OpenAI hat GPT-6.1 Terra veröffentlicht und damit die Grenze der Kosteneffizienz verschoben. Es ist das erste Modell der Terra-Klasse seit GPT-5.6 und ist intelligenter bei weniger als einem Drittel der Kosten
Der Preis pro Token beträgt halb oder weniger als der von GPT-5.6 Terra – bei $1/$5 pro Million Input-/Output-Tokens gegenüber $2/$12 für das vorherige Modell. Cache-Schreiben wurde ebenfalls halbiert und liegt nun bei $1.25 pro Million Tokens. Gecachter Input kostet ein Viertel, nämlich $0.05 gegenüber $0.20 pro Million Tokens.
Die wichtigsten Erkenntnisse:
➤ Pareto-optimal bei Intelligence vs. Cost bei niedrigem und mittlerem Aufwand: Bei maximalem Aufwand gewinnt GPT-6.1 Terra 6 Punkte im Artificial Analysis Intelligence Index gegenüber GPT-5.6 Terra, bei weniger als einem Drittel der Kosten pro Aufgabe ($0.40 gegenüber $1.40). Bei niedrigeren Aufwandsstufen ist der Gewinn größer, zwischen 7 und 13 Punkten. Die niedrigen und mittleren Aufwandsstufen sind pareto-optimal in puncto Kosteneffizienz, während die anderen Aufwandsstufen hinter der Grenze liegen. Bei maximalem Aufwand liegt das Modell 4 Punkte unter GPT-6.1 Sol und 10 Punkte über GPT-6 Luna im Intelligence Index.
➤ Verschiebt die Grenze der Kosteneffizienz im Coding Agent Index: Mit einem Score von 48 im neu veröffentlichten Artificial Analysis Coding Agent Index v2.0 liegt das Modell 6 Punkte unter GPT-6.1 Sol (54) und 17 Punkte über GPT-6 Luna (31). Die Einstellungen xhigh und low effort liegen auf der Grenze der Kosteneffizienz im Coding Agent Index, während andere Aufwandsstufen hinter der Grenze liegen.
➤ 50 Punkte Rückgang der Halluzinationsrate: GPT-6.1 Terra rät in 38% der Fälle, wenn es die Antwort auf eine Frage in AA-Omniscience, unserem privaten Wissens- und Halluzinationsbenchmark, nicht kennt. Zuvor betrug die Halluzinationsrate von GPT-5.6 Terra 88%. Diese signifikante Verringerung der Halluzinationen geht mit einem Anstieg der AA-Omniscience-Genauigkeit um 2 Punkte einher – das Modell beantwortet also gleichzeitig mehr Fragen korrekt.
➤ 20 Punkte Sprung in Terminal-Bench 4.0, kleine Verbesserungen bei den meisten Evaluationen: Das Modell macht erhebliche Fortschritte im terminalbasierten agentischen Benchmark Terminal-Bench 4.0, mit einem Gewinn von ~20 Punkten und konkurriert nun bei maximalem Aufwand mit GPT-6.1 Sol. Die Gewinne bei den meisten anderen Evaluationen sind geringer, beispielsweise 5 Punkte bei GDP.pdf.
Mit einem Score von 48 im Artificial Analysis Coding Agent Index v2.0 liegt GPT-6.1 Terra 6 Punkte unter GPT-6.1 Sol (54) und 17 Punkte über GPT-6 Luna (31). Die Einstellungen xhigh und low effort liegen auf der Grenze der Kosteneffizienz.
GPT-6.1 Terra zeigt einen Rückgang der Halluzinationsrate um 50 Punkte, gemessen in AA-Omniscience. Dies geht mit einem Anstieg der AA-Omniscience-Genauigkeit um 2 Punkte einher – das Modell beantwortet also gleichzeitig mehr Fragen korrekt.
Das Modell macht erhebliche Fortschritte im terminalbasierten agentischen Benchmark Terminal-Bench 4.0, mit einem Gewinn von ~20 Punkten und konkurriert nun bei maximalem Aufwand mit GPT-6.1 Sol.
Aufschlüsselung der einzelnen Evaluationen im Artificial Analysis Intelligence Index v4.3.2
Vergleichen Sie GPT-6.1 Terra mit anderen führenden Modellen unter: https://artificialanalysis.ai/models/releases/gpt-6-1-terra