Компьютер удирдах AI-ийн зардал 9 дахин хямдрав: OpenAI "GPT-6.1 Terra" загвараа цацлаа

Программ хангамжийн ертөнцөд жинхэнэ бие даасан AI агентууд (Agentic Workflows) нэвтрэхэд хамгийн том саад болж байсан зүйл бол хурд ба зардал байв. Дэлгэцийн зураг уншиж, товчлуур дарах, terminal дээр олон шатлалт комманд гүйцэтгэх, алдаа засах зэрэг үйлдлийг аварга том frontier загваруудаар (тухайлбал Claude Opus эсвэл GPT-6 Astra) хийлгэхэд нэг ажлын өртөг хэт өндөр тусч, latency нь секунд биш минутээр хэмжигддэг байсан билээ.

Энэхүү гацааг давахаар OpenAI өнөөдөр GPT-6.1 Terra загвараа албан ёсоор зах зээлд гаргалаа. Энэ бол зүгээр нэг энгийн чатбот биш, харин визуал сэтгэн бодолт (visual reasoning) болон компьютер дээр бодит үйлдэл гүйцэтгэхэд (computer use) тусгайлан тааруулсан midrange ажлын морь юм.

Үнийн дайн ба токен хэмнэлт: $1 / $5

GPT-6.1 Terra-ийн хамгийн анхаарал татаж буй үзүүлэлт нь эдийн засгийн үр ашиг юм.

• API үнэ: 1 сая input token тутамд $1.00, 1 сая output token тутамд $5.00. Энэ нь өмнөх үеийн GPT-5.6 Terra болон флагман загвар болох GPT-6.1 Sol-оос даруй 50% хямд.
• Даалгавар тутамд 9 дахин бага зардал: Максимал сэтгэн бодох хүчин чармайлттай (max reasoning effort) горимд Terra нь Claude Opus 5.5-аас токен зарцуулалтын хувьд 3 дахин бага нөөц шаардаж байгаа бөгөөд нэгжийн хямд үнийн хамт тооцвол нэг нарийн төвөгтэй даалгаврыг гүйцэтгэх зардал нь ~9 дахин багассан байна.
• Хурд: Даалгавар гүйцэтгэх хурд нь GPT-6 Astra болон GPT-6.1 Sol загваруудаас 3 дахин хурдан болжээ.

Хөгжүүлэгчдийн хувьд нэгэн зэрэг хэдэн арван файл задлан шинжилж, GUI дээр automated browser тестинг гүйцэтгэдэг агентууд ажиллуулахад зардал экспоненциал өсдөг байсан бол Terra энэ ачааллыг жинхэнэ production түвшинд хүргэж ирж байна.

"Agents' Last Exam" сорилд тэргүүлэв

Зөвхөн хямд, хурдан байгаад зогсохгүй, чадварын хувьд одоогийн салбарын хамгийн хатуу хэмжүүрүүдийг тэргүүлж эхэллээ. UC Berkeley-ийн RDI судалгааны төвөөс бодит салбарын 55 чиглэлийн урт хугацааны ажлын урсгалыг сорьдог Agents' Last Exam (ALE) бенчмаркт GPT-6.1 Terra нь 60.0% (0.600) оноо авч, сорилд оролцсон 26 загварыг хошуучиллаа.

Энэхүү сорилтод зөвхөн код бичих биш, архитетурын зураг төслийг (CAD) уншиж 3D модель болгон хувиргах, хүүхэлдэйн киноны кадр бүрийг шалгаж time-code хөтлөх зэрэг дэлгэцтэй харьцдаг мэргэжлийн түвшний үйлдлүүд шалгагддаг.

Түүнчлэн консол орчинд комманд өгч, серверийн асуудал шийдвэрлэх чадварыг шалгадаг Terminal-Bench 4.0 тестийн амжилт нь 21.5%-аас 50.3% болж хоёр дахин үсрэлт хийсэн байна.

Хөгжүүлэгчдэд ямар боломж нээгдэх вэ?

1. Computer Use & RPA-ийн дараагийн шат: Дэлгэцийн screenshot-ийг өндөр нарийвчлалтай уншиж, DOM tree-д суурилаагүй хуучны десктоп аппликейшн, SAP систем, график интерфэйсүүдийг алдаагүй товших чадвар эрс сайжирсан.
2. reasoning.effort-ийн уян хатан байдал: API дуудалтан дээр none, low, medium, high, xhigh гэсэн 5 түвшний сэтгэн бодох тохиргоог дэмжиж байна. Хөнгөн UI үйлдэлд low сонгож хурд авч болох бол, архитектур засах хүнд даалгаварт xhigh сонгох замаар төсвөө удирдах боломжтой.
3. OpenAI Responses API болон Codex интеграци: Terra нь OpenAI-ийн шинэ бүтэцтэй Responses API дээр шууд байршсан бөгөөд ChatGPT Work болон Codex хэрэглэгчдийн хувьд хэрэглээний нэгдсэн хязгаарын (token pool) хүрээнд илүү олон даалгавар гүйцэтгэх горимоор нэвтэрч байна.

Дүгнэлт

Хэрэв өмнө нь "Компьютер удирдан ажиллах агент" гэдэг ойлголт ихэвчлэн судалгааны төслүүд болон сошиал медиа дээрх гайхуулсан demo бичлэгүүдээр хязгаарлагдаж байсан бол, GPT-6.1 Terra энэ технологийг өдөр тутмын үйлдвэрлэлийн (production) шугамд нэвтрүүлэх бодит гарцыг тавилаа.

Хөгжүүлэгч бидний хувьд зөвхөн API дуудаад зогсохгүй, Terminal, IDE, броузер орчныг хооронд нь холбосон олон шатлалт agentic pipeline угсрах өртөг хэд дахин буурч байна. Одоо гол асуудал "AI үүнийг хийж чадах уу?" гэдэгт биш, "Та үүнд зориулж зөв хамгаалалтын хайрцаг (sandbox) болон орчин бэлдсэн үү?" гэдэгт төвлөрөх цаг иржээ.

Эх сурвалж: OpenAI Official Release Blog, Simon Willison's Weblog, UC Berkeley RDI (Agents' Last Exam Benchmark)