OpenAI ha lanzado GPT-6.1 Terra, ampliando la frontera de eficiencia de costos. Es el primer modelo de clase Terra desde GPT-5.6, y es más inteligente por menos de un tercio del costo
El precio por token es la mitad o menos que el de GPT-5.6 Terra: $1/$5 por millón de tokens de entrada/salida frente a $2/$12 del modelo anterior. La escritura en caché también se ha reducido a la mitad, ahora a $1.25 por millón de tokens. La entrada en caché es un cuarto, a $0.05 frente a $0.20 por millón de tokens.
Conclusiones clave:
➤ Pareto-óptimo para Inteligencia vs Costo en esfuerzo bajo y medio: Con el esfuerzo máximo, GPT-6.1 Terra gana 6 puntos en el Artificial Analysis Intelligence Index sobre GPT-5.6 Terra, por menos de un tercio del costo por tarea ($0.40 vs $1.40). En niveles de esfuerzo más bajos la ganancia es mayor, entre 7 y 13 puntos. Los niveles de esfuerzo bajo y medio son Pareto-óptimos en eficiencia de costos, mientras que los demás niveles de esfuerzo quedan detrás de la frontera. Con esfuerzo máximo, el modelo puntúa 4 puntos por debajo de GPT-6.1 Sol y 10 puntos por encima de GPT-6 Luna en el Intelligence Index.
➤ Amplía la frontera de eficiencia de costos del Coding Agent Index: Con una puntuación de 48 en el recién lanzado Artificial Analysis Coding Agent Index v2.0, el modelo está 6 puntos por debajo de GPT-6.1 Sol (54) y 17 puntos por encima de GPT-6 Luna (31). Las configuraciones de esfuerzo xhigh y low se sitúan en la frontera de eficiencia de costos del Coding Agent Index, mientras que los demás niveles de esfuerzo están detrás de la frontera.
➤ Caída de 50 puntos en la tasa de alucinaciones: GPT-6.1 Terra adivina el 38% de las veces cuando no conoce la respuesta a una pregunta en AA-Omniscience, nuestro benchmark privado de conocimiento y alucinaciones. Anteriormente, la tasa de alucinaciones de GPT-5.6 Terra era del 88%. Esta reducción significativa de alucinaciones va acompañada de un aumento de 2 puntos en la precisión de AA-Omniscience, lo que significa que el modelo responde correctamente a más preguntas al mismo tiempo.
➤ Salto de 20 puntos en Terminal-Bench 4.0, pequeñas mejoras en la mayoría de las evaluaciones: El modelo avanza de manera significativa en el benchmark agéntico basado en terminal, Terminal-Bench 4.0, con una ganancia de ~20 puntos, rivalizando ahora con GPT-6.1 Sol con esfuerzo máximo. Las ganancias en la mayoría de las demás evaluaciones son menores, por ejemplo, 5 puntos en GDP.pdf.
¡Felicidades a @OpenAI y @sama por el lanzamiento!