KeyFrame內部研究專用

OpenAI's New GPT-6.1 Terra Is WAY Better Than It Should Be (10x Cheaper, 3x Faster)

AI Revolution16 min英文
觀看原始影片

三句話摘要

OpenAI 發布廉價新型號 Terra 與 Anthropic 競爭,同時 Claude 協助物理學家用 10 小時完成一年的博士級計算工作。 AI 正從計算加速工具演進為推理驗證器,開發者與知識工人的核心競爭力正從「能算」轉移到「能問對問題」與「能判斷答案」。 --- 🤖 本文由 Claude Code 生成 OpenAI 的定價策略轉變:Terra 定位為中階模型,卻在 Agents Last Exam 等專業任務基準上與旗艦 Astra 平手,同時保持 Soul 一半的價格。這說明 OpenAI 正從「用一個超強模型統治市場」轉向「多層次價格點滿足不同需求」,成為對 Anthropic 的直接回應。

重點整理

  1. OpenAI 的定價策略轉變:Terra 定位為中階模型,卻在 Agents Last Exam 等專業任務基準上與旗艦 Astra 平手,同時保持 Soul 一半的價格。這說明 OpenAI 正從「用一個超強模型統治市場」轉向「多層次價格點滿足不同需求」,成為對 Anthropic 的直接回應。

  2. 市場競爭加劇:Anthropic 的 Claude 家族(Opus、Sonnet、Haiku)使用量跳增,開發者發現用便宜的 Haiku 5.5 處理日常任務、用 Opus 5.5 解決困難問題是最優組合,將 OpenAI 從高端和低端都夾擊。

  3. 開源模型的野心:NanBea 由招聘平台開源,專攻辦公自動化與編碼任務,雖然基準測試領先 Qwen 3.8,但缺乏獨立驗證與公開部署方案,反映開源社群對專用領域模型的探索。

  4. AI 對知識工作的衝擊:物理教授案例最具象徵意義——複雜的量子重力計算從人工一年縮減為 AI 十小時,不僅展示效率躍升,更暴露人工計算中的長期累積錯誤,預示數學與物理領域的知識工人壟斷正在瓦解。

實用技巧與重點

  • OpenAI GPT 6.1 Terra 定價與性能:
  • 輸入價格:$1/百萬 token(Soul 的一半)
  • 輸出價格:$5/百萬 token(Soul 的一半)
  • Agents Last Exam:與 GPT 6 Astra 平手,速度快 3 倍
  • Terminal Bench Science:超越 GPT 6.1 Soul
  • Terminal Bench 4.0:從 21.5% 躍升至 50.3%
  • 與 Claude Opus 5.5 相比成本低約 9 倍
  • 可用於 OpenAI API、ChatGPT、Codex
  • OpenAI 定價層級(GPT 6 時代):
  • Luna(月亮):輕量、快速、廉價
  • Terra(地球):中階價值型
  • Soul(太陽):主力工作機,$2/百萬輸入、$10/百萬輸出
  • Astra(星星):旗艦最聰慧
  • Anthropic Claude 增長數據:
  • Token 平均週使用量:自 Opus 5.5 發布後成長 3.6 倍
  • GPT 5.6 與 GPT 6 使用量遭 Opus 模型淹沒
  • 近兩週創紀錄人數轉向 Anthropic(Andrew Curran 報告)
  • 中國 NanBea 模型:
  • 參數數:43.3B(開源版)、3B(蒸餾版本)
  • 訓練單位:康眾(大型招聘平台 Boss 直聘的 AI 部門)
  • 上線時間:2026 年 10 月 24 日
  • Context Window:512,000 tokens(約 Soul 的一半)
  • 功能:具備思考模式、多步驟推理、視覺理解、編碼代理
  • vs. Qwen 3.8:20 項測試中領先 18 項、Job Bench 35 種職業多數領先
  • 核心優勢:DeepSeek 實際除蟲 65.5% vs 42.5%、命令行操作 23.8% vs 6.3%、辦公自動化領先 14-16 點
  • Qwen 3.8 價格(Orca Router):
  • 輸入:$0.33/百萬 token(Soul 輸入價的六分之一)
  • 輸出:$2.40/百萬 token
  • 缺點:相同任務消耗 Qwen 2 的 3 倍 token
  • 物理論文驗證案例(Istanbul Technical University 教授 Emry Onor Kaya):
  • 原始工作:一年手工計算、近 500 頁推導
  • 使用模型:Claude Opus 5.5
  • 完成時間:10 小時
  • 輸出物:183 頁推導、完整 LaTeX 論文代碼、38 項自動檢查
  • 效率提升:約 876 倍
  • 發現的錯誤:符號錯誤(影響全局結論)、遺漏項、常數錯誤、抄寫失誤
  • 結論驗證:主要結論仍然成立(量子重力在晚期膨脹無顯著修正)

結論

AI 正從計算加速工具演進為推理驗證器,開發者與知識工人的核心競爭力正從「能算」轉移到「能問對問題」與「能判斷答案」。 --- 🤖 本文由 Claude Code 生成

完整解析

OpenAI 官方發布 GPT 6.1 Terra 的時機並非巧合。在此之前,開發者已透過 Microsoft 與 GitHub 的代碼提交洞察到端倪——Entity Framework Core 的測試中,評分模型從 GPT 5.6 Terra 默默切換至 GPT 6.1 Terra;GitHub Copilot 在代碼審查前的自動檢查中也開始試驗 Terra 以取代 Soul。這些跡象表明 OpenAI 正對其定價體系進行戰略性調整。

Terra 的發布承載著 OpenAI 對市場現狀的深刻危機感。根據 Open Router 平台的數據,自 Anthropic 推出 Claude Opus 5.5 後,開發者向 Anthropic 模型分配的 token 週均增長 3.6 倍。更致命的是,開發者發現了一個對 OpenAI 而言的「夾擊戰術」——用便宜的 Haiku 5.5 處理日常編碼工作,用高端的 Opus 5.5 解決困難推理任務,從而在成本和性能上同時打敗 OpenAI 的單層級模型策略。Terra 的推出正是針對這一局面的回應:通過降低 50% 的 token 價格並在特定任務上逼近 Astra 的性能,OpenAI 試圖在價格敏感的「中端」重新奪回市場。官方基準顯示,Terra 在 Agents Last Exam 等專業任務上與 Astra 平手,相較 Claude Opus 5.5 便宜約 9 倍,且運算速度快 3 倍以上。若這些數字在實際應用中站得住腳,將對整個行業造成重大壓力。

與此同時,新的競爭者從東方崛起。康眾——一家將主要業務建立在「人們需要工作」這一假設上的大型招聘平台的 AI 部門——宣布開源 NanBea 模型。這個舉動充滿矛盾的雄心:一個靠職位配對盈利的公司在構建 AI 代理執行辦公工作。NanBea 43.3B 版本擁有 512,000 token 的上下文窗口、思考模式與多步推理能力,宣稱在招聘特化的 Job Bench 上超越 Qwen 3.8。然而,這些成績仍待獨立驗證——模型發布不足三天,測試數據仰賴自家報告,部分基準結果甚至與 Qwen 原始發布的數據完全匹配,暗示可能存在標準差異或設定複製。Qwen 3.8 雖在特定任務上落後,但由於已在 Orca Router 等平台公開部署、價格相對便宜(約 Soul 輸入價的六分之一),仍保持現實可用性優勢。

最後是令人震撼的個案。Istanbul Technical University 物理教授 Emry Onor Kaya 在 2008 年撰寫的博士論文涉及量子重力對宇宙暴脹時期標量場的修正——這是曲率空間上的量子物理,複雜度足以令數學炸裂成龐大方程組與費曼圖。Kaya 花費整整一年手工推導近 500 頁,一個負號錯位就能毀掉數月成果。他將全部工作交給 Claude Opus 5.5,模型在 10 小時內從第一性原理出發、逐步推導、用 SymPy 與 MPMath 編寫自驗代碼、執行 38 項重複計算檢驗,最終輸出 183 頁推導、完整論文 LaTeX 代碼與一份錯誤清單。那份清單涵蓋改變全局意義的符號錯誤、遺漏項與常數誤用——人在第九個月疲勞下的典型失誤。修正後,主要結論得以驗證:量子重力在晚期膨脹無顯著修正,與 Kaya 16 年前的直覺完全一致。這個案例象徵知識工人壟斷的終結——一份曾需要少數天才獨占的技能,今日被一個平台幾十行代碼取代。

11 min
AI 技術中文11月21日

20261120 Craft 4K Review Version V3

灵姐说AI | Ling Talk AI看原片 ↗
  • Craft Anything 透過將觀察、構建、檢查和修改環節無縫銜接,將傳統費力的開發流程簡化為提供參考對象並說明目標,讓通用編碼Agent執行具體實現,大幅降低製作難度。
  • 複製範圍廣泛但難度差異大:網站和簡單工具相對容易,複雜遊戲因涉及場景、資源、物理引擎、存檔等要素難度大幅提升,需要提供的信息和輸入量成倍增加。
AI 技術英文11月19日

DeepMind Just Released The Best Thing AI Ever Did

Two Minute Papers看原片 ↗
  • 同一個DNA變異在不同細胞中會產生截然不同的效應——例如胰島素產生的β細胞與其他胰臟細胞對同一基因變異的反應完全不同,這使得精準預測變成考量數十億個變異×數百種細胞類型的難題。
  • 利用既有的大規模單細胞測序數據作為訓練資料是關鍵突破,科學家已測量過大量細胞中各基因的活性水準,這提供了足夠的輸入輸出對讓AI學習細胞特定的基因調控模式。