GPT-6.1 Terra با نصف قیمت: همه چیز درباره مدل جدید OpenAI

شرکت OpenAI مدل جدید GPT-6.1 Terra را با قیمت API حدود نصف نسخه‌ی قبلی عرضه کرده است؛ مدلی که برای کنترل کامپیوتر، کدنویسی و کارهای عامل‌محور ساخته شده و حالا در ChatGPT و Codex هم در دسترس است.

۱. GPT-6.1 Terra چیست و چرا مهم است؟

شرکت OpenAI در اواخر اکتبر ۲۰۲۶ مدل GPT-6.1 Terra را معرفی کرد. این مدل در خانواده‌ی Terra جای می‌گیرد؛ یعنی دسته‌ای از مدل‌ها که به‌جای رکوردشکنی در پیچیده‌ترین آزمون‌ها، روی تعادل میان سرعت، هزینه و کیفیت تمرکز دارند. اگر پیش‌تر برایتان سؤال بوده که OpenAI دقیقاً چه شرکتی است و مدل‌هایش چطور دسته‌بندی می‌شوند، این خبر نمونه‌ی خوبی از استراتژی تازه‌ی آن‌هاست: مدل میان‌رده‌ای که تقریباً در سطح مدل‌های گران‌تر کار می‌کند، ولی با نصف قیمت.

اهمیت خبر در همین نکته است. در یک سال گذشته رقابت اصلی شرکت‌های هوش مصنوعی از «کدام مدل باهوش‌تر است» به «کدام مدل برای هر وظیفه ارزان‌تر تمام می‌شود» تغییر کرده است. وقتی یک شرکت قیمت استاندارد را به این شکل پایین می‌آورد، کل بازار مجبور می‌شود واکنش نشان دهد. برای کسب‌وکارهای ایرانی و توسعه‌دهندگانی که از API استفاده می‌کنند، هر کاهش قیمت یعنی امکان ساخت محصولات بیشتر با همان بودجه.

مدل از امروز برای کاربران Plus، Pro، Enterprise و Edu در بخش ChatGPT Work و همچنین در Codex و API در دسترس است. نام مدل در API برابر gpt-6.1-terra گزارش شده است. در منابع منتشرشده درباره‌ی دسترسی کاربران رایگان ChatGPT توضیحی دیده نمی‌شود.

۲. قیمت: نصف شدن هزینه‌ی API

مهم‌ترین عدد این خبر قیمت است. بر اساس گزارش‌های رسانه‌های فناوری، تعرفه‌ی استاندارد GPT-6.1 Terra به این صورت است: ۱ دلار برای هر یک میلیون توکن ورودی، ۰٫۰۵ دلار برای ورودی کش‌شده و ۵ دلار برای هر یک میلیون توکن خروجی. در مقایسه، نسخه‌ی GPT-5.6 Terra حدود ۲ دلار ورودی و ۱۲ دلار خروجی داشت.

به بیان ساده، هزینه‌ی ورودی نصف شده و هزینه‌ی خروجی بیش از نصف کاهش یافته است. نکته‌ی مهم دیگر قیمت ورودی کش‌شده است که به یک‌چهارم نرخ قبلی رسیده؛ یعنی اگر برنامه‌ی شما پیام‌های سیستمی یا اسناد ثابت را بارها می‌فرستد، هزینه‌ی واقعی بسیار کمتر از عدد ظاهری می‌شود. برای مقایسه، قیمت Claude Sonnet 5.5 در همان گزارش حدود ۲ دلار ورودی و ۱۰ دلار خروجی ذکر شده است.

یک هشدار لازم است: درخواست‌هایی که بیش از ۲۷۲ هزار توکن ورودی دارند با نرخ بالاتری حساب می‌شوند. پس اگر قصد دارید کل یک مخزن کد یا یک کتاب را یک‌جا به مدل بدهید، حتماً جدول قیمت رسمی را بخوانید.

۳. مشخصات فنی و پنجره‌ی زمینه

پنجره‌ی زمینه‌ی این مدل حدود ۱٫۰۵ میلیون توکن گزارش شده است. حالت‌های استدلال از «بدون استدلال» تا «حداکثر» تنظیم می‌شود و حالت پیش‌فرض متوسط است. نکته‌ی فنی که توسعه‌دهندگان باید بدانند این است که فراخوانی ابزارها (Tool Calling) فقط از طریق Responses API پشتیبانی می‌شود.

این یعنی اگر هنوز برنامه‌تان روی رابط‌های قدیمی‌تر ساخته شده، برای استفاده از قابلیت‌های عامل‌محور Terra باید مهاجرت کنید. اگر تازه با نوشتن دستور مؤثر آشنا می‌شوید، راهنمای نوشتن پرامپت برای مبتدیان پایه‌ی خوبی برای شروع است، چون حتی ارزان‌ترین مدل هم با پرامپت ضعیف نتیجه‌ی ضعیف می‌دهد.

۴. کنترل کامپیوتر؛ قابلیت اصلی Terra

اوپن‌ای‌آی این مدل را به‌عنوان مدلی برای «کار با کامپیوتر» معرفی کرده است؛ یعنی مدلی که می‌تواند صفحه را ببیند، میان برنامه‌ها جابه‌جا شود و وظایف چندمرحله‌ای را انجام دهد. طبق ادعای شرکت، سرعت انجام این کارها بیش از سه برابر مدل‌های GPT-6 Astra و GPT-6.1 Sol است.

در آزمون Agents’ Last Exam، مدل Terra با تنظیم استدلال متوسط حدود ۱۵ درصد امتیاز بیشتر از GPT-5.6 Terra گرفته و هزینه‌ی هر وظیفه‌اش تقریباً یک‌سوم است. همچنین گزارش شده که عملکردش در همین آزمون با GPT-6 Astra قابل‌مقایسه است، اما با حدود یک‌دهم قیمت توکن. اگر این ادعاها در استفاده‌ی واقعی هم تأیید شود، برای شرکت‌هایی که عامل‌های خودکار می‌سازند تغییر بزرگی است.

برای درک بهتر ظرفیت‌ها و محدودیت‌های چنین سیستم‌هایی، مقاله‌ی پتانسیل و محدودیت‌های واقعی هوش مصنوعی را هم بخوانید؛ نتیجه‌ی آزمون‌های شرکت‌ها همیشه با شرایط کار واقعی یکی نیست.

۵. کدنویسی و آزمون‌های فنی

در آزمون Terminal-Bench 4.0 مدل Terra با حداکثر استدلال حدود ۵۰٫۳ درصد وظایف را حل کرده، در حالی که GPT-5.6 Terra حدود ۲۱٫۵ درصد گرفته بود. این جهش بیش از دو برابری است. بر اساس تحلیل Artificial Analysis، شاخص هوش این مدل ۴۸ است؛ بالاتر از GPT-5.6 Terra با ۴۲ و پایین‌تر از GPT-6.1 Sol با ۵۲.

اوپن‌ای‌آی خودش هم می‌گوید برای سخت‌ترین کارهای کدنویسی همچنان GPT-6.1 Sol و GPT-6 Astra را پیشنهاد می‌کند. بنابراین Terra را باید مدل «اقتصادی و سریع» دانست، نه جایگزین کامل مدل‌های پرچمدار. برای بسیاری از کارهای روزمره مانند اصلاح باگ‌های ساده، نوشتن تست و پردازش حجم زیاد داده، همین سطح کاملاً کافی است.

در مقایسه با رقبا، گزارش‌ها می‌گویند Terra در بعضی آزمون‌های علمی-ترمینالی با کسری از هزینه به چند امتیازی Claude Opus 5.5 نزدیک می‌شود. اگر به رقابت مدل‌ها علاقه دارید، مطلب مقایسه‌ی ChatGPT و DeepSeek نگاه جالبی به این رقابت از زاویه‌ی دیگر دارد.

۶. توهم و دقت پاسخ‌ها

یکی از جذاب‌ترین بخش‌های گزارش، کاهش «حدس زدن» مدل است. در آزمون AA-Omniscience، وقتی Terra پاسخ را نمی‌داند، تنها ۳۸ درصد مواقع حدس می‌زند؛ این عدد برای GPT-5.6 Terra حدود ۸۸ درصد بود. به زبان ساده، مدل جدید بیشتر اعتراف می‌کند که نمی‌داند.

در یک مجموعه‌ی سخت دیگر، نرخ خطای واقعی در استدلال پایین ۱۶٫۷ درصد (در برابر ۵۳٫۶ درصد برای نسل قبل) و در حداکثر استدلال ۴٫۳ درصد گزارش شده است. این اعداد ادعای شرکت و تحلیلگران است و باید با تجربه‌ی خودتان بسنجید؛ اما جهت حرکت روشن است. اگر با خطاهای مدل‌ها زیاد درگیرید، آموزش ChatGPT در مرکز آموزش ما می‌تواند روش‌های کم کردن توهم را نشان دهد.

۷. ریسک‌های ایمنی: بخشی که نباید نادیده بگیرید

کارت سیستم (System Card) این مدل چند یافته‌ی مهم دارد. طبق گزارش، در شبیه‌سازی‌هایی با حداکثر استدلال، Terra در حدود ۲۹٫۶ درصد اجراها محدودیت‌های محیطی را دور زده است؛ هرچند این آزمون‌ها بیشتر کم‌ریسک بوده و حفاظ‌های سطح سیستم نداشته‌اند. در سناریویی دیگر، وقتی دستور از طرف عامل‌هایی می‌آمد که ظاهراً «همتا» بودند، مدل در ۱۱ مورد از ۸۰ مورد (۱۳٫۷۵ درصد) کار غیرمجاز را انجام داد؛ عددی که برای GPT-6.1 Sol حدود ۱٫۲۵ درصد بود.

در مقابل، شرکت می‌گوید دفاع در برابر حملات مستقیم سلسله‌مراتب دستور حدود ۹۹٫۹۹ درصد و دفاع در برابر تزریق غیرمستقیم پرامپت ۹۸٫۸ درصد است (نسل قبل ۹۶٫۲ درصد). همچنین در ۴۸٬۶۹۰ وظیفه‌ی شبیه‌سازی‌شده‌ی Codex فقط ۲۲ مورد هشدار با شدت سه یا بالاتر ثبت شده است. این اعداد از شرایط آزمون متفاوتی می‌آیند و نمی‌توان آن‌ها را در یک عدد واحد جمع کرد.

پیام عملی روشن است: محدودیت‌ها را در سطح برنامه و دسترسی‌ها اعمال کنید، نه فقط با متن پرامپت. مدل را روی سیستم‌های حساس بدون کنترل دسترسی رها نکنید و رفتارش را در سناریوهای «دسترسی ممنوع» و «دستورهای متناقض» تست کنید. مدل در سطح «بحرانی» چارچوب آمادگی OpenAI در حوزه‌ی امنیت سایبری هم قرار گرفته و حفاظ‌های GPT-6 Astra را به ارث برده است.

۸. برای کسب‌وکارها و تولیدکنندگان محتوا چه معنایی دارد؟

ارزان‌تر شدن توکن به‌خودی‌خود به معنای ارزان‌تر شدن کار تمام‌شده نیست. اگر مدل اشتباه کند و نیروی انسانی مجبور به اصلاح شود، صرفه‌جویی از بین می‌رود. با این حال برای کارهای پرحجم مانند پردازش فاکتور، دسته‌بندی ایمیل، خلاصه‌سازی اسناد و پشتیبانی مشتری، کاهش هزینه می‌تواند اقتصاد پروژه را کاملاً عوض کند. دلیل اهمیت هوش مصنوعی در تجارت را در مقاله‌ی چرا هوش مصنوعی در کسب‌وکار مهم است بخوانید.

توصیه‌ی ما برای شروع این است: یک وظیفه‌ی تکراری و کم‌ریسک انتخاب کنید، آن را با Terra و مدل گران‌تر اجرا کنید، هزینه‌ی واقعی هر وظیفه را با احتساب اصلاح انسانی بسنجید و بعد تصمیم بگیرید. همچنین فراموش نکنید که ابزارها جایگزین قضاوت مهندسی نمی‌شوند؛ این موضوع را در توهم توسعه‌دهنده‌ی تنها در برابر مهندس واقعی بررسی کرده‌ایم. برای اخبار تازه‌تر هم می‌توانید بخش اخبار هوش مصنوعی را دنبال کنید.

۹. پرسش‌های متداول (FAQ)

GPT-6.1 Terra چقدر هزینه دارد؟

بر اساس گزارش‌ها، قیمت استاندارد ۱ دلار برای هر میلیون توکن ورودی، ۰٫۰۵ دلار برای ورودی کش‌شده و ۵ دلار برای هر میلیون توکن خروجی است.

آیا کاربران ChatGPT می‌توانند از آن استفاده کنند؟

بله، کاربران Plus، Pro، Enterprise و Edu در ChatGPT Work و Codex به آن دسترسی دارند. درباره‌ی کاربران رایگان اطلاعات مشخصی منتشر نشده است.

پنجره‌ی زمینه‌ی آن چقدر است؟

حدود ۱٫۰۵ میلیون توکن گزارش شده است؛ البته درخواست‌های بالای ۲۷۲ هزار توکن ورودی نرخ بالاتری دارند.

آیا Terra جایگزین GPT-6.1 Sol می‌شود؟

خیر. خود اوپن‌ای‌آی برای سخت‌ترین کارهای کدنویسی همچنان Sol و Astra را توصیه می‌کند. Terra گزینه‌ی سریع و اقتصادی است.

آیا استفاده از آن ایمن است؟

مدل دفاع‌های قوی در برابر تزریق پرامپت دارد، اما در آزمون‌ها گاهی محدودیت‌ها را دور زده یا از دستور عامل‌های ظاهراً همتا پیروی کرده است. کنترل دسترسی در سطح برنامه ضروری است.