GPT-5.6 зменшує витрати на завдання на 82% у AWS Kiro, незважаючи на зниження ціни на 20%

Та сама модель, офіційна ціна знизилася лише на 20%, а ваш рахунок зменшився на вісімдесят відсотків.

24 серпня OpenAI опублікувала результати тесту, проведеного разом із AWS:

На Terminal-Bench 2.1 вартість виконання успішного завдання GPT-5.6 Terra у Kiro знизилася приблизно на 82%.

Kiro — це платформа програмного розробницького агента AWS, яка охоплює IDE, CLI та веб.

Три брати Sol, Terra, Luna з родини GPT-5.6 вже бігають всередині більше місяця.

Ці 82% — не офіційне зниження ціни.

Остання корекція Terra відбулася 30 липня, на 20%.

30 липня оголошення про зміну цін від OpenAI, Terra знижена на 20%.

Ціна знижується лише на 20%, а рахунок можна зменшити на вісімдесят відсотків.

Ті шістдесят відсотків, які відсутні посередині, — саме звідси варто шукати економію, і саме це варто нашої уваги.

GPT-5.6登陆Kiro是今年7月的事儿。

Спочатку 13-го AWS оголосила, що GPT-5.6 Sol, Terra, Luna тепер доступні в Amazon Bedrock.

На наступний день Kiro опублікував блог, оголосивши про запуск трьох моделей у IDE, CLI та веб-інтерфейсі.

Це перший раз, коли модель OpenAI потрапила до Kiro, і це збіглося з річницею відкритого попереднього огляду Kiro.

Спочатку виведіть модель на поличку, а потім відправте працювати; через місяць з половиною OpenAI повертається з домашнім завданням:

Дві компанії разом налаштували середовище Kiro та модель OpenAI, в результаті чого вартість виконання успішної задачі Terra знизилася приблизно на 82%.

Під час корекції 30 липня Terra знизилася на 20%, але в тестах Kiro вартість однієї задачі знизилася на 82%.

А звідки взялися ті шістдесят відсотків, що було зекономлено?

Напрямків всього кілька:

Модель генерує менше токенів, зменшується кількість повторних викликів інструментів, а також зменшується кількість спроб повтору та обходів після невдач.

Отже, ця значна економія — це не гроші, що зберігаються при кожному виклику, а гроші, які раніше витрачалися даремно на виклики.

Просто: якщо AI-агент один раз не впорався із завданням, рахунок все одно зараховується. Він вибрав неправильний шлях, тричі збився з курсу, а потім повернувся — ці токени все одно беруться до оплати.

У реальному розробці гроші часто саме так і витікають.

OpenAI також згадувала ту саму логіку у своєму офіційному блозі: ефективність походить з трьох рівнів:

Фреймворк агентів, що ініціюють запити та організовують контекст, система оркестрування, що координує запити посередині, і нарешті сама модель, що виконується на GPU.

OpenAI розбирає джерела ефективності GPT-5.6: запити починаються з інтелектуальної архітектури, проходять через систему оркестрування, а потім виконуються на GPU — кожен рівень оптимізує витрати.

Зекономте гроші навіть на розподілі обов’язків серед моделей.

OpenAI також наводила такий приклад використання: робочий процес кодування спочатку може використовувати Sol, щоб чітко зрозуміти проблему та визначити план, а потім переключитися на Luna для реалізації вже чітко визначених змін, написання тестів та запуску оцінок.

Одна й та ж лінія виробництва, різні етапи мають різні рівні інтелекту.

Цей набір завдань Terminal-Bench 2.1 не призначений для того, щоб модель відповідала окремо.

Він запускає модель у термінальному середовищі, встановлює нечітку мету і дозволяє їй самостійно планувати шлях, використовувати інструменти, писати сценарії, вирішувати помилки та повторно ітерувати.

Отже, отриманий результат — це результат комбінації «агент + модель».

Відкритий рейтинг Terminal-Bench 2.1, праворуч від точності з’явилася нова категорія — витрати. (Джерело: Terminal-Bench)

Чотири рядки цифр у рейтингу найкраще все пояснюють:

Claude Code з Fable 5, 83,8%, 552,67 долара;

Codex з GPT-5.5, 83,1%, 2059,19 долара;

Codex у поєднанні з GPT-5.6 Terra, 78,4%, 421,15 долара;

Codex у поєднанні з GPT-5.6 Luna, 75,7%, 241,45 долара.

Різниця в балах у перших двох рядках становила лише 0,7 відсоткового пункту, але рахунок відрізнявся майже в чотири рази.

Та сама модель, встановлена в різні фреймворки, з різними стратегіями організації контексту та інструментів, дає зовсім різні результати.

За даними Kiro, Terra отримала 77,4 бала на індексі Coding Agent, що трохи вище, ніж у Claude Fable 5 — 77,2.

Його перевага полягає не в балах, а в ціні, яка відповідає цим балам.

Також саме тут Кіро зосереджується на spec-driven підході: суть гри в одному реченні — не дозволяється одразу писати код.

Спочатку він розбиває нечітку мету користувача на чіткий документ вимог, технічний дизайн та список виконуваних завдань, а потім передає це моделі.

Таким чином, модель отримує не невизначене речення, а чітко сформульоване завдання.

Ті, хто знайомий з Agent, миттєво зрозуміють, що цей крок виключає найбільш витратну частину витрат.

Модель відхиляється, потрібно переробляти, викидати все й починати знову — спалені токени часто перевищують ті, що використовуються для справжньої роботи.

Кіро залишив у процесі дві контрольні точки: зупинитися, щоб хтось перевірив код перед його реальним зміненням; після завершення роботи автоматично запустити тестування, щоб перевірити правильність.

Кожна виправлена помилка, зупинена цими двома бар’єрами, дозволяє зекономити реальні гроші.

Рік тому Kiro був лише IDE, спрямованим на специфікації, а вибір моделі був доменом Anthropic.

Через рік AWS одночасно додала три моделі OpenAI на власній платформі агентів.

Sol, Terra, Luna та Claude розташовані в одному випадаючому меню — цю картину важко було уявити рік тому.

Хоча GPT-5.6 цього разу «всі сім’єю переїхали», він не «повністю відкритий».

Три моделі відкриваються поступово та експериментально для користувачів Pro, Pro+, Pro Max і Power; регіони — лише два: північна Вірджинія, США, та Франкфурт, Європа, з підтримкою міжрегіонального висновку.

Ще одна річ, з якою багато хто не звик: ці моделі в Kiro працюють з прихованою ланцюжковою міркуванням — ви не бачите їхніх кроків міркування, а лише кінцевий результат.

Ті, хто звик дивитися, як агент крок за кроком міркує, відчувають це як кинуття завдання в непрозору коробку.

Офіційно заявлено, що це очікувана поведінка, яка не впливає на якість виводу.

Три рівні моделей чітко вказані в Kiro.

На момент запуску 14 липня та саме завдання мали такі відсотки зняття: Sol — 2,4 рази, Terra — 1,2 рази, Luna — 0,6 рази.

30 липня, після зниження цін в OpenAI, наступного дня Kiro відповів: Luna була зменшена з 0,6 до 0,1, Terra — з 1,2 до 1,0, а Sol залишилася без змін.

Позиція AWS очевидна: платформа для розробки не може бути прив’язана лише до однієї моделі.

У тому ж селекторі дві передові моделі почали конкурувати цінами.

Критерії оцінки моделей також змінилися: високий бал більше не означає автоматичну перемогу, перемогти можна й з малими витратами.

Для розробників раніше запитували: «Скільки коштує ця модель за мільйон токенів?», а зараз треба запитувати: «Скільки мені буде коштувати, щоб вона виконала цю справу?»

Джерела:

https://x.com/OpenAIDevs/status/2091966982015103068

https://openai.com/index/gpt-5-6-in-kiro/

Цей матеріал зі сторінки WeChat «Новий розум» (ID: AI_era), автор: АСІ Апокаліпсис, редактор: Юаньюй