OpenAI bắt đầu cuộc chiến giá với mô hình trung cấp, “công cụ” GPT-6.1 Terra ra mắt

Giám đốc điều hành OpenAI Sam Altman. Hình ảnh được xử lý bằng AI

Tác giả｜Tô Dương

Biên tập｜Từ Thanh Dương

OpenAI vừa ra mắt một mô hình mới với giá trị hiệu suất cao.

Vào lúc 10 giờ sáng theo giờ địa phương ngày 26 tháng 10, OpenAI đã phát hành phiên bản mới của mô hình tầm trung GPT-6.1 Terra. So với thế hệ trước là GPT-5.6 Terra, mô hình mới tập trung nâng cao khả năng hiểu biết hình ảnh, thao tác máy tính, độ chính xác của sự thật và khả năng lập trình, giá cả cho đầu vào và đầu ra API tiêu chuẩn đều giảm 50%.

Trong các thử nghiệm của chính OpenAI, Terra hoàn thành các nhiệm vụ thao tác máy tính nhanh hơn 3 lần so với GPT-6 Astra và GPT-6.1 Sol, hiệu suất của một số nhiệm vụ đã gần đạt đến mô hình flagship.

Mô hình này hướng đến các nhiệm vụ văn phòng hàng ngày và tự động hóa tần suất cao, có khả năng nhận diện nội dung trên màn hình, thực hiện các thao tác giữa nhiều ứng dụng, cũng như xử lý bản vẽ kỹ thuật, điền biểu mẫu, chỉnh sửa video và các công việc khác.

Đối với các nhà phát triển, một điểm thu hút khác là chi phí: mỗi triệu token đầu vào tính phí 1 đô la, token đầu ra tính phí 5 đô la, và token đầu vào lưu trữ chỉ tốn 0.05 đô la.

Tuy nhiên, lợi thế về tốc độ và giá cả không làm hài lòng tất cả người trải nghiệm. Các thử nghiệm bên thứ ba cho thấy, Terra có thể hoàn thành các cảnh phức tạp với chi phí thấp hơn khi tạo ra các tác phẩm hình ảnh, nhưng một số người dùng vẫn cho rằng, nó còn thiếu sót về chất lượng hình ảnh, thẩm mỹ thiết kế và xử lý các nhiệm vụ phức tạp.

01 Tự động hóa văn phòng là sân chơi chính

Điểm nhấn của GPT-6.1 Terra là giúp AI hoàn thành nhanh chóng một loạt các nhiệm vụ thao tác máy tính.

Trợ lý AI có thể tạo ra văn bản, mã hoặc đề xuất thao tác theo yêu cầu của người dùng, nhưng khi nhiệm vụ liên quan đến nhiều phần mềm, mô hình vẫn cần hiểu giao diện, nhận diện các điều khiển và thực hiện theo từng bước. OpenAI hy vọng Terra sẽ giảm thêm chi phí thực hiện cho các nhiệm vụ này, cho phép mô hình đảm nhận nhiều công việc lặp đi lặp lại hơn.

Ví dụ, doanh nghiệp có thể yêu cầu nó đọc hóa đơn nhận được, nhập thông tin như số tiền, ngày tháng và nhà cung cấp vào phần mềm kế toán; hoặc yêu cầu nó hiểu bản vẽ kỹ thuật xây dựng, hoặc hoàn thành một chuỗi thao tác trong ứng dụng máy tính để bàn.

Trong buổi trình diễn chính thức của OpenAI, GPT-6.1 Terra đã trực tiếp thao tác Blender, xây dựng từ đầu một mô hình 3D của một chiếc xe điện màu vàng, hoàn thành từng bước như thân xe, cửa sổ, mái và chi tiết khung gầm.

Trong bài kiểm tra chuẩn về thao tác máy tính Agents' Last Exam, ở chế độ suy luận trung bình, GPT-6.1 Terra cao hơn GPT-5.6 Terra 15 điểm phần trăm, chi phí cho từng nhiệm vụ khoảng một phần ba so với mô hình sau.

So với GPT-6 Astra, giá mỗi token của Terra khoảng một phần mười, hiệu suất nhiệm vụ ở mức tương đương.

Ở chế độ suy luận cao nhất, OpenAI cho biết, hiệu suất sử dụng token của Terra vượt qua Claude Opus 5.5 gấp 3 lần, giá mỗi token khoảng một phần tư so với mô hình đó, cuối cùng chi phí cho từng nhiệm vụ giảm khoảng 90%. Tốc độ hoàn thành nhiệm vụ cũng vượt qua GPT-6 Astra và GPT-6.1 Sol gấp 3 lần.

Bạn có thể hiểu rằng: khi nhiệm vụ yêu cầu một khả năng suy luận nhất định, nhưng không cần sử dụng mô hình mạnh nhất, tốc độ và chi phí có thể trở thành tiêu chí lựa chọn quan trọng hơn, và đó chính là "điểm ngọt" của mô hình Terra.

Tuy nhiên, điểm số kiểm tra chuẩn không thể trực tiếp tương đương với hiệu suất trong tất cả các công việc thực tế. Số lượng bước của các nhiệm vụ khác nhau, cách gọi công cụ và cường độ suy luận đều ảnh hưởng đến thời gian tiêu tốn, hiệu quả sử dụng thực tế vẫn phải xem xét theo từng tình huống cụ thể.

02 Tỷ lệ ảo giác giảm, thành tích lập trình gấp đôi

Ngoài thao tác máy tính, Terra cũng có sự cải thiện rõ rệt về độ chính xác của sự thật và lập trình.

OpenAI đã sử dụng các từ khóa kích thích lỗi cao được thiết kế nội bộ để tiến hành thử nghiệm. Ở chế độ suy luận thấp, tỷ lệ lỗi sự thật của GPT-5.6 Terra là 53.6%, trong khi GPT-6.1 Terra giảm xuống còn 16.7%, giảm 36.9 điểm phần trăm. Ở chế độ suy luận cao nhất, tỷ lệ lỗi của mô hình mới tiếp tục giảm xuống còn 4.3%, thấp hơn 18 điểm phần trăm so với thế hệ trước, gần đạt đến mức của GPT-6 Astra và GPT-6.1 Sol.

Các tổ chức đánh giá bên thứ ba như Artificial Analysis cũng đã quan sát thấy sự thay đổi tương tự. Bài kiểm tra kiến thức và ảo giác AA-Omniscience của họ cho thấy, khi mô hình không biết câu trả lời cho câu hỏi, tỷ lệ đoán câu trả lời của GPT-6.1 Terra là 38%, trong khi GPT-5.6 Terra là 88%. Đồng thời, độ chính xác của mô hình mới đã tăng 2 điểm phần trăm.

Tuy nhiên, kết quả này đến từ một tập dữ liệu thử nghiệm cụ thể, không thể trực tiếp suy ra tỷ lệ lỗi của mô hình trong tất cả các tình huống thực tế.

Về lập trình, sự cải thiện của Terra cũng rất rõ ràng.

Trong Terminal-Bench 4.0, mô hình cần hoàn thành các nhiệm vụ kỹ thuật phần mềm qua dòng lệnh, chẳng hạn như sửa lỗi bố cục xảy ra trong quá trình tải trang web. Ở cường độ suy luận cao nhất, tỷ lệ giải quyết nhiệm vụ của GPT-6.1 Terra đạt 50.3%, vượt qua 21.5% mà GPT-5.6 Terra đã công bố trước đó, tăng hơn gấp đôi.

Chỉ số Coding Agent Index v2.0 do Artificial Analysis phát hành đã chấm cho Terra 48 điểm, thấp hơn 54 điểm của GPT-6.1 Sol, nhưng cao hơn 31 điểm của GPT-6 Luna. Tổ chức này cho rằng, Terra có hiệu quả chi phí tốt trong các cài đặt cường độ suy luận thấp và cực cao.

Các bài kiểm tra hiểu biết hình ảnh MMMU-Pro và bài kiểm tra thao tác máy tính để bàn OSWorld 2.1 cũng cho thấy, Terra vượt trội hơn GPT-5.6 Terra. Đối với người dùng cần hiểu hình ảnh, thao tác phần mềm và hoàn thành các công việc nhiều bước, những khả năng này có thể phối hợp với nhau.

Tuy nhiên, OpenAI cũng thừa nhận rằng, đối với các nhiệm vụ lập trình phức tạp nhất, GPT-6.1 Sol và GPT-6 Astra vẫn là lựa chọn phù hợp hơn. Lợi thế của Terra chủ yếu tập trung vào các công việc nhạy cảm về chi phí, khối lượng nhiệm vụ lớn và quy trình thao tác tương đối rõ ràng.

03 "Mẫu người mua" thực sự

Từ phản hồi trên các nền tảng xã hội, đánh giá của các nhà phát triển về Terra có sự phân cực rõ rệt.

Nền tảng đánh giá thiết kế @DesignArena đã chọn Tháp Belem ở Lisbon làm đối tượng thử nghiệm, yêu cầu GPT-6.1 Terra và GPT-5.6 Terra tái hiện công trình kiến trúc đá vôi thế kỷ 16 này trong thời gian vàng, và thêm chim hải âu, thuyền buồm và cây cầu lớn ở xa.

Kết quả thử nghiệm cho thấy, GPT-6.1 Terra mất thời gian gần gấp 4 lần thế hệ trước, số token sử dụng cũng nhiều hơn 48%. Nhưng do giá mỗi token giảm mạnh, chi phí cuối cùng lại giảm 38%, từ 0.077 đô la của GPT-5.6 Terra xuống còn 0.047 đô la.

Từ demo thực tế, hình ảnh được tạo ra bởi hai mô hình cũng có sự khác biệt.

DesignArena cho rằng, GPT-6.1 Terra đã tái hiện cấu trúc kiến trúc phức tạp hơn, bao gồm các cửa sổ vòm chồng lên nhau, tháp góc mái vòm, và ánh sáng phản chiếu trên mặt nước sông Tagus. Kích thước của trang tạo ra lớn hơn 31%, mỗi khung hình sử dụng 432 bộ phận độc lập, cao hơn 323 bộ phận của thế hệ trước.

Ngược lại, mặc dù GPT-5.6 Terra cũng tạo ra mái vòm, ban công, thuyền buồm và chim hải âu, nhưng hình dạng kiến trúc đơn giản hơn, mặt nước thiếu sự thay đổi ánh sáng rõ rệt, và cây cầu lớn ở xa cũng không thể hiện được cấu trúc chi tiết tương tự.

Tài khoản thử nghiệm mô hình AI @N1njaCodex đã so sánh hiệu suất của GPT-6.1 Terra và Claude Opus 5.5 trong việc tạo ra phong cách nghệ thuật pixel của đấu trường La Mã.

Chi phí hoàn thành cùng một nhiệm vụ của hai mô hình lần lượt là 2.38 đô la và 8.38 đô la. NinjaCodex cho rằng, Terra đã hoàn thành nhiệm vụ với mức giá như vậy là khá tốt, nhưng đấu trường do Opus tạo ra sáng hơn, và hình ảnh có nhiều tầng lớp hơn, vì vậy vẫn thích mô hình sau.

Nhà phát triển độc lập AI @YFeng2022 cũng đã đặt câu hỏi về hiệu suất hình ảnh của Terra. Anh cho rằng, từ video trình diễn, hình ảnh do mô hình tạo ra có cảm giác nhựa, và biểu hiện thẩm mỹ vẫn chưa lý tưởng, cho rằng hiệu quả tổng thể không bằng các mô hình gần đây được phát hành bởi DeepSeek và Kimi.

Một tài khoản theo dõi mô hình khác @Mr_Salio lại có thái độ tiêu cực đối với hiệu suất tổng thể của Terra. Anh cho rằng, mặc dù tốc độ của mô hình nổi bật, nhưng trải nghiệm tổng thể không đạt kỳ vọng, thậm chí cho rằng GPT-5.6 có hiệu suất tốt hơn trong một số bài kiểm tra.

04 Khi các mô hình tầm trung bắt đầu tính toán

Sau khi Terra được phát hành, các cuộc thảo luận xung quanh nó nhanh chóng mở rộng đến sự cạnh tranh trên thị trường mô hình.

Nhà phát triển AI @NFT_Chen trích dẫn dữ liệu chỉ số thông minh từ Artificial Analysis nhấn mạnh rằng, GPT-6.1 Terra đạt 48 điểm ở cường độ suy luận cao nhất, cao hơn nhiều mô hình của Trung Quốc.

Mặc dù điều này không trực tiếp tương đương với sức cạnh tranh của sản phẩm, nhưng nó phản ánh một thực tế: sự cạnh tranh giữa các mô hình đã mở rộng đến chi phí, tốc độ và chất lượng hoàn thành nhiệm vụ ở các cường độ suy luận khác nhau.

@NFT_Chen cho rằng, nếu người dùng cần đánh giá sâu, thiết kế kiến trúc phức tạp và sáng tạo chất lượng cao, có thể ưu tiên xem xét Claude Opus 5.5; nếu công việc chủ yếu là phát triển theo thông số rõ ràng, tài liệu và thao tác cuối, Sonnet 5.5 cũng có sức cạnh tranh; trong khi đó, Terra phù hợp hơn cho các tác vụ văn phòng tần suất cao, thao tác giữa các ứng dụng và các nhiệm vụ tự động hóa nhạy cảm với chi phí.

Cách lựa chọn này cũng nhất quán với định vị của OpenAI đối với Terra. Chính thức khuyến nghị rằng, nghiên cứu sâu và lập trình phức tạp vẫn nên ưu tiên xem xét GPT-6.1 Sol hoặc GPT-6 Astra. Terra hy vọng sẽ phủ sóng một lượng lớn công việc hàng ngày với mức giá thấp hơn.

Hiện tại, GPT-6.1 Terra đã mở cho người dùng Plus, Pro, Enterprise và Edu trong ChatGPT Work và Codex, các nhà phát triển cũng có thể gọi thông qua OpenAI API. Giá tiêu chuẩn là 1 đô la cho mỗi triệu Token đầu vào, 0.05 đô la cho Token đầu vào bộ nhớ đệm, 5 đô la cho Token đầu ra.

Đối với các doanh nghiệp và nhà phát triển cần gọi mô hình nhiều, việc giảm giá có thể ảnh hưởng trực tiếp đến chi phí của các dự án tự động hóa. Nhưng nếu một nhiệm vụ yêu cầu chất lượng hình ảnh, suy luận phức tạp hoặc độ tin cậy của mã cao, mô hình vẫn cần phải được kiểm tra thực tế, không thể chỉ nhìn vào giá của từng Token.