GPT-6.1Terra

మేము GPT-6.1 Terraను పరిచయం చేస్తున్నాము. వేగంగా, సమర్థంగా పనిచేసే ఈ మోడల్, మరింత స్పష్టంగా, సహజంగా రాయడంతో పాటు దృశ్యాలను వివరంగా విశ్లేషించే రీజనింగ్‌ను, కచ్చితంగా కంప్యూటర్‌ను ఉపయోగించే సామర్థ్యాన్ని కలిగి ఉంది. GPT‑5.6 Terra కంటే గణనీయంగా మెరుగైన ఈ మోడల్, ప్రతిపాదనల ముసాయిదాలు రాయడం, సాంకేతిక రేఖాచిత్రాలను అర్థం చేసుకోవడం నుంచి ఫారమ్‌లు నింపడం, వీడియోలను సవరించడం వరకు రోజువారీ పనిలో భాగమైన సమాచార మార్పిడి, కంప్యూటర్ ఆధారిత పనుల్లో రాణిస్తుంది.

వేగం, సామర్థ్యం, ఖర్చు మధ్య కొత్త సమతుల్యతను అందిస్తూ, మా మోడల్ కుటుంబాలన్నింటిలో ఖర్చుకు తగిన మేధోసామర్థ్యాన్ని అందించడంలో Terra సాధ్యమైన హద్దులను మరింత విస్తరిస్తోంది. దీని ప్రామాణిక ఏపీఐ ధరలు GPT-5.6 Terra, GPT-6.1 Sol ధరల కంటే 50% తక్కువ. దీంతో అందిన ఇన్‌వాయిస్‌లను చదివి, వాటి వివరాలను అకౌంటింగ్ సాఫ్ట్‌వేర్‌లో నమోదు చేయడం వంటి భారీ పరిమాణంలో జరిగే పనులను స్వయంచాలకంగా నిర్వహించడం డెవలపర్‌లకు ఆచరణసాధ్యమవుతుంది. ChatGPT వర్క్, Codexలో GPT-6.1 Terraతో మీ ప్లాన్ మరింత ప్రయోజనాన్ని అందిస్తుంది—అదే వినియోగ పరిమితితో GPT‑5.6 Terra కంటే ఎక్కువ పనులు, GPT‑6.1 Sol లేదా GPT‑6 Astra కంటే గణనీయంగా ఎక్కువ పనులు పూర్తి చేయవచ్చు.

దృశ్యాలను అర్థం చేసుకోవడం నుంచి చర్యలు చేపట్టడం వరకు

వృత్తిపరమైన పనులను పరీక్షించే Agents’ Last Exam బెంచ్‌మార్క్‌పై GPT-6.1 Terra కంప్యూటర్ వినియోగ సామర్థ్యాలను మేము కొలిచాము. ఇందులో వాస్తుశిల్ప రేఖాచిత్రాలను త్రిమితీయ మోడల్‌గా మార్చడం, పునరుద్ధరణ బృందం కోసం సమయ సూచనలతో కూడిన నమోదు పత్రాన్ని రూపొందించేందుకు యానిమేటెడ్ చిత్రంలోని ప్రతి షాట్‌ను సమీక్షించడం వంటి పనులు ఉన్నాయి. మీడియం రీజనింగ్ ప్రయత్న స్థాయిలో, GPT-6.1 Terra సుమారు మూడింట ఒక వంతు ఖర్చుతో GPT-5.6 Terra కంటే 15 శాతం పాయింట్లు ఎక్కువ స్కోరు సాధిస్తుంది. టోకెన్‌కు GPT-6 Astra ధరలో కేవలం పదింట ఒక వంతు ధరతోనే, దానితో సమానమైన పనితీరును కూడా కనబరుస్తుంది. మ్యాక్స్ ప్రయత్న స్థాయిలో, టోకెన్‌ల వినియోగ సామర్థ్యంలో Terra, Claude Opus 5.5 కంటే మూడు రెట్లకు పైగా మెరుగ్గా ఉంటుంది. టోకెన్‌కు ధర కూడా దాని ధరలో నాలుగింట ఒక వంతు మాత్రమే కావడంతో, ఒక్కో పనికి అయ్యే ఖర్చు సుమారు 9 రెట్లు తగ్గుతుంది. Terra వేగం కూడా చాలా ఎక్కువ: GPT-6 Astra, GPT-6.1 Sol రెండింటితో పోలిస్తే పనులను మూడు రెట్లకు పైగా వేగంగా పూర్తి చేస్తుంది.

దృశ్య రీజనింగ్‌ను పరీక్షించే MMMU-Pro బెంచ్‌మార్క్‌పై, ప్రతి రీజనింగ్ సెట్టింగ్‌లోనూ GPT-6.1 Terra, GPT-5.6 Terra కంటే మెరుగైన పనితీరును కనబరుస్తుంది. మా అత్యంత సామర్థ్యవంతమైన అత్యాధునిక మోడల్ GPT-6 Astra, అలాగే GPT-6.1 Sol సాధించిన స్కోర్‌లకు కూడా దాదాపు సమానమైన స్కోర్‌లను చాలా తక్కువ ఖర్చుతో సాధిస్తుంది.

సాంకేతిక రేఖాచిత్రం నుంచి త్రిమితీయ నమూనాను రూపొందించడం వంటి బహుళ దశల పనులను పూర్తి చేయడానికి కృత్రిమ మేధస్సు ఏజెంట్‌లు డెస్క్‌టాప్ యాప్‌లను ఎంత సమర్థంగా ఉపయోగిస్తాయో OSWorld 2.1 పరీక్షిస్తుంది. మీడియం రీజనింగ్ శ్రమ స్థాయిలో, GPT-6.1 Terra ఒక్కో పనికి అయ్యే ఖర్చులో కొద్ది భాగంతోనే GPT-5.6 Terra అత్యుత్తమ స్కోర్‌ను అధిగమిస్తుంది.

వాస్తవిక కచ్చితత్వంలోనూ, కోడింగ్‌లోనూ గణనీయమైన పురోగతి

ఈ ఏడాది, మా మోడల్‌లు కల్పిత సమాచారాన్ని, వాస్తవపరమైన తప్పులను ఉత్పత్తి చేయడాన్ని తగ్గించేందుకు మేము భారీగా పెట్టుబడి పెట్టాము. తప్పులు చేసేలా ప్రేరేపించే ప్రాంప్ట్‌లతో కూడిన మా అంతర్గత ప్రమాణ పరీక్షలో, తక్కువ రీజనింగ్ శ్రమ స్థాయిలో తప్పుల రేటు GPT-5.6 Terraలోని 53.6% నుంచి GPT-6.1 Terraలో 16.7%కి పడిపోయింది. ఇది దాదాపు 37 శాతం పాయింట్ల తగ్గుదల. గరిష్ఠ శ్రమ స్థాయిలో, తప్పుల రేటు 18 శాతం పాయింట్లు తగ్గి 4.3%కి చేరింది. ఇది దాదాపుగా GPT-6 Astra, GPT-6.1 Sol రేట్లకు సమానం.

సాఫ్ట్‌వేర్ ఇంజినీరింగ్‌లో GPT-5.6 Terraతో పోలిస్తే GPT-6.1 Terra గణనీయంగా మెరుగుపడింది. లోడ్ అవుతున్నప్పుడు లేఅవుట్ మారిపోయే వెబ్‌పేజీని సరిచేయడం వంటి సమస్యలను కమాండ్ లైన్ ద్వారా కోడింగ్ ఏజెంట్‌లు ఎంత బాగా పరిష్కరిస్తాయో Terminal-Bench 4.0 పరీక్షిస్తుంది. గరిష్ఠ రీజనింగ్ శ్రమ స్థాయిలో, GPT‑6.1 Terra 50.3% పనులను పరిష్కరిస్తుంది. ఇది GPT‑5.6 Terra కోసం ప్రచురించిన 21.5% స్కోర్‌కు రెట్టింపు కంటే ఎక్కువ. అత్యంత సంక్లిష్టమైన కోడింగ్ పనులకు మాత్రం GPT-6.1 Sol, GPT-6 Astra ఇప్పటికీ మెరుగైన ఎంపికలు.

టైమ్-లాప్స్ వీడియోలో కణ విభజనలను గుర్తించి నమోదు చేయడం వంటి శాస్త్రీయ పరిశోధన పనులను కోడ్ సహాయంతో ఏజెంట్‌ ఎంత బాగా నిర్వహిస్తాయో Terminal-Bench-Science 0.1 పరీక్షిస్తుంది. గరిష్ఠ రీజనింగ్ స్థాయిలో, GPT-6.1 Terra తక్కువ ఖర్చుతో GPT-6.1 Solను అధిగమిస్తుంది. Opus 5.5 అంచనా ఖర్చులో ఐదో వంతు కంటే తక్కువ ఖర్చుతోనే, దాని స్కోర్‌కు ఐదు పాయింట్ల లోపు తేడాతో నిలుస్తుంది.

భద్రత, మానవ ఉద్దేశాలకు అనుగుణంగా పనిచేయడం

శక్తివంతమైన కృత్రిమ మేధస్సును మరింత సమర్థవంతంగా, సులభంగా అందుబాటులో ఉండేలా చేస్తూనే, మేము శిక్షణను, పరీక్షలను, మా భద్రతా చర్యలను మెరుగుపరచడాన్ని కొనసాగిస్తున్నాము. మా ప్రిపేర్‌డ్నెస్ ఫ్రేమ్‌వర్క్ ప్రకారం సైబర్ భద్రతలో GPT‑6.1 Terra అత్యంత తీవ్రమైన స్థాయికి నిర్దేశించిన హద్దును చేరుకుంటుంది. అలాగే, GPT‑6 Astra కోసం అభివృద్ధి చేసిన రక్షణలను కొనసాగిస్తుంది.

GPT-6 శ్రేణిలో మానవ ఉద్దేశాలకు అనుగుణంగా ప్రవర్తించేలా చేసిన మెరుగుదలలను GPT-6.1 Terra కూడా అందిస్తుంది. మా మూల్యాంకనాల ప్రకారం, GPT-5.6 Terraతో పోలిస్తే GPT-6.1 Terra నిర్దేశించిన పని పరిధిలో ఉండటానికి, పరిమితులను, ఎదురుకాగల అవరోధాలను వినియోగదారుకు నిజాయితీగా తెలియజేయడానికి ఎక్కువ అవకాశం ఉంది. మా ప్రాంప్ట్ ఇంజెక్షన్ పరీక్షల్లో, వినియోగదారు పని నుంచి దారి మళ్లించేందుకు రూపొందించిన హానికరమైన సూచనలను కూడా GPT-6.1 Terra బలంగా ప్రతిఘటించింది. మరిన్ని వివరాలు సిస్టమ్ కార్డ్⁠(కొత్త విండోలో తెరుచుకుంటుంది)లో అందుబాటులో ఉన్నాయి.

ధరలు, లభ్యత

ఈ రోజు నుంచి, ChatGPT వర్క్, Codexలోని Plus, Pro, Enterprise, Edu వినియోగదారులందరికీ GPT-6.1 Terra అందుబాటులో ఉంది. డెవలపర్‌లు OpenAI ఏపీఐ ద్వారా కూడా దీనిని gpt-6.1-terra పేరుతో ఉపయోగించవచ్చు.

ప్రామాణిక API ధరలు ప్రతి పది లక్షల ఇన్‌పుట్ టోకెన్‌లకు $1, ప్రతి పది లక్షల కాష్ చేసిన ఇన్‌పుట్ టోకెన్‌లకు $0.05, ప్రతి పది లక్షల అవుట్‌పుట్ టోకెన్‌లకు $5.