GPT-6.1 Terra, nu un preț rupt, dar aceasta a făcut în cele din urmă până la mijloc.

În primul rând, concluzia este că:GT-6.1 Terra este foarte ieftin, 1 dolar intrare / 5 dolari de ieșire, care este exact jumătate GPT-6.1 Sol tăiat. Dar nu este o "rupere," este un "re-horizon."Și nu este cel mai ieftin model din lume -- aceeași listă de prețuri este în jos, de zece ori mai ieftină.

Dacă nu vă daţi seama de aceste două lucruri, schimbaţi modelele în direcţia greşită: credeţi că recepţionaţi scurgeri şi sunteţi înghesuiţi până la mijloc.

În primul rând, rupe cuvântul.

Este vorba oficial: raportul preţurilor standard API GPT-5.6 Terra şi GPT-6.1 Sol 50% scăzut.

Acest contrast este foarte bine ales. Sol, da. $2 / $10O tai în două. $1 / $5Numerele sunt corecte. Dar a fost folosită ca ancoră în GPT-5.6 Terra.Nu-l mai găsesc pe lista asta.Nu ştiu. Am verificat pagina de preţuri, şi mai rămăseseră doar patru steaguri: Astra, 6.1 Sol, 6.1 Terra şi 6 Luna.

Cu alte cuvinte, nu este o reducere de preț pentru același model."cu un model nou, ieftin, înlocuind un model vechi care deja a căzut."Nu ştiu. Cele două probleme sunt complet diferite în ceea ce privește achizițiile publice: prima este economisirea stocului de clienți, iar cea din urmă este relocarea voluntară.

Mai e unul, chiar mai puţin menţionat:Nu e cea mai ieftină dintre ele.

II. Lista de preţuri pe patru niveluri, de 100 de ori mai mare

Nivelează fişierul Standard, aşa arată.

Model	Intrare	Rezultat	Intrare cache	Poziționare
GPT-6 Astra	10.00	50.00	1.00	Amiralul frontal
GPT- 61 Sol	2.00	10.00	0.10	Inginerie majoră
GT-6.1 Terra	1.00	5.00	0.05	Conducta de apă funcţionează.
GT-6 Luna	0.10	0.50	0.01	Serie

Introduceți diferența de preț de la Astra la Luna 100 de oriNu ştiu. Terra e blocată sub centru.De zece ori mai ieftin decât este, Luna. Este doar în jos linia.E doar o notă oficială care nu spune nimic.

Deci termenul "preţ de spargere," exact."Un preţ mai mic la mijloc."Nu ştiu. Efectul real al acestui lucru este de a înlocui originalul "fie cu o navă de pavilion scump sau cu un bun vechi bani" cu "un slot util în mijloc."

Este bine pentru oamenii care fac agent, și este bine. Dar nu-l interpreta ca "cel mai mic de pe web."

iii. Locaţia sa este de fapt scrisă în titlu: Model de lucru

Există un cuvânt exact în descrierea oficială... Este bun la "operaţiunile de comunicaţii şi calculatoare care completează zilele de lucru": elaborarea de programe, căutarea de desene tehnice, completarea de formulare, tăiere video.

Observaţi numitorul comun al acestor patru exemple:"Nu fi prost, nu fi prea lent, nu fi prea scump."

Exact de asta are nevoie linia de plutire a agentului. Agentul, care conduce în culise și sună de mii de ori pe zi, nu are nevoie de Regele Osei, dar mâna constantă și factura ieftină. Pentru asta a venit Terra.

Cel mai important indiciu este viteza:De mai mult de trei ori mai rapid decât GPT-6 Astra şi GPT-6.1 Sol.

E de aproape trei ori mai valoros decât scena cu agentul. Un instrument multi-pas, 10-wheel-drive este numit, două secunde în spatele fiecărei roți, și întreaga misiune este de 20 de secunde mai mult .

Patru, care dintre ele sunt într-adevăr în fugă?

M-am uitat la cele şase criterii oficiale de referinţă şi le-am pus într-o linie de "credibilitate."

Foarte mare: rata de eroare

Acest număr este de cea mai mare importanță pentru mine: în setul de testare pentru "inducție eroare" în interiorul acestuia, este cel mai important lucru de făcut.Rata de eroare din dosarul de dezbatere redusă a scăzut de la 53,6% la 16,7%.Aceasta reprezintă o scădere de aproape 37 de puncte procentuale; cea mai mare tranșă a scăzut de la 22,3% la 4,3%.

De ce e mai important decât să fugi? Pentru că în scena agentului,Costul greşit nu e să încerci din nou, ci să dai înapoi.Nu ştiu. Un formular, agent, a greşit sumele, urmate de revizuire manuală, reconciliere, restituiri, toate acestea au fost ore reale. Rata de eroare a scăzut de la jumătate la o şesime, ceea ce reprezintă o schimbare calitativă.

Liftul real: codarea liniei de comandă

Terminal-Bench 4.0, cel mai înalt raționament 50.3%Comparativ cu GPT-5.6 Terra, 21.5%, mai mult decât dublu.

Scala acestei creșteri este oarecum discutabilă, dar este într-o direcție rezonabilă: jumătate din misiune se execută, indicând faptul că poate citi cu adevărat greșelile, schimba ordinele și fugi din nou. Este 50% din nivelul apei care este abia "poate fi pus în CI."

Reducere: meciul.

"de trei ori mai eficient decât semnul lui Claude Opus 5.5, cu un preţ unitar de aproximativ un sfert şi de nouă ori mai mic decât costul unei singure misiuni." Voi uita asta.3 x 4 = 12, oficial de aproximativ 9 oriNu ştiu.

Diferenţa se datorează, probabil, distribuţiei sarcinilor şi ratei de cache, care a fost rotunjită prin "aproape." Nu e fals, dar trebuie să ştii.Factorul compus este multiplicat. Orice calibru se schimbă, concluzia se schimbă.Nu ştiu. A se vedea numărul "9 ori" și întrebați care două este pe.

Neverificabil: Toate

Toate numerele de mai sus,Toate din OpenAI auto-reportare, nici o terţă parte pentru a repeta.Nu ştiu. LMArena nu are loc pe ea, iar agenția independentă de monitorizare nu are timp pentru a rula. Pentru acest tip de publicaţie, de obicei consider auto-ratarea drept "plajă" şi terţe părţi ca fiind "reale."

Nu e preţul, e cuvântul mic.

Când am citit declarația, m-am întors la secțiunea privind securitatea și alinierea, și am văzut o zicală pe care mulți oameni o făceau:

"GPT-6.1 Terra, în cadrul nostru de pregătire, atinge pragul critic de siguranţă pentru internet şi menţine protecţiile dezvoltate pentru GPT-6 Astra."

Critic este al doilea slot din acest cadru -- există un singur "mai mare decât Critic" pe el. Traducerea în limba achizițiilor:Capacitatea de control cibernetic a modelului a depăşit linia care trebuie evaluată separat şi controlată separat.

Şi apoi s-a vândut tuturor pentru un jeton de 1 milion de dolari.

Este în regulă să se uite la ambele lucruri singur. E distractiv să citim împreună:Un model marcat de propriul cadru de siguranță ca "Critical Level Network Capability" este acum cel mai rentabil model generic din familie.

Nu voi spune "pericol al" aici. Nu are sens. Dar dacă sunteți responsabil de securitate, există o întrebare specifică pentru a răspunde:Când oricare dintre companii dezvoltă un model care poate folosi o ceașcă de cafea pentru a construi o capacitate de rețea la nivel Cristal, care este linia de frontieră?

Răspunsul la cadrul Microsoft de săptămâna trecută a fost de a lua permisiunile de la model. Acest preţ, Terra, este un impuls suplimentar pentru urgenţa acestui răspuns:Capacitatea este în cazul în care inflația, scăderea prețurilor, și în cazul în care cele două curbe intersectează, este în cazul în care controlul trebuie să aterizeze.

Şase, care ar trebui să se schimbe acum, care nu ar trebui.

Ar fi trebuit.

• Rulați o procesare document lot.Citirea facturilor, completarea formularelor, extragerea clauzelor contractuale - sarcini de acest tip sunt scăzute pe "inteligent" și ridicat pe "stabilitate + ieftin." 1 dolar intrare plus 16,7% rata de eroare, care este în prezent desert.
• Faceți multistep GUI automatizat.OSWorld 2.1 a depăşit cele mai bune rezultate ale generaţiei anterioare, în timp ce cel mai rău lucru despre automatizarea GUI este lent şi scump.
• Acest post face parte din acoperirea noastră specială Global Voices 2011.Ai nevoie de un model care rulează de 100.000 de ori pe zi şi nu doare. Nu e un model care poate scrie poezii, ci 30 de cenţi pe rând.

Nu te grăbi.

• Face cele mai complexe sarcini de codificare.Oficialul însuşi a spus că cel mai greu cod a fost Sol şi Astra. 50,3% este "jumătate poate trece," nu "toate trec."
• Deja s-a desfundat Sol.În loc să schimbăm modelul, am terminat -- indicii, descrieri de instrumente, strategii de rejudecare, adaptarea contextului. Păstrează banii ăia, poate nu sunt suficienţi oameni pentru două zile.
• Pentru a emite un raport de conformitate.Nici o terţă parte nu l-a reprodus, iar raportul de evaluare nu spune "independent certificat."

Există, de asemenea, un caz special:Dacă afacerea ta este mică, această scădere de preț este aproape lipsit de sens pentru tine.Sute de apeluri pe zi, de la 2 dolari la 1 dolar pe lună mai puţin decât suficient pentru a cumpăra cafea. Lista asta e pentru echipe mari.

VII. Sentinţa finală

Această rundă a fost publicată sub titlul "Breaking Price," dar cred că semnalul real este încă trei:

• Mijlocul e gata.Nu a fost decât o "flagship" și o serie "compatibilitate," iar acum există un clar "fit și ieftin." Este bine structural pentru întreaga ecologie agent.
• Lupta cu preţurile a ajuns la al treilea nivel.Când preţurile primelor două familii au scăzut, navele de pavilion au fost tăiate; de data aceasta, echipamentul principal. De îndată ce echipamentul principal scade, modelele mici care trăiesc pe "ieftin" nu sunt la locul lor.
• Capacitatea şi preţul foarfecelor cresc.Capacitatea de rețea de nivel critic + prețul de 1 dolar, o combinație care nu este o singură problemă, ci un întreg lanț de industrii.

Cu cât modelul este mai ieftin, cu atât mai mult agent, cu atât mai mult agent, cu atât mai mult poate fi automatizat. Nu e o emoţie. E o întrebare aritmetică.

Cât despre Terra însăşi: este un model bun, şi preţul este foarte rău.Dar nu este o fractură, este cea care în cele din urmă a făcut până la mijloc.Ceea ce ai de gând să faci nu este grabă în, ai de gând să se uite înapoi la gramada ta de agent, care ar fi trebuit făcut de un muncitor ieftin, stabil, de trei ori.

Schimbă-l, salvează mai mult decât crezi. Restul ar trebui să fie făcut de nave de pavilion