GPT-6.1 Terra发布，API价格减半

GPT-6.1 Terra 把中档模型的价格继续往下压，同时在编码、视觉理解和电脑操作上追近更大的模型。对程序员来说，最有价值的变化是：部分日常代理任务，可能可以用更低的成本完成，不必每次都调用旗舰模型。

原文给出了 OpenAI 的测试结果，也引用了 Artificial Analysis 的独立评测。两类证据需要分开看：价格和跑分值得参考，但能否替换你正在用的编码模型，还得看具体任务，以及失败后要花多少时间补救。

便宜多少，要同时看单价和完成任务的成本

GPT-6.1 Terra 的 API 输入价格为每百万 token 1 美元，输出为 5 美元。GPT-5.6 Terra 对应为 2 美元和 12 美元，Claude Sonnet 5.5 则为 2 美元和 10 美元。

因此，标题里的「价格减半」是概括说法：输入单价确实减半，输出从 12 美元降到 5 美元，降幅还更大。缓存输入降至每百万 token 0.05 美元，为上一代的四分之一。

单价决定每一步花多少钱，完成任务的总开销还取决于模型需要走多少步。

Artificial Analysis 的测试更接近后一个问题。在最高推理强度下，Terra 的 Intelligence Index 从上一代的 42 分升到 48 分，GPT-6.1 Sol 为 52 分；每项任务成本则从 1.40 美元降至 0.40 美元，不到原来的三分之一。在较低推理强度下，相比上一代的提升为 7 至 13 分。

评测机构据此认为它处于帕累托前沿（Pareto frontier）。可以理解为：在这组测试和候选模型中，找不到另一个选择，能同时做到更便宜、表现又更好。这个判断有测试范围，不能直接推广到所有业务。

按原文介绍，GPT-6.1 Terra 已通过 API 提供，也面向 ChatGPT Work 和 Codex 中的 Plus、Pro、Enterprise、Edu 用户开放。

编码进步很大，但还没到全面替代旗舰的时候

在 Coding Agent Index v2.0 中，Terra 得到 48 分，低于 GPT-6.1 Sol 的 54 分，高于 GPT-6 Luna 的 31 分。这支持它作为中档编码模型的定位，但不能据此判断它在你的代码库里也有同样优势。

Terminal-Bench 4.0 的变化更明显：最高推理强度下，任务解决率从 GPT-5.6 Terra 的 21.5% 升至 50.3%。原文随后称之为「提升 20 个点」，与前面的数字不一致；按数字计算，应为 28.8 个百分点。

在科学编码评测 Terminal-Bench-Science 0.1 中，Terra 以更低成本超过 GPT-6.1 Sol，与 Claude Opus 5.5 的差距不足 5 分，估算成本不到后者的五分之一。不过，原文没有提供具体任务样本，无法判断这些优势与日常前端、Node 开发有多大重合。

幻觉也有改善。在私有评测 AA-Omniscience 中，模型不知道答案时仍然猜测的比例，从 88% 降到 38%，准确率另有 2 个点的提升。

这里的 38% 不是「所有回答的幻觉率」。它描述的是特定测试中，模型缺少答案时的行为。改善明显，猜测也依然存在。对于最困难的编码任务，OpenAI 仍推荐 GPT-6.1 Sol 和 GPT-6 Astra。

电脑操作的收益，为什么可能比聊天更明显

OpenAI 给 Terra 的定位包括办公任务和自动化软件控制，例如写提案、理解技术图纸、填写表单。这类工作既要看懂界面，又要连续执行操作，因此速度、token 消耗和成功率都影响总成本。

按 OpenAI 的说法，Terra 在 Agents' Last Exam 上达到 GPT-6 Astra 的表现，token 单价为其十分之一；相比最高推理强度的 Claude Opus 5.5，token 使用效率超过三倍，单价为四分之一，最终每项任务成本约低九倍。任务完成速度则超过 GPT-6 Astra 和 GPT-6.1 Sol 的三倍。

这些是不同口径的比较，不能只用单价乘除推算全部结果。原文没有展开完整计算过程。

视觉与桌面操作测试也支持这个方向：在 MMMU-Pro 上，Terra 各推理档位均超过前代，接近 GPT-6 Astra 和 GPT-6.1 Sol；在 OSWorld 2.1 上，中等推理强度就超过 GPT-5.6 Terra 的最佳成绩。

安全方面，Terra 达到 OpenAI Preparedness Framework 定义的「Critical」网络安全能力阈值，并继承 GPT-6 Astra 的防护措施。这里的阈值涉及能力与风险分级，不能理解成安全认证。

系统卡称，它抵御直接指令层级攻击的表现接近 GPT-6 Astra 和 GPT-6.1 Sol，后两者相关测试成绩为 99.99%。对于藏在第三方内容里的间接提示注入，Terra 的防御率从前代的 96.2% 升至 98.8%，仍未达到完全防御。

我的判断

Terra 最值得考虑的用法，是承担高频、边界明确、结果容易检查的任务。单价下降之外，独立评测还给出了任务成本下降的证据，比单纯宣传「便宜一半」更有参考价值。

但「更适合某个团队」仍缺少答案。原文没有交代真实代码库的维护成本、重试次数和人工审查时间，也没有比较「便宜模型失败后升级旗舰」与「直接使用旗舰」的总开销。

因此，把它作为默认候选有依据，把它视为旗舰的全面替代品则证据不足。尤其是复杂编码，连 OpenAI 自己也保留了更大模型的推荐。

能拿来做什么

• 从现有前端或 Node 工作流里挑一批可验收任务，用 Terra 和当前模型处理同样的输入，同时记录通过率、耗时、费用与人工修改量。
• 在支持调节推理强度的调用方式中，先比较较低档位与最高档位。原文的成本优势在低档位尤其突出，没有必要默认全部拉满。
• 如果正在做界面操作代理，可以优先测试固定流程的表单填写和桌面操作，并记录失败后的恢复成本；98.8% 的提示注入防御率不能代替权限边界。