產品應用
OpenAI Ted Sanders 揭露模型選型法則:極致品質選 Astra,高性價比選 Sol 與 GPT-6.1 Terra
The Decoder單一來源
核實資料不足
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。
本次未取得足夠原文證據

OpenAI 的 Ted Sanders 近日公開說明了 GPT-6.1 Terra 的定位與官方模型命名邏輯,並分享了跨模型的選型經驗法則。Sanders 表示,模型效能屬於多維度表現,無法簡化為單一智商分數,因為模型大小、推理運算量(reasoning effort)與多代理系統(multi-agent systems)是各自獨立的維度;雖然效能差距主要仍取決於模型規模,但訓練資料與架構的改良也能讓小型新模型超越大型舊模型。以 GPT-6.1 Terra 為例,其在技術溝通表現上可能超越規模更大的 Astra,在影像處理與電腦操作(computer use)方面大致持平且價格大幅降低,但其餘多數領域仍落後於 Astra。針對選型決策,Sanders 建議:若只在乎品質應選擇 Astra;若對價格稍具敏感度可選 Sol;若對價格非常敏感,則推薦使用 Terra 或 Luna。
讀原始報導