OpenAI中端模型開打價格戰，「工具人」GPT-6.1 Terra上線

OpenAI CEO山姆·奧特曼。圖片經由AI處理

文｜蘇揚

編輯｜徐青陽

OpenAI又推出了一款主打性價比的模型。

美國當地時間10月26日，OpenAI發布中端模型的新版本GPT-6.1 Terra。相比上一代GPT-5.6 Terra，新模型重點提升了視覺理解、計算機操作、事實準確性和編程能力，標準API輸入、輸出價格均下降50%。

在OpenAI自己的測試中，Terra完成計算機操作任務的速度超過GPT-6 Astra和GPT-6.1 Sol的3倍，部分任務的表現已經接近旗艦模型。

這款模型面向日常辦公和高頻自動化任務，能夠識別螢幕內容，在多個應用之間執行操作，也能處理技術圖紙、填寫表單、編輯視頻等工作。

對於開發者來說，它的另一項吸引力是成本：每百萬輸入Token收費1美元，輸出Token收費5美元，緩存輸入Token則只需0.05美元。

不過，速度和價格的優勢並沒有讓所有體驗者滿意。第三方測試顯示，Terra生成視覺作品時，能夠以更低的成本完成複雜場景，但部分用戶仍然認為，它在畫面質感、設計審美和複雜任務處理上存在不足。

01 辦公自動化是主場

GPT-6.1 Terra的重點，是讓AI更快地完成一整套計算機操作任務。

AI助手可以根據用戶要求生成文字、代碼或操作建議，但當任務涉及多個軟體時，模型還需要理解介面、識別控件，再按步驟執行。OpenAI希望Terra進一步降低這類任務的執行成本，讓模型能夠承擔更多重複性的工作。

例如，企業可以讓它讀取收到的發票，將金額、日期和供應商等信息錄入會計軟體；也可以讓它理解建築技術圖紙，或者在桌面應用中完成一連串操作。

OpenAI的官方演示中，GPT-6.1 Terra直接操作Blender，從零開始搭建一輛黃色有軌電車的3D模型，逐步完成車身、車窗、車頂受電弓和底盤細節。

計算機操作基準測試Agents' Last Exam中，在中等推理模式下，GPT-6.1 Terra比GPT-5.6 Terra高出15個百分點，單項任務成本約為後者的三分之一。

與GPT-6 Astra相比，Terra的每Token價格約為其十分之一，任務表現則處於相近水平。

在最高推理模式下，OpenAI稱，Terra的Token使用效率超過Claude Opus 5.5的3倍，每Token價格約為後者的四分之一，最終單項任務成本約低90%。完成任務的速度也超過GPT-6 Astra和GPT-6.1 Sol的3倍。

你可以理解：當任務需要一定推理能力，但又不必動用最強模型時，速度和成本可能成為更重要的選擇依據，而這就是Terra這個檔位模型的"甜蜜點"。

不過，基準測試成績不能直接等同於所有實際工作中的效率。不同任務的步驟數量、工具調用方式和推理強度都會影響耗時，實際使用效果仍要看具體場景。

02 幻覺率下降，編程成績翻倍

除了計算機操作，Terra在事實準確性和編程方面也有明顯提升。

OpenAI使用內部設計的高錯誤誘發提示詞進行測試。在低推理模式下，GPT-5.6 Terra的事實錯誤率為53.6%，GPT-6.1 Terra降至16.7%，下降36.9個百分點。在最高推理模式下，新模型的錯誤率進一步降至4.3%，比前代低18個百分點，接近GPT-6 Astra和GPT-6.1 Sol的水平。

第三方評測機構Artificial Analysis也觀察到了類似變化。其自有的AA-Omniscience知識與幻覺基準測試顯示，當模型不知道問題答案時，GPT-6.1 Terra猜測答案的比例為38%，而GPT-5.6 Terra為88%。與此同時，新模型的準確率提高了2個百分點。

不過，這項結果來自特定測試集，不能直接推導出模型在所有實際場景中的錯誤率。

編程方面，Terra的提升同樣明顯。

在Terminal-Bench 4.0中，模型需要通過命令行完成軟體工程任務，例如修復網頁加載過程中出現的佈局錯位。在最高推理強度下，GPT-6.1 Terra的任務解決率達到50.3%，超過GPT-5.6 Terra此前公布的21.5%，增幅超過一倍。

Artificial Analysis發布的Coding Agent Index v2.0則給Terra打出48分，低於GPT-6.1 Sol的54分，但高於GPT-6 Luna的31分。該機構認為，Terra在低推理強度和超高推理強度設置下，具備較好的成本效率。

視覺理解測試MMMU-Pro和桌面操作測試OSWorld 2.1也顯示，Terra整體優於GPT-5.6 Terra。對於需要理解圖像、操作軟體並完成多步驟工作的用戶來說，這些能力可以相互配合。

但OpenAI也承認，對於最複雜的編程任務，GPT-6.1 Sol和GPT-6 Astra仍然是更合適的選擇。Terra的優勢主要集中在成本敏感、任務量大、操作流程相對明確的工作中。

03 真實的"買家秀"

從社交平台的反饋來看，開發者對Terra的評價有明顯分歧。

設計評測平台@DesignArena選擇了里斯本的貝倫塔作為測試對象，讓GPT-6.1 Terra和GPT-5.6 Terra在金色時段重現這座16世紀的石灰岩建築，並加入海鷗、帆船和遠處的大橋。

測試結果顯示，GPT-6.1 Terra花費的時間接近前代的4倍，使用的Token也多出48%。但由於單Token價格大幅降低，最終成本反而下降38%，從GPT-5.6 Terra的0.077美元降至0.047美元。

從實際的demo來看，兩款模型生成的畫面也有差異。

DesignArena認為，GPT-6.1 Terra還原出了更複雜的建築結構，包括層疊的拱形窗戶、穹頂轉角塔樓，以及塔霍河面上的陽光反射。生成頁面的尺寸大31%，每幀使用432個獨立部件，高於前代的323個。

相比之下，GPT-5.6 Terra雖然也生成了穹頂、陽台、帆船和海鷗，但建築形狀更加簡單，水面缺少明顯的光影變化，遠處的大橋也沒有呈現出同樣細緻的結構。

AI模型測試帳號@N1njaCodex對比了GPT-6.1 Terra和Claude Opus 5.5生成像素藝術風格羅馬競技場的表現。

兩款模型完成相同任務的花費分別為2.38美元和8.38美元。NinjaCodex認為，Terra以這樣的價格完成任務已經不錯，但Opus生成的競技場更明亮，畫面層次也更豐富，因此仍然更喜歡後者。

AI獨立開發者@YFeng2022也對Terra的視覺表現提出質疑。他認為，從視頻演示來看，模型生成的畫面存在塑料感，審美表現仍不理想，並認為其整體效果不如DeepSeek和Kimi近期發布的模型。

另一位模型追蹤帳號@Mr_Salio則對Terra的整體表現持負面態度。他認為，模型的速度雖然突出，但綜合體驗未達到預期，甚至認為GPT-5.6在部分測試中的表現更好。

04 當中端模型開始算帳

Terra發布後，圍繞它的討論很快延伸到模型市場的競爭。

AI開發者@NFT_Chen援引Artificial Analysis的智能指數數據強調，GPT-6.1 Terra在最高推理強度下獲得48分，高於多款中國模型。

儘管這不直接等同於產品競爭力，但它反映出一個現實：模型之間的競爭已經延伸到不同推理強度下的成本、速度和任務完成質量。

@NFT_Chen認為，如果用戶需要深度判斷、複雜架構設計和高質量創作，可以優先考慮Claude Opus 5.5；如果工作以明確規格的開發、文檔和終端操作為主，Sonnet 5.5也具備競爭力；而Terra更適合高頻辦公、跨應用操作以及對成本敏感的自動化任務。

這種選擇方式也與OpenAI對Terra的定位一致。官方明確建議，深入研究和複雜編程仍優先考慮GPT-6.1 Sol或GPT-6 Astra。Terra則希望用更低的價格覆蓋大量日常工作。

目前，GPT-6.1 Terra已向ChatGPT Work和Codex中的Plus、Pro、Enterprise及Edu用戶開放，開發者也可以通過OpenAI API調用。標準價格為每百萬輸入Token 1美元、快取輸入Token 0.05美元、輸出Token 5美元。

對於需要大量調用模型的企業和開發者而言，價格下降可以直接影響自動化項目的成本。但如果某項任務對視覺質量、複雜推理或代碼可靠性要求很高，模型仍然需要經過實際測試，而不能只看單Token價格。