OpenAI CEO山姆·奥特曼。图片经由AI处理
文｜苏扬
编辑｜徐青阳
OpenAI又推出了一款主打性价比的模型。
美国当地时间10月26日，OpenAI发布中端模型的新版本GPT-6.1 Terra。相比上一代GPT-5.6 Terra，新模型重点提升了视觉理解、计算机操作、事实准确性和编程能力，标准API输入、输出价格均下降50%。
在OpenAI自己的测试中，Terra完成计算机操作任务的速度超过GPT-6 Astra和GPT-6.1 Sol的3倍，部分任务的表现已经接近旗舰模型。
这款模型面向日常办公和高频自动化任务，能够识别屏幕内容，在多个应用之间执行操作，也能处理技术图纸、填写表单、编辑视频等工作。
对于开发者来说，它的另一项吸引力是成本：每百万输入Token收费1美元，输出Token收费5美元，缓存输入Token则只需0.05美元。
不过，速度和价格的优势并没有让所有体验者满意。第三方测试显示，Terra生成视觉作品时，能够以更低的成本完成复杂场景，但部分用户仍然认为，它在画面质感、设计审美和复杂任务处理上存在不足。
GPT-6.1 Terra的重点，是让AI更快地完成一整套计算机操作任务。
AI助手可以根据用户要求生成文字、代码或操作建议，但当任务涉及多个软件时，模型还需要理解界面、识别控件，再按步骤执行。OpenAI希望Terra进一步降低这类任务的执行成本，让模型能够承担更多重复性的工作。
例如，企业可以让它读取收到的发票，将金额、日期和供应商等信息录入会计软件；也可以让它理解建筑技术图纸，或者在桌面应用中完成一连串操作。
OpenAI的官方演示中，GPT-6.1 Terra直接操作Blender，从零开始搭建一辆黄色有轨电车的3D模型，逐步完成车身、车窗、车顶受电弓和底盘细节。
计算机操作基准测试Agents’ Last Exam中，在中等推理模式下，GPT-6.1 Terra比GPT-5.6 Terra高出15个百分点，单项任务成本约为后者的三分之一。
与GPT-6 Astra相比，Terra的每Token价格约为其十分之一，任务表现则处于相近水平。
在最高推理模式下，OpenAI称，Terra的Token使用效率超过Claude Opus 5.5的3倍，每Token价格约为后者的四分之一，最终单项任务成本约低90%。完成任务的速度也超过GPT-6 Astra和GPT-6.1 Sol的3倍。
你可以理解：当任务需要一定推理能力，但又不必动用最强模型时，速度和成本可能成为更重要的选择依据，而这就是Terra这个档位模型的“甜蜜点”。
不过，基准测试成绩不能直接等同于所有实际工作中的效率。不同任务的步骤数量、工具调用方式和推理强度都会影响耗时，实际使用效果仍要看具体场景。
除了计算机操作，Terra在事实准确性和编程方面也有明显提升。
OpenAI使用内部设计的高错误诱发提示词进行测试。在低推理模式下，GPT-5.6 Terra的事实错误率为53.6%，GPT-6.1 Terra降至16.7%，下降36.9个百分点。在最高推理模式下，新模型的错误率进一步降至4.3%，比前代低18个百分点，接近GPT-6 Astra和GPT-6.1 Sol的水平。
第三方评测机构Artificial Analysis也观察到了类似变化。其自有的AA-Omniscience知识与幻觉基准测试显示，当模型不知道问题答案时，GPT-6.1 Terra猜测答案的比例为38%，而GPT-5.6 Terra为88%。与此同时，新模型的准确率提高了2个百分点。
不过，这项结果来自特定测试集，不能直接推导出模型在所有实际场景中的错误率。
编程方面，Terra的提升同样明显。
在Terminal-Bench 4.0中，模型需要通过命令行完成软件工程任务，例如修复网页加载过程中出现的布局错位。在最高推理强度下，GPT-6.1 Terra的任务解决率达到50.3%，超过GPT-5.6 Terra此前公布的21.5%，增幅超过一倍。
Artificial Analysis发布的Coding Agent Index v2.0则给Terra打出48分，低于GPT-6.1 Sol的54分，但高于GPT-6 Luna的31分。该机构认为，Terra在低推理强度和超高推理强度设置下，具备较好的成本效率。
视觉理解测试MMMU-Pro和桌面操作测试OSWorld 2.1也显示，Terra整体优于GPT-5.6 Terra。对于需要理解图像、操作软件并完成多步骤工作的用户来说，这些能力可以相互配合。
但OpenAI也承认，对于最复杂的编程任务，GPT-6.1 Sol和GPT-6 Astra仍然是更合适的选择。Terra的优势主要集中在成本敏感、任务量大、操作流程相对明确的工作中。
从社交平台的反馈来看，开发者对Terra的评价有明显分歧。
设计评测平台@DesignArena选择了里斯本的贝伦塔作为测试对象，让GPT-6.1 Terra和GPT-5.6 Terra在金色时段重现这座16世纪的石灰岩建筑，并加入海鸥、帆船和远处的大桥。
测试结果显示，GPT-6.1 Terra花费的时间接近前代的4倍，使用的Token也多出48%。但由于单Token价格大幅降低，最终成本反而下降38%，从GPT-5.6 Terra的0.077美元降至0.047美元。
从实际的demo来看，两款模型生成的画面也有差异。
DesignArena认为，GPT-6.1 Terra还原出了更复杂的建筑结构，包括层叠的拱形窗户、穹顶转角塔楼，以及塔霍河面上的阳光反射。生成页面的尺寸大31%，每帧使用432个独立部件，高于前代的323个。
相比之下，GPT-5.6 Terra虽然也生成了穹顶、阳台、帆船和海鸥，但建筑形状更加简单，水面缺少明显的光影变化，远处的大桥也没有呈现出同样细致的结构。
AI模型测试账号@N1njaCodex对比了GPT-6.1 Terra和Claude Opus 5.5生成像素艺术风格罗马竞技场的表现。
两款模型完成相同任务的花费分别为2.38美元和8.38美元。NinjaCodex认为，Terra以这样的价格完成任务已经不错，但Opus生成的竞技场更明亮，画面层次也更丰富，因此仍然更喜欢后者。
AI独立开发者@YFeng2022也对Terra的视觉表现提出质疑。他认为，从视频演示来看，模型生成的画面存在塑料感，审美表现仍不理想，并认为其整体效果不如DeepSeek和Kimi近期发布的模型。
另一位模型追踪账号@Mr_Salio则对Terra的整体表现持负面态度。他认为，模型的速度虽然突出，但综合体验未达到预期，甚至认为GPT-5.6在部分测试中的表现更好。
Terra发布后，围绕它的讨论很快延伸到模型市场的竞争。
AI开发者@NFT_Chen援引Artificial Analysis的智能指数数据强调，GPT-6.1 Terra在最高推理强度下获得48分，高于多款中国模型。
尽管这不直接等同于产品竞争力，但它反映出一个现实：模型之间的竞争已经延伸到不同推理强度下的成本、速度和任务完成质量。
@NFT_Chen认为，如果用户需要深度判断、复杂架构设计和高质量创作，可以优先考虑Claude Opus 5.5；如果工作以明确规格的开发、文档和终端操作为主，Sonnet 5.5也具备竞争力；而Terra更适合高频办公、跨应用操作以及对成本敏感的自动化任务。
这种选择方式也与OpenAI对Terra的定位一致。官方明确建议，深入研究和复杂编程仍优先考虑GPT-6.1 Sol或GPT-6 Astra。Terra则希望用更低的价格覆盖大量日常工作。
目前，GPT-6.1 Terra已向ChatGPT Work和Codex中的Plus、Pro、Enterprise及Edu用户开放，开发者也可以通过OpenAI API调用。标准价格为每百万输入Token 1美元、缓存输入Token 0.05美元、输出Token 5美元。
对于需要大量调用模型的企业和开发者而言，价格下降可以直接影响自动化项目的成本。但如果某项任务对视觉质量、复杂推理或代码可靠性要求很高，模型仍然需要经过实际测试，而不能只看单Token价格。
