GPT-6.1 Terra, एक टूटी हुई कीमत नहीं है, लेकिन यह अंततः बीच में बना हुआ है।

सबसे पहले, निष्कर्ष यह है:GT-6.1 Terra वास्तव में सस्ता है, $ 1 इनपुट / $ 5 आउटपुट, जो वास्तव में GPT-6.1 सोल कट का आधा हिस्सा है। लेकिन यह एक "ब्रेक" नहीं है, यह एक "re-horizon" है।और यह दुनिया में सबसे सस्ता मॉडल नहीं है - समान मूल्य सूची नीचे है, दस बार सस्ता है।

यदि आप इन दो चीजों को नहीं जानते हैं, तो आप गलत दिशा में मॉडल बदल सकते हैं: आपको लगता है कि आप लीक उठा रहे हैं, और आप बीच में निचोड़ रहे हैं।

सबसे पहले, शब्द तोड़ो।

यह आधिकारिक कह रहा है: मानक एपीआई मूल्य अनुपात GPT-5.6 Terra और GPT-6.1 सोल 50% कम।

यह विपरीत बहुत अच्छी तरह से चुना गया है। सोल, हाँ। $2 / $10मैं इसे आधे में काट दूँगा। $1 / $5संख्या सही है। लेकिन इसका उपयोग GPT-5.6 Terra में एक एंकर के रूप में किया गया था।मैं अब इस ध्वज सूची में नहीं पा सकता।मुझे नहीं पता। मैं मूल्य निर्धारण पृष्ठ के माध्यम से चला गया और वहाँ केवल चार झंडे छोड़ दिया गया: एस्ट्रा, 6.1 सोल, 6.1 टेरा, और 6 लूना।

दूसरे शब्दों में, यह उसी मॉडल के लिए मूल्य में कमी नहीं है।"एक नए सस्ते मॉडल के साथ, एक पुराने मॉडल की जगह जो पहले से ही नीचे है।"मुझे नहीं पता। दो मामले पूरी तरह से खरीद के मामले में अलग हैं: पूर्व ग्राहकों के शेयर की बचत है, और बाद में स्वैच्छिक स्थानांतरण है।

यहां तक कि कम उल्लेख किया गया है:यह उनमें से सबसे सस्ता नहीं है।

II. चार स्तरीय मूल्य सूची, 100 गुना रेंज

मानक फ़ाइल को समतल करें, यह वही है जो ऐसा दिखता है।

आदर्श	इनपुट	उत्पादन	कैश इनपुट	पोजिशनिंग
GPT-6 एस्ट्रा	10.00	50.00	1.00	फ्रंट फ्लैगशिप
GPT-61 सोल	2.00	10.00	0.10	प्रमुख इंजीनियरिंग
GT-6.1 Terra	1.00	5.00	0.05	पानी लाइन काम करता है।
GT-6 लूना	0.10	0.50	0.01	बैच

Astra से Luna तक मूल्य अंतर दर्ज करें 100 बारमुझे नहीं पता। टेरा केंद्र के नीचे अटक गया है।इसकी तुलना में दस गुना सस्ता है, लूना। यह सिर्फ लाइन नीचे है।यह सिर्फ एक आधिकारिक नोट है जो कुछ भी नहीं कहता है।

इसलिए "ब्रेक प्राइस" शब्द बिल्कुल।"मध्य में कम कीमत"।मुझे नहीं पता। इसका वास्तविक प्रभाव मूल रूप से "या तो एक महंगे ध्वज जहाज के साथ या एक अच्छे पुराने पैसे के साथ" को "मध्य में एक उपयोगी स्लॉट" के साथ बदलना है।

यह उन लोगों के लिए अच्छा है जो एजेंट करते हैं, और यह अच्छा है। लेकिन इसे "वेब पर सबसे कम" के रूप में व्याख्या नहीं करते हैं।

iii. इसका स्थान वास्तव में शीर्षक में लिखा गया है: कार्य मॉडल

आधिकारिक विवरण में एक सटीक शब्द है ... यह "संप्रेषण और कंप्यूटर संचालन जो कार्यदिवस भरते हैं" पर अच्छा है: प्रोग्राम तैयार करना, तकनीकी चित्र देखना, फ़ॉर्म भरना, वीडियो काटना।

इन चार उदाहरणों के सामान्य विभाजक को नोट करें:"नहीं होना चाहिए, बहुत धीमी नहीं होना चाहिए, बहुत महंगा नहीं होना चाहिए।

वास्तव में क्या एजेंट की पानी लाइन वास्तव में जरूरत है। एजेंट, जो बैकस्टेज चलाता है और दिन में हजारों बार कॉल करता है, ओसी राजा की आवश्यकता नहीं है, लेकिन स्थिर हाथ और सस्ते बिल। यही कारण है कि क्या टेरा के लिए आया था।

इसका सबसे महत्वपूर्ण संकेत गति है:GPT-6 एस्ट्रा और GPT-6.1 सोल की तुलना में तीन गुना तेज।

यह लगभग तीन बार एजेंट दृश्य के रूप में मूल्यवान है। एक बहु-चरण, 10-पहिया ड्राइव उपकरण कहा जाता है, प्रत्येक पहिया के पीछे दो सेकंड, और पूरे मिशन 20 सेकंड लंबा है - उपयोगकर्ताओं को पता नहीं है कि "मॉडल चालाक हैं" लेकिन "यह कैसे अच्छा नहीं है?

चार, जो वास्तव में रन में ऊपर हैं?

मैंने छह आधिकारिक बेंचमार्क को देखा और उन्हें "विश्वास" लाइन में डाल दिया।

वास्तव में उच्च: त्रुटि दर

यह संख्या मेरे लिए अत्यंत महत्वपूर्ण है: इसके अंदर "inducing त्रुटि" के लिए परीक्षण सेट में, यह करने के लिए सबसे महत्वपूर्ण बात है।निम्न-डिबेट फ़ाइल में त्रुटि दर 53.6% से 16.7% तक गिर गई।यह लगभग 37 प्रतिशत अंक की कमी का प्रतिनिधित्व करता है; उच्चतम tranche 22.3 प्रतिशत से 4.3 प्रतिशत तक गिर गया।

यह क्यों महत्वपूर्ण है? क्योंकि एजेंट दृश्य में,गलत लागत फिर से कोशिश नहीं करना है, यह वापस रोल करने के लिए है।मुझे नहीं पता। एक रूप, एजेंट, ने राशि को गलत तरीके से भर दिया, उसके बाद मैनुअल समीक्षा, मिलान, धनवापसी, जिनमें से सभी वास्तविक घंटे थे। त्रुटि दर आधे से एक छठा तक गिर गई, जो एक गुणात्मक परिवर्तन है।

रियल लिफ्ट: कमांड लाइन एन्कोडिंग

टर्मिनल-बेंच 4.0, उच्चतम तर्क 50.3%GPT-5.6 Terra की तुलना में, 21.5 प्रतिशत, दोगुना से अधिक।

इस वृद्धि का पैमाने कुछ संदिग्ध है, लेकिन यह एक उचित दिशा में है: मिशन का आधा हिस्सा चलता है, यह दर्शाता है कि यह वास्तव में गलतियों को पढ़ सकता है, ऑर्डर बदल सकता है और फिर से चला सकता है। यह 50% पानी का स्तर है जो मुश्किल से "सीआई में डाल दिया जा सकता है।

छूट: मैच।

" क्लाउड ओपस 5.5 के टोकन की तुलना में 3 गुना अधिक कुशल, लगभग एक चौथाई की एक इकाई मूल्य और एक मिशन की लागत से नौ गुना कम है। मुझे लगता है कि भूल जाएगा।3 x 4 = 12, आधिकारिक तौर पर लगभग 9 बारमुझे नहीं पता।

यह अंतर शायद कार्यों और कैश रेट के वितरण के कारण होता है, जो आधिकारिक "about" द्वारा गोल किया गया था। यह नकली नहीं है, लेकिन आपको पता होना चाहिए।यौगिक कारक गुणा है। किसी भी कैलिबर परिवर्तन, निष्कर्ष परिवर्तन।मैं नहीं जानता हूँ। संख्या "9 बार" देखें और पूछिए कि यह कौन सा है।

Unverifiable: सब

उपरोक्त सभी संख्याएंसभी ओपनएआई सेल्फ-रिपोर्ट से, दोहराने के लिए कोई तीसरे पक्ष नहीं।मुझे नहीं पता। LMArena में उस पर कोई जगह नहीं है, और स्वतंत्र निगरानी एजेंसी को चलाने का कोई समय नहीं है। इस प्रकार के प्रकाशन के लिए, मैं आमतौर पर "छत" और तीसरे पक्ष के रूप में "वास्तविक" के रूप में आत्म-रेटिंग का इलाज करता हूं।

यह मूल्य नहीं है, यह छोटा शब्द है।

जब मैंने स्टेटमेंट पढ़ा, तो मैंने सुरक्षा और संरेखण पर अनुभाग को बदल दिया, और मैंने यह कहकर देखा कि कई लोग मारे जाएंगे:

"GPT-6.1 Terra, हमारी तैयारी ढांचे के भीतर, इंटरनेट सुरक्षित क्रिटिकल थ्रेसहोल्ड तक पहुंचता है और GPT-6 Astra के लिए विकसित सुरक्षा को बनाए रखता है।

क्रिटिकल इस ढांचे में दूसरा उच्चतम स्लॉट है - इसमें केवल एक "क्रिटिक से अधिक" है। खरीद भाषा में अनुवाद:'s साइबर नियंत्रण क्षमता' मॉडल ने उस लाइन को पार कर लिया है जिसे अलग से आकलन करने और अलग से नियंत्रित करने की आवश्यकता है।

और फिर यह $ 1 / मिलियन टोकन के लिए हर किसी को बेच दिया।

अकेले दोनों चीजों को देखना ठीक है। यह एक साथ पढ़ने के लिए मजेदार है:अपने स्वयं के सुरक्षा ढांचे द्वारा चिह्नित एक मॉडल के रूप में "क्रिटिकल लेवल नेटवर्क क्षमता" अब परिवार में सबसे अधिक लागत प्रभावी जेनेरिक मॉडल है।

मैं यहाँ "AI खतरे" कहने के लिए नहीं जा रहा हूँ। यह समझ नहीं आता। लेकिन अगर आप सुरक्षा के प्रभारी हैं, तो जवाब देने के लिए एक विशिष्ट सवाल है:जब कोई कंपनियां एक मॉडल विकसित करती हैं जो क्रिस्टिकल स्तर पर नेटवर्क क्षमता बनाने के लिए कप कॉफी का उपयोग कर सकती हैं, तो आपकी सीमा रेखा क्या है?

पिछले सप्ताह माइक्रोसॉफ्ट फ्रेमवर्क का जवाब मॉडल से अनुमति लेना था। यह मूल्य निर्धारण, टेरा, इस उत्तर की तात्कालिकता के लिए आगे बढ़ रहा है:क्षमता वह जगह है जहां मुद्रास्फीति, कीमतें विक्षेपण, और जहां दो वक्र भिन्न होते हैं, जहां नियंत्रण को जमीन पर जाना पड़ता है।

छह, जो अब बदल जाना चाहिए, कौन नहीं होना चाहिए।

मुझे होना चाहिए।

• बैच दस्तावेज़ प्रसंस्करण चलाएं।पढ़ना चालान, फ़ॉर्म भरना, अनुबंध शर्तों को निकालने - इस तरह के कार्यों को "स्मार्ट" पर कम किया जाता है और "स्थिरता + सस्ते" पर उच्च होता है। $ 1 इनपुट मूल्य प्लस 16.7% त्रुटि दर, जो वर्तमान में मिठाई है।
• मल्टीस्टेप GUI स्वचालित करें।ओएसवर्ल्ड 2.1 ने पिछली पीढ़ी के सर्वश्रेष्ठ परिणामों को बेहतर बनाया है, जबकि जीयूआई स्वचालन के बारे में सबसे खराब बात धीमी और महंगी है।
• यह पोस्ट हमारे विशेष कवरेज ग्लोबल वॉयस 2011 का हिस्सा है।क्या आपको आवश्यकता है एक मॉडल जो दिन में 100,000 बार चलता है और चोट नहीं करता है। यह एक मॉडल नहीं है जो कविताओं को लिख सकता है, लेकिन एक समय में 30 सेंट।

जल्दी मत करो।

• सबसे जटिल कोडिंग कार्य करें।अधिकारी ने खुद कहा कि सबसे कठिन कोडिंग सोल और एस्ट्रा थी। टेरा का 50.3% "हाल्फ पास कर सकता है", "सभी पास" नहीं।
• पहले से ही गहराई से सोल की।मॉडल को बदलने के बजाय, हम कर रहे हैं - संकेत, उपकरण विवरण, पुनः प्रयास रणनीति, संदर्भ अनुरूपता। उस पैसे को बचाने के लिए, शायद दो दिनों के लिए पर्याप्त मानव शक्ति नहीं।
• अनुपालन रिपोर्ट जारी करना।कोई तीसरे पक्ष ने इसे पुन: उत्पन्न नहीं किया है, और आपकी मूल्यांकन रिपोर्ट "स्वतंत्र रूप से प्रमाणित" नहीं कहती है।

एक विशेष मामला भी है:यदि आपका व्यवसाय छोटा है, तो यह मूल्य आपके लिए लगभग अर्थहीन है।सैकड़ों कॉल एक दिन से नीचे $ 2 से $ 1 एक महीने तक कॉफी खरीदने के लिए पर्याप्त से कम। यह सूची बड़ी टीमों के लिए है।

VII अंतिम वाक्य

यह दौर "ब्रेकिंग प्राइस" शीर्षक के तहत प्रकाशित किया गया था, लेकिन मुझे लगता है कि असली संकेत तीन और है:

• मध्य किया जाता है।वहाँ केवल एक "flagship" और एक "संगतता" श्रृंखला थी, और अब वहाँ एक स्पष्ट "फिट एंड सस्ता" है। यह पूरे एजेंट पारिस्थितिकी के लिए संरचनात्मक रूप से अच्छा है।
• मूल्य लड़ाई तीसरे स्तर तक पहुंच गई।जब पहले दो परिवारों की कीमतें गिर गईं, तो झंडा जहाजों को काट दिया गया; इस समय, मुख्य गियर। जैसे ही मुख्य गियर गिरता है, छोटे मॉडल जो "सस्ता" पर रहते हैं, जगह से बाहर हैं।
• कैंची की क्षमता और कीमत बढ़ रही है।क्रिटिकल लेवल नेटवर्क क्षमता + $ 1 मूल्य निर्धारण, एक संयोजन जो एक समस्या नहीं है, लेकिन उद्योगों की पूरी श्रृंखला।

जितना सस्ता मॉडल, उतना अधिक एजेंट; जितना अधिक एजेंट, उतना ही स्वचालित हो सकता है। यह भावना नहीं है। यह एक अंकगणितीय सवाल है।

यह एक अच्छा मॉडल है और कीमत वास्तव में बुरा है।लेकिन यह एक फ्रैक्चर नहीं है, यह वही है जो अंततः बीच में बना।आप क्या करने जा रहे हैं?

इसे बदलें, इससे ज्यादा की बचत करें। बाकी ध्वज जहाजों द्वारा किया जाना चाहिए - निदेशक जनरल का काम करने के लिए काम करने वाले मॉडल के लिए पैसे बचाने के लिए नहीं।