مدل GPT-6.1 Terra به آستانه بحرانی امنیت سایبری OpenAI رسید؛ ارزان‌تر از GPT-5.6 Terra
نویسنده: آناملریا پوگورلتس، نویسنده ارشد بخش تحریریه Help Net Security
شرکت OpenAI مدل GPT-6.1 Terra را که قادر به کار با نرم‌افزارهای رایانه‌ای و اجرای عملیات در محیط دسکتاپ است، برای همه کاربران پلن‌های Plus، Pro، Enterprise و Edu در محیط‌های ChatGPT Work و Codex عرضه کرده است. توسعه‌دهندگان نیز می‌توانند از طریق API و با شناسه gpt-6.1-terra به این مدل دسترسی داشته باشند. قیمت استفاده از API آن ۵۰ درصد کمتر از GPT-5.6 Terra و GPT-6.1 Sol است: یک دلار به‌ازای هر یک میلیون توکن ورودی، ۰٫۰۵ دلار به‌ازای هر یک میلیون توکن ورودی ذخیره‌شده در حافظه نهان و پنج دلار به‌ازای هر یک میلیون توکن خروجی. توکن‌ها واحدهای متنی‌ای هستند که مدل هنگام خواندن و تولید متن پردازش می‌کند.
OpenAI می‌گوید Terra در چارچوب آمادگی این شرکت برای مقابله با خطرات هوش مصنوعی، به آستانه «بحرانی» در حوزه امنیت سایبری رسیده و تدابیر حفاظتی طراحی‌شده برای GPT-6 Astra را نیز حفظ کرده است. نمونه‌ای که شرکت برای توضیح کاربرد این مدل در پردازش حجم بالای کارها ارائه کرده، خواندن فاکتورهای دریافتی و وارد کردن اطلاعات آن‌ها در نرم‌افزار حسابداری است.
منظور از آستانه بحرانی چیست؟
در نسخه آوریل ۲۰۲۵ چارچوب آمادگی OpenAI، آستانه بحرانی بالاترین سطح از دو آستانه تعریف‌شده برای امنیت سایبری است. یک مدل زمانی به این سطح می‌رسد که با کمک ابزارها بتواند در سامانه‌های حیاتی واقعی و مقاوم‌سازی‌شده، آسیب‌پذیری‌های نرم‌افزاری ناشناخته یا «آسیب‌پذیری‌های روز صفر» را در تمام سطوح شدت شناسایی کند و برای آن‌ها اکسپلویت‌های عملیاتی بسازد، بی‌آنکه به دخالت انسان نیاز داشته باشد. مسیر دیگر رسیدن به این آستانه آن است که مدل بتواند تنها با دریافت یک هدف کلی، حمله‌ای جدید را علیه هدفی مقاوم‌سازی‌شده از ابتدا تا انتها طراحی و اجرا کند.
قواعد OpenAI ایجاب می‌کنند که صرف‌نظر از برنامه عرضه محصول، تدابیر حفاظتی در طول فرایند توسعه برقرار باشند. همچنین، تا زمانی که تدابیر حفاظتی منطبق با استاندارد بحرانی مشخص نشده‌اند، توسعه بیشتر باید متوقف شود. در اول سپتامبر ۲۰۲۶، OpenAI مدل Astra را نخستین مدل خود معرفی کرد که به این سطح رسیده است.
تزریق دستورالعمل در پرامپت
OpenAI می‌گوید Terra در آزمون‌های مربوط به تزریق دستورالعمل در پرامپت عملکرد مطلوبی داشته است. در این آزمون‌ها، دستورالعمل‌های مخرب با هدف منحرف کردن مدل از وظیفه تعیین‌شده توسط کاربر به آن ارائه می‌شدند. در مقایسه با GPT-5.6 Terra، احتمال بیشتری دارد که Terra در محدوده وظیفه خود باقی بماند و محدودیت‌ها و موانع موجود را صادقانه بیان کند.
ارزیابی‌های OpenAI چه چیزی را نشان می‌دهند؟
OpenAI عملکرد Terra را با معیار سنجش Agents’ Last Exam ارزیابی کرده است؛ آزمونی که وظایف حرفه‌ای، از جمله تبدیل نقشه‌های معماری به مدل سه‌بعدی، را در بر می‌گیرد. در سطح متوسط استدلال، امتیاز Terra نسبت به GPT-5.6 Terra پانزده واحد درصد بیشتر است، در حالی که هزینه اجرای آن حدود یک‌سوم هزینه مدل قبلی است. به گفته OpenAI، عملکرد Terra با GPT-6 Astra نیز قابل مقایسه است، اما هزینه هر توکن آن به یک‌دهم قیمت Astra می‌رسد.
در بالاترین سطح تلاش استدلالی، OpenAI می‌گوید Terra در مقایسه با Claude Opus 5.5 بیش از سه برابر بهره‌وری توکنی دارد و قیمت هر توکن آن یک‌چهارم است؛ در نتیجه، هزینه انجام هر وظیفه تقریباً ۹ برابر کمتر می‌شود. Terra همچنین وظایف را بیش از سه برابر سریع‌تر از GPT-6 Astra و GPT-6.1 Sol به پایان می‌رساند.
در معیار داخلی OpenAI برای سنجش عملکرد مدل در برابر پرامپت‌هایی که احتمال بروز خطا را افزایش می‌دهند، نرخ خطای Terra در سطح پایین تلاش استدلالی از ۵۳٫۶ درصد در GPT-5.6 Terra به ۱۶٫۷ درصد کاهش یافته است؛ یعنی تقریباً از هر شش پرامپت، یک مورد به خطا منجر می‌شود. در بالاترین سطح تلاش استدلالی نیز نرخ خطا با کاهش ۱۸ واحد درصدی به ۴٫۳ درصد رسیده است.
برای وظایف دشوار برنامه‌نویسی، مدل‌های دیگری مناسب‌ترند
در آزمون Terminal-Bench 4.0 که عامل‌های برنامه‌نویسی را با مسائل خط فرمان، از جمله رفع مشکل صفحه وبی که هنگام بارگذاری دچار جابه‌جایی چیدمان می‌شود، ارزیابی می‌کند، Terra در بالاترین سطح تلاش استدلالی ۵۰٫۳ درصد از وظایف را حل می‌کند. امتیاز منتشرشده GPT-5.6 Terra در همین آزمون ۲۱٫۵ درصد است. با این حال، Terra همچنان ۴۹٫۷ درصد از وظایف را حل نمی‌کند و OpenAI می‌گوید برای پیچیده‌ترین کارهای برنامه‌نویسی، GPT-6.1 Sol و GPT-6 Astra همچنان گزینه‌های بهتری هستند.
در آزمون Terminal-Bench-Science 0.1، که در آن عامل‌ها برای انجام پژوهش‌هایی مانند ردیابی تقسیم سلولی در یک ویدئوی زمان‌گریز از کدنویسی استفاده می‌کنند، Terra در بالاترین سطح استدلال عملکرد بهتری از GPT-6.1 Sol دارد و هزینه کمتری نیز تحمیل می‌کند. عملکرد آن همچنین حداکثر پنج واحد درصد با Opus 5.5 فاصله دارد، در حالی که هزینه تخمینی آن کمتر از یک‌پنجم هزینه این مدل است.