Mục lục
TL;DR: OpenAI ra mắt GPT-6.1 Terra, mô hình tầm trung cho suy luận hình ảnh và thao tác máy tính với mức giá thấp hơn đáng kể, trong khi Google DeepMind bổ sung âm thanh tạo sinh thời gian thực và tác nhân Gemini vào Genie 4.
Hai công bố cho thấy cuộc đua AI đang chuyển từ việc chỉ trả lời tốt sang thực hiện công việc trong môi trường số. OpenAI tập trung vào các tác vụ như điền biểu mẫu, đọc bản vẽ kỹ thuật, chỉnh sửa video và xử lý thao tác lặp lại trên desktop. Google DeepMind đi theo hướng tạo ra các thế giới tương tác có hình ảnh, âm thanh và khả năng phản hồi theo chỉ dẫn giữa lúc đang chạy.
Điểm đáng chú ý không chỉ nằm ở năng lực mới, mà còn ở chi phí và cách vận hành. Theo OpenAI, Terra tiến gần hiệu năng của các mẫu cao cấp hơn trong một số bài kiểm tra, còn DeepMind đang thử đưa một tác nhân AI vào vòng lặp để quan sát, kiểm tra và điều chỉnh kế hoạch trong thế giới do AI tạo ra.
GPT-6.1 Terra nhắm đến công việc trên máy tính
GPT-6.1 Terra là mô hình tầm trung mới của OpenAI, được tối ưu cho suy luận thị giác và computer use, tức khả năng hiểu màn hình rồi thao tác trên giao diện máy tính. Những tình huống được công ty nêu gồm điền biểu mẫu, đọc bản vẽ kỹ thuật, biên tập video và thực hiện công việc desktop có tính lặp lại.
Mức giá API của mô hình là 1 USD cho một triệu token đầu vào và 5 USD cho một triệu token đầu ra; token là đơn vị văn bản hoặc dữ liệu mà mô hình xử lý. Token lưu đệm có giá 0,05 USD mỗi triệu token. Theo OpenAI, mức này bằng một nửa giá GPT-5.6 Terra và GPT-6.1 Sol.
Công ty cũng cho biết Terra hoàn thành tác vụ nhanh hơn hơn ba lần so với GPT-6 Astra và GPT-6.1 Sol. Nếu các con số này phản ánh đúng trong triển khai thực tế, chi phí của các hệ thống AI phải thao tác qua dashboard, phần mềm nội bộ hoặc biểu mẫu trực tuyến có thể giảm rõ rệt.
Hiệu năng tiệm cận mẫu cao cấp ở một số bài đo
Trên Agents’ Last Exam ở mức suy luận trung bình, OpenAI cho biết Terra đạt kết quả ngang GPT-6 Astra nhưng chi phí token chỉ khoảng một phần mười. So với GPT-5.6 Terra, mô hình mới cao hơn 15 điểm với chi phí khoảng một phần ba.
Ở MMMU-Pro, benchmark đánh giá năng lực hiểu và suy luận trên nhiều dạng dữ liệu, Terra được mô tả là gần với GPT-6 Astra và GPT-6.1 Sol. Tỷ lệ lỗi thông tin thực tế trong đánh giá nội bộ của OpenAI giảm xuống 4,3% ở mức nỗ lực tối đa. Ở mức nỗ lực thấp, tỷ lệ này giảm từ 53,6% của Terra cũ xuống 16,7%.
OpenAI còn ước tính chi phí theo tác vụ của Terra ở mức nỗ lực tối đa thấp hơn khoảng chín lần Claude Opus 5.5. Đây là tuyên bố do công ty đưa ra, dựa trên cách thiết lập đánh giá của họ, nên doanh nghiệp vẫn cần kiểm tra lại trên dữ liệu và quy trình riêng trước khi thay thế mô hình đang dùng.
Terra không được định vị cho coding khó nhất. Mô hình đạt 50,3% trên Terminal-Bench 4.0, tăng mạnh từ 21,5% của GPT-5.6 Terra, nhưng OpenAI vẫn hướng các công việc lập trình phức tạp nhất sang GPT-6.1 Sol và GPT-6 Astra.
GPT-6.1 Terra hiện có trong ChatGPT Work và Codex cho người dùng Plus, Pro, Enterprise và Edu. Nhà phát triển cũng có thể truy cập qua API với tên gpt-6.1-terra.
Genie 4 tạo thế giới có âm thanh và nhận chỉ dẫn giữa phiên
Ở phía Google DeepMind, Genie 4 là world model, tức hệ thống có thể tạo và duy trì một môi trường mô phỏng để người dùng tương tác theo thời gian thực. Bổ sung lớn nhất của phiên bản này là âm thanh được sinh đồng thời với hình ảnh, gồm nhạc, tiếng môi trường và hội thoại tương tác, thay vì lồng ghép sau khi tạo video.
Người dùng có thể thay đổi cảnh bằng ngôn ngữ tự nhiên ngay trong phiên hoạt động, chẳng hạn đổi thời tiết, dịch chuyển camera hoặc thêm người và vật thể. DeepMind nói rằng mô phỏng chuyển động con người, va chạm và một số yếu tố vật lý như khí động học đã chân thực hơn các phiên bản trước.
Công ty đang đưa Gemini 3.8 Flash vào vòng lặp tạo sinh với vai trò tác nhân AI hướng dẫn. Theo mô tả, tác nhân này chia mục tiêu thành các bước, kiểm tra từng khung hình để xem một bước đã diễn ra chưa, rồi lập kế hoạch lại khi người dùng can thiệp hoặc bối cảnh thay đổi. Gemini Omni được dùng để neo cảnh vào diện mạo của thế giới thực.
Genie 4 vẫn là bản thử nghiệm với giới hạn rõ ràng
DeepMind cho biết những người thử nghiệm sớm đã dùng Genie 4 cho tiền kỳ phim, biến ảnh tư liệu thành cảnh có thể khám phá và thử nghiệm ý tưởng game. Tuy nhiên, sản phẩm hiện mới ở dạng research preview cho nhóm thử nghiệm đáng tin cậy.
Công ty dự kiến đưa Genie 4 đến thuê bao Google AI Ultra trong Project Genie, đồng thời mở cho một số đối tác truy cập sớm qua Gemini API và AI Studio. Danh sách chờ đã được mở. Toàn bộ video và âm thanh tạo ra sẽ mang watermark SynthID để nhận diện nội dung do AI tạo sinh.
DeepMind thừa nhận mô hình vẫn có thể mất tính nhất quán của vật thể trong các phiên dài, tạo văn bản khó đọc và gặp khó với vật lý phức tạp hoặc tính nhất quán dài hạn. Các giới hạn này đặc biệt quan trọng nếu Genie 4 được dùng ngoài giai đoạn phác thảo, chẳng hạn cho thiết kế game hoặc mô phỏng có yêu cầu chính xác.
Vì sao đáng chú ý?
Terra cho thấy khoảng cách giữa mô hình tầm trung và mô hình đầu bảng có thể đang thu hẹp ở các quy trình tác vụ cụ thể, nơi tốc độ và chi phí thường quan trọng không kém điểm benchmark. Trong khi đó, Genie 4 gợi mở một hướng khác: AI không chỉ tạo nội dung theo từng yêu cầu, mà có thể duy trì một môi trường để người dùng và tác nhân cùng quan sát, can thiệp và điều chỉnh theo thời gian thực.
Skills Bridge tổng hợp
