🔥 HN 热议

GPT-6.1 Terra把重点放在看屏幕和做电脑工作

约3分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
视觉推理(shì jué tuī lǐ)

让AI看懂图片和图形,并根据内容思考。

基准测试(jī zhǔn cè shì)

用相同条件比较不同AI能力的测试。

提示注入(tí shì zhù rù)

试图让AI偏离原来任务的指令。

发生了什么

OpenAI(ChatGPT的开发公司)发布了GPT-6.1 Terra。根据官方发布说明,Terra把视觉推理、准确的计算机操作和更自然的写作放在一起。它面向工作中的常见任务,例如写提案、阅读技术图纸、填写表格和编辑视频。Plus、Pro、Enterprise和Edu用户可以在ChatGPT Work与Codex中使用它。开发者也能通过API调用gpt-6.1-terra。这条消息在Hacker News上获得了五百多分。分数说明社区很关注,但不能证明OpenAI的性能说法正确。相关的Hacker News帖子与原始发布说明,需要分开理解。

背景

OpenAI没有把Terra说成所有任务中最强的模型。它把Terra定位为速度、能力和价格之间的平衡。标准API价格比GPT-5.6 Terra和GPT-6.1 Sol低50%。每百万个输入token收费1美元,缓存输入每百万个收费0.05美元,输出每百万个收费5美元。Token可以理解为模型计算文字时使用的小单位。OpenAI认为,这种价格更适合处理大量重复工作,例如读取发票,再把内容输入会计软件。

为什么重要

这次发布的重点,不只是AI能不能写出答案,还包括它能不能看懂屏幕后继续操作软件。Terra可以读取图纸或电脑画面,再在应用里完成下一步。这样,语言理解就和日常办公动作连在了一起。价格更低,可能让重复任务更容易自动完成。速度更快,也可能让同一套流程处理更多文件。不过,便宜并不等于可靠。AI填错表格,仍然会给人带来额外工作。

已确认的内容

OpenAI公布了多项自家测试结果。在Agents’ Last Exam中,Terra在中等推理设置下比GPT-5.6 Terra高15个百分点,成本约为三分之一。OpenAI还称,Terra的成绩接近GPT-6 Astra,但每个token的价格只有十分之一左右。在最大推理设置下,OpenAI称Terra的token效率超过Claude Opus 5.5的三倍,每个token的价格约为四分之一,每项任务的成本约低九倍。它完成任务的速度也超过GPT-6 Astra和GPT-6.1 Sol的三倍。Terra在视觉推理测试MMMU-Pro和电脑应用测试OSWorld 2.1中超过了旧版Terra。在Terminal-Bench 4.0中,Terra在最大设置下完成了50.3%的任务,旧版为21.5%。但OpenAI也说,最复杂的编程任务仍然更适合GPT-6.1 Sol和GPT-6 Astra。在一次内部错误测试中,低推理设置的错误率从53.6%降到16.7%,最大设置下降到4.3%。安全方面,OpenAI称Terra达到了其网络安全框架中的Critical级别,也能较好抵抗提示注入测试。

还不知道什么

这些数字都来自OpenAI设定的测试条件。独立测试能否得到同样的差距,目前还不知道。基准测试也不能代表每一种长时间的真实工作。我们还不知道Terra在连续操作时会多常看错屏幕、什么时候需要人帮忙,或会造成多大的返工。每个token更便宜,也不代表加上检查和改错后,总成本一定更低。

接下来关注什么

接下来应关注安全报告、第三方重测和真实客户的工作流程。尤其要看Terra长时间填写表格、编辑视频和使用电脑软件时会犯什么错误。真正的考验是,它能否成为可靠的工作工具,而不只是发布页面上的高分模型。

💬 GPT-6.1 Terra:便宜的中间档,还是被误读的模型?

HN评论者一方面认为Terra可能是高性价比的工作模型,另一方面质疑基准测试的选择和编码能力。较谨慎的结论是:仅凭文章中的数字,还不能证明它整体上等同于Opus 5.5或Sol。

  • 有评论者根据文章中对Terra有利的图表,认为它用更低价格接近Astra并能与Sol竞争。另一位评论者提醒,发布方可能重点展示了Terra表现较好的测试,因此需要看完整的评测组合。
  • 关于Terminal Bench 4.0,一名用户自述Terra必须开到xhigh才能接近GPT-6.1 Sol,但花费更高、结果还略差。另一名用户自述,在max设置下Terra得分为50%,Opus 5.5为70%。
  • 另一名用户自述,在AA Index上Terra Max为48,Opus 5.5 Max为58。这削弱了Terra普遍等同于Opus 5.5的说法。
  • 一些评论者认为,Terra更可能适合电脑操作、业务自动化和技术写作,而不是最困难的软件工程任务。
  • 支持者认为,API用户应关注完成一项工作的总成本、时间和质量,而不只是每个token的价格。其他人则担心,任务和基准的定义不同,会改变价格性能的结论。
  • 有评论者推测,Terra在Terminal Bench上的较弱表现,也可能意味着它没有过度针对该基准进行优化。但这只是推测,并非已验证的解释。
  • 总体来看,Terra可能很适合某些工作流,但用户最好用自己的真实任务比较质量、延迟和总成本,不要只看文章图表。

这是评论数为405时的增长中(修订2)。获取300条,并从整体抽取120条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

GPT-6.1 Terra会看屏幕,也会做电脑工作

📰 完整报道: GPT-6.1 Terra把重点放在看屏幕和做电脑工作

OpenAI发布了新的AI模型。它重点学习看屏幕和操作电脑软件。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
基准测试(jī zhǔn cè shì)

用相同题目比较AI的测试。

API(A-P-I)

让别的软件使用AI的入口。

token(token)

模型计算文字时使用的小单位。

💡 一句话总结

  • GPT-6.1 Terra能看屏幕和图纸。
  • 它能填写表格,也能操作软件。
  • OpenAI的测试更好,但真实效果还要观察。

OpenAI(开发ChatGPT的AI公司)发布了GPT-6.1 Terra。它不只会写文字,还能看电脑画面。它可以读取技术图纸,填写表格,编辑视频。OpenAI把这种能力叫作电脑操作。意思是,AI看懂画面后,还能在软件里继续做事。

OpenAI希望Terra处理很多重复工作。例如,它可以读取发票,再把内容输入会计软件。价格变低后,重复使用同一个AI会更容易。API每百万个输入token收费1美元。API是让别的软件使用AI的入口。Token是模型计算文字时的小单位。缓存输入每百万个收费0.05美元,输出每百万个收费5美元。

OpenAI用基准测试比较Terra和旧模型。基准测试是用相同题目比较AI的测试。在一项工作测试中,Terra比GPT-5.6 Terra高15个百分点,成本约为三分之一。在电脑操作和看图测试中,它也超过了旧模型。编程测试中,Terra完成了50.3%的任务,旧模型完成了21.5%。

OpenAI还测试了错误。低推理设置下,错误率从53.6%降到16.7%。最大设置下,错误率是4.3%。这些是OpenAI自己的测试结果。它们不能保证AI每次都正确。最难的编程任务,OpenAI仍然推荐其他更强的模型。

这条消息在Hacker News上也很热门,获得了五百多分。分数表示大家很关注,不表示结果一定正确。还需要第三方测试和真实工作记录。人也要检查AI的操作。可以阅读OpenAI的发布说明和Hacker News帖子。

💬 Terra便宜又好用吗?现在还很难比较

有人认为Terra比大模型便宜,也能完成很多工作。也有人怀疑测试是否公平,以及它的编码能力是否够强。

  • 文章中的图表让一些用户觉得Terra花更少的钱也接近大模型。另一些用户担心,文章只挑了Terra表现好的测试。
  • 一名用户自述,Terra在Terminal Bench 4.0上即使开到xhigh,也比Sol花费更多、表现略差。另一名用户自述,Terra得分50%,Opus 5.5得分70%。
  • 在AA Index上,一名用户自述Terra Max为48,Opus 5.5 Max为58。这些是用户自述,不是最终证明。
  • Terra可能更适合电脑操作、自动化和技术写作,而不是最难的编码。人们也在争论,应该看token价格,还是看完成整项工作的总成本。
  • 有人猜测,编码测试分数较低可能表示Terra没有过度迎合测试,但这只是猜测。最好用自己的工作来试。

这是评论数为405时的增长中(修订2)。获取300条,并从整体抽取120条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

GPT-6.1 Terra会看屏幕

📰 完整报道: GPT-6.1 Terra把重点放在看屏幕和做电脑工作

OpenAI做了一个会看屏幕的新AI。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
GPT-6.1 Terra(GPT-6.1 Terra)

OpenAI新AI的名字。

Hacker News(Hacker News)

很多技术爱好者看新闻的网站。

OpenAI做了一个新AI。 OpenAI是做ChatGPT的公司。 新AI叫GPT-6.1 Terra。

它会看屏幕。 它会读图。 它会帮忙填表。 它会帮忙看视频。 它会在电脑上帮忙做事。

OpenAI说,它比以前更快,也更省钱。 但是,它有时也会做错。 测试不是每一次工作。 人还要检查AI的工作。

Hacker News上,很多人看到了这条新闻。 很多人看,不等于一定正确。

可以看看OpenAI的发布说明。

💬 大家怎么说Terra?

有些人觉得Terra是便宜的小帮手。另一些人还想看到更多证据。

  • 有评论者认为,Terra可能适合做电脑上的小工作、自动化和技术写作。
  • 用户自述显示,在一些编码测试中,Terra是50%,Opus 5.5是70%;另一个测试是48比58。这些只是个人报告,不是最后判决。
  • 有人担心文章挑了对Terra友好的测试。也有人猜测,分数低可能是因为它没有专门钻测试的空子,但这只是猜测。
  • 人们还在争论,应该数每个token的钱,还是数完成整件工作的总费用。最清楚的办法,是用自己的工作试一试。

这是评论数为405时的增长中(修订2)。获取300条,并从整体抽取120条总结。内容属于HN用户自述,并非编辑部核实的事实。

来源