GPT- 6.1 Terra, ikke en brudt pris, men denne ene endelig består af midten.

For det første er konklusionen, at:GT- 6.1 Terra er virkelig billig, $1 input / $5 output, hvilket er præcis halvdelen af GT- 6.1 Sol cut. Men det er ikke en "pause", det er en "tilbage-horisont".Og det er ikke den billigste model i verden -- den samme prisliste er nede, ti gange billigere.

Hvis du ikke finder ud af disse to ting, ændrer du modellerne i den forkerte retning: du tror, at du opfanger lækager, og du er presset til midten.

Først, bryd ordet.

Det er det officielle ordsprog: standard API prisforhold GPT- 5.6 Terra og GPT- 6.1 Sol 50% lav.

Denne kontrast er meget velvalgt. Sol, ja. $2 / $10Jeg skærer den over. $1 / $5Tallene er rigtige. Men det blev brugt som anker i GPT-5.6 Terra.Jeg kan ikke finde det på listen.Det ved jeg ikke. Jeg gik gennem prissætningen side, og der var kun fire flag tilbage: Astra, 6.1 Sol, 6.1 Terra, og 6 Luna.

Med andre ord er det ikke en prisnedsættelse for den samme model."med en ny billig model, der erstatter en gammel model, der allerede er nede".Det ved jeg ikke. De to ting er helt forskellige med hensyn til indkøb: det første er opsparingen af kundernes lager, og det andet er den frivillige flytning.

Der er en anden, endnu mindre nævnt:Det er ikke det billigste af dem.

II. Four- tier prisliste, 100- fold range

Niveau op Standard filen, dette er, hvad det ser ud.

Model	Input	Output	Cache Input	Positionering
GPT- 6 Astra	10.00	50.00	1.00	Flagskib fortil
GPT- 61 Sol	2.00	10.00	0.10	Større ingeniørarbejde
GT- 6.1 Terra	1.00	5.00	0.05	Vandledningen virker.
GT- 6 Luna	0.10	0.50	0.01	Batch

Indtast prisforskel fra Astra til Luna 100 gangeDet ved jeg ikke. Terra sidder fast under midten.Ti gange billigere end det er, Luna. Det er lige i køen.Det er bare en officiel note, der ikke siger noget.

Så udtrykket "pause pris", præcis."En lavere pris i midten".Det ved jeg ikke. Den virkelige effekt af dette er at erstatte den oprindelige "enten med et dyrt flag skib eller med en god gamle penge" med "en nyttig slot i midten".

Det er godt for dem, der gør Agent, og det er godt. Men tolk det ikke som "det laveste på nettet".

iii. Dens placering er faktisk skrevet i titlen: Arbejdsmodel

Der er et præcist ord i den officielle beskrivelse... Det er godt til "kommunikation og computer operationer, der fylder arbejdsdage": udarbejdelse af programmer, ser på tekniske tegninger, udfylde formularer, skære videoer.

Bemærk fællesnævneren for disse fire eksempler:"Vær ikke dum, ikke for langsom, ikke for dyr".

Det er præcis det, Agent har brug for. Agenten, der løber bag scenen og ringer tusindvis af gange om dagen, har ikke brug for Osei King, men den stabile hånd og billige regning. Det var det, Terra kom efter.

Den vigtigste indikation er hastighed:Mere end tre gange hurtigere end GPT- 6 Astra og GPT- 6.1 Sol.

Det er næsten tre gange så værdifuldt som agent scenen. Et multitrins, 10-hjuls-drev værktøj kaldes, to sekunder bag hvert hjul, og hele missionen er 20 sekunder længere - brugerne ved ikke "modeller er klogere", men "hvordan er det ikke godt?"

Fire, hvilke er virkelig oppe at køre?

Jeg kiggede på de seks officielle benchmarks og satte dem i en "troværdighedslinje".

Virkelig høj: fejlprocent

Dette nummer er af største betydning for mig: i testsættet for "inducerende fejl" inde i det, er det det vigtigste at gøre.Fejlprocenten i lavdebatfilen faldt fra 53,6% til 16,7%.Dette svarer til et fald på næsten 37 procentpoint; den højeste tranche faldt fra 22,3% til 4,3%.

Hvorfor er det vigtigere end at løbe? Fordi i agent scenen,Den forkerte pris er ikke at prøve igen, men at rulle tilbage.Det ved jeg ikke. En formular, agent, forfejlede beløbene, efterfulgt af manuel gennemgang, forsoning, tilbagebetalinger, som alle var rigtige timer. Fejlprocenten faldt fra halvdelen til en sjettedel, hvilket er en kvalitativ ændring.

Real lift: kommandolinjeindkodning

Terminal- Bench 4.0, højeste ræsonnement 50.3%Sammenlignet med GPT- 5.6 Terra, 21,5%, mere end fordoblet.

Omfanget af denne stigning er noget tvivlsomt, men det er i en rimelig retning: halvdelen af missionen kører, hvilket indikerer, at det virkelig kan læse fejl, ændre ordrer og køre igen. Det er 50% af vandstanden, der knap nok kan sættes i informant.

Rabat: kampen.

"3 gange mere effektiv end symbolet på Claude Opus 5.5, med en enhedspris på omkring en fjerdedel, og ni gange mindre end omkostningerne ved en enkelt mission". Det glemmer jeg.3 x 4 = 12, officielt omkring 9 gangeDet ved jeg ikke.

Forskellen skyldes sandsynligvis fordelingen af opgaverne og cache-satsen, som blev rundet op af den officielle "about". Det er ikke falsk, men du skal vide det.Den sammensatte faktor ganges. Enhver kaliber ændrer sig, konklusionen ændrer sig.Det ved jeg ikke. Se tallet "9 gange" og spørg, hvilke to det er på.

Ikke-kontrollerbare: Alle

Alle de ovennævnte tal,Alle fra OpenAI selv, ingen tredjepart at gentage.Det ved jeg ikke. LMarena har ingen plads på det, og det uafhængige overvågningsorgan har ikke tid til at løbe. For denne type publikationer, jeg normalt behandle selvvurdering som "loft" og tredjeparter som "reel".

Det er ikke prisen, det er det lille ord.

Da jeg læste erklæringen, vendte jeg mig mod afsnittet om sikkerhed og tilpasning, og jeg så et ordsprog om, at mange mennesker ville feje igennem:

"GPT- 6.1 Terra, inden for vores beredskabsramme, når Internet- safe Critical tærskel og opretholder den beskyttelse, der er udviklet til GPT- 6 Astra".

Kritisk er den næsthøjeste plads i denne ramme -- der er kun én "højere end Kritisk" på den. Oversættelse til udbudssproget:Modellen 's cyberkontrol evne har krydset den linje, der skal vurderes separat og kontrolleres separat.

Og så solgte den til alle for en million dollars.

Det er okay at se på begge ting alene. Det er sjovt at læse sammen:En model præget af sin egen sikkerhedsramme som "kritisk netværkskapacitet" er nu den mest omkostningseffektive generiske model i familien.

Jeg vil ikke sige "Al fare" her. Det giver ingen mening. Men hvis du har ansvaret for sikkerheden, er der et specifikt spørgsmål at besvare:Når nogen af virksomhederne udvikler en model, der kan bruge en kop kaffe til at opbygge et netværk kapacitet på kritisk niveau, hvad er din grænse linje?

Svaret på Microsoft-rammerne i sidste uge var at tage tilladelser fra modellen. Denne prisfastsættelse, Terra, er et yderligere skub i retning af, at dette svar haster:Kapaciteten er der, hvor inflationen, priserne deflation, og hvor de to kurver krydser hinanden, er der, hvor kontrollen skal lande.

Seks, som burde ændre sig nu, som ikke burde.

Det burde jeg have gjort.

• Kør en batch dokumentbehandling.Læse fakturaer, udfylde formularer, udtrække kontraktvilkår - opgaver af denne art er lav på "smart" og høj på "stabilitet + billig". $1 input pris plus 16,7% fejlprocent, som i øjeblikket er dessert.
• Lav flertrins GUI automatiseret.OSWorld 2.1 har overgået de bedste resultater fra den foregående generation, mens det værste ved GUI automatisering er langsom og dyr.
• Dette indlæg er en del af vores særlige dækning Global Voices 2011.Du har brug for en model, der kører 100.000 gange om dagen og ikke gør ondt. Det er ikke en model, der kan skrive digte, men 30 cent ad gangen.

Skynd dig ikke.

• Gør de mest komplekse kodningsopgaver.Embedsmanden sagde selv, at den sværeste kode var Sol og Astra. Terras 50,3% er "halvdelen kan passere", ikke "alle passerer".
• Allerede Depted Sol 's.I stedet for at ændre modellen, er vi færdige -- hints, værktøj beskrivelser, prøve strategier, skræddersy sammenhængen. Gem de penge, måske ikke nok i to dage.
• At udstede en overensstemmelsesrapport.Ingen tredjepart har gengivet det, og der står ikke "uafhængigt certificeret" i din vurderingsrapport.

Der er også et særligt tilfælde:Hvis din virksomhed er lille, er dette prisfald næsten meningsløst for dig.Hundredvis af opkald om dagen, ned fra $2 til $1 om måneden mindre end nok til at købe kaffe. Listen er til store hold.

VII. Afsluttende punktum

Denne runde blev udgivet under titlen "Breaking Price", men jeg tror, det virkelige signal er tre mere:

• Midten er færdig.Der var kun en "flagskib" og en "kompatibilitet" serie, og nu er der en klar "pasform og billig". Det er strukturelt godt for hele agenternes økologi.
• Priskampen nåede det tredje niveau.Da priserne på de to første familier faldt, blev flagskibene skåret ned; denne gang var det vigtigste redskab. Så snart de vigtigste gear falder, de små modeller, der lever på "billige" er ude af plads.
• Kapaciteten og prisen på saks er stigende.Kritisk-niveau netværkskapacitet + $1 prissætning, en kombination, der ikke er et enkelt problem, men en hel kæde af industrier.

Jo billigere modellen er, jo mere agent, jo mere agent kan den automatiseres. Det er ikke en følelse. Det er et aritmetisk spørgsmål.

Hvad angår Terra selv: Det er en god model, og prisen er virkelig dårlig.Men det er ikke et brud, det er den, der endelig fandt på midten.Det, du skal gøre, er ikke at skynde dig ind, men at se tilbage på din bunke af agent, som skulle have været gjort af en billig, stabil, tredobbelt arbejder.

Ændre det, gemme mere end du tror. Resten skal udføres af flagskibe - ikke for at spare penge for en arbejdsmodel til at udføre hvervet som generaldirektør.