OpenAI于10月26日(美国时间)正式推出GPT-6.1 Terra,一款定位在“高性能”与“低成本”之间寻找新平衡点的中等规模模型。
它没有去争夺最前沿的推理王座,而是将重点放在了企业日常工作中最大量的电脑操作、视觉理解和流程自动化上,并以此来重新定义性价比的边界。
一次定位清晰的“降维”发布:不争最强,只求最划算
GPT-6.1 Terra的定位在OpenAI的产品序列中非常明确。它取代的是GPT-5.6 Terra,位于Sol和Astra之下、Luna之上,是一款面向高频、重复性专业工作的中等规模模型。OpenAI对它的描述是“快速、高效”,核心任务是处理那些“填满工作日”的电脑操作类工作,例如撰写提案、解读技术图纸、填写表格以及编辑视频。
这一定位的商业意图直接体现在定价上。GPT-6.1 Terra的标准API价格为每100万输入token 1美元、每100万输出token 5美元,缓存输入token的价格低至0.05美元。这一价格是GPT-5.6 Terra和GPT-6.1 Sol的一半。如果与OpenAI自家的旗舰模型GPT-6 Astra相比,差距更为悬殊:Astra的定价为每100万输入token 10美元、输出50美元,Terra的价格仅为其十分之一。这意味着,对于那些需要大规模部署自动化流程、对单次调用成本极度敏感的企业而言,Terra提供了一条在可接受成本内将任务规模化的路径。
核心能力拆解:视觉理解、电脑操作与“不犯错”
Terra的能力提升集中在三个对企业自动化至关重要的方向上。
首先是电脑操作与视觉推理的融合。在Agents‘ Last Exam这一衡量专业工作任务的基准中,Terra展现了从“看懂”到“动手”的完整能力。测试任务包括将建筑图纸转化为3D模型,以及逐帧分析动画电影并生成带时间码的修复日志。在中等推理强度下,Terra的得分比前代GPT-5.6 Terra高出15个百分点,而单任务成本仅为其三分之一;其表现甚至与旗舰模型Astra持平,但每token价格仅为后者的十分之一。在专门测试桌面软件多步骤操作能力的OSWorld 2.1基准中,Terra在中等推理强度下的表现就已超过了GPT-5.6 Terra此前的最佳成绩,且成本更低。

其次是事实准确性的显著改善。OpenAI为降低自动化流程中的错误率投入了大量工作。在其内部一套专门诱发错误的提示词测试中,Terra在低推理强度下的事实错误率从前代的53.6%骤降至16.7%,下降了近37个百分点;在最高推理强度下,错误率进一步降至4.3%,已接近Astra和Sol的水平。对于需要将模型输出直接接入业务系统的企业自动化场景而言,错误率的降低直接关系到流程的可靠性与维护成本。

图片来自OpenAI官网
第三是编程能力的补强。在测试命令行编程智能体能力的Terminal-Bench 4.0中,Terra在最高推理强度下解决了50.3%的任务,成功率是前代21.5%的两倍以上。不过,OpenAI也明确表示,对于最复杂的编程工作,仍推荐使用Sol或Astra。这进一步印证了Terra的定位:它要解决的是“大量、重复、流程化”的编程与操作任务,而非对前沿推理能力要求最高的场景。
此外,Terra提供了1.05M tokens的上下文窗口和最高128K的输出token上限,与前代保持一致,并非本次更新的重点。它向ChatGPT的Plus、Pro、Enterprise和Edu用户开放,并可通过gpt-6.1-terra这一模型标识调用API。
速度与成本的组合拳:瞄准Claude Opus 5.5的“效率差”
OpenAI在发布中多次将Terra与Anthropic的Claude Opus 5.5进行对比,落点不在绝对的分数高低,而在完成同等任务所需的时间与成本。在Agents’ Last Exam的最高推理强度下,Terra完成任务的token效率是Claude Opus 5.5的三倍以上,每token价格仅为后者的四分之一,最终折算下来,每项任务的成本约为Opus 5.5的九分之一。在速度上,Terra完成任务的速度是GPT-6 Astra和GPT-6.1 Sol的三倍以上。

图片来自OpenAI官网
这组对比的意图很清晰:对于企业自动化而言,一个在特定基准上分数略低、但速度更快、成本低一个数量级的模型,往往比一个分数顶尖但价格昂贵的模型更具实际部署价值。Terra的竞争力不在于“最强”,而在于在“足够好”的能力水平上,提供了竞争对手难以匹配的单位任务经济性。
安全评估:能力升级伴随的风险分级
能力的提升也对应着安全评估结果的更新。根据OpenAI的Preparedness Framework,GPT-6.1 Terra在网络安全领域被评定为“关键”(Critical)级别,在生物和化学能力领域被评定为“高”(High)级别。这一评级与GPT-6.1 Sol和GPT-6 Astra相同,因此Terra沿用了为Astra开发的整套防护措施。
OpenAI同时表示,Terra在遵守任务范围、向用户说明自身局限和潜在障碍方面,较GPT-5.6 Terra有所改善,并且对提示词注入攻击的抵抗能力也有所增强。对于一款将被大量用于自动化操作、能够直接与桌面软件和业务系统交互的模型而言,这些行为层面的安全属性与基准分数同样重要。
Terra的出现,让“中等模型”的竞争进入了新阶段
GPT-6.1 Terra的发布,标志着OpenAI产品策略的一次务实调整。在GPT-6 Astra因安全测试未通过而推迟发布的背景下,Terra以一个能力“足够好”、成本“足够低”的姿态先行落地,优先解决了企业自动化中最紧迫的规模化成本问题。
它的竞争对手并非其他旗舰模型,而是企业自建流程的人力成本、其他厂商中等模型的使用成本,以及因模型错误而不得不投入的返工与校验成本。Terra用一半的价格、大幅降低的错误率和数倍于旗舰模型的速度,为“AI智能体接管重复性电脑工作”这一叙事,提供了一个在财务上更容易被企业接受的算式。
(素材来自:OpenAI 智算芯能前沿网综合)
本文由智算芯能前沿网编辑整理,转载请注明出处。
