آبان
اخبار
جی‌پی‌تی ۶.۱ ترا (GPT-6.1 Terra): مدل نصف‌قیمت OpenAI با سرعت سه برابر
شرکت OpenAI مدل GPT-6.1 Terra را با قیمت یک دلار برای هر میلیون توکن ورودی عرضه کرده است؛ مدلی که طبق ادعای این شرکت سه برابر سریع‌تر از مدل‌های بزرگ‌تر کار می‌کند و نرخ خطای آن به‌شدت پایین آمده است.
لیست مطالب
۱. جی‌پی‌تی ۶.۱ ترا چیست؟
شرکت OpenAI در پایان اکتبر ۲۰۲۶ مدل GPT-6.1 Terra را معرفی کرد. این مدل بین مدل سبک Luna و مدل‌های قدرتمندتر Sol و Astra قرار می‌گیرد. هدف اصلی آن این است که کیفیتی نزدیک به مدل‌های پرچم‌دار را با هزینه و تأخیر بسیار کمتر ارائه کند.
شناسه‌ی مدل در API برابر gpt-6.1-terra است. ورودی آن متن و تصویر است و خروجی آن متن است. پشتیبانی از ورودی صوتی و ویدیویی و همچنین فاین‌تیون در زمان عرضه وجود ندارد. تاریخ آخرین دانش مدل اول ژوئن ۲۰۲۶ اعلام شده است.
اگر هنوز با ساختار شرکت سازنده آشنا نیستید، می‌توانید مقاله‌ی OpenAI چیست؟ را بخوانید تا پیشینه‌ی این شرکت و مسیر رشد مدل‌هایش را بهتر بشناسید.
۲. قیمت API: نصف سول و یک‌دهم آسترا
مهم‌ترین نکته‌ی این عرضه قیمت است. هزینه‌ی هر میلیون توکن ورودی یک دلار و هر میلیون توکن خروجی پنج دلار است. توکن‌های خوانده‌شده از کش فقط ۰٫۰۵ دلار هزینه دارند. نوشتن در کش با نگه‌داری سی‌دقیقه‌ای ۱٫۲۵ دلار و با نگه‌داری دوازده‌ساعته ۲٫۵ دلار محاسبه می‌شود.
طبق اعلام OpenAI، این قیمت ۵۰ درصد کمتر از GPT-6.1 Sol و GPT-5.6 Terra است و قیمت هر توکن تقریباً یک‌دهم GPT-6 Astra می‌شود. حالت Batch و Flex نیمی دیگر از هزینه را کم می‌کنند، حالت Fast دو برابر هزینه دارد و پردازش منطقه‌ای ده درصد اضافه می‌گیرد.
هزینه‌ی پرامپت‌های بلند
پرامپت‌هایی که بیش از ۲۷۲ هزار توکن ورودی دارند، برای کل درخواست با ضریب بالاتری حساب می‌شوند: دو برابر برای ورودی و کش و یک‌ونیم برابر برای خروجی. پس اگر قصد دارید کل یک پایگاه کد یا اسناد حجیم را در یک درخواست بفرستید، هزینه را از پیش محاسبه کنید.
۳. سرعت و پنجره‌ی زمینه
OpenAI می‌گوید Terra کارهای یکسان را بیش از سه برابر سریع‌تر از GPT-6 Astra و GPT-6.1 Sol تمام می‌کند. پنجره‌ی زمینه‌ی مدل ۱٫۰۵ میلیون توکن و سقف خروجی آن ۱۲۸ هزار توکن است.
سطح تلاش در استدلال هم قابل تنظیم است: none، low، medium (پیش‌فرض)، high، xhigh و max. برای کارهای ساده می‌توانید تلاش را پایین نگه دارید تا هم سریع‌تر و هم ارزان‌تر شود، و برای کارهای حساس آن را بالا ببرید.
در سطح Build، محدودیت درخواست پنج هزار درخواست در دقیقه و یک میلیون توکن در دقیقه اعلام شده است.
۴. بنچمارک‌ها و نرخ خطا
در آزمون Agents’ Last Exam و با تلاش متوسط، Terra ۱۵ امتیاز بالاتر از GPT-5.6 Terra می‌گیرد، در حالی که هزینه‌اش حدود یک‌سوم است. OpenAI می‌گوید عملکردش در این آزمون با GPT-6 Astra برابر است.
در آزمون داخلی پرامپت‌های خطاخیز، نرخ خطا با تلاش پایین از ۵۳٫۶ درصد به ۱۶٫۷ درصد رسیده است. با حداکثر تلاش این رقم ۱۸ امتیاز کاهش یافته و به ۴٫۳ درصد می‌رسد که تقریباً با Astra و Sol برابری می‌کند.
در Terminal-Bench 4.0 که کدنویسی در ترمینال را می‌سنجد، Terra با حداکثر تلاش ۵۰٫۳ درصد گرفته است؛ بیش از دو برابر ۲۱٫۵ درصدِ GPT-5.6 Terra. اما برای شفافیت باید گفت Claude Opus 5.5 طبق گزارش Anthropic روی همین آزمون ۶۶٫۴ درصد دارد، پس Terra در صدر این جدول نیست.
۵. مقایسه با Claude Opus 5.5
OpenAI در نموداری ادعا می‌کند که Terra در حداکثر تلاش بیش از سه برابر از Opus 5.5 در مصرف توکن کارآمدتر است، قیمت هر توکنش یک‌چهارم است و هزینه‌ی هر وظیفه حدود ۹ برابر کمتر می‌شود. این مقایسه جهت‌دار است و بر پایه‌ی داده‌های خود OpenAI ارائه شده.
برای انتخاب بین مدل‌ها، بهتر است روی کار واقعی خودتان آزمایش کنید. اگر کیفیت نهایی در ترمینال و کدنویسی خودکار برایتان از هزینه مهم‌تر است، هنوز Opus 5.5 گزینه‌ی جدی است. اگر حجم کار بالا و بودجه محدود است، Terra می‌تواند صرفه‌جویی بزرگی ایجاد کند.
برای دید بازتر درباره‌ی رقابت مدل‌ها، مقاله‌ی مقایسه‌ی ChatGPT و DeepSeek نمونه‌ی خوبی از سنجش عملی دو مدل است.
۶. کاربرد اصلی: کار با رایانه و خودکارسازی
OpenAI Terra را مدلی برای «استفاده‌ی سریع و توانمند از رایانه در مقیاس بالا» معرفی می‌کند. نمونه‌کارها شامل پر کردن فرم‌ها، خواندن فاکتور و واردکردن آن در نرم‌افزار حسابداری، ویرایش ویدیو، تفسیر نقشه‌های فنی و خودکارسازی کارهای تکراری روی دسکتاپ است.
در سمت ابزارها، پشتیبانی از computer use، پروتکل MCP، مهارت‌ها (skills)، شل میزبانی‌شده، apply patch و tool search اعلام شده است. فراخوانی ابزار نیازمند Responses API است.
این مدل برای تیم‌های کوچک و کسب‌وکارها جذاب است، چون کارهای دفتری تکراری را ارزان می‌کند. اگر به کاربرد هوش مصنوعی در کسب‌وکار علاقه دارید، مقاله‌ی اهمیت هوش مصنوعی در کسب‌وکار را ببینید.
۷. چه کسانی باید Sol یا Astra را انتخاب کنند؟
OpenAI صریح می‌گوید برای پیچیده‌ترین کارهای کدنویسی، یعنی تغییرات چندفایلی سنگین و اجرای طولانی ایجنت، همچنان GPT-6.1 Sol یا GPT-6 Astra را پیشنهاد می‌کند. Terra بیشتر برای کارهای پرتکرار و حساس به هزینه و سرعت ساخته شده است.
مدل سبک‌تر Luna هم برای طبقه‌بندی‌های پرحجم و فراخوانی‌های کوتاه زیرایجنت‌ها مناسب‌تر است و تقریباً ده برابر ارزان‌تر از Terra حساب می‌شود.
نکته‌ی ایمنی
طبق گزارش‌ها، Terra در چارچوب Preparedness Framework به آستانه‌ی «بحرانی» در امنیت سایبری می‌رسد. پس در پرامپت‌های امنیتی باید انتظار پایش و رد درخواست بیشتری داشته باشید.
۸. دسترسی: از کجا شروع کنیم؟
کاربران پلن‌های Plus، Pro، Enterprise و Edu همین حالا می‌توانند Terra را در ChatGPT Work و Codex ببینند. در Codex می‌توان با دستور codex -m gpt-6.1-terra آن را انتخاب کرد. توسعه‌دهندگان هم با شناسه‌ی gpt-6.1-terra از API استفاده می‌کنند. درباره‌ی دسترسی کاربران رایگان توضیح روشنی منتشر نشده است.
اگر تازه با پرامپت‌نویسی آشنا شده‌اید، پیش از سراغ مدل‌های جدید رفتن راهنمای پرامپت‌نویسی برای مبتدی‌ها و آموزش‌های چت‌جی‌پی‌تی کمک بزرگی می‌کند. آخرین خبرها را هم در بخش اخبار هوش مصنوعی دنبال کنید.
۹. یک مثال محاسباتی از هزینه‌ی واقعی
فرض کنید یک تیم پشتیبانی روزانه هزار فاکتور را با ایجنت رایانه‌ای پردازش می‌کند و هر فاکتور حدود بیست هزار توکن ورودی و دو هزار توکن خروجی مصرف می‌کند. در این حالت روزانه حدود بیست میلیون توکن ورودی و دو میلیون توکن خروجی لازم است. با قیمت Terra، هزینه‌ی ورودی حدود بیست دلار و هزینه‌ی خروجی حدود ده دلار در روز می‌شود. اگر همان بار کاری روی مدلی با قیمت دو برابر اجرا شود، هزینه‌ی ماهانه هم دو برابر خواهد شد.
استفاده از کش می‌تواند این رقم را باز هم کم کند. وقتی دستورالعمل‌های ثابت و قالب فاکتورها در کش بمانند، هزینه‌ی خواندن آن‌ها فقط پنج سنت برای هر میلیون توکن است. به همین دلیل طراحی درست پرامپت و جدا کردن بخش ثابت از بخش متغیر اهمیت زیادی دارد.
۱۰. اثر این عرضه بر رقابت مدل‌ها
عرضه‌ی Terra نشان می‌دهد رقابت از «قوی‌ترین مدل» به «بهترین نسبت کیفیت به هزینه» منتقل شده است. شرکت‌ها دیگر فقط به بالاترین امتیاز نگاه نمی‌کنند؛ سرعت، هزینه‌ی هر وظیفه و پایداری ایجنت در اجرای طولانی هم برایشان تعیین‌کننده است. OpenAI با مقایسه‌ی مستقیم با Claude Opus 5.5 نیز پیام روشنی فرستاده که می‌خواهد در بخش کارهای ایجنتی و رایانه‌ای سهم بیشتری بگیرد.
برای کاربران فارسی‌زبان نیز این خبر مهم است، چون مدل‌های ارزان‌تر یعنی ابزارهای خودکارسازی، ترجمه، خلاصه‌سازی و تحلیل اسناد در دسترس‌تر می‌شوند. با این حال همیشه خروجی مدل را پیش از استفاده در کارهای حساس بازبینی کنید، چون حتی نرخ خطای ۴٫۳ درصد هم صفر نیست.
در عمل، بهترین راه برای ارزیابی Terra ساخت یک مجموعه‌ی کوچک از کارهای واقعی خودتان است. بیست تا پنجاه نمونه‌ی واقعی را با سطح‌های مختلف تلاش اجرا کنید، زمان پاسخ، هزینه و درصد خطا را ثبت کنید و بعد تصمیم بگیرید کدام ترکیب مدل و سطح تلاش برای هر نوع کار مناسب‌تر است. این روش بسیار قابل‌اعتمادتر از تکیه بر جدول‌های تبلیغاتی است و معمولاً نشان می‌دهد که برای بخش بزرگی از کارها نیازی به گران‌ترین مدل نیست.
۱۱. پرسش‌های پرتکرار
جی‌پی‌تی ۶.۱ ترا چقدر قیمت دارد؟
قیمت API یک دلار برای هر میلیون توکن ورودی و پنج دلار برای هر میلیون توکن خروجی است.
آیا Terra از Sol قوی‌تر است؟
خیر. Terra سریع‌تر و ارزان‌تر است و در بسیاری از آزمون‌ها نزدیک به مدل‌های بزرگ‌تر عمل می‌کند، اما OpenAI برای سخت‌ترین کارهای کدنویسی هنوز Sol و Astra را پیشنهاد می‌کند.
پنجره‌ی زمینه‌ی Terra چقدر است؟
حدود ۱٫۰۵ میلیون توکن ورودی و تا ۱۲۸ هزار توکن خروجی.
آیا بنچمارک‌ها قابل اعتماد هستند؟
همه‌ی ارقام را خود OpenAI منتشر کرده است. تا زمان آزمون مستقل، بهتر است مدل را روی داده‌ی خودتان بسنجید.
برای محدودیت‌ها و فرصت‌های واقعی این فناوری، نگاهی به توانایی‌ها و محدودیت‌های هوش مصنوعی در دنیای واقعی هم بیندازید.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
