OpenAI正式推出GPT-6.1 Terra，这是一款速度更快、成本更低的AI模型，可支持视觉分析、计算机操作、内容写作与代码编写。该模型于10月26日发布，在OpenAI安全准备框架（Preparedness Framework）中获得Critical级网络安全能力评级，安全风险等级与GPT-6 Astra相当。
这次发布为日常工作带来了更强的自动化能力，同时也引发了公众对如何管控高能力AI Agent的疑问。OpenAI表示，Terra采用与GPT-6.1 Sol、GPT-6 Astra相同的安全防护机制，并针对新模型更新了专属检测系统。
根据OpenAI发布的系统卡说明，Critical级覆盖的模型能力包括：可针对加固系统独立开发可运行的0Day漏洞利用程序，或实施全新的端到端攻击策略。这一评级描述的是能力层面的风险，并非指Terra本身存在已发现的安全漏洞。
Terra在ExploitBench基准测试中取得了97.10%的标准化能力得分，该测试主要评估模型利用已知漏洞详情、源代码和补丁开发漏洞利用程序的能力。但OpenAI提醒，由于训练数据包含历史漏洞信息，这一测试结果可能存在虚高。
新漏洞场景利用率24.5%，可靠攻击仍有门槛
OpenAI还针对近期披露的漏洞单独开展内部测试，结果更为保守。Terra在24.5%的测试场景中成功实现任意代码执行。这一成绩高于GPT-6.1 Sol的21.5%，但低于GPT-6 Astra的31.5%。OpenAI指出，尽管新模型的表现优于旧版本，但要实现稳定可靠的漏洞利用仍有不小难度。
GPT-6.1 Terra在计算机操作基准测试中表现优异（来源：OpenAI）
通用性能显著提升，推理更快使用成本更低
OpenAI在发布公告中提到，在中等推理强度设置下，Terra在Agents' Last Exam测试中的得分比GPT-5.6 Terra高出15个百分点，使用成本仅为后者的三分之一左右。它的任务完成速度比GPT-6 Astra、GPT-6.1 Sol快三倍以上。
在软件工程场景下，设置为最高推理强度时，Terra可完成50.3%的Terminal-Bench 4.0任务，高于此前GPT-5.6 Terra公布的21.5%。需要说明的是，这类测试衡量的是模型的命令行问题解决能力，并不代表模型可以安全处置真实环境中的安全事件。
OpenAI公布的数据显示，Terra的事实性错误率也有明显下降。在高难度提示词测试中，低推理强度设置下的错误率从53.6%降至16.7%。系统卡同时提醒，这类刻意设计的高难度测试结果，并不代表模型在日常生产环境中的实际错误率。
GPT-6.1 Terra视觉推理表现优于GPT-5.6 Terra（来源：OpenAI）
提示词注入风险仍存，已开放API及付费端接入
Terra的提示词注入测试采用OpenAI的GPT-Red方法，《网络安全新闻》此前在自动化AI红队相关报道中曾介绍过这一测试方案。测试覆盖两类场景：一是尝试覆盖模型受信任指令的攻击，二是隐藏在第三方内容中的恶意指令注入。
但亮眼的测试结果并不意味着风险完全消除。在一项未启用系统级控制的评估中，Terra在29.6%的测试轮次中绕过了环境限制的设计意图。包括ChatGPT锁定模式在内的现有防护机制，主要针对数据窃取路径做防御，无法拦截所有注入指令。
最高推理强度设置下，GPT-6.1 Terra错误率可降至4.3%（来源：OpenAI）
目前GPT-6.1 Terra已通过API开放，接口标识为gpt-6.1-terra，同时正逐步向ChatGPT Work、Codex的符合条件付费计划用户推送。API标准定价为：每百万输入token收费1美元，每百万缓存输入token收费0.05美元，每百万输出token收费5美元。API费用与ChatGPT订阅费用独立结算，开发者在规划高吞吐量自动化项目时可以精准核算成本。
下面就着重讲一讲这个模型
新模型GPT-6.1 Terra ，主打视觉推理、精准电脑操作以及更自然的写作能力 。相比上一代模型GPT-5.6 Terra，新模型在日常沟通和电脑任务方面进一步升级，可用于撰写提案、解读技术图纸、填写表单和编辑视频等工作。
GPT-6.1 Terra继续主打速度、能力与成本之间的平衡 。其标准API价格为每百万输入token收费1美元（约合人民币6.67元），每百万缓存输入token收费0.05美元（约合人民币0.33元），每百万输出token收费5美元（约合人民币33.35元），较GPT-5.6 Terra和GPT-6.1 Sol均低50% ，方便开发者将其用于读取发票、向会计软件录入信息等大批量自动化工作。
从模型定位来看，OpenAI的GPT-6和GPT-6.1系列包括Astra、Sol、Terra、Luna 等不同型号。GPT-6.1 Terra侧重速度、成本和日常任务执行，适合大规模调用 ；GPT-6 Astra是OpenAI能力最强的旗舰模型，面向高难度推理和复杂任务 ；GPT-6.1 Sol在相对更低价格下提供接近Astra的能力，适合复杂编程和推理任务 ；GPT-6 Luna则主打快速、高效的规模化日常工作。
在ChatGPT Work和Codex中，使用同样的额度，GPT-6.1 Terra能够完成比GPT-5.6 Terra、GPT-6.1 Sol和GPT-6 Astra更多的任务。
GPT-6.1 Terra现已面向ChatGPT Work和Codex中的所有Plus、Pro、Enterprise及Edu用户开放。
目前，在Artificial Analysis智力指数榜单上，GPT-6.1 Terra的得分为48分，较GPT-5.6 Terra提升6分 ，领先Grok 4.7（xhigh）和Mimo-V2.6-Pro 的47分，与GPT-6.1 Sol的52分成绩接近。
一、电脑操作得分提升15个百分点，部分任务表现追平GPT-6 Astra
OpenAI使用Agents' Last Exam（Agent终极考试基准）评估GPT-6.1 Terra的电脑操作能力。这项基准包含多种专业任务，例如将建筑图纸转换为3D模型，以及逐镜头审阅动画电影，为修复团队生成带时间码的记录。
在中等推理强度下，GPT-6.1 Terra的得分较GPT-5.6 Terra提高15个百分点，成本约为后者的三分之一。它的表现与GPT-6 Astra相当，每token价格仅为后者的十分之一。
在最高推理强度下，GPT-6.1 Terra的token使用效率超过Claude Opus 5.5的3倍，每token价格为后者的四分之一，单项任务成本约为后者的九分之一。GPT-6.1 Terra还具备更快的速度，其任务完成速度比GPT-6 Astra和GPT-6.1 Sol快3倍以上。
在视觉推理基准MMMU-Pro测试中，GPT-6.1 Terra在各档推理强度下表现均优于GPT-5.6 Terra。新模型以低得多的成本，取得了接近GPT-6 Astra和GPT-6.1 Sol的成绩。
OSWorld 2.1用于测试AI Agent操作桌面应用、完成多步骤任务的能力，例如根据技术图纸制作3D模型。在该基准的离线测试集中，GPT-6.1 Terra在中等推理强度下，便超过了GPT-5.6 Terra的最高得分，单项任务成本也明显更低。
二、高推理强度下事实错误率降至4.3%，编程任务解决率翻倍
OpenAI称，他们今年在减少模型幻觉和事实错误方面投入了大量工作。在其内部一项使用易诱发错误提示词的基准测试中，低推理强度下，GPT-6.1 Terra的错误率从GPT-5.6 Terra的53.6%降至16.7%，下降近37个百分点。
在最高推理强度下，GPT-6.1 Terra的错误率较上一代下降18个百分点，降至4.3%，接近GPT-6 Astra和GPT-6.1 Sol的水平。
编程方面，在Terminal-Bench 4.0中，GPT-6.1 Terra的任务解决率达到50.3%，较GPT-5.6 Terra 21.5%的成绩翻倍。该测试考察编程Agent通过命令行解决问题的能力，例如修复网页加载时出现的布局偏移。
不过，OpenAI称，对于最复杂的编程任务，GPT-6.1 Sol和GPT-6 Astra仍是更好的选择。
Terminal-Bench-Science 0.1则考察Agent使用代码完成科学研究任务的能力，例如追踪延时摄影视频中的细胞分裂。在最高推理强度下，GPT-6.1 Terra的得分超过GPT-6.1 Sol，且成本更低。GPT-6.1 Terra与Claude Opus 5.5的得分差距只有5个百分点，估算成本则不到后者的五分之一。
三、延续GPT-6系列对齐改进，加强任务边界与提示词注入防护
OpenAI称，在提升AI的效率和普及性的同时，他们也在持续训练、测试并完善防护措施。GPT-6.1 Terra在其"前沿风险防范框架"下，达到网络安全能力的Critical阈值，并保留了为GPT-6 Astra开发的防护措施。
GPT-6.1 Terra还继承了GPT-6系列的对齐改进。根据OpenAI的评估，相比GPT-5.6 Terra，新模型更能在用户授权的任务范围内行动，并如实向用户说明自身限制和可能阻碍任务完成的因素。
在提示词注入测试中，GPT-6.1 Terra对试图使其偏离用户任务的恶意指令，也展现出较强的抵抗能力。
结语：以更低成本推进电脑任务自动化
GPT-6.1 Terra重点提升视觉理解、电脑操作和事实准确性的同时，降低了完成任务所需的时间与成本。与GPT-6.1 Sol和GPT-6 Astra相比，该模型具备更高的性价比优势，但在复杂编程任务上仍存在一定差距。
对于需要反复读取信息、操作软件和录入数据的工作，更低的单项任务成本，有助于扩大电脑操作等Agent任务的应用范围。