OpenAI ने GPT-6 श्रृंखला के नए मॉडल को लॉन्च किया है, जिसका ध्यान सामान्य कार्यालय और कंप्यूटर ऑपरेशन कार्यों को कम लागत पर पूरा करने पर केंद्रित है।
अमेरिकी पूर्वी समय 26 अक्टूबर को, OpenAI ने GPT-6.1 Terra जारी किया, जो दृश्य बुद्धिमत्ता, क्रॉस-एप्लिकेशन ऑपरेशन और प्राकृतिक भाषा लेखन क्षमता पर ध्यान केंद्रित करता है। मॉडल के प्रदर्शन में सुधार के साथ-साथ, OpenAI ने मानक API मूल्य को पिछली पीढ़ी GPT-5.6 Terra की तुलना में 50% घटा दिया है। स्वतंत्र मूल्यांकन संस्था Artificial Analysis के मूल्यांकन में भी दिखा कि नया मॉडल बुद्धिमत्ता, कार्य लागत और विशिष्ट बेंचमार्क पर भ्रम प्रदर्शन में सुधार करता है।
पूरे कार्यदिवस के लिए, दृश्य समझ और कंप्यूटर ऑपरेशन को मजबूत करें
OpenAI ने GPT-6.1 Terra को एक तेज़ और कुशल मॉडल के रूप में स्थित किया है, जिसका उद्देश्य उपयोगकर्ताओं को पूरे कार्यदिवस के कंप्यूटर ऑपरेशन कार्यों को कम लागत पर पूरा करने में मदद करना है। मॉडल केवल स्क्रीन की सामग्री को समझने में सक्षम है, बल्कि एप्लिकेशन के बीच ऑपरेशन भी कर सकता है और अधिक स्पष्ट और प्राकृतिक भाषा में लिख सकता है।
OpenAI चाहता है कि Terra को बिजनेस प्रपोजल तैयार करने, टेक्निकल ड्राइंग्स को समझने, फॉर्म्स भरने और वीडियो संपादित करने जैसे उच्च आवृत्ति ऑफिस कार्यों के लिए एक सामान्य टूल बनाया जाए। व्यवसायों के लिए, ऐसी क्षमताएं इस बात का संकेत देती हैं कि मॉडल ऐसे दोहराए जाने वाले कार्यों को संभाल सकता है, जैसे प्राप्त बिल पढ़ना और फिर संबंधित जानकारी को अकाउंटिंग सॉफ्टवेयर में प्रवेश कराना।
इस अपग्रेड का उद्देश्य केवल एकल क्षमता में सुधार करना नहीं है, बल्कि दृश्य बुद्धिमत्ता, कंप्यूटर ऑपरेशन और टेक्स्ट जनरेशन को एक ही कार्य प्रवाह में एकीकृत करना है। OpenAI के अनुसार, GPT-6.1 Terra, GPT-5.6 Terra की तुलना में कंप्यूटर ऑपरेशन और संचार संबंधी कार्यों में स्पष्ट प्रगति दर्शाता है, और नया मॉडल ChatGPT Work और Codex के मौजूदा उपयोग सीमा के साथ अधिक कार्य पूरे करने में सक्षम है।
Computer operation benchmark improved by 15 percentage points, speed more than three times that of Astra
Agents’ Last Exam बेंचमार्क में, जहां सॉफ्टवेयर का उपयोग करके एजेंट्स विशेषज्ञ कार्यों को पूरा करते हैं, OpenAI ने दावा किया कि GPT-6.1 Terra, मध्यम तर्क शक्ति पर GPT-5.6 Terra की तुलना में 15 प्रतिशत बेहतर प्रदर्शन करता है, जबकि कार्य लागत लगभग उसकी एक-तिहाई है। इसका प्रदर्शन GPT-6 Astra जैसे फ्लैगशिप मॉडल के समान है, लेकिन प्रति Token की कीमत Astra की दसवीं है।
उच्चतम निष्कर्षण तीव्रता पर, OpenAI के अनुसार, GPT-6.1 Terra की टोकन दक्षता Claude Opus 5.5 से तीन गुना अधिक है, और प्रति टोकन की कीमत केवल उसकी चौथाई है। टोकन उपभोग दक्षता और इकाई कीमत के लाभ को मिलाकर, Terra द्वारा कार्य पूरा करने की लागत लगभग Claude Opus 5.5 की नौवीं हिस्सा है। गति के मामले में, OpenAI का कहना है कि Terra द्वारा कार्य पूरा करने की औसत गति GPT-6 Astra और GPT-6.1 Sol से तीन गुना अधिक है।
विजुअल अंतर्ज्ञान के मामले में, MMMU-Pro बेंचमार्क में, GPT-6.1 Terra की सभी इन्फरेंस सेटिंग्स GPT-5.6 Terra से बेहतर प्रदर्शन करती हैं और GPT-6 Astra और GPT-6.1 Sol के परिणामों के करीब पहुँचती हैं, जबकि लागत कम होती है। OSWorld 2.1 बेंचमार्क में, जहाँ टेस्टिंग एजेंट डेस्कटॉप एप्लिकेशन का उपयोग करके बहु-चरणीय कार्य पूरा करते हैं, Terra मध्यम इन्फरेंस इंटेंसिटी पर GPT-5.6 Terra के पिछले सर्वश्रेष्ठ परिणाम को पार कर जाती है।
ये परिणाम OpenAI के Terra के लिए उसकी स्थिति को दर्शाते हैं: यह सभी क्षमता आयामों में फ्लैगशिप स्तर का प्रदर्शन प्राप्त करने के बजाय, अधिकतम वास्तविक कार्यों को कम लागत और कम समय में पूरा करने का प्रयास करता है।
Independent evaluation: Intelligence level improved, cost to complete tasks significantly reduced
Artificial Analysis द्वारा प्रकाशित स्वतंत्र समीक्षा ने GPT-6.1 Terra और पिछली पीढ़ी के मॉडल की प्रदर्शन और लागत की तुलना की। इस संगठन के अनुसार, Terra का Artifical Analysis Intelligence Index में उच्चतम निष्कर्षण तीव्रता स्कोर GPT-5.6 Terra से 6 अंक अधिक है, और एकल कार्य लागत 1.40 डॉलर से घटकर 0.40 डॉलर हो गई, जो मूल लागत के एक तिहाई से कम है।
कम और मध्यम निष्कर्षण तीव्रता पर, Terra पिछली पीढ़ियों की तुलना में 7 से 13 अंकों तक घातीय अंकों में सुधार दर्ज करता है। Artificial Analysis के अनुसार, ये दोनों निष्कर्षण स्तर स्मार्टनेस और लागत के बीच संतुलन में कुशलता की सीमा पर हैं, जिसका अर्थ है कि उपयोगकर्ता तुलनात्मक रूप से कम खर्च पर बेहतर मॉडल प्रदर्शन प्राप्त कर सकते हैं।
Coding Agent Index v2.0 में, GPT-6.1 Terra को 48 अंक मिले, जो GPT-6.1 Sol के 54 अंक से कम है, लेकिन GPT-6 Luna के 31 अंक से अधिक है। यह संस्थान बताता है कि Terra के कुछ निष्कर्ष निकालने के सेटअप इस सूचकांक पर लागत कुशलता की सीमा पर हैं, जो दर्शाता है कि यह न केवल दैनिक कार्यालय के लिए उपयुक्त है, बल्कि मजबूत कोडिंग एजेंट क्षमताएँ भी रखता है।
हालांकि, मॉडल की निष्कर्षण शक्ति और कार्य की जटिलता अभी भी महत्वपूर्ण हैं। Artificial Analysis के मूल्यांकन से पता चलता है कि उच्चतम निष्कर्षण शक्ति पर Terra का Intelligence Index स्कोर GPT-6.1 Sol से कम है; OpenAI ने स्पष्ट रूप से सुझाव दिया है कि गहन अनुसंधान या जटिल कोडिंग कार्यों के लिए, उपयोगकर्ताओं को GPT-6.1 Sol या GPT-6 Astra को प्राथमिकता देनी चाहिए।
हॉलूसिनेशन रेट में कमी, कोडिंग टास्क सफलता दर में वृद्धि
विश्वसनीयता इस अपग्रेड का एक और महत्वपूर्ण बिंदु है। Artificial Analysis ने अपने निजी ज्ञान और भ्रम बेंचमार्क AA-Omniscience में पाया कि जब मॉडल को उत्तर नहीं पता होता है, तो GPT-6.1 Terra 38% के साथ अनुमान लगाता है, जबकि GPT-5.6 Terra 88% है, जो 50 प्रतिशत बिंदुओं की कमी है। इसी समय, Terra की इस बेंचमार्क पर सटीकता में 2 अंक की वृद्धि हुई है।
ध्यान दें कि यह परिणाम अनिश्चितता की स्थिति में मॉडल के उत्तर अनुमान लगाने की प्रवृत्ति को मापता है, और इसका अर्थ यह नहीं है कि मॉडल की सभी वास्तविक अनुप्रयोगों में कुल त्रुटि दर 50 प्रतिशत इकाई कम हो गई है।
OpenAI के अपने आंतरिक परीक्षणों में भी समान सुधार का प्रवृत्ति दिखाई दी। त्रुटियों को आसानी से उत्पन्न करने वाले प्रॉम्प्ट टेस्ट में, कम निष्कर्षण तीव्रता पर, GPT-6.1 Terra की त्रुटि दर GPT-5.6 Terra की 53.6% से घटकर 16.7% हो गई, जो 36.9 प्रतिशत बिंदुओं की कमी है; उच्चतम निष्कर्षण तीव्रता पर, त्रुटि दर 18 प्रतिशत बिंदुओं से घटकर 4.3% हो गई, जो GPT-6 Astra और GPT-6.1 Sol के स्तर के करीब है।
कोडिंग क्षमता में भी स्पष्ट सुधार आया है। OpenAI द्वारा प्रकाशित Terminal-Bench 4.0 बेंचमार्क में, GPT-6.1 Terra ने उच्चतम निष्कर्षण तीव्रता पर 50.3% कार्य सफलता दर हासिल की, जो GPT-5.6 Terra की पिछली 21.5% की तुलना में दोगुनी से अधिक है। Artificial Analysis के स्वतंत्र मूल्यांकन में भी यह देखा गया कि Terra इस बेंचमार्क पर लगभग 20 प्रतिशत अंकों की वृद्धि के साथ उच्चतम निष्कर्षण तीव्रता पर GPT-6.1 Sol के करीब पहुंच गया।
इसका मतलब है कि Terra का अपग्रेड केवल मॉडल को तेज़ और सस्ता बनाना ही नहीं है, बल्कि कुछ त्रुटियों को कम करना और जटिल कार्यों के निष्पादन की क्षमता में सुधार करना भी शामिल है। हालाँकि, सबसे जटिल सॉफ्टवेयर इंजीनियरिंग कार्यों के लिए, OpenAI अभी भी Sol या Astra का सुझाव देता है।
API price halved, targeted at high-frequency enterprise automation tasks
मूल्य GPT-6.1 Terra के इस लॉन्च का दूसरा केंद्रीय बिंदु है। OpenAI द्वारा घोषित मानक API मूल्य: प्रति एक मिलियन इनपुट टोकन 1 डॉलर, प्रति एक मिलियन कैश्ड इनपुट टोकन 0.05 डॉलर, और प्रति एक मिलियन आउटपुट टोकन 5 डॉलर। GPT-5.6 Terra की तुलना में, मानक API मूल्य में कुल 50% की कमी हुई है; GPT-6.1 Sol की तुलना में, Terra का मानक API मूल्य भी 50% कम है।
Artificial Analysis द्वारा दिए गए मूल्य तुलना के अनुसार, GPT-5.6 Terra के इनपुट और आउटपुट टोकन मूल्य क्रमशः प्रति मिलियन 2 डॉलर और 12 डॉलर हैं, जबकि नए मॉडल में यह 1 डॉलर और 5 डॉलर तक घट गया है। कैशिंग इनपुट मूल्य प्रति मिलियन 0.20 डॉलर से घटकर 0.05 डॉलर हो गया है, जिसमें 75% की कमी हुई है। इस संस्थान ने यह भी रिपोर्ट किया है कि नए मॉडल के लिए कैशिंग लिखने का मूल्य प्रति मिलियन 1.25 डॉलर है।
ChatGPT Work और Codex में, OpenAI ने कहा कि समान उपयोग की सीमा GPT-6.1 Terra को GPT-5.6 Terra की तुलना में अधिक कार्य करने की अनुमति देती है, और GPT-6.1 Sol तथा GPT-6 Astra की तुलना में भी अधिक कार्य करने की अनुमति देती है। फाइलों को बार-बार पढ़ने, ऑफिस सॉफ्टवेयर का उपयोग करने या बड़ी मात्रा में संरचित जानकारी को संसाधित करने वाले उद्यमिक उपयोगकर्ताओं के लिए, इस लागत अंतर से स्मार्ट एजेंट के व्यापक तौर पर लागू किए जाने की संभावना प्रत्यक्ष रूप से प्रभावित हो सकती है।
GPT-6.1 Terra, 26 अक्टूबर से ChatGPT Work और Codex के Plus, Pro, Enterprise और Edu उपयोगकर्ताओं के लिए उपलब्ध होगा, और डेवलपर्स API के माध्यम से gpt-6.1-terra मॉडल का उपयोग कर सकते हैं।
उत्पाद विभाजन के अनुसार, OpenAI GPT-6 श्रृंखला की क्षमताओं और लागत स्तरों को और अधिक सूक्ष्मता से विभाजित कर रहा है: Terra मुख्य रूप से उच्च आवृत्ति, दोहराव वाले और कंप्यूटर संचालन की आवश्यकता वाले कार्यों के लिए है, जबकि Sol और Astra गहन अनुसंधान और जटिल कोडिंग के लिए जारी हैं। जैसे-जैसे मॉडल विशिष्ट कार्यों पर कार्यक्षमता में सुधार हो रहा है, प्रतिस्पर्धा का केंद्र अब केवल मॉडल की सीमा की तुलना करने से बदलकर वास्तविक कार्य पूरा करने में लगने वाले समय, Token और कुल लागत को मापने की ओर हो रहा है।