OpenAI trình làng GPT 6.1 Terra, lựa chọn AI tầm trung đáng chú ý cho kỷ nguyên tối ưu chi phí

1. Khả năng hình dung trực quan và kỹ năng dùng máy tính được cải thiện rõ rệt

Điểm cải tiến đầu tiên là khả năng hiểu những gì đang hiển thị trên màn hình và tự thao tác phần mềm thay người dùng. OpenAI dùng ba bài kiểm tra để chứng minh, gồm OSWorld 2.1, Agents' Last Exam v1 và MMMU Pro.

OSWorld 2.1 yêu cầu AI vận hành phần mềm desktop thật, thường phải qua nhiều bước mới hoàn thành, chẳng hạn dựng một mô hình 3D trong phần mềm dựa trên bản vẽ kỹ thuật. Chỉ với mức suy luận Medium, điểm của GPT 6.1 Terra đã vượt kết quả tốt nhất của GPT 5.6 Terra ở mọi mức suy luận. Khi bật Max, mô hình đạt 74,2%, khá sát với GPT 6.1 Sol ở mức Xhigh là 75,9%. Một mô hình tầm trung tiến gần đến mức của dòng cao hơn là bước nhảy đáng chú ý.

Agents' Last Exam v1 gần với công việc chuyên môn thực tế hơn, ví dụ chuyển bản vẽ kiến trúc thành mô hình 3D, hoặc xem một bộ phim hoạt hình theo từng cảnh quay rồi lập bản ghi có mã thời gian cho nhóm phục chế. Ở mức Medium, GPT 6.1 Terra đạt 57,6%, cao hơn 6,9 điểm so với mức 50,7% của GPT 5.6 Terra Max, trong khi chi phí chỉ bằng khoảng một phần ba. Kết quả này tương đương GPT 6 Astra Medium, mô hình mạnh nhất, nhưng giá trên mỗi token chỉ bằng một phần mười.

So với Claude Opus 5.5, GPT 6.1 Terra Max thấp hơn 3,2 điểm, nhưng hiệu quả dùng token cao gấp hơn ba lần và giá mỗi token chỉ bằng một phần tư. Nhân hai yếu tố, chi phí cho mỗi tác vụ rẻ hơn khoảng 9 lần. Đây là phép so sánh do OpenAI công bố, nên người dùng nên tự kiểm chứng trên khối lượng công việc của mình.

MMMU Pro đo khả năng suy luận dựa trên hình ảnh, với đề bài trộn lẫn biểu đồ, sơ đồ, ảnh chụp và văn bản. Mô hình phải hiểu đúng nội dung hình ảnh trước khi suy luận. GPT 6.1 Terra vượt GPT 5.6 Terra ở mọi mức suy luận, và điểm số gần bắt kịp GPT 6 Astra lẫn GPT 6.1 Sol. Với người dùng thực tế, điều này cho phép mô hình hỗ trợ soạn đề xuất, đọc bản vẽ kỹ thuật, điền biểu mẫu hay chỉnh sửa video với độ tin cậy cao hơn.

2. Các lỗi sai về mặt thực tế đã giảm đáng kể

OpenAI cho biết năm nay họ đầu tư nguồn lực lớn để giảm ảo giác và lỗi thực tế. Kết quả thể hiện khá rõ trong bài kiểm tra dùng các câu hỏi gài bẫy. Ở mức suy luận Low, GPT 5.6 Terra có tỷ lệ sai tới 53,6%, tức hơn một nửa câu trả lời chứa lỗi. GPT 6.1 Terra giảm con số này xuống còn 16,7%, nghĩa là chỉ khoảng một phần sáu câu trả lời còn sai, mức giảm gần 37 điểm phần trăm. Khi bật Max, tỷ lệ lỗi giảm thêm 18 điểm phần trăm, xuống 4,3%, đã tiệm cận GPT 6 Astra Max và GPT 6.1 Sol Max.

Kết quả từ bên thứ ba cho thấy xu hướng tương tự. AA Omniscience của Artificial Analysis là bài kiểm tra riêng về kiến thức và ảo giác, ghi nhận tỷ lệ mô hình đoán mò khi không biết đáp án. Hallucination Rate của GPT 5.6 Terra Max là 88%, còn GPT 6.1 Terra Max giảm còn 38%, đồng thời độ chính xác tăng thêm 2 điểm.

Điều này quan trọng với những ai dùng AI cho công việc đòi hỏi tính xác thực như nghiên cứu, soạn tài liệu hay phân tích dữ liệu. Tuy vậy, tỷ lệ 38% vẫn cho thấy mô hình chưa hoàn toàn loại bỏ việc đoán khi thiếu thông tin, nên với nội dung quan trọng, bước kiểm tra lại vẫn cần thiết.

3. Năng lực phát triển phần mềm tăng hơn gấp đôi

Terminal Bench 4.0 kiểm tra khả năng của các tác tử lập trình AI khi giải quyết vấn đề trong môi trường dòng lệnh, ví dụ sửa một trang web có bố cục bị nhảy lung tung khi tải. Ở mức Max, GPT 6.1 Terra giải được 50,3% số tác vụ, trong khi GPT 5.6 Terra chỉ đạt 21,5%. Đây là mức tăng hơn gấp đôi, và là cải tiến lớn nhất về mặt con số trong cả bản nâng cấp.

Tuy nhiên, bức tranh cần được nhìn tỉnh táo. So với dòng GPT 6.1 Sol, điểm của Terra Max nằm giữa mức Low và Medium của Sol, mà chi phí của Terra Max lại cao hơn Sol Medium. Vì vậy, xét riêng lập trình, GPT 6.1 Sol vẫn có tỷ lệ giá trên hiệu năng tốt hơn. OpenAI cũng thừa nhận rằng với các tác vụ lập trình phức tạp nhất, GPT 6.1 Sol và GPT 6 Astra vẫn là lựa chọn phù hợp hơn.

Về năng lực tổng thể, chỉ số Artificial Analysis Intelligence Index gộp nhiều bài kiểm tra về công việc, lập trình, tác tử, kiến thức, ảo giác, hiểu hình ảnh và suy luận thành một điểm duy nhất.

• GPT 5.6 Terra Max đạt 42 điểm, chi phí trung bình mỗi tác vụ là 1,40 USD.
• GPT 6.1 Terra Max đạt 48 điểm, chi phí trung bình mỗi tác vụ là 0,40 USD.
• GPT 6.1 Sol Medium đạt 48 điểm, chi phí trung bình mỗi tác vụ là 0,21 USD.

Terra Max và Sol Medium ngang điểm tổng hợp, nhưng điều đó không có nghĩa hai mô hình mạnh như nhau trên từng bài kiểm tra. Có thể một mô hình nổi bật hơn ở lập trình, trong khi mô hình kia ổn định hơn ở kiến thức hoặc hiểu tài liệu. Đáng chú ý, chi phí mỗi tác vụ của Terra Max gần gấp đôi Sol Medium, nên cần cân nhắc kỹ khi chọn mô hình theo đặc thù công việc.

4. Giá API tiêu chuẩn rẻ hơn 50% so với GPT 5.6 Terra và GPT 6.1 Sol

Đây là điểm gây chú ý nhất với nhà phát triển và doanh nghiệp. Theo OpenAI, giá API tiêu chuẩn của GPT 6.1 Terra thấp hơn 50% so với cả GPT 5.6 Terra lẫn GPT 6.1 Sol, giúp việc tự động hóa khối lượng công việc lớn trở nên kinh tế hơn. Bảng giá trên mỗi triệu token như sau.

• GPT 6.1 Terra, đầu vào 1 USD, đầu vào có bộ nhớ đệm 0,05 USD, đầu ra 5 USD.
• GPT 5.6 Terra, đầu vào 2 USD, đầu vào có bộ nhớ đệm 0,20 USD, đầu ra 12 USD.
• GPT 6.1 Sol, đầu vào 2 USD, đầu vào có bộ nhớ đệm 0,10 USD, đầu ra 10 USD.
• GPT 6 Astra, đầu vào 10 USD, đầu vào có bộ nhớ đệm 1 USD, đầu ra 50 USD.

So với thế hệ trước, giá đầu vào giảm một nửa, giá đầu ra giảm từ 12 USD xuống 5 USD, tức thấp hơn gần 60%, còn giá đầu vào có bộ nhớ đệm chỉ bằng một phần tư. Phí ghi bộ nhớ đệm cũng giảm một nửa, còn 1,25 USD cho mỗi triệu token. So với GPT 6.1 Sol, đơn giá đầu vào và đầu ra của Terra đúng bằng một nửa, còn so với GPT 6 Astra thì chỉ bằng một phần mười.

Cần phân biệt đơn giá với chi phí thực tế. Mức giảm 50% áp dụng cho giá mỗi token, trong khi chi phí cho mỗi tác vụ phụ thuộc vào lượng token mô hình tiêu thụ khi suy luận. Vì thế, ở ví dụ trên, Terra Max vẫn đắt hơn Sol Medium khi tính theo từng tác vụ, dù đơn giá thấp hơn. Với các ứng dụng cần xử lý số lượng lớn tác vụ lặp lại như thao tác màn hình, điền biểu mẫu hay phân tích tài liệu, mức giá này vẫn mở ra nhiều khả năng mới.

5. Lời kết

GPT 6.1 Terra không phải mô hình mạnh nhất của OpenAI, và chính hãng cũng không tuyên bố như vậy. Giá trị của nó nằm ở sự cân bằng. Mô hình thao tác máy tính tốt hơn, hiểu hình ảnh sâu hơn, ít sai thực tế hơn, lập trình khá hơn hẳn thế hệ trước, và có giá dễ tiếp cận hơn nhiều. Với tác vụ phức tạp nhất, GPT 6.1 Sol và GPT 6 Astra vẫn là lựa chọn an toàn hơn, còn với phần lớn công việc hằng ngày, Terra đang trở thành ứng viên đáng cân nhắc. Cách tốt nhất vẫn là thử nghiệm trên đúng quy trình của bạn, đo cả chất lượng lẫn chi phí thực tế trên mỗi tác vụ trước khi quyết định chuyển đổi.

Công Ty TNHH Phần Mềm SADESIGN

Mã số thuế: 0110083217

Liên Hệ Zalo

Liên Hệ Hotline

Liên Hệ Facebook