GPT-6.1 Terra 骨折价上线，电脑操作反超 Astra，价格只要 1/10

OpenAI 的「中杯」，这次还真有点东西。

先看一段 OpenAI 的官方演示。

用户发过去一张里斯本老城的街景照，画面里停着一辆黄色老式电车，交代的任务只有一句：照着这辆车，做一个够精细的 3D 模型，拿去生产合金玩具车。

接下来，模型自己打开了 3D 建模软件，车身、车窗、底盘，一个部件接一个部件往上拼，最后交出一辆完整的电车模型。视频角落标着：按真实速度播放，只省略了部分片段。

干这活的，是 OpenAI 10 月 27 日凌晨发布的新模型 GPT-6.1 Terra。

它是 OpenAI 这一代模型里的「中杯」，主打又快又便宜：标准 API 价格比 GPT-6.1 Sol 便宜一半，只有旗舰 GPT-6 Astra 的十分之一。可一到操作电脑的活上，它能和 Astra 打个平手；推理强度开满，还能小幅反超。

这个迟到的中杯，这次还真有点东西。

对会员用户来说，更实在的一点是：同一份 Plus 额度，换 Terra 来跑，能干的活是 Sol 的两倍。

迟到的「中杯」，终于补上了

这次发布，和 Codex 负责人、重置之神 Tibo 的一个约定有关。

他给自己定了 28 天的期限：每天至少兑现一样，要么上线一个新改进，要么把所有人的额度重置一遍。10 月 27 日轮到第 22 天，大家没等来额度刷新，等来的是一个新模型。

重置之神 Tibo 在发布帖里给它的评价很高：在写作、性格，以及揣摩用户真实意图这几方面，Terra 是他们第一个有明显进步的模型；综合实力很能打，操作电脑尤其拿手。

Sam Altman 也发帖表示，Terra 的改进很多，但他们最兴奋的，是它带来的电脑操作新阶段。

OpenAI 现在按天体给模型起名，个头从大到小排：Astra 是星系，Sol 是太阳，Terra 是地球，Luna 是月亮。

9 月 GPT-6 这一代上线时，Astra、Sol 和 Luna 都先后露了面，偏偏中间那档 Terra 迟迟没来。6.1 版本把它补上，四个尺寸这才凑齐。

四款各有各的分工。OpenAI 给 Terra 的定位很清楚：一款为高频工作准备的高效模型，能力够全面，价格压得够低，好让更多企业和开发者用得起 AI Agent，真正把它接进每天的工作流程。

说白了，它就是 Agent 时代的「打工模型」。

看得懂屏幕，也上得了手

Terra 这次最大的看点，是把「看懂」和「动手」连在了一起。

过去的模型读图、看文档都不成问题，可要它亲手操作电脑，在好几个软件之间切来切去把事办完，对模型能力和推理开销的要求都不低。到了 Terra 这里，能接的活明显多了：看技术图纸、填表格、剪视频，再到操作各种桌面软件，都能上手。

官方举的几个例子都很具体：照着建筑设计图建出 3D 模型；一帧帧检查动画片，给修复团队列出带时间码的镜头清单；公司收到发票，让它把信息读出来，自动填进财务软件。

专业软件实战：和旗舰打平

要衡量这种本事，有个专门的评测叫 Agents’ Last Exam，出的题就是上面这类拿专业软件干的实活。Terra 在这里交出的成绩相当亮眼：

• 57.6% 中档得分（与 Astra 持平）
• 60.0% 满档得分（反超 Astra）
• $0.29 中档单任务（Astra 要 $4.82）

中档推理：得分 57.6%，跟 Astra 完全持平。单个任务花 0.29 美元，同档的 Astra 要 4.82 美元。

最高档推理：得分 60.0%，反超 Astra（59.3%）和 Sol（58.6%），单个任务只要 1.01 美元。

对比上一代：同样开中档，比 GPT-5.6 Terra 高出 15 个百分点，单个任务的花费只剩原来的三分之一左右。

目前在这项评测里拿最高分的是 Claude Opus 5.5（63.2%），不过它跑一个任务得花 8.82 美元，大约是满档 Terra 的 9 倍。OpenAI 还算了另一笔账：同样开到最高推理强度，Terra 用 Token 的效率是 Opus 5.5 的 3 倍多，Token 单价只有它的四分之一，做同一类任务，总成本低了大约 9 倍。

速度：快出 3 倍

速度同样是它的强项。官方数据显示，完成同样的任务，Terra 比 Astra 和 Sol 快 3 倍以上。有开发者晒出实测：单次请求每秒能吐出 450 个 Token；还有说法称把推理强度调低，能冲到每秒 600 个，不过这个数字还没被证实。

桌面操作和看图：专门测桌面软件操作的 OSWorld 2.1 上，Terra 只开中档推理，成绩就盖过了上一代 Terra 开满档的水平，每次任务的花销还低了一大截。

看图推理的 MMMU-Pro 测试里，它在每一档推理强度上都赢了上一代，成绩逼近 Astra 和 Sol，花的钱却少得多。

第三方榜单：性价比卡在最优线上

第三方机构 Artificial Analysis 的综合智能榜上，Terra 拿了 48 分，比 Sol 少 4 分；放到中国的开放权重模型里，只有 Kimi K3.1 Pro（55 分）比它高。

要是按性价比来看，Terra 开低档和中档时，正好卡在「花多少钱、拿多少分」的最优边界上：预算一样，没有哪个模型的分数能超过它。

三组实测：又快又省是真的

跑分之外，也有人拿真活做了对比。

案例 1 · 贝伦塔：做得更细，反倒更便宜

DesignArena 让新旧两代 Terra 还原夕阳下的里斯本贝伦塔。6.1 版本做出的建筑细节和水面光影明显更细腻；它花的时间差不多是上一代的 4 倍，Token 也多烧了 48%，可单次成本反倒从 0.077 美元降到了 0.047 美元。

案例 2 · 8 个 Agent 做游戏：6 分钟收工

atomic.chat 给两个模型同一段提示词，各派 8 个 Agent 去开发一款游戏。Terra 6 分钟就收了工，花费 1.06 美元；Claude Sonnet 5.5 用了将近一小时、18.10 美元。论成品，Sonnet 做出来的游戏确实更精致，但花的钱是 Terra 的十几倍。

案例 3 · 照片做 3D 电车：Terra 先交卷

还有博主顺着官方演示，在 Codex 里把同一张电车照片分别发给 Terra 和 Sol，让它们借助 Three.js 这个网页 3D 库，各做一个能在浏览器里转着看的电车模型。

Terra 40 秒就交了卷，结果第一次打开是一片白屏；把报错贴回去，它又花 14 秒修好了。Sol 用了 3 分半，一次跑通，还额外附上了铁轨、一张配色卡，外加 4 个预设视角。

那位博主的结论很实在：

「一分钟交出一个能看的初稿，Terra 够用了；想要更精细，还得是 Sol。」

放到难度最高的任务上，从现有的测试看，Claude Opus 5.5 交出的最终成品目前还是更胜一筹。不过 Terra 胜在便宜、出活快，自有它的用武之地。毕竟，现实中有大量工作只需要 AI 把事情做完，并不值得每次都请出最贵的旗舰模型。

更少胡编，代码能力翻倍

电脑操作之外，Terra 在「说得准」和「写得对」这两件事上也有明显进步。

• 16.7% 事实错误率（上一代 53.6%）
• 38% 幻觉率（上一代 88%）
• 50.3% 命令行编程（上一代 21.5%）

事实错误：少了一大截

OpenAI 说，今年一直把模型胡编、事实出错当成重点问题来治。在他们自己设计的一套高难度事实测试里，上一代 Terra 开低档推理，回答里出错的比例高达 53.6%；新 Terra 压到了 16.7%，少了 36.9 个百分点。推理强度开到最高，错误率更是只剩 4.3%，和 Astra、Sol 基本在一个水平。

另一个值得留意的指标是幻觉率，也就是模型明明不知道答案，却硬着头皮瞎猜的比例。上一代 Terra 是 88%，新版只有 38%，Claude Opus 5.5、Astra 和 Sol 的幻觉率都比它高。

对 Agent 来说，这一点格外要紧。要经手合同、技术文档、公司内部数据的时候，能把任务做完只是起点，整个过程能不能一直不出错，才决定了人敢不敢把更多工作放手交给它。

写代码：成绩翻倍

编程方面的进步更大。专门考命令行编程的 Terminal-Bench 4.0 上，Terra 开最高档推理，解决了 50.3% 的任务；上一代 Terra 公开的成绩只有 21.5%，一下子翻了一倍还多。

偏科研方向的 Terminal-Bench-Science 0.1 里，题目包括写代码分析延时摄影中的细胞分裂这类研究任务，Terra 甚至赢过了定位比它高的 6.1 Sol。按 OpenAI 的说法，它和 Claude Opus 5.5 的差距不到 5 个百分点，按估算花的钱还不到对方的五分之一。

当然，OpenAI 自己也把话说在前头：真正复杂的软件工程、深度研究类任务，还是交给 6.1 Sol 和 GPT-6 Astra 更合适。

门槛：谁能用、去哪用、怎么选

💡 划重点：Terra 不在 ChatGPT 的普通聊天模式里，只能在 ChatGPT Work 和 Codex 里用。

这两个入口已经开始推送。免费版和 Go 用户暂时用不了，其余付费用户，包括 Plus、Pro、企业版和教育版都能用：进到 Work 或 Codex 里，在模型下拉菜单中选 GPT-6.1 Terra 就行。在命令行里跑 Codex 的，先把它升级到最新版，再在启动命令后面加上 -m gpt-6.1-terra。

额度是大家最关心的。官方的说法是：同样的额度，用 Terra 能完成的任务比上一代 Terra 多；要是跟 Sol、Astra 比，省额度的效果就更明显了。按重置之神 Tibo 的说法，订阅里 Terra 的可用量是 6.1 Sol 的两倍，Plus 用户换成它，等于同一份额度能多干一倍的活。

四款模型各接什么活，OpenAI 给了官方建议，和 API 价格一起整理在下面：

注：API 价格单位为美元，按每百万 Token 计。

开发者也可以直接调用 API，模型名是 gpt-6.1-terra。它的标准价比 GPT-5.6 Terra 和 6.1 Sol 便宜一半，输入、输出单价都只有 Astra 的十分之一。

写在最后

官宣帖底下，讨论最热闹的反倒不是 Terra 本身。有网友直接表示不买账：他们想要的是一个比 Claude Opus 5.5 更强的模型，快和便宜根本无所谓。重置之神 Tibo 的帖子下面，也有人一直追问：GPT-6.1 Astra 去哪了？

这款原本排在 10 月发布的旗舰升级版，在安全测试里被发现比上一代更爱说谎，OpenAI 只好先把它压了下来。

安全这件事，Terra 本身也没放松：它直接沿用了 GPT-6 Astra 那一套防护措施；对齐方面也吃到了 GPT-6 系列的改进，更守用户授权的边界，会主动讲清自己能力的局限，也更扛得住恶意提示词注入。

回头看 OpenAI 今年这一路：Astra 冲最强，Sol 管综合，Terra 主攻高效执行，几款模型之间的分工越分越清楚。

Agent 正在加快走进真实的工作场景，模型之间比的也不再只是谁的跑分高，而是同一件活要花多少钱、耗多少时间，能不能稳定可靠地一直做对。

以前，企业想让 AI 批量处理办公任务，总得在能力、速度、成本之间来回取舍。Terra 让这种取舍没那么疼了：一个看得懂屏幕、会操作软件、能读复杂文档的模型，能力摸到了旗舰的边，Token 成本却只要十分之一，Agent 才真正有条件从少数高价值任务，铺开到大量的日常工作里。

对于 OpenAI 来说，让越来越强的 AI 变得越来越便宜，将与发布下一款最强模型同样重要。

落到我们普通用户身上也是好事：同样一份会员额度，能放心交给 AI 去干的活，越来越多了。

本文首发于微信公众号「深潜Ai实验室」。