五分之一。安全和对齐方面也很亮眼6.1 Terra 在应急准备框架下网络安全达到关键防护等级继承了 6 Astra 的全套安全保护机制完整搭载 GPT-6 系列对齐优化。跟5.6 Terra 比更能守住任务边界遇到能力局限或者阻碍会如实告诉用户不会硬着头皮瞎编。提示注入对抗测试里面对企图篡改任务的恶意指令抵抗力很强。翻译成人话就是这模型比较老实不会不懂装懂也不容易被坏人带偏。
今天凌晨2点OpenAI发布了最新模型GPT-6.1 Terra。从今天开始ChatGPT Work、Codex、Plus、Pro、企业版和教育版用户都能使用了。每输入100万token1美元缓存输入每百万token为0.05美元每百万输出为5美元性价比非常高。这次6.1 Terra的主打亮点之一就是端到端自动化操作电脑。比如让6.1 Terra自己操作PS画一张Sam Altman的头像全程不用我们手动干预。让6.1 Terra 和5.6 Terra同时制作一个黄金时刻的贝伦塔要求包含雕刻石绳细节、开放式阳台、城垛、圆顶角楼外加海鸥。6.1真正建出了塔层叠拱窗、圆顶角楼、阳光在塔霍河上的反光都有页面大31%每帧用432个独立部件渲染。而5.6只有323个。对比5.6 Terra 6.1消耗的时间多了4倍但是成本却大降38%。也有网友做了6.1 Terra、6.1Sol和Opus 5.5的横向对比。结果显示6.1 Terra只用了3分左右的时间0.22美元的成本就做出了媲美Opus 5.5的15美元左右的效果。让6.1 Terra和Opus 5.5构建一个相同的像素风格的罗马竞技场包含角斗士和观众。6.1 Terra的价格为2.38美元Opus 5.5为8.38美元。测试数据性能强还便宜以前很多模型是能看图能理解但你让AI真去操作软件完成一整套流程就不太行。这次OpenAI用了一个叫智能体终极综合考试的基准来测这个是专门考核电脑操作能力的测试。比如里面放了不少专业难度的任务把建筑图纸转成三维模型一帧一帧核对动画素材给维修团队整理带时间标记的记录文档都在考核范围里。开到中等推理档位的时候6.1 Terra 的得分比 GPT‑5.6 Terra 高出 15 %开销却只有前者三分之一。横向对比旗舰 GPT‑6 Astra两者最终效果接近消耗的token成本却只有十分之一。把推理档位拉到最高它的token利用效率超过 Claude Opus 5.5 三倍以上单token价格只有四分之一算下来做完一件完整任务的总成本大概低 9 倍。响应速度同样亮眼做完整套任务的耗时比 GPT‑6 Astra 还有 GPT‑6.1 Sol 快三倍以上。在专门测视觉理解的 MMMU‑Pro 基准上不管开哪一档推理6.1 Terra 都比 GPT‑5.6 Terra 表现更好花更少的钱拿到的分数已经贴近旗舰梯队的 GPT‑6 Astra 和 GPT‑6.1 Sol。还有 OSWorld 2.1测的是智能体操控桌面软件完成多步骤任务比如照着工程图纸搭三维模型。中等推理强度下Terra 的得分已经超过 5.6 Terra 的最好成绩单任务成本还低得多。幻觉下降编码能力增强今年 OpenAI 花了不少精力去压模型的瞎编问题也就是大家常说的幻觉。有一套专门用来诱导模型出错的内部测试集低推理档位里GPT‑5.6 Terra 错误率有 53.6%到 Terra 这里降到 16.7%改善幅度很可观。使用最高推理档位错误率继续往下走到 4.3%已经摸到 GPT‑6 Astra 和 GPT‑6.1 Sol 的水准。编码能力也进步明显。Terminal-Bench 4.0 测的是编码智能体在命令行解决问题的能力比如修一个加载时布局错乱的网页。最高推理强度下6.1 Terra 任务解决率 50.3%5.6 Terra 公开成绩是 21.5%两倍还多。另外 Terminal-Bench-Science 0.1 测的是用代码做科研比如在延时视频里追踪细胞分裂。拉满推理强度时 Terra 表现优于 6.1 Sol 且成本更低距离 Opus 5.5 只差 5 %预估成本不到后者五分之一。安全和对齐方面也很亮眼6.1 Terra 在应急准备框架下网络安全达到关键防护等级继承了 6 Astra 的全套安全保护机制完整搭载 GPT-6 系列对齐优化。跟5.6 Terra 比更能守住任务边界遇到能力局限或者阻碍会如实告诉用户不会硬着头皮瞎编。提示注入对抗测试里面对企图篡改任务的恶意指令抵抗力很强。翻译成人话就是这模型比较老实不会不懂装懂也不容易被坏人带偏。
、中断、异常、接口、系统调用、体系结构)
