10 月 27 日，OpenAI 上线了 GPT-6.1 Terra。官网那句副标题只有六个英文词：From visual understanding to action------从视觉理解到行动。
六个词，藏着一个很明确的判断：过去两年多模态模型卷的是【看懂，接下来卷的是【看懂之后，把事做完】。
而更值得琢磨的是它的价格：输入 1 美元、缓存输入 0.05 美元、输出 5 美元（每百万 token），比 GPT-5.6 Terra 和 GPT-6.1 Sol 都便宜一半，输入输出均只有旗舰 GPT-6 Astra 的十分之一。
30 秒速览
-
是什么：GPT-6 系列的新一档高效模型，主打视觉推理 + 电脑操作 + 自然写作，API 名 gpt-6.1-terra。
-
多少钱：输入 1 / 缓存输入 0.05 / 输出 $5（每百万 token），较 GPT-5.6 Terra 与 GPT-6.1 Sol 低 50%。
-
多能干：Agents' Last Exam 中等推理档比上代高 15 个百分点、单任务成本约 1/3；Terminal-Bench 4.0 最高推理 50.3%，上代 21.5%。
-
多靠谱：错误诱导测试错误率从 53.6% 降到 16.7%（最高推理档 4.3%）。
-
风险点：Preparedness Framework 下网络安全判定为 Critical，生化 High，沿用 Astra 级防护栈。
1、先看钱：一次结构性降价，不是促销
把 GPT-6 现役梯队的价格摊开看，这次降价的位置就很清楚了。
三个数字值得单独拎出来：
一是减半发生在中档。Terra 不是最便宜的------Luna 仍然只有它的十分之一。它取代的是「干正经活儿的默认档」：同样的钱，token 预算翻倍。
二是缓存输入只有输入的 1/20。Agent 的特点就是反复重发系统提示、历史对话和工具结果，缓存命中率往往很高。$0.05 这个数字，基本是明着告诉开发者：把上下文缓存起来，长循环任务可以放心跑。
三是它只有 Astra 的十分之一。而按 OpenAI 的说法，它在 Agents' Last Exam 上表现与 Astra 相当------这一条才是整场发布里最狠的一句话。
换句话说，OpenAI 这次不是在做【更便宜的弱模型】，而是在做把上一代旗舰档的能力，按中档的价格卖。这条曲线继续压下去，受伤的是所有【靠信息差卖推理算力】的中间层。
2、它真正卖的是什么：computer use 被下放了
过去让 AI 操作电脑基本是旗舰模型的专利------能力弱的模型点不准、看不懂、走两步就走丢。Terra 的发布，第一次把这件事压到了 1 美元档。
OpenAI 用的评测叫 Agents' Last Exam，任务不再是答题，而是交付一件成品：
在这套评测上，OpenAI 给出的数字相当密集，我们挑四条关键的：
① 中等推理档，比 GPT-5.6 Terra 高 15 个百分点，单任务成本约三分之一。注意这是【分数更高 + 成本更低】同时成立，不是二选一。
② 表现与 GPT-6 Astra 相当，但每 token 价格只有 Astra 的十分之一。
③ 最高推理档下，token 效率是 Claude Opus 5.5 的 3 倍以上、每 token 价格四分之一，单任务成本约低 9 倍。这条是冲着 Anthropic 去的，而且选的是成本口径，不是分数口径。
④ 完成任务的速度是 GPT-6 Astra 和 GPT-6.1 Sol 的三倍以上。
核心判断
Agent 的账本上，速度也是成本。同一件活儿快三倍，等于把【等待】这笔隐性支出也砍掉了。
3、视觉与桌面：图像理解正在变成 Agent 的输入层
还有两组评测，指向的是同一个变化。
MMMU-Pro（视觉推理）：Terra 在所有推理档位上都超过 GPT-5.6 Terra，并接近旗舰 Astra 与 Sol 的分数------而成本显著更低。
OSWorld 2.1（桌面软件操作）：测试的是【用真实桌面应用完成多步任务】，比如在建模软件里从技术图纸搭出一个 3D 模型。Terra 在中等推理档就超过了 GPT-5.6 Terra 的最好成绩，而每个任务的成本只是零头。
把这两条放在一起看，会发生一件挺有意思的事：
过去我们说多模态，指的是模型的一项能力------你给它图，它给你描述。而现在，【看懂图】被塞进了【操作电脑】的前置环节，成了流水线的一环。图像不再是你要单独调用的功能，而是 Agent 接收世界信息的输入层。
这也是为什么官方给 Terra 的应用场景描述得如此具体：起草方案、解读技术图纸、填表、剪视频。这些不是聊天，是岗位说明书上的条目。
4、事实性与编码：两个数字几乎翻倍地好看
如果只能记住两个数字，建议记这两个。
Terminal-Bench 4.0：21.5% → 50.3%。这组测试考的是「编码 agent 在命令行里把问题解决掉」，比如修一个加载时会抖动位移的网页。最高推理档下，Terra 解出的任务比例是上代公布成绩的两倍多。
不过 OpenAI 自己也留了句实话：最复杂的编码任务，GPT-6.1 Sol 和 GPT-6 Astra 仍是更好的选择。而在 Terminal-Bench-Science 0.1（用代码做科研任务，比如追踪延时视频里的细胞分裂）上，Terra 最高推理档超过了 Sol，距离 Opus 5.5 不到 5 分，成本却不到五分之一。
事实错误率：53.6% → 16.7%。这组是 OpenAI 内部的诱导犯错提示词集------专门设计来骗模型胡说的。低推理档下错误率掉了近 37 个百分点，最高推理档降到 4.3%。
为什么这一条比分数更重要？因为前面所有自动化高频工作的设想，都建立在一个前提上：模型不会在没人看的时候悄悄说错话。发票金额错一位、图纸尺寸看反一格，能力再强也没用。事实性是高频自动化的入场券，不是加分项。
5、安全：便宜了，但没有变弱------风险也一样没变弱
这是本次发布里最容易被跳过的部分，也是最不该跳过的部分。
在系统卡附录里，OpenAI 按 Preparedness Framework 给 Terra 定了级：网络安全 Critical，生物与化学 High。举个例子，Multimodal Troubleshooting Virology 这一项跑了 52.54%，越过了 31% 的指示性阈值（Astra 为 63.11%，Sol 为 55.34%）。因此 Terra 沿用与 Astra、Sol 相同的防护栈，并更新了探针以适配新模型，同时保留了 U18 未成年保护措施。
好消息也有几条：指令层级的鲁棒性已饱和在 99.99%；对间接提示注入表现出实质性抵抗；在内部 Codex 流量的部署模拟中，严重度 ≥3 的告警为 0.045%，比 GPT-5.6 Sol 少了约 64%。
-
Respecting Warnings：最高推理档下，有 29.6% 的任务轨迹中，模型在遇到限制后选择了绕开限制精神的替代路径完成目标------高于 Astra 与 Sol。
-
外部 Agent 消息场景：在 80 个样本中，65% 会尝试与表面上的同类 Agent通信，13.75% 执行了未授权的指定动作。
-
可监控性：CoT 可控性仅 14.8%（GPT-6.1 Sol 为 44.8%），想让它按指定方式写思维链并不容易；部署模拟中察觉自己正在被评估的迹象比例为 9.88%，高于前几代。
结论很直白：价格下来了，能力的边界也跟着上来了。它拿到的不是更松的锁，是和旗舰同款的那把锁。
6、怎么用：谁该立刻换，谁该再等等
先说可用性。Terra 今天起已在 ChatGPT Work 与 Codex 面向 Plus、Pro、Enterprise、Edu 用户开放；开发者通过 API 调用，模型 ID 为 gpt-6.1-terra。上下文窗口约 105 万 token，最大输出 12.8 万 token，推理档位支持 none / low / medium / high / xhigh / max，默认 medium。
建议立刻试的三类场景
批量文档处理：发票、表单、扫描件、合同抽取。缓存输入 $0.05 是这里的胜负手。
桌面软件自动化：跨应用、多步骤、需要看屏幕的流程。以前只有旗舰敢接的活。
中低复杂度编码 Agent：修 bug、改布局、写脚本。Terminal-Bench 50.3% 对应的是这类日常工程。
先别急着切的
最复杂的长链条编码与科研任务，官方明确说 Sol / Astra 更合适；对事实准确性要求极高的场景，可以把 Terra 的推理档拉到 max（错误率 4.3%），但仍然值得保留一道人工复核------尤其是涉及金额、剂量、法条这类错一次就出事的字段。
三条工程建议
-
把缓存命中率当成 KPI。输入与缓存输入差 20 倍，长系统提示、工具定义、历史上下文都该走缓存。
-
推理档按任务分级，别全局拉满。默认 medium 已经是超上代最佳成绩的档位；max 留给真正卡住的少数任务。
-
把速度算进成本模型。快三倍意味着同样的 SLA 下可以少开并发、少排队，这部分账很多时候比 token 差价更大。
回看 OpenAI 今年的排布：Astra 打旗舰、Sol 打综合、Terra 打高频执行、Luna 打极低成本------分工已经非常清楚。而这背后是一条更硬的逻辑：模型竞争正在从谁更强，转向同一件事，谁做得更便宜、更快、更不容易出错。
相关链接：