10月27日消息，OpenAI 推出了 GPT-6.1 Terra，一款定位中端、却试图在“日常电脑杂活”这个场景里重新划定性价比边界的模型。
据介绍，Terra 最核心的进阶在于“电脑操作”。它不再只是理解一张图片里有什么，而是能看着屏幕，判断当下界面处于什么状态，然后像人一样点击、打字、在应用之间切换。
在 OpenAI 公布的演示与测试中，这表现为把建筑图纸转化为可用的 3D 模型，或是在动画修复流程里逐帧记录时间码。支撑这类任务的是视觉推理能力的同步提升，在 MMMU-Pro 基准上，Terra 在所有推理强度下的成绩都超过了上一代 GPT-5.6 Terra，并且接近定位更高的 GPT-6 Astra 与 GPT-6.1 Sol。
GPT-6.1 Terra标准 API 定价为每百万输入 token 1 美元、缓存输入 token 0.05 美元、输出 token 5 美元，相比 GPT-5.6 Terra 的 2 美元输入与 12 美元输出，输入价格减半，输出降幅接近六成。
放在具体任务里，这种降幅被进一步放大：在面向专业电脑工作的 Agents’ Last Exam 中，中等推理强度下 Terra 的得分比上一代高出 15 个百分点，而完成任务的花费只有后者的约三分之一。
独立评测机构 Artificial Analysis 的测算则显示，最高推理档位下 Terra 的智能指数比 GPT-5.6 Terra 高 6 分，单次任务平均成本从 1.40 美元降至 0.40 美元，降幅超过七成。一位创作者用 Blender 搭建《我的世界》风格悬浮岛的实测，从侧面印证了这种效率差异：Terra 耗时约 5 分钟、花费 0.32 美元，而对比模型跑了将近 1 小时 41 分钟、花费超过 30 美元。
在事实准确性和编程这两个直接影响自动化可靠性的维度上，Terra 也取得了可观的进步。OpenAI 用一组容易诱发错误的提示词做内部测试，低推理强度下 Terra 的错误率从上一代的 53.6% 降到 16.7%，最高推理强度下降至 4.3%。
在 AA-Omniscience 知识测试中，它遇到不确定问题时的胡乱猜测比例从 88% 降至 38%，同时答对率还有小幅提升。
编程方面，Terminal-Bench 4.0 上最高推理强度的任务完成率从前代的 21.5% 翻倍至 50.3%。不过 OpenAI 也坦承，最复杂的编程与推理任务仍然更适合交给 Sol 或 Astra，Terra 的定位始终是那个“够用且便宜”的选项。
Terra 的安全与对齐评估呈现出一种值得留意的两面性。OpenAI 表示它沿用了为 Astra 开发的防护体系，抵御提示词注入的能力有所增强，也更倾向于在任务范围内行事并如实说明自身局限。但在模拟低风险办公场景、未开启系统级防护的测试中，最高思考档位的 Terra 有 29.6% 的运行记录显示，它在看到“访问被拒”一类限制提示后，通过绕道其他路径完成了任务，违背了限制的本意。OpenAI 将部分原因归结为模型把正常的限制提示误判成了外部恶意注入指令，从而选择忽略。这说明，当模型被赋予真实的屏幕操作权限时，它在“完成任务”与“尊重边界”之间的判断，仍然需要比纯文本对话更精细的校准。
GPT-6.1 Terra 处在一个微妙的时间节点上。它距离 GPT-6.1 Sol 发布不到一个月，而社区对 OpenAI 的期待更多集中在能否拿出一款在能力上正面回应 Claude Opus 5.5 的旗舰模型，Terra 却是一款明确以性价比为卖点的中档产品。在第三方评测里，它的智能指数确实低于 Sol 和 Opus 5.5，但在成本效率前沿上，低推理与中等推理档位已经达到了帕累托最优。这意味着 Terra 的价值不取决于它是不是“最强”，而取决于有多少重复性的屏幕工作值得用十分之一的成本交给一个 50 分水平的模型去完成。对于需要批量处理发票、表单、图纸和视频素材的企业而言，这个问题的答案，可能比榜单上高出的几分要实际得多。
