OpenAI新模型GPT-6.1 Terra引发讨论

GPT-6.1 Terra 的定位很明确：把视觉理解、桌面操作和日常编程做得更便宜、更快，让开发者能把更多重复工作交给 AI。原文给出的核心理由，是它在多项任务评测中接近更昂贵的模型，同时降低单次任务成本。

但这份材料虽然标注来源为 Hacker News，正文采用的是产品发布方口吻。读它最有用的方式，是看清哪些数据支持选型，哪些结论还需要放进自己的工作流验证。

便宜一半，为什么还要看每个任务花多少钱

GPT-6.1 Terra 的标准 API 价格，比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。开发者通过 gpt-6.1-terra 调用，价格为：

• 每百万输入 tokens 收费 $1。
• 每百万缓存输入 tokens 收费 $0.05。
• 每百万输出 tokens 收费 $5。

不过，token 单价只决定账单的一部分。一次任务要消耗多少 tokens、需要重试几次，也会影响最终成本。

在专业任务基准 Agents’ Last Exam 上，发布方称：采用 medium 推理强度时，Terra 比 GPT-5.6 Terra 高 15 个百分点，成本约为其三分之一；表现与 GPT-6 Astra 相当，每 token 价格只有其十分之一。

采用 max 推理强度时，原文称其 token 效率超过 Claude Opus 5.5 的 3 倍，单价为其四分之一，合起来每任务成本约低 9 倍。原文还报告，Terra 完成任务的速度超过 GPT-6 Astra 和 GPT-6.1 Sol 的 3 倍。

真正该比较的是完成一个合格任务的成本。

这些数据支持它承接高频工作的定位，但不能直接推导出你接入后也能省下相同比例。

它擅长的，是看懂界面之后继续操作

这次发布强调的「computer use」，可以理解成模型看着屏幕，操作应用，把多步工作做完。它比单纯识别图片多了一层要求：理解结果必须能指导下一步动作。

Agents’ Last Exam 的任务包括根据建筑图纸制作 3D 模型，以及逐镜头检查动画影片，生成带时间码的修复记录。视觉推理基准 MMMU-Pro 上，Terra 在所有推理设置下均超过 GPT-5.6 Terra，并以更低成本接近 GPT-6 Astra 和 GPT-6.1 Sol。

桌面操作基准 OSWorld 2.1 则显示，Terra 在 medium 推理强度下，就超过了 GPT-5.6 Terra 的最佳成绩，且每任务成本更低。不过，原文没有列出这两项基准的具体分数。

这类能力适合连接「读取信息」与「录入系统」。原文举的是读取发票，再把信息填入财务软件。对有明确 API 的系统，是否还需要走界面操作，仍应单独判断。

编程进步明显，但还没覆盖所有难题

Terminal-Bench 4.0 测试编程 Agent 在命令行中解决问题的能力，例如修复网页加载时发生的布局偏移。最高推理强度下，Terra 的完成率为 50.3%，超过 GPT-5.6 Terra 已公布成绩 21.5% 的两倍。

这能说明它在该评测中的进步，却不能理解成任意代码任务都有一半成功率。原文也明确承认：最复杂的编程任务，GPT-6.1 Sol 和 GPT-6 Astra 仍是更好的选择。

科学研究编程基准 Terminal-Bench-Science 0.1 中，Terra 在 max 推理下以更低成本超过 GPT-6.1 Sol，与 Opus 5.5 相差不到 5 个百分点，估算成本低于其五分之一。这属于研究任务证据，不能直接当作前端工程排名。

事实错误也有改善。在内部诱导出错提示评测中，low 推理强度下，错误率从 53.6% 降至 16.7%，下降近 37 个百分点；最高强度下下降 18 个百分点，达到 4.3%。

这里的限定是「内部评测」。原文没有给出样本构成，也没有说明它与实际业务错误率的对应关系。

我的判断

我认可它强调任务成本的方向。对重复录入、视觉检查和边界清楚的代码修复，速度与费用足以影响是否值得自动化。

但材料里的数字均由发布方报告，没有独立复现，也没交代完整的工具配置、重试策略和人工介入成本。它们适合筛选候选模型，还不足以证明一般团队能获得同样收益。

发布方还称，Terra 更能遵守任务范围、主动说明限制，并能抵抗提示注入。这些是评测结论，不是免除权限控制的理由。原文提到其网络安全能力达到 Preparedness Framework 的 Critical 阈值，并沿用 GPT-6 Astra 的保护措施；这个阈值也不能当成「部署绝对安全」的认证。

能拿来做什么

• 可以先用布局偏移修复这类边界明确的前端任务试用 Terra，同时记录完成率、耗时、重试次数和人工修改量。
• 对需要读取图片再操作软件的流程，可以选少量真实样本验证；已有稳定 API 的环节，也应一起比较成本。
• 选型时可以让 Terra 承接常规任务，把复杂编程问题升级给 GPT-6.1 Sol 或 GPT-6 Astra，再比较整条流程的费用。
• 按原文发布时的说明，Plus、Pro、Enterprise 和 Edu 用户可在 ChatGPT Work、Codex 使用它；API 接入则可从 gpt-6.1-terra 开始评估。