GPT-6.1 Terra 如何取舍速度与能力

GPT-6.1 Terra 的看点是选型：如果任务集中在读图、操作电脑和技术沟通，是否还需要默认使用更贵的模型？Simon Willison 在 2026 年 10 月 26 日的短评里，把它放在了中档位置：价格低于 Sol，能力定位高于 Luna，重点强调视觉推理、电脑操作和表达。

但这篇短评没有证明 Terra 全面更强。它提供的是官方定位、一位 OpenAI 员工的选型建议，以及作者的一次绘图测试。对程序员来说，价值在于重新划分任务，而不是立刻替换默认模型。

Terra 想接的是哪些工作

OpenAI 对 GPT-6.1 Terra 的介绍，集中在细致的视觉推理、精确的电脑操作，以及更清楚自然的写作。举出的任务包括起草提案、理解技术图纸、填写表单和编辑视频，并称它相较 GPT-5.6 Terra 有显著提升。

这里的电脑操作（computer use），可以理解为模型通过界面完成任务，例如看懂页面后找到输入框并填写内容。它和单纯生成一段答案不同，实际工作往往需要连续观察、判断和操作。

作者认为，Terra 在 OpenAI 产品线里的位置类似 Anthropic 的 Sonnet：既不是最便宜的，也不是最贵的，因此使用边界反而需要解释。

OpenAI 的 Ted Sanders 在 Hacker News 评论中给出了更具体的判断：

• 技术沟通可能优于 Astra 和 Sol。
• 视觉与电脑操作能力接近这两者，但速度快得多。
• 其他大多数任务稍弱。
• 对 API 开发者，它是比 Sol 便宜、比 Luna 聪明得多的中档选择，尤其适合视觉、电脑操作和沟通任务。

这些是产品方的选型建议，原文没有提供对应的对照测试。

便宜到什么程度，实测又说明了什么

GPT-6.1 Terra 的价格是每百万输入 tokens 1 美元、每百万输出 tokens 5 美元。按原文比较，接近 GPT-5.6 Terra 和 GPT-6.1 Sol 价格的一半，但约为 GPT-6 Luna 的 10 倍。

这个差距解释了作者为什么关注电脑操作：自动化重复任务可能被大量执行，单次成本会持续累积。不过，模型价格只是其中一部分。任务失败后重试多少次、每次需要多少轮操作，原文都没有数据，不能直接据此算出实际节省比例。

作者展示的测试是一只骑自行车的鹈鹕。GPT-6.1 Terra 在推理档位「max」下，耗时 4 分 11 秒，花费 11.3161 美分。

作者认可画面中的车架结构，以及分处车架两侧的脚和踏板，也提到配色延续了 GPT-6、GPT-6.1 家族的风格。他还提到一张覆盖 GPT-6 Astra、GPT-6.1 Sol、GPT-6.1 Terra、GPT-6 Luna 各推理档位的比较网格，但给定材料没有展示这张网格。

这次测试能提供一个具体输出和成本样本，却不能验证浏览器操作是否可靠，也不能证明 Terra 的技术说明优于其他模型。「max」档位的耗时，同样不宜当作日常调用的典型延迟。

我的判断

我认可按任务选模型的方向。读截图、操作界面、解释技术方案，与处理复杂推理并不是同一种需求；一个模型在某类任务上更划算，足以构成采用理由，不必要求它处处领先。

但原文更像一份选型线索。所谓技术沟通更好、电脑操作更快，都缺少任务集、成功率和延迟对照。作者做了具体的鹈鹕测试，却没有在文中实测这些主要卖点。

和继续统一使用 Sol 相比，Terra 值得进入候选名单；和追求低成本的 Luna 相比，它约 10 倍的价格需要更高成功率或更少返工来解释。原文没有完成这笔账。

对订阅用户，Ted Sanders 的态度也很克制：这不是一次轰动性发布，可能帮助受使用额度限制的人多用一些，或者提供更清楚的表达和更快的电脑操作。具体能多用多少，原文没说清。

能拿来做什么

• 如果正在做浏览器表单自动化，可以让 Terra、Sol、Luna 跑同一批真实任务，记录完成率、总耗时和包含重试的总费用，再决定是否切换。
• 如果经常让 AI 解释技术图、整理方案或撰写技术说明，可以把 Terra 加入对照，重点检查术语准确性、遗漏和表达清晰度，而不只看文字是否顺畅。
• 在日常 AI 编程中，可以先评估它解释代码和整理技术方案的效果；这篇原文没有代码生成或修复测试，不能据此认定它更适合承担编码主力。