OpenAI a publié GPT-6.1 Terra, repoussant la frontière du rapport coût-efficacité. C'est le premier modèle de classe Terra depuis GPT-5.6, et il est plus intelligent pour moins d'un tiers du coût
Le prix par token est la moitié ou moins de celui de GPT-5.6 Terra - à 1 $/5 $ par million de tokens d'entrée/sortie contre 2 $/12 $ pour le modèle précédent. L'écriture en cache a également été divisée par deux, désormais à 1,25 $ par million de tokens. L'entrée en cache coûte un quart du prix, à 0,05 $ contre 0,20 $ par million de tokens.
Points clés :
➤ Pareto-optimal pour Intelligence vs Coût aux niveaux d'effort bas et moyen : À l'effort maximal, GPT-6.1 Terra gagne 6 points dans l'Artificial Analysis Intelligence Index par rapport à GPT-5.6 Terra, pour moins d'un tiers du coût par tâche (0,40 $ contre 1,40 $). Aux niveaux d'effort plus faibles, le gain est plus important, entre 7 et 13 points. Les niveaux d'effort bas et moyen sont Pareto-optimaux pour le rapport coût-efficacité, tandis que les autres niveaux d'effort sont en retrait par rapport à la frontière. À l'effort maximal, le modèle obtient 4 points de moins que GPT-6.1 Sol et 10 points de plus que GPT-6 Luna dans l'Intelligence Index.
➤ Repousse la frontière du rapport coût-efficacité du Coding Agent Index : Avec un score de 48 dans le nouvel Artificial Analysis Coding Agent Index v2.0, le modèle est 6 points en dessous de GPT-6.1 Sol (54) et 17 points au-dessus de GPT-6 Luna (31). Les réglages d'effort xhigh et low se situent sur la frontière du rapport coût-efficacité dans le Coding Agent Index, tandis que les autres niveaux d'effort sont en retrait par rapport à la frontière.
➤ Baisse de 50 points du taux d'hallucination : GPT-6.1 Terra devine 38 % du temps lorsqu'il ne connaît pas la réponse à une question dans AA-Omniscience, notre benchmark privé de connaissances et d'hallucination. Auparavant, le taux d'hallucination de GPT-5.6 Terra était de 88 %. Cette réduction significative des hallucinations s'accompagne d'une augmentation de 2 points de la précision dans AA-Omniscience - ce qui signifie que le modèle répond simultanément correctement à davantage de questions.
➤ Bond de 20 points dans Terminal-Bench 4.0, petites améliorations sur la plupart des évaluations : Le modèle réalise des progrès significatifs dans le benchmark agentique basé sur le terminal, Terminal-Bench 4.0, avec un gain d'environ 20 points, rivalisant désormais avec GPT-6.1 Sol à l'effort maximal. Les gains sur la plupart des autres évaluations sont plus modestes, par exemple 5 points dans GDP.pdf.
Avec un score de 48 dans l'Artificial Analysis Coding Agent Index v2.0, GPT-6.1 Terra est 6 points en dessous de GPT-6.1 Sol (54) et 17 points au-dessus de GPT-6 Luna (31). Les réglages d'effort xhigh et low se situent sur la frontière du rapport coût-efficacité.
GPT-6.1 Terra montre une baisse de 50 points de son taux d'hallucination, mesuré dans AA-Omniscience. Cela s'accompagne d'une augmentation de 2 points de la précision dans AA-Omniscience - ce qui signifie que le modèle répond simultanément correctement à davantage de questions.
Le modèle réalise des progrès significatifs dans le benchmark agentique basé sur le terminal, Terminal-Bench 4.0, avec un gain d'environ 20 points, rivalisant désormais avec GPT-6.1 Sol à l'effort maximal.
Décomposition des évaluations individuelles dans l'Artificial Analysis Intelligence Index v4.3.2
Comparez GPT-6.1 Terra avec d'autres modèles de pointe à : https://artificialanalysis.ai/models/releases/gpt-6-1-terra