GPT-6.1 Terra 主打低成本电脑自动化

GPT-6.1 Terra 主打的是用更低成本完成复杂电脑操作：看懂图纸、操作桌面软件、执行命令行任务。按 IT之家转述的 OpenAI 测试结果，它比上一代更快、更准，部分专业任务的成绩接近更贵的模型。

对程序员来说，值得关注的是任务分配：哪些工作可以交给便宜模型，哪些仍要用更强的模型兜底。不过，标题里的「九分之一」有特定测试条件，不能直接套到自己的项目账单上。

「每项任务九分之一」到底在比什么

原文给出了几组成本比较，口径各不相同。

在考察复杂专业工作的 Agents’ Last Exam 中，任务包括根据建筑图纸建立三维模型，以及逐一记录电影镜头。在中等推理强度下，Terra 比 GPT-5.6 Terra 高出 15 个百分点，完成任务的成本约为前代的三分之一；与 GPT-6 Astra 成绩相近，每个 Token 的价格约为后者的十分之一。

OpenAI 还称，Terra 的任务执行速度是 GPT-6 Astra 和 GPT-6.1 Sol 的 3 倍以上；在最高推理强度下，每项任务成本约为 Claude Opus 5.5 的九分之一。

Token 单价、任务成本和执行速度，是三种不同的比较口径。

Token 便宜，不代表完成一次任务就按同样比例省钱。模型用了多少 Token、失败后重试几次，都会影响账单。原文没有给出上述比较的完整测试配置，因此「九分之一」适合当作选型线索，不能当作普遍承诺。

API 标准价格则更明确：每 100 万个输入 Token 为 1 美元，缓存输入为 0.05 美元，输出为 5 美元。按原文汇率，分别约合人民币 6.7 元、0.33 元和 33.4 元。OpenAI 称，其价格比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。

更会操作电脑，距离可靠交付还有多远

Terra 的进步集中在视觉理解、桌面操作、事实准确性和编程四个方面，但每组成绩能证明的事情不同。

OSWorld 2.1 测试模型完成多步骤桌面任务的能力。中等推理强度的 Terra 已超过 GPT-5.6 Terra 此前的最佳成绩，单项任务成本也更低。视觉推理测试 MMMU-Pro 中，它在所有推理强度下都超过前代，并接近 GPT-6 Astra 和 GPT-6.1 Sol。两组结果支持它更适合「看界面，再操作」的自动化工作，但原文没有列出具体得分。

事实准确性的数据来自 OpenAI 内部基准，使用专门设计的提示词寻找回答中的薄弱环节。低推理强度下，错误率从前代的 53.6% 降至 16.7%，下降 36.9 个百分点；最高推理强度下，错误率为 4.3%，比前代低 18 个百分点。

这里的 4.3% 是特定内部测试中的错误率，不能解释成任意业务都有 95.7% 的正确率。

与程序员最相关的是 Terminal-Bench 4.0。它通过命令行任务测试编程智能体，例如修复网页加载时的布局偏移。最高推理强度下，Terra 的成功率为 50.3%，前代为 21.5%，提升超过两倍。

比前代强很多，与足够独立完成工作，仍然是两回事。

50.3% 表明它在这套测试里仍有大量任务未完成。OpenAI 也明确建议，难度最高的编程任务继续选择 GPT-6.1 Sol 或 GPT-6 Astra。

我的判断

我认可把低成本模型用于边界清楚、结果容易检查的工作。对于大量重复操作，模型只要达到可接受的成功率，价格下降就可能改变自动化是否划算。

但原文提供的是 OpenAI 报告的基准结果，没有独立复测，也没有一般团队的完整运行账单。标题里的「更快更准确」不能扩展成所有场景都优于 Claude Opus 5.5，正文对后者主要给出了成本比较。

安全信息同样要分开理解。原文称 Terra 沿用了 GPT-6 Astra 的防护措施，增强了抵御提示词注入的能力；其网络安全能力达到准备框架的「关键级」门槛。后者描述的是能力评估，不能理解成自动化流程已经获得安全保证。原文也没有给出注入防护的具体测试成绩。

相较于所有任务统一使用高价模型，我更倾向于按任务难度分配模型，再用实际结果决定是否扩大使用范围。这是选型建议，原文没有提供这种方案的对照收益。

能拿来做什么

• 可以先选网页布局偏移这类目标明确的修复任务，让 Terra 提交修改，再用页面检查和现有测试验收；同时记录失败次数，避免只看单次调用价格。
• 如果已有桌面软件自动化流程，可以挑一批固定任务比较完成率、耗时和总费用，验证 OSWorld 2.1 的进步能否迁移到自己的软件与操作步骤。
• API 试用可使用模型标识 gpt-6.1-terra。原文称，模型于 10 月 27 日向 Plus、Pro、Enterprise 和 Edu 用户开放，也可在 ChatGPT Work 和 Codex 中使用。
• 可以让 Terra 承接常规任务，在失败或遇到高难度编程问题时转交 GPT-6.1 Sol 或 GPT-6 Astra，并把重试与升级调用一起计入成本。