GPT-6.1 Terra от OpenAI: агент собирает 3D-модель в OSWorld 2.1

⚡ Главное за 5 секунд

• OpenAI анонсировала GPT-6.1 Terra и вынесла в центр анонса OSWorld 2.1 — бенчмарк для ИИ-агентов в десктопных приложениях.
• Задачи в нём многошаговые: собрать 3D-модель по техническому чертежу, а не ответить текстом в чате.
• В описании упомянут режим medium reasoning; цифр, цены и списка стран в присланном поводе нет.

🔍 Что случилось

OpenAI опубликовала страницу «Introducing GPT-6.1 Terra» по адресу openai.com/index/introducing-gpt-6-1-terra/. Новая модель называется GPT-6.1 Terra. Главная метрика, на которую указывает описание, — OSWorld 2.1: он проверяет, насколько хорошо ИИ-агенты работают в десктопных приложениях и доводят до конца многошаговые задачи. Пример из текста — построение 3D-модели по техническому чертежу.

Второй факт из повода: замеры идут «at medium reasoning». Фраза обрывается, поэтому что там дальше — проценты, сравнение с другими уровнями или оговорка про стоимость — мы не знаем. Как обычно устроены такие бенчмарки: агент получает виртуальный десктоп, мышь, клавиатуру и набор приложений, а проверяющий смотрит на конечное состояние файлов и окон, а не на текст ответа. Это общее знание, к конкретному анонсу оно не приложено.

🧠 Наш разбор

Ставка на десктопный бенчмарк — это заявка, а не случайность. Наша оценка: OpenAI показывает, что конкуренция ушла из чат-ответов в сторону агентов, которые кликают по меню и сохраняют файлы. Собрать 3D-модель из чертежа нельзя одним промптом — нужно открыть CAD, разобраться в интерфейсе, сделать десяток действий подряд и не потерять контекст. Ровно это и продают корпоративным заказчикам.

Что меняет для выбора: сравнивать модели теперь будут не по красоте ответа, а по тому, доводят ли они задачу до конца в чужом интерфейсе. Для кошелька это пока ничего не значит — цены в поводе нет вообще, как и лимитов. По опыту, агентные режимы дороже обычных запросов, потому что один «ответ» — это цепочка шагов и вызовов инструментов. Но это рыночная логика, а не факт из этой страницы.

Кто выигрывает — платформы, которые уже продают автоматизацию рутины: от RPA-вендоров до стартапов с агентами. Кто проигрывает — те, чей аргумент был «мы дешевле на чат-задачах»: заказчику с чертежами такой аргумент неинтересен. Меня смущает другое: пускать агента в десктоп с правом сохранять и удалять файлы — это уже вопрос прав доступа, и в поводе про него ни слова.

⚠️ Чего мы не знаем

В присланном виде это одна строка с обрезанным описанием. Нет ни результата в OSWorld 2.1, ни сравнения с прошлыми моделями, ни цены, ни даты, ни списка стран и API-деталей. Неизвестно, что значит medium reasoning на практике — сколько шагов модель делает до остановки. Источник один, и проверять его нужно самому: открыть страницу и посмотреть таблицы.

Прогноз: если страница официальная, в течение квартала на ней появится таблица результатов OSWorld 2.1 с разбивкой по уровням reasoning. Если разбивки не будет — считаем анонс витриной без проверяемых цифр.

Дисклеймер: один источник, описание обрезано — цифры и условия официально не подтверждены.

Источник: OpenAI