OpenAI发布GPT-6.1 Terra：能自主操作电脑！成本砍半、速度快3倍

GPT-6.1 这个家族，9 月 30 日来了 Sol，10 月 9 日来了 Ultrafast，10 月 26 日轮到 Terra。三块拼图里 Terra 最好认：官方给它的一句话定位是"快速、高效"，主打细粒度视觉推理和精准 computer use，价格直接砍半。

图：OpenAI 官方《Introducing GPT-6.1 Terra》主视觉，星空下被阳光照亮的地球，配 GPT-6.1 Terra 字样

先把价格摆出来。每百万输入 token 1 美元、缓存输入 0.05 美元、输出 5 美元。发布文里写得很直白：标准 API 价格比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。所以标题那句"成本砍半"有价格表背书，甚至还算说得保守，往任务口径一算降幅更大：Agents' Last Exam 上中档推理每任务成本约为 GPT-5.6 Terra 的三分之一，最高推理强度下约为 Claude Opus 5.5 的九分之一。

"快 3 倍"这句要单独拎出来讲。官方原文是 Terra 完成任务的速度是 GPT-6 Astra 和 GPT-6.1 Sol 的三倍以上。基准是自家两个更贵的旗舰，上一代 GPT-5.6 Terra 不在对比范围里，发布文通篇没有"比 5.6 Terra 快 3 倍"的表述。这个差别传两轮就会跑偏，所以放在开头说清楚。

Terra 是个什么档

图：OpenAI 官方《A model guide for the GPT-6 family》封面，交代 Terra 在 GPT-6 家族里的位置

它按六个推理档发布：non-reasoning、low、medium、high、xhigh、max，ChatGPT 里默认中档（Artificial Analysis 记载）。这是理解后面所有数字的前提，同一套权重，档位不同，成绩和成本能差出一截。

规格上，上下文 1M 级（AA 记 1M，DataLearner 记 1.05M，折算约 1500 页 A4），最大输出 128K，知识截止 2026-06-01。输入吃文本和图像，输出只有文本。API 模型名 gpt-6.1-terra。

价格表比表面那个"1 美元"要绕一点，DataLearner 收录的完整分档：

场景	输入 / 输出（每百万 token）
标准档，上下文 ≤ 272K	$1/1 /$ 1/5
上下文 > 272K	$2/2 /$ 2/7.5
batch 与 flex	$0.5/0.5 /$ 0.5/2.5
fast	$2/2 /$ 2/10
缓存写入	$1.25
缓存读取	$0.05

缓存读取 5 美分这个数，等于把重复上下文的成本打到接近零。跑 agent 的都懂，一次任务里系统提示加历史轮次会被反复计费，这块能压到 5%，账单形状会变。AA 给的口径也是缓存折扣 95%。

反过来，fast 档单价双倍，超 272K 上下文也翻倍。提速和长上下文都明码标价，不算暗坑，但做预算得算进去。

那几组关键数字

幻觉率是这次最值得盯的改进。官方在一份由易诱发错误的提示词构成的内部基准上测：低推理强度下，错误率从 GPT-5.6 Terra 的 53.6% 降到 16.7%，少了近 37 个百分点；最高推理强度下降 18 个百分点，到 4.3%。

**53.6% 到 16.7%，低档错误率砍掉七成。**我倒觉得这条比任何跑分都硬。跑分是实验室口径，错误率是线上要赔进去的东西。以前"用便宜档跑批"最大的风险是它一本正经地胡说，现在这个风险被压下去一大截，低成本档才算真能干活。

computer use 的成绩。官方用 Agents' Last Exam v1 测，任务长这样：把建筑图纸转成 3D 模型；逐镜头审看一部动画电影，给修复团队出一份带时间码的记录。数据上，中档推理比 GPT-5.6 Terra 高 15 个百分点，成本约为其三分之一；表现可以和 GPT-6 Astra 打平，而每个 token 的价格只有 Astra 的十分之一。拉到最高推理强度，token 使用效率是 Claude Opus 5.5 的三倍以上，单价四分之一，每任务成本约九分之一。

视觉这边，MMMU-Pro 上 Terra 在所有推理设置下都超过 GPT-5.6 Terra，同时以低得多的成本接近 Astra 和 Sol。DataLearner 按档收录的分数：低 83.70、中 84.60、高 85、极高 85.40、最高 85.50，排名 13/252。跨档总分差不到 2 分，这条信息比分数本身有用：视觉能力对推理预算不敏感，看图类任务没必要把档拉满，low 档就能吃下绝大部分精度，钱省在别处。

编程是相对短板，但进步明显。Terminal-Bench 4.0 最高推理强度下 Terra 解决 50.3%，是 GPT-5.6 Terra 已公布成绩 21.5% 的两倍多。官方同时把话说在前面：最复杂的编程任务，Sol 和 Astra 仍是更好的选择。Terminal-Bench-Science 0.1 最高档 58.30，DataLearner 排 6/33，官方说法是以不足 Opus 5.5 五分之一的成本逼近其水平，分差不到五分。

速度，AA 实测 Terra 全部推理档输出都是 91 token/s，non-reasoning 首 token 延迟 1.12 秒。六档吐字速度一样这点少见，多数推理模型档位越高越慢。Terra 的"快 3 倍"快在整段任务完成时长上，单 token 速度和档位没关系。

上手：从装库到跑通一个 computer use 任务

Terra 的可用面有两条。ChatGPT Plus、Pro、Enterprise、Edu 用户在 ChatGPT 工作和 Codex 里直接选；开发者走 API。

本地环境十分钟的事：

bash 复制代码

pip install --upgrade openai
export OPENAI_API_KEY="sk-..."

模型名 gpt-6.1-terra。发布文没展开六档和 API 参数的对应关系，按 OpenAI 现行 API 的惯例走 reasoning_effort（Responses API 里是 reasoning.effort），low/medium/high 是稳的，xhigh 和 max 是否以同名值开放，调的时候以 API 参考为准。一个最小的 Python 调用：

python 复制代码

from openai import OpenAI

client = OpenAI()

resp = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"effort": "low"},
    input=[{
        "role": "user",
        "content": [
            {"type": "input_text", "text": "把这张建筑图纸里的承重结构逐项列出来"},
            {"type": "input_image", "image_url": "https://example.com/plan.png"},
        ],
    }],
)
print(resp.output_text)

图像输入走 input_image，输出纯文本，这个模型没有多模态输出。

一个完整的例子，用的是官方发布文里给的两类 computer use 示例之一，"逐镜头审看动画电影"。实际做起来，常见路子是把片子按镜头切片、逐帧喂给模型，提示词写死输出格式：每个镜头一行，带时间码、问题描述、建议动作。跑完拿到一份可以直接丢给修复团队的记录表。这类任务体量大，一部片几千个镜头，成本就是关键变量。按 AA 的每任务口径，Terra low 档 0.05 美元、medium 0.10、high 0.13、xhigh 0.19、max 0.40，Sol max 是 0.72。乘上镜头数，差距就是"这个项目能立项"和"算了"的区别。

图：OpenAI 官方仓库 openai/openai-cua-sample-app 品牌卡，对应 Terra 主打的 computer use 能力

官方只公布了任务类型和成绩，没有放出完整的执行轨迹，提示词怎么写效果最好，这块只能自己试。

几个容易踩的地方：

上下文一旦过 272K，单价从 $1/1/$ 1/5 跳到 $2/2/$ 2/7.5。1M 上下文是能力，计费是另一回事，长文档分片处理往往比硬塞便宜。
档位别拿默认值糊弄过去。低档错误率 16.7%，最高档 4.3%，差四倍，什么任务配什么档得自己定。
离线大批量任务记得走 batch 或 flex， $0.5/0.5/$ 0.5/2.5 再省一半。
最硬的编程任务别硬上 Terra，官方自己承认 Sol 和 Astra 更合适。

和旗舰比，它输在哪

Artificial Analysis 的 AA Intelligence Index 上，Terra max 档 48 分，排 25/221。同表里 Claude Opus 5.5（max w/fallback）58、Kimi K3.1 Pro 55、Claude Fable 5.1 53、GPT-6 Astra（max）53、GPT-6.1 Sol（max）52。

一列下来就清楚了，Terra 比自家两个旗舰都低，低 4 到 5 分。它是性价比档，不是全能王。买它的人看的是另一列数：每任务成本 max 档 0.40 美元对 Sol max 的 0.72 美元，便宜约 44%；low 档 0.05 美元，和 Sol max 比差 14 倍。放批量任务里，一万个任务就是 4000 美元和 7200 美元的差别。同表里 Gemini 4 Argon（high）跑到 1.62 美元一个任务，这条曲线的斜率才是 Terra 真正的卖点。

选型结论很朴素：要分数上限，Sol、Astra、Opus 5.5 在上面；要单位成本下的完成率，Terra 现在是最优解之一。混着用也合理，简单步骤走 Terra low，卡住了再升档或换旗舰。

被价格表盖住的那条披露

发布文里有句话容易被价格数字盖过去：GPT-6.1 Terra 达到了 OpenAI 准备框架（Preparedness Framework）中网络安全领域的"严重"风险阈值，并保留了为 GPT-6 Astra 开发的防护措施。

图：OpenAI 官方的 Terra 艺术图 1:1 方版，发布在 GPT-6 家族指南页

同一篇里官方也给了些安抚性的描述，说 Terra 对提示注入攻击抵抗力强，更可能在任务范围内行事。

把几件事放一起看：一个安全评级标着"严重"的模型，价格砍半，向所有 Plus 订阅用户开放，API 谁都能调，防护措施沿用 Astra 那一套。这些防护具体覆盖什么、企业侧能不能按域关掉相关能力、达到阈值的能力边界划在哪，发布文里没有可验证的说法。

我倒不觉得这是要恐慌的事，OpenAI 这套流程本来就被设计成可以带险发布。真正扎人的是价格：自动化渗透的工具成本也被压到了 1 美元一百万 token，防护的部署速度得跟上铺开速度才行。

收尾

这代模型里我最想盯的是 low 档那组数：错误率 16.7%，每任务 0.05 美元，输出 91 token/s。很多以前因为太贵或者太不可靠而没法自动化的批量任务，现在成本模型可以重算了。

留一个还没答案的问题：一个标着网络安全"严重"阈值、价格为上一代一半的模型，会先被拿去做什么。这个问题发布文不回答，市场会回答。

参考链接

OpenAI：Introducing GPT-6.1 Terra 官方发布文（定价、Agents' Last Exam 成绩、幻觉率数据、安全评级披露） openai.com/index/intro...
DataLearner：GPT-6.1 Terra 模型卡片（MMMU-Pro 等分档跑分、完整价格表、上下文与输出规格） www.datalearner.com/ai-models/p...
Artificial Analysis：GPT-6.1 Terra 独立评测（AAII 排名、91 token/s 实测、各档每任务成本） artificialanalysis.ai/zh/models/r...