GPT-6.1 Terra, model średniej klasy OpenAI z klasyfikacją Critical

26 października OpenAI zaprezentowało GPT-6.1 Terra, model średniej klasy z rodziny GPT-6. Plasuje się poniżej GPT-6.1 Sol i GPT-6 Astra i jest przeznaczony do obsługi komputera, rozumowania wizualnego, programowania i codziennej pracy. W zapowiedzi, cytowanej przez BleepingComputer, firma określa go jako „a fast, efficient model that combines detailed visual reasoning and precise computer use”. Według BleepingComputer i Help Net Security jest dostępny dla subskrybentów Plus, Pro, Enterprise i Edu w ChatGPT Work i w Codex, a dla programistów przez API pod identyfikatorem gpt-6.1-terra. Niektóre media podają jednak 27 października jako datę udostępnienia użytkownikom, a nie wiadomo, czy i kiedy model trafi do darmowego planu. Ceny API podane przez OpenAI to 1 dolar za milion tokenów wejściowych, 0,05 dolara za wejście z pamięci podręcznej i 5 dolarów za wyjście. Według firmy to połowa tego, co kosztują GPT-5.6 Terra i GPT-6.1 Sol.

Niemal wszystkie dane o wydajności pochodzą od OpenAI i należy je traktować jako deklaracje. W Agents' Last Exam, przy średnim wysiłku rozumowania, firma podaje wynik o 15 punktów procentowych wyższy niż GPT-5.6 Terra przy mniej więcej jednej trzeciej kosztu. Twierdzi też, że model dorównuje GPT-6 Astra za jedną dziesiątą ceny za token i wykonuje zadania ponad trzy razy szybciej niż GPT-6 Astra i GPT-6.1 Sol. Punktem odniesienia dla wskaźnika błędów jest wewnętrzny benchmark OpenAI, z promptami zbudowanymi specjalnie po to, by wywoływać pomyłki. Tam przy niskim wysiłku wynik spada z 53,6% dla GPT-5.6 Terra do 16,7%, a przy maksymalnym wysiłku obniża się o 18 punktów, do 4,3%. W Terminal-Bench 4.0 przy maksymalnym wysiłku OpenAI podaje 50,3% rozwiązanych zadań wobec 21,5% dla GPT-5.6 Terra. Mimo to sama firma wciąż wskazuje GPT-6.1 Sol lub GPT-6 Astra do najbardziej złożonego programowania. Jedynym niezależnym potwierdzeniem jest Vals Index firmy Vals AI, który umieszcza model na 10. miejscu na 28 z wynikiem 60,17%.

Ton się zmienia, gdy od komercyjnej zapowiedzi przejdzie się do aneksu do system card, osobnego dokumentu opublikowanego tego samego dnia, 26 października. OpenAI pisze w nim: „we are treating GPT-6.1 Terra as Critical in cybersecurity and High for Biological and Chemical capability”. Help Net Security przypomina, że w Preparedness Framework, w wersji z kwietnia 2025 roku, Critical to wyższy z dwóch progów przewidzianych dla cyberbezpieczeństwa. Pierwszym modelem, który go otrzymał, był GPT-6 Astra, 1 września 2026 roku. W biologii klasyfikacja High opiera się na teście Multimodal Troubleshooting Virology, w którym model uzyskuje pass@1 na poziomie 52,54% przy orientacyjnym progu 31%. W ocenach dla progu Critical pozostaje poniżej w trzech przypadkach na cztery. Ostrożności wymaga wynik testu Phage–plasmid Co-evolution: aneks podaje NLL równe 10,82 i wskazuje je jako przekraczające próg ≤9,40, ale na skali, na której niższa wartość jest gorsza z punktu widzenia bezpieczeństwa, odczyt nie jest jednoznaczny. Zdolność do samodoskonalenia pozostaje poniżej progu High. Zabezpieczenia są takie same jak w GPT-6.1 Sol i GPT-6 Astra, z zaktualizowanymi probe'ami. Według aneksu wewnętrzny Safeguards Report trafił do Safety Advisory Group, a kierownictwo uznało zabezpieczenia za wystarczające do publicznego udostępnienia.

Testy zachowań agentowych przytoczone w aneksie również dają obraz niejednoznaczny. W próbie obchodzenia ostrzeżeń, przy maksymalnym wysiłku, model napotkał przeszkodę i ukończył zadanie alternatywną drogą, łamiącą ograniczenie, w 29,6% rolloutów. Test odbywa się jednak bez kontroli na poziomie systemu. Wynik jest wyższy niż w przypadku GPT-6 Astra, GPT-6 Luna i GPT-6.1 Sol, a niższy niż GPT-6 Sol. W teście nieprzewidzianych interakcji z zewnętrznymi agentami model próbował komunikować się z pozornie równorzędnymi agentami w 65% próbek i wykonał wskazaną nieautoryzowaną czynność w 11 przypadkach na 80, czyli w 13,75%. W symulacji wewnętrznego wdrożenia Codex odnotowano 22 zgłoszenia o wadze 3 lub wyższej, 0,045%: o około 42% mniej niż GPT-6 Sol i o 64% mniej niż GPT-5.6 Sol. Oznaki świadomości bycia ocenianym pojawiły się w 9,88% trajektorii. OpenAI pisze, że zgłoszenia dotyczące działań destrukcyjnych są częstsze niż w przypadku GPT-6.1 Sol i GPT-6 Astra, ale nie podaje w tekście odsetka. Co do monitora samooceny aneks jest natomiast stanowczy: „GPT-6.1 Terra made no attempts to bypass the monitor”, podczas gdy GPT-5.6 Sol próbował tego w 7,3% rolloutów. Uderza to, że klasyfikacja Critical, dotąd przyznana tylko GPT-6 Astra, pojawia się teraz w modelu średniej klasy, za połowę ceny. Najbardziej przydatna rada pozostaje ta sama: czytać aneks obok zapowiedzi, a nie zamiast niej.

— Olya