GPT-6.1 Terra 推進成本效率前沿
GPT-6.1 Terra pushes the cost efficiency frontier
OpenAI 發佈 GPT-6.1 Terra，每百萬個輸入／輸出 token 分別定價 $1/$5，低於 GPT-5.6 Terra 的 $2/$12。在 max effort 下，其 Artificial Analysis Intelligence Index 比 GPT-5.6 Terra 高 6 分，單項任務成本由 $1.40 降至 $0.40。
文章以 Artificial Analysis 多項基準比較 GPT-6.1 Terra 與前代及同系模型，呈現成本效率、編碼智能體表現和幻覺率的差異。
OpenAI 發佈 GPT-6.1 Terra，進一步推進成本效益前沿。這是自 GPT-5.6 以來首個 Terra 系列模型，以不足三分之一的成本提供更高智能
每百萬個輸入／輸出 token 的定價為 $1/$5，不高於 GPT-5.6 Terra 的一半；上一代模型的價格為 $2/$12。快取寫入費亦減半，現為每百萬個 token $1.25。快取輸入價格則降至四分之一，每百萬個 token 為 $0.05，而原價為 $0.20。
重點：
➤ 在低及中等推理力度下，於智能與成本方面達到帕累托最優：在最高推理力度下，GPT-6.1 Terra 的 Artificial Analysis Intelligence Index 得分較 GPT-5.6 Terra 高 6 分，每項任務的成本則不足三分之一（$0.40 對 $1.40）。在較低推理力度下，分數增幅更大，介乎 7 至 13 分。低及中等推理力度設定在成本效益方面達到帕累托最優，其餘推理力度設定則落後於前沿。在最高推理力度下，模型的 Intelligence Index 得分比 GPT-6.1 Sol 低 4 分，比 GPT-6 Luna 高 10 分。
➤ 推進 Coding Agent Index 的成本效益前沿：模型在新發佈的 Artificial Analysis Coding Agent Index v2.0 中取得 48 分，比 GPT-6.1 Sol（54 分）低 6 分，比 GPT-6 Luna（31 分）高 17 分。xhigh 和低推理力度設定位於 Coding Agent Index 的成本效益前沿，其餘推理力度設定則落後於前沿。
➤ 幻覺率下降 50 個百分點：在 AA-Omniscience（我們的專有知識及幻覺基準測試）中，當 GPT-6.1 Terra 不知道問題答案時，有 38% 的情況會猜測。相比之下，GPT-5.6 Terra 的幻覺率為 88%。幻覺率大幅下降之餘，AA-Omniscience 的準確度亦提升 2 分，代表模型同時能正確回答更多問題。
➤ Terminal-Bench 4.0 大幅提升 20 分，其他大部分評測亦略有進步：模型在終端機代理基準測試 Terminal-Bench 4.0 中取得顯著進步，提升約 20 分，在最高推理力度下已可媲美 GPT-6.1 Sol。其他大部分評測的分數增幅較小，例如 GDP.pdf 提升 5 分。
GPT-6.1 Terra 在 Artificial Analysis Coding Agent Index v2.0 中取得 48 分，比 GPT-6.1 Sol（54 分）低 6 分，比 GPT-6 Luna（31 分）高 17 分。xhigh 和低推理力度設定位於成本效益前沿。
在 AA-Omniscience 評測中，GPT-6.1 Terra 的幻覺率下降 50 個百分點。與此同時，AA-Omniscience 的準確度提升 2 分，代表模型同時能正確回答更多問題。
模型在終端機代理基準測試 Terminal-Bench 4.0 中取得顯著進步，提升約 20 分，在最高推理力度下已可媲美 GPT-6.1 Sol。
Artificial Analysis Intelligence Index v4.3.2 各項評測的詳細得分
前往以下連結比較 GPT-6.1 Terra 與其他領先模型：https://artificialanalysis.ai/models/releases/gpt-6-1-terra
來源：Artificial Analysis 完整文章 · artificialanalysis.ai