GPT- 6.1 Terra, ne zlomená cena, ale tahle konečně vytvořila střed.

Za prvé, závěr je, že:GT- 6.1 Terra je opravdu levné, 1 dolar vstup / 5 dolarů výstup, což je přesně polovina GPT- 6.1 Sol řez. Ale není to "break", ale "rehorizont".A není to nejlevnější model na světě -- stejný ceník je dole, desetkrát levnější.

Pokud na tyto dvě věci nepřijdete, změníte modely špatným směrem: myslíte si, že zachycujete úniky a jste zmáčknuti doprostřed.

Nejdřív poruš slovo.

Je to oficiální rčení: standardní poměr cen API GPT- 5.6 Terra a GPT- 6.1 Sol 50% nízká.

Tento kontrast je velmi dobře vybrán. Sol, ano. $2 / $10Rozpůlím to. $1 / $5Čísla jsou správná. Ale byl použit jako kotva v GPT- 5.6 Terra.Už to nemůžu najít na seznamu.Nevím. Prošel jsem cenovou stránku a zbývaly už jen čtyři vlajky: Astra, 6.1 Sol, 6.1 Terra a 6 Luna.

Jinými slovy, není to snížení cen za stejný model."s novým, levným modelem, který nahradí starý model, který už je mimo."Nevím. Tyto dvě záležitosti jsou zcela odlišné, pokud jde o zadávání veřejných zakázek: první je úspora zásob zákazníků a druhá je dobrovolné přemístění.

Je tu ještě jedna, ještě méně zmíněná:Není to nejlevnější.

II. Čtyřstupňový ceník, 100násobný rozsah

Vyrovnejte standardní soubor, takhle to vypadá.

Model	Vstup	Výstup	Input cache	Umístění
GPT- 6 Astra	10.00	50.00	1.00	Přední vlajková loď
GPT- 61 Sol	2.00	10.00	0.10	Hlavní strojírenství
GT- 6.1 Terra	1.00	5.00	0.05	Voda funguje.
GT- 6 Luna	0.10	0.50	0.01	č. š.:

Zadejte cenový rozdíl od Astry po Lunu 100 krátNevím. Terra uvízla pod centrem.desetkrát levnější, Luno. Je to v cíli.Je to jen oficiální poznámka, která nic neříká.

Takže termín "cena zlomu", přesně."Nižší cena uprostřed."Nevím. Skutečným důsledkem je nahradit originál "buď drahou vlajkovou lodí nebo dobrými starými penězi" "užitečným slotem uprostřed".

Je to dobré pro lidi, kteří dělají agenta, a je to dobré. Ale nevykládej to jako "nejnižší na webu".

iii. Jeho umístění je ve skutečnosti napsáno v názvu: Pracovní model

V oficiálním popisu je přesné slovo... Je to dobré v "komunikaci a počítačové operace, které vyplní pracovní dny": vypracování programů, při pohledu na technické výkresy, vyplňování formulářů, řezání videí.

Všimněte si společného jmenovatele těchto čtyř příkladů:"Nebuď hloupý, nebuď příliš pomalý, nebuď příliš drahý."

To je přesně to, co agentka potřebuje. Agent, který vede zákulisí a volá tisíckrát denně, nepotřebuje krále Osei, ale stálou ruku a levný účet. Pro to přišla Terra.

Nejvýznamnější indikací je rychlost:Více než třikrát rychlejší než GPT-6 Astra a GPT-6.1 Sol.

Je to skoro třikrát cennější než scéna agenta. Volá se multikroková, 10kolová jednotka, dvě sekundy za každým kolem a celá mise je o 20 sekund delší - uživatelé nevědí, že "modely jsou chytřejší", ale "jak to není dobré?"

Čtyři, které jsou opravdu na útěku?

Podíval jsem se na šest oficiálních měřítek a dal je do "důvěryhodné" linie.

Opravdu vysoká: chybovost

Toto číslo je pro mě nanejvýš důležité: v testovací sadě pro "indukční chybu" uvnitř, je to nejdůležitější věc, kterou je třeba udělat.Míra chyb v souboru s nízkou diskusí klesla z 53,6% na 16,7%.To představuje pokles o téměř 37 procentních bodů; nejvyšší tranše klesla z 22,3% na 4,3%.

Proč je to důležitější než běh? Protože v té scéně s agentem,Špatná cena je nezkusit to znovu, ale vrátit se zpět.Nevím. Formulář, agente, nesprávně vyplněný částky, následovaný manuálním přezkumem, usmířením, náhradami, všechny byly skutečné hodiny. Míra chyb klesla z poloviny na jednu šestinu, což je kvalitativní změna.

Skutečný výtah: kódování příkazového řádku

Terminal- Bench 4.0, nejvyšší odůvodnění 50.3%Ve srovnání s GPT- 5.6 Terra, 21,5%, více než dvojnásobek.

Rozsah tohoto zvýšení je poněkud sporný, ale je to v rozumném směru: polovina mise běží, což naznačuje, že skutečně umí číst chyby, měnit objednávky a běžet znovu. Je to 50% hladiny vody, která je sotva "dá se dát do CI."

Sleva: zápas.

"Třikrát efektivnější než symbol Clauda Opus 5.5, s jednotkovou cenou asi jedné čtvrtiny a devětkrát nižší než cena jedné mise." Na to zapomenu.3 x 4 = 12, oficiálně asi 9 krátNevím.

Rozdíl je pravděpodobně díky rozdělení úkolů a rychlosti cache, který byl zaokrouhlen na oficiální "asi". Není to falešné, ale musíš to vědět.Složený faktor se násobí. Jakákoliv změna kalibru, závěr se změní.Nevím. Podívejte se na číslo "9 krát" a zeptejte se, které dvě to je na.

Neověřitelné: všechny

Všechna výše uvedená čísla,Vše z OpenAI sebehlášení, žádná třetí strana opakovat.Nevím. LMarena nemá místo a nezávislá monitorovací agentura nemá čas. Pro tento typ publikace, obvykle považuji self-rating jako "strop" a třetí strany jako "reálný".

Není to cena, je to malé slovo.

Když jsem četl prohlášení, obrátil jsem se k části o bezpečnosti a zarovnání, a viděl jsem přísloví, že mnoho lidí by pročesat:

"GPT- 6.1 Terra, v rámci našeho rámce pro připravenost, dosáhne bezpečného kritického prahu a udržuje ochranu vyvinutou pro GPT- 6 Astra."

Kritický je druhý nejvyšší slot v tomto rámci -- je na něm jen jeden "vyšší než kritický". Překlady do jazyka pro zadávání zakázek:Možnosti kybernetické kontroly modelu překročily hranici, kterou je třeba posuzovat odděleně a kontrolovat odděleně.

A pak to všem prodalo za 1 milion dolarů.

Je v pořádku dívat se na obě věci sám. Je zábavné číst spolu:Model označený vlastním bezpečnostním rámcem jako "kritická síťová kapacita" je nyní nejnákladově nejúčinnějším generickým modelem v rodině.

Nebudu tu říkat "AI nebezpečí". To nedává smysl. Ale pokud máte na starosti bezpečnost, je tu konkrétní otázka:Když některá společnost vyvine model, který může použít šálek kávy k vybudování síťové kapacity na Cristical Level, jaká je vaše hranice?

Odpověď na rámec Microsoft minulý týden bylo vzít oprávnění od modelu. Tato cena, Terro, je dalším krokem k naléhavosti této odpovědi:Kapacita je tam, kde inflace, deflace cen, a kde se obě křivky protínají, je místo, kde musí vláda přistát.

Šest, kdo by se měl změnit teď, kdo ne.

Měl jsem.

• Spusťte zpracování dávkových dokumentů.Čtení faktur, vyplňování formulářů, extrahování smluvních podmínek - úkoly tohoto druhu jsou nízké na "chytrý" a vysoké na "stabilita + levná". 1 dolar vstupní cena plus 16,7% chybovost, což je v současné době dezert.
• Do multistep GUI automatizované.OSWorld 2.1 překonal nejlepší výsledky předchozí generace, zatímco nejhorší věc na automatizaci GUI je pomalá a drahá.
• Tento příspěvek je součástí našeho speciálního pokrytí Global Voices2011.Potřebujete model, který běží 100,000 krát denně a nebolí. Není to model, který umí psát básně, ale 30 centů najednou.

Nespěchej.

• Udělejte nejkomplexnější kódovací úkoly.Sám úředník řekl, že nejtěžší kódování byly Sol a Astra. 50, 3% Terry je "polovina může projít", ne "všechno projde".
• Už jsem se rozhodl pro Sola.Místo toho, abychom změnili model, jsme hotovi -- rady, popisy nástrojů, přezkoušení strategií, přizpůsobení kontextu. Šetři si ty peníze, možná ne dost lidí na dva dny.
• Vydat zprávu o shodě.Žádná třetí strana ji nereprodukovala a vaše hodnotící zpráva neříká "nezávisle certifikovaná".

Existuje také jeden zvláštní případ:Pokud je váš podnik malý, tento pokles ceny je pro vás téměř bezvýznamný.Stovky hovorů denně, dolů z $2 na $1 měsíčně méně než dost koupit kávu. Tento seznam je pro velké týmy.

VII. Závěrečná věta

Toto kolo bylo zveřejněno pod názvem "Breaking Price", ale myslím, že skutečný signál je další tři:

• Uprostřed je konec.Byla tam jen "vlajková loď" a "kompatibilita" série, a teď je tu jasné "fit a levné". Je to strukturálně dobré pro celou Agentickou ekologii.
• Cenový boj dosáhl třetí úrovně.Když ceny prvních dvou rodin klesly, vlajkové lodě byly odříznuty; tentokrát hlavní zařízení. Jakmile hlavní výbava klesne, malé modely, které žijí na "levné" jsou mimo.
• Kapacita a cena nůžky se zvyšuje.Kritická síťová kapacita + cena $1, kombinace, která není jediným problémem, ale celým řetězcem průmyslových odvětví.

Čím levnější model, tím více Agent; tím více Agent, tím více to může být automatizované. Není to emoce. Je to aritmetická otázka.

Pokud jde o samotnou Terru: je to dobrý model a cena je opravdu špatná.Ale není to fraktura, je to ta, která konečně vytvořila střed.To, co uděláte, je, že nepospícháte dovnitř, ohlédnete se na hromadu agenta, což měl udělat levný, stabilní, trojnásobný dělník.

Změň to, ušetři toho víc, než si myslíš. Zbytek by měly udělat lodě vlajky - ne ušetřit peníze pro pracovní model dělat práci generálního ředitele.