GPT-6.1 Terra主打低成本电脑操作

GPT-6.1 Terra 的卖点，是把能读屏、点击、输入、跨应用操作的 Agent 做得更便宜。原文将它定位为日常自动化的主力：大量重复任务交给 Terra，最难的编程和推理继续留给 Sol、Astra。

对程序员来说，值得关注的是任务成本能否降到值得长期运行的水平。不过，原文中的关键成绩均为厂商披露，尚无独立基准验证，价格比较里也有需要核对的地方。

Terra 适合接手哪些工作

据原文，OpenAI 于 2026 年 10 月 26 日发布 GPT-6.1 Terra，API 模型 ID 为 gpt-6.1-terra。它面向 computer use，也就是通过屏幕和界面完成多步操作，例如读取发票并录入财务软件、填写长表单、理解技术图纸。

产品梯队分成四档：Luna 负责轻量任务，Terra 是中档主力，Sol 偏强推理，Astra 是旗舰。OpenAI 仍建议把最难的编程和推理交给 Sol、Astra。

Terra 的价值主张是承接任务量，而不是包办所有难题。

可用范围也有边界。原文称，Plus、Pro、Business、Enterprise、Edu 用户可以在 ChatGPT Work 和 Codex 使用它，Amazon Bedrock 也已提供；GitHub Copilot 同日正式开放，用于日常 Agent 编程和终端工作。Free、Go 暂时仍使用 GPT-5.6 Terra，Terra 没有进入 Chat 本身。

价格更低，为什么还不能直接算出任务成本

原文列出的 API 价格，单位均为每百万 token：

类型	GPT-6.1 Terra
输入	$1
输出	$5
缓存输入	$0.05

前代 GPT-5.6 Terra 的输入、输出价格分别是 $2、$12。原文概括为便宜 50%，但按列出的价格计算，输入降了 50%，输出降了约 58.3%，不能把整个账单统一按五折估算。

原文还称，Terra 的费率恰好是 GPT-6.1 Sol 的一半，约为旗舰 Astra 的十分之一；相同的 ChatGPT Work、Codex 套餐额度，也能比前代完成更多任务。不过，具体额度和任务数量没有给出。

缓存输入的 $0.05/M 很关键。如果重复工作共享大量上下文，命中缓存的部分会便宜很多。但原文没有解释缓存规则，也没有给出命中率。

每 token 便宜，不等于每个成功任务便宜。

任务需要多少轮操作、失败后重试几次，都会影响最终账单。原文所称「便宜到无需考虑单任务成本」，目前更像作者的乐观判断。

成绩提升很大，但测试条件不能省略

原文给出了几组数据，全部需要连同条件一起看：

• 在职业电脑任务测试 Agents' Last Exam 上，Terra 以 medium effort 比 GPT-5.6 Terra 高出 15 个百分点，成本约为三分之一；成绩追平 GPT-6 Astra，每 token 价格为其十分之一。OpenAI 还称，它完成任务的速度是 Astra、Sol 的 3 倍以上。
• 在 Terminal-Bench 4.0 上，max effort 下的任务完成率从前代的 21.5% 升到 50.3%。
• 在 OpenAI 自建的诱错提示测试中，low effort 下的事实错误率从 53.6% 降至 16.7%，max effort 下为 4.3%。
• 对比 Claude Opus 5.5，OpenAI 声称 token 效率超过 3 倍、每 token 价格仅为四分之一，单任务成本约低至九分之一。

这些数字没有独立验证，而且分别采用 medium、low、max effort，不能拼成一个统一的能力结论。尤其是诱错提示上的错误率，不能直接当作实际业务中的出错概率。

GitHub 的早期测试提供了另一条反馈：Terra 比前代解决了更多终端和 C# 任务，在范围明确的任务上，操作步骤也更集中。但原文没有给出样本量、具体成功率或成本明细。

我的判断

我认同把模型按任务难度分工。日常终端操作、目标清晰的代码修改，以及重复的界面流程，确实值得用较便宜的模型试跑；高难任务继续使用 Sol、Astra，也符合原文的能力定位。

但「把 Terra 设为整个 Agent 集群的默认档位」还需要证据。原文缺少真实工作流的失败率、重试成本和人工接管数据，GitHub 的正面反馈也带着「任务范围明确」这个前提。一般团队的需求往往不够清楚，执行环境也未必稳定。

与全部使用强模型相比，分档选择有降低成本的空间；与通过 API 或固定脚本完成流程相比，界面 Agent 是否划算，原文没有提供对照。这部分只能视为待验证的方案建议，不能当成已经成立的工程结论。

能拿来做什么

• 先挑一类目标明确的日常 AI 编程或终端任务试跑 Terra，同时记录完成率、耗时、token 消耗和人工接管次数，再决定是否扩大使用。
• 对重复执行、共享上下文的 Agent 流程，检查缓存输入的适用规则和实际命中情况，再估算 $0.05/M 能节省多少费用。
• 按任务难度选择模型，把常规任务作为 Terra 的候选，把最难的编程和推理保留给 Sol、Astra，并用自己的任务样本验证分工是否有效。