每任务成本只有 Claude Opus 5.5 的九分之一：OpenAI 用 GPT-6.1 Terra 打“自动化成本战”

企业采购 AI 的时候，最常问的一句话不是“它有多强”，而是“跑一次多少钱”。过去一年，模型能力的差距在缩小，价格和速度的差距却在拉大。OpenAI 今天凌晨给出的答案，是一台叫 GPT-6.1 Terra 的“经济型选手”：官方说，完成每项任务的成本，只有 Claude Opus 5.5 的约九分之一。

一分钟速览

• GPT-6.1 Terra 主打低成本复杂电脑操作，擅长视觉推理与桌面软件自动化。
• 中等推理强度下，Agents’ Last Exam 得分比 GPT-5.6 Terra 高 15 个百分点，成本约为后者三分之一。
• 每个 Token 价格约为 GPT-6 Astra 的十分之一，执行速度是 Astra 与 GPT-6.1 Sol 的 3 倍以上。
• 低推理强度下错误率 16.7%，远低于前代的 53.6%；最高档降到 4.3%。
• API 定价：每百万输入 Token 1 美元，缓存输入 0.05 美元，输出 5 美元。

它想替代的不是“最强模型”，而是“重复劳动”

Terra 的定位很明确：不是去抢奥数金牌，而是去处理发票、读技术图纸、把建筑图纸建成三维模型、逐个记录电影镜头供修复团队使用。这些活的共同点是——单次任务价值不高，但量大、步骤多、需要看图、需要点鼠标。用最贵的模型干这些，账算不过来。

OpenAI 给出的对比很直接：在 Agents’ Last Exam 这个考察复杂专业工作的基准上，中等推理强度的 Terra 比 GPT-5.6 Terra 高 15 个百分点，成本却只有约三分之一；和 GPT-6 Astra 相比，成绩不相上下，每个 Token 的价格只有约十分之一。速度上，Terra 的任务执行速度是 Astra 和 Sol 的 3 倍以上。对需要批量跑任务的团队来说，“三倍速度 + 十分之一单价”比“榜单第一”更有吸引力。

桌面自动化，是这次真正的进步

OSWorld 2.1 用多步骤操作任务测试模型使用桌面应用的能力。中等推理强度下，Terra 超过了 GPT-5.6 Terra 此前的最佳成绩，且每个任务的成本明显更低。视觉推理基准 MMMU-Pro 上，Terra 在所有推理强度下的成绩都超过前代，接近 Astra 与 Sol 的水平。

这两项能力叠在一起，指向的是同一类场景：让 AI 看屏幕、理解界面、按步骤操作。过去这类任务最怕两件事——看错图、点错地方。Terra 的改进方向就是降低这两类错误的发生率。

把“别胡说”做成了卖点

自动化流程最怕的不是模型不会，而是模型自信地做错。OpenAI 用一套内部基准测试专门检验回答里的薄弱环节，结果相当扎眼：低推理强度下，Terra 的错误率是 16.7%，GPT-5.6 Terra 是 53.6%，一口气降了 36.9 个百分点；把推理强度拉到最高档，Terra 的错误率进一步降到 4.3%，比上一代低 18 个百分点，已经接近 Astra 和 Sol。

编程能力也有明显提升。Terminal-Bench 4.0 通过命令行任务测试 AI 编程智能体，例如修复网页加载时的布局偏移。最高推理强度下，Terra 完成了 50.3% 的测试任务，前代只有 21.5%，成功率翻了一倍多。不过 OpenAI 也承认，最难的那批编程任务，还是应该交给 GPT-6.1 Sol 或 GPT-6 Astra。

价格表背后，是一场成本战

Terra 的 API 标准定价是：每百万输入 Token 1 美元，每百万缓存输入 Token 0.05 美元，每百万输出 Token 5 美元。OpenAI 称，这比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。结合“每任务成本为 Claude Opus 5.5 的九分之一”这句话，指向的竞争对象很清楚——企业级自动化市场。

这个市场的逻辑和聊天机器人不同。聊天机器人按人头订阅，用户越多越赚钱；自动化按任务计费，单任务成本直接决定项目能不能立项。一个每天要处理十万张发票的财务部门，模型贵一倍，项目就黄了。Terra 的定价，是在把“AI 自动化”从试点预算拉进运营预算。

安全与边界

Terra 沿用了 GPT-6 Astra 的防护措施，OpenAI 称其抵御提示词注入攻击的能力有所增强，也能更清楚地说明自身局限。按照准备框架评估，Terra 的网络安全能力等级较低——这既是安全考量，也意味着它不适合承担高风险的攻防类任务。

从今天起，Terra 向 Plus、Pro、Enterprise、Edu 用户开放，可在 ChatGPT Work 和 Codex 中使用；开发者通过 API 调用，模型标识为 gpt-6.1-terra。

趋势洞察

第一，模型家族开始分层。Astra 负责“最难的那 5%”，Sol 负责“专业编程”，Terra 负责“量大管饱的 80%”。同一个公司用不同价位的模型组合成流水线，会比全部押注旗舰模型更省钱。这也是 OpenAI 第一次把“便宜”讲得比“聪明”更响。

第二，竞争维度从能力转向“每任务成本”。当基准分数咬得很紧时，采购部门看的就是单价、速度和错误率。Terra 把这三项同时摆上桌，等于把压力丢给了对手。

第三，桌面自动化可能是下一个爆发点。过去 RPA 需要写脚本、维护选择器，界面一改就崩；视觉模型加推理能力，让“看着屏幕干活”变得可行。一旦单任务成本降到几美分，大量重复性白领工作会被重新审计。

结语

GPT-6.1 Terra 不是那种让人惊呼“AI 又进化了”的模型。它更像一台调校过的商用发动机：不追求最高转速，追求每公里油费。对绝大多数企业来说，决定 AI 能不能规模落地的，从来不是榜单第一名，而是这张账单。

参考链接：OpenAI 官方发布页