博客

刚刚，GPT-6.1 Terra 骨折价发布，Agent 时代的打工模型来了

OpenAI 正在进一步拉低大模型的性价比。

就在不久前，OpenAI 正式推出了全新一代模型 GPT-6.1 Terra，其核心卖点包括更快的响应速度、更强的视觉识别与电脑操控能力，以及更低的费用。

图｜博客🔗 https://openai.com/index/introducing-gpt-6-1-terra/

与上一代 GPT-5.6 Terra 相比，新模型的标准 API 费用直接砍半，同时在复杂任务处理、事实准确度和编程能力方面都有显著进步。在部分专业测试中，GPT-6.1 Terra 的表现甚至逼近旗舰模型 GPT-6 Astra，但 Token 价格仅为后者的十分之一。

OpenAI 将这款模型定位于高频工作场景下的高效工具，意图让更多企业和开发者以更低成本，将 AI Agent 真正融入日常工作流程。

性能接近 Sol，任务执行速度快 3 倍

GPT-6.1 Terra 最引人注目的变化，在于视觉理解与电脑操控能力的深度融合。

过去，AI 能看懂图片、分析文档，但要让它真正操作电脑、跨应用完成复杂任务，仍需要较高的模型能力和推理开销。

现在，GPT-6.1 Terra 已经能处理从阅读技术图纸、填写表单，到剪辑视频、操作桌面软件等多种专业任务。

例如，用户可以要求它根据建筑设计图纸生成 3D 模型，或逐帧检查动画影片，为修复团队制作附带时间码的镜头清单。企业也可以用它读取收到的发票，并自动将相关信息录入财务软件。

在评估 AI Agent 专业工作能力的 Agents' Last Exam 测试中，GPT-6.1 Terra 的表现相当亮眼。

在中等推理强度下，新模型的得分比 GPT-5.6 Terra 提升了 15 个百分点，而单次任务成本降至约三分之一。

更值得注意的是，在同样的测试中，GPT-6.1 Terra 已经追平了 GPT-6 Astra 的水平，而标准 API 的 Token 单价仅为后者的十分之一。

与 Anthropic 的 Claude Opus 5.5 相比，在最高推理强度下，GPT-6.1 Terra 的 Token 使用效率高出 3 倍，Token 单价仅为四分之一，最终完成同类任务的成本大约低 9 倍。

速度方面，GPT-6.1 Terra 完成任务的速度也比 GPT-6 Astra 和 GPT-6.1 Sol 快 3 倍。

有开发者晒出的测试结果显示，GPT-6.1 Terra 单次请求的生成速度可达每秒 450 Token，低推理强度下甚至有望达到每秒 600 Token，不过后者尚未得到证实。

第三方评测机构 Artificial Analysis 的智力指数榜单也提供了一个有趣的参照，GPT-6.1 Terra（Max）拿到 48 分，超过了除 Kimi K3.1 Pro（55 分）之外的中国开放权重模型。

此外，在考察视觉推理能力的 MMMU-Pro 测试中，GPT-6.1 Terra 在所有推理强度下都超过了上一代模型，并以明显更低的成本，取得了接近 GPT-6 Astra 和 GPT-6.1 Sol 的成绩。

在专门测试 AI 操作桌面应用能力的 OSWorld 2.1 中，新模型仅用中等推理强度，就超过了 GPT-5.6 Terra 在最高推理强度下的表现，同时大幅降低了单次任务成本。

实际体验也印证了部分进步，DesignArena 让两代 Terra 重现日落时分的里斯本贝伦塔，6.1 版本生成了更精细的建筑与水面光影，虽然耗时接近上一代的 4 倍、Token 消耗增加 48%，单次成本却从 0.077 美元降至 0.047 美元。

而 atomic.chat 使用相同提示词让两款模型分别以 8 个 Agent 开发游戏，Terra 只用 6 分钟、花费 1.06 美元就完成了任务，而 Claude Sonnet 5.5 花费约一小时和 18.10 美元，却交出了明显更好的游戏作品。

此外，从现有测试来看，GPT-6.1 Terra 在高难度任务的最终交付质量上，恐怕仍然比不上 Claude Opus 5.5，但考虑到它更低的价格和更快的执行速度，依然有不小的生存空间。毕竟，现实中有大量工作只需要 AI 把事情做完，并不值得每次都请出最贵的旗舰模型。

幻觉率大幅下降，编程成绩翻倍

除了视觉理解和电脑操作，GPT-6.1 Terra 在事实准确度与编程方面的进步同样显著。

OpenAI 表示，今年一直在重点解决模型产生幻觉和事实性错误的问题。

在其内部设计的高难度事实准确率测试中，GPT-5.6 Terra 在低推理强度下的错误率高达 53.6%，而 GPT-6.1 Terra 已将其降低至 16.7%，下降 36.9 个百分点。

当推理强度提升至最高档时，新模型的错误率进一步下降至 4.3%，接近 GPT-6 Astra 和 GPT-6.1 Sol 的水平。

对于需要处理合同、技术文档和企业内部数据的 AI Agent 来说，事实错误率的下降尤其重要。毕竟，模型能够完成任务只是基础，执行过程中能否持续保持准确，直接决定了用户能否放心将更多工作交给 AI。

编程能力方面，GPT-6.1 Terra 也迎来大幅提升。

在测试 AI Agent 命令行编程能力的 Terminal-Bench 4.0 中，GPT-6.1 Terra 在最高推理强度下取得了 50.3% 的任务解决率，上一代 GPT-5.6 Terra 的公开成绩仅为 21.5%。

换句话说，新模型的编程测试成绩已经达到上一代的两倍以上。

在科学研究编程测试 Terminal-Bench-Science 0.1 中，GPT-6.1 Terra 甚至超过了定位更高的 GPT-6.1 Sol。

该测试包含利用代码分析延时摄影视频中的细胞分裂等科学研究任务。OpenAI 表示，GPT-6.1 Terra 的得分距离 Claude Opus 5.5 不足 5 个百分点，估算成本却低于后者的五分之一。

当然，OpenAI 也明确表示，对于最复杂的软件工程和深度研究任务，GPT-6.1 Sol 和 GPT-6 Astra 依然是更合适的选择。

API 价格腰斩，正式进入 ChatGPT Work 和 Codex

相比性能提升，GPT-6.1 Terra 的价格调整可能对开发者更有吸引力。

根据 OpenAI 公布的信息，新模型的标准 API 定价如下。

输入价格为每百万 Token 1 美元

缓存输入价格为每百万 Token 0.05 美元

输出价格为每百万 Token 5 美元

相比 GPT-5.6 Terra 和 GPT-6.1 Sol，GPT-6.1 Terra 的标准 API 价格降低了 50%。如果与旗舰模型 GPT-6 Astra 相比，其输入和输出 Token 的价格均只有后者的十分之一。

在产品层面，GPT-6.1 Terra 已经面向 ChatGPT Plus、Pro、Enterprise 和 Edu 用户开放，可以在 ChatGPT Work 和 Codex 中使用。

OpenAI 表示，在相同的使用额度下，用户能够通过 GPT-6.1 Terra 完成比 GPT-5.6 Terra 更多的任务，相较 GPT-6.1 Sol 和 GPT-6 Astra，额度使用效率的提升则更加明显。

开发者也可以通过 OpenAI API 调用该模型，模型名称为 gpt-6.1-terra。

安全方面，OpenAI 表示，GPT-6.1 Terra 在其 Preparedness Framework 中达到网络安全能力的 Critical 风险等级，因此沿用了 GPT-6 Astra 等模型的相关安全防护措施。

与此同时，新模型继承了 GPT-6 系列的对齐改进，在遵守用户授权范围、主动说明自身能力限制，以及抵御恶意提示词注入方面，相比上一代有所提升。

回看 OpenAI 今年的产品更新，从旗舰模型 Astra 到强调综合能力的 Sol，再到如今主打高效执行的 Terra，产品之间的分工正在变得越来越明确。

尤其是在 AI Agent 加速进入真实工作场景的背景下，模型竞争也开始从单纯追求更高的 Benchmark 分数，延伸到完成同一项任务究竟需要花多少钱、多少时间，以及能否持续可靠地执行。

过去，企业想让 AI 自动处理大量办公任务，往往需要在模型能力、速度和成本之间反复权衡。GPT-6.1 Terra 的出现，正在降低这种权衡的代价。

当一个能够看懂屏幕、操作软件、理解复杂文档的模型，已经具备接近旗舰级的能力，却只需要十分之一的 Token 成本，AI Agent 也就有了从少数高价值任务走向大规模日常应用的现实条件。

对于 OpenAI 来说，让越来越强的 AI 变得越来越便宜，将与发布下一款最强模型同样重要。

本文来自微信公众号“APPSO”，作者：发现明日产品的，36氪经授权发布。