GPT-6.1 Terra, הפעלת מחשב במחירי משרד
GPT-6.1 Terra של OpenAI מפעיל תוכנה דרך המסך בעשירית ממחיר הטוקן של GPT-6 Astra, כך שהשאלה עוברת מהעלות למקום שבו נכון להשתמש בו.
ב־26 באוקטובר שחררה OpenAI את GPT-6.1 Terra, מודל שקורא את מה שמופיע על המסך ומפעיל את התוכנה שם בלחיצות ובהקלדה, כמו שאדם היה עושה. הפעלת מחשב (computer use) הייתה כבר היכולת המרכזית של GPT-6 Astra בספטמבר. החדש הוא המחיר: Terra עולה 1 דולר למיליון טוקני קלט ו־5 דולר למיליון טוקני פלט, עשירית מהמחיר של Astra לטוקן. ברמה הזו השאלה כבר אינה אם חברה יכולה להרשות לעצמה סוכן מול המסך, אלא איפה כדאי לתת לו לעבוד.
מה זה
Terra מחליף את GPT-5.6 Terra באמצע המגוון של OpenAI, מתחת ל־Sol ול־Astra ומעל Luna. לדברי OpenAI הוא מצטיין ב"משימות התקשורת והמשימות מבוססות המחשב שממלאות את יום העבודה", מניסוח הצעות ופענוח שרטוטים טכניים ועד מילוי טפסים ועריכת סרטונים. הוא זמין למשתמשי Plus, Pro, Enterprise ו־Edu ב־ChatGPT Work, מצב הסוכן שמבצע עבודה באפליקציות ובדפדפנים אחרים, וב־Codex. מפתחים קוראים לו דרך ה־API בשם gpt-6.1-terra.
לדברי OpenAI, מחיר ה־API הרגיל נמוך ב־50 אחוזים מזה של GPT-5.6 Terra ו־GPT-6.1 Sol, וקלט שמור במטמון עולה 0.05 דולר למיליון טוקנים. הדוגמה שלה למה שזה הופך למעשי היא עבודה בהיקפים גדולים, כמו קריאת חשבוניות נכנסות והזנת הפרטים שלהן לתוכנת הנהלת חשבונות. ב־ChatGPT Work וב־Codex, היא אומרת, אותה מכסה של התוכנית מספיקה עכשיו ליותר משימות מאשר עם המודלים הקודמים.
מה המספרים מראים
OpenAI מדדה הפעלת מחשב על Agents’ Last Exam, סט של משימות מקצועיות כמו הפיכת שרטוטים אדריכליים למודל 3D. ברמת מאמץ בינונית Terra משיג 57.6 אחוזים, 15 נקודות מעל GPT-5.6 Terra, ב־0.29 דולר למשימה לעומת 0.84. זה שווה ל־Astra באותה רמת מאמץ. ברמת מאמץ מרבית Terra מגיע ל־60 אחוזים ב־1.01 דולר למשימה, בעוד ש־Claude Opus 5.5 של Anthropic משיג 63.2 אחוזים ב־8.82 דולר באותו תרשים. OpenAI גם אומרת ש־Terra מסיים משימות מהר יותר מפי שלושה מ־Astra ומ־GPT-6.1 Sol.
מבחן שולחן העבודה מחמיא פחות. ב־OSWorld 2.1, שבו סוכנים משלימים משימות מרובות שלבים באפליקציות שולחניות, Terra מגיע ל־74.2 אחוזים ברמת מאמץ מרבית, לעומת 57.1 אצל קודמו. התרשים של OpenAI עצמה מציב את Claude Sonnet 5.5 על 83.9 אחוזים, ואת GPT-6.1 Sol על 78 אחוזים ב־1.15 דולר למשימה, מעט פחות מ־1.19 של Terra. מחיר נמוך יותר לטוקן לא תמיד אומר מחיר נמוך יותר למשימה שהושלמה.
כל אלה הם נתונים של OpenAI, שטרם נבדקו באופן עצמאי. OpenAI עצמה אומרת ש־Sol ו־Astra נשארים הבחירה הטובה יותר לעבודות הקוד המורכבות ביותר.
איפה הוא מתאים, ואיפה לא
הפעלת מחשב מצדיקה את מקומה כשאין דרך אחרת להיכנס למערכת: תוכנה שולחנית ישנה בלי ממשק לתוכנות אחרות, פורטל של ספק או של רשות ממשלתית, טופס שצריך למלא ידנית, שלב בבק־אופיס שבו מישהו מעתיק מחלון אחד לאחר. פריק ג׳יין מ־EIIRTrend אמר ל־InfoWorld ש־Terra "אידיאלי למשימות בהיקפים גדולים כמו עיבוד חשבוניות, ניתוח מסמכים, אוטומציה של אפליקציות וקוד שגרתי."
איפה שקיים API או אינטגרציה של ממש, זו נשארת הדרך הטובה יותר, לדעתנו. קריאה למערכת הנהלת חשבונות מצליחה או מחזירה שגיאה, בעוד שקליק נוחת איפה שהמסך נמצא במקרה אחרי העדכון האחרון. אינטגרציה מהירה יותר, לא צריכה זרם של צילומי מסך, ואפשר להגביל אותה בדיוק לפעולות שהיא צריכה. סנצ׳יט ויר גוגיה מ־Greyhound Research הצביע על הצד הכלכלי: "אינפרנס זול יותר משפר רכיב אחד בכלכלת הסוכנים." בקרה ואינטגרציה עדיין עולות כסף, ובמילים שלו, "מה שבאמת קונים הוא עבודה שהושלמה ונשארת נכונה ומורשית."
מה יכול להשתבש
OpenAI מסווגת את Terra ברמת Critical בתחום אבטחת הסייבר במסגרת ה־Preparedness Framework שלה, ומעניקה לו את אותם אמצעי הגנה כמו ל־Astra. לדבריה Terra הפגין "עמידות חזקה בפני הוראות זדוניות שנועדו להסיט אותו מהמשימה של המשתמש" בבדיקות ה־prompt injection שלה, והוא נשאר בתוך התחום שהוגדר לו לעיתים קרובות יותר מקודמו. בסימולציה של שימוש פנימי ב־Codex, הוא עורר כ־42 אחוזים פחות התראות חמורות מ־GPT-6 Sol.
בכרטיס המערכת יש גם נתונים פחות נוחים. כש־Terra נתקל במחסום, כמו שגיאה של גישה חסומה, הוא השלים את המשימה בדרך אחרת ש"הפרה את רוח ההגבלה" ב־29.6 אחוזים מההרצות ברמת מאמץ מרבית, יותר מ־Astra, Luna או GPT-6.1 Sol, אם כי פחות מ־GPT-6 Sol. OpenAI מציינת שהבדיקה הזו רצה בלי בקרות ברמת המערכת, "שרבות מהן היו כנראה עוצרות את העקיפות". מול הודעות ממה שנראה כמו סוכנים אחרים, Terra ביצע את הפעולה הלא מורשית ב־11 מתוך 80 דגימות, לעומת 1 אצל GPT-6.1 Sol.
לחברה הסיכונים מוחשיים. טקסט בעמוד או במסמך יכול לנסות לתת לסוכן פקודות, קליק שגוי יכול לשנות רשומה חיה, וסוכן שמתחבר צריך פרטי התחברות שמישהו צריך לשמור עליהם. אישורים ויומן מלא חשובים יותר מכל מבחן ביצועים.
איך להתחיל
בחרו משימה צרה אחת שאפשר לבטל, כמו הזנת חשבוניות ספקים לחברת בדיקה או הורדת דפי חשבון מפורטל לתיקייה. תנו לסוכן חשבון משלו עם הגישה המינימלית שהמשימה דורשת, לעולם לא את פרטי ההתחברות של אדם, והרחיקו סיסמאות ממה שהוא יכול לראות. הפעילו אותו תחת פיקוח, עם אדם שמאשר כל צעד ששולח, משלם, מוחק או מגיש, ושמרו תיעוד של כל פעולה.
אחר כך מדדו אותו מול הדרך הידנית, בקווים שג׳יין מציע: משימות שהושלמו, דיוק, זמן, עלות למשימה וכמה פעמים אדם נאלץ להתערב. רק כשהמספרים האלה מחזיקים, הוא מרוויח משימה שנייה.
איפה אנחנו עומדים
אנחנו היינו משתמשים בו בסדר הזה: קודם אינטגרציות, והמסך איפה שאין דרך אחרת להיכנס. Twin, מוח ה־AI שאנחנו בונים לחברות, פועל ב־Claude, ב־ChatGPT וב־Codex ומתחבר למערכות של החברה דרך אינטגרציות ושרתי MCP שאנחנו בונים, עם אישורים והרשאות לפי תפקיד ותיעוד של כל צעד. Helm, שעדיין בפיתוח, הוא החזון שלנו לחברה שמנוהלת בידי סוכנים, עם המייסד שמאשר בנקודות המפתח. מודל זול יותר מול המסך הופך את זה לנגיש יותר כלכלית. הוא לא משנה מי נושא באחריות לקליק.
