AI速递|GPT-6.1 Terra:价格砍半,能力对标旗舰

“摘要：OpenAI发布GPT-6.1 Terra，API价格再降50%，电脑操作能力比肩旗舰模型，Agent时代成本门槛下探。

10 月 26 日（当地时间），OpenAI 发布 GPT-6.1 Terra。这是个中端效率模型，主打视觉理解、电脑操作和自然写作，官方定位是"快速高效"。

它同时做了两件事：把价格往下压，同时把能力往上抬。

标准 API 定价为输入 1 美元、输出 5 美元、缓存输入 0.05 美元（每百万 Token）。 相比上一代 GPT-5.6 Terra 降 50%，相比同系列旗舰 GPT-6.1 Sol 也降 50%。相比旗舰 GPT-6 Astra，它的输入输出单价都是十分之一。

发布时间点也值得留意——就在 Anthropic 向美国证券交易委员会递交 IPO 注册文件的同一天。

先把价格表摆在一起看：

| 模型 | 输入（每百万Token） | 输出（每百万Token） |

|------|------------------|------------------|

| GPT-5.6 Terra | 2 美元 | 10 美元 |

| GPT-6.1 Terra | 1 美元 | 5 美元 |

| GPT-6.1 Sol | 2 美元 | 10 美元 |

| GPT-6 Astra | 10 美元 | 50 美元 |

更关键的是单任务成本这个口径，因为它才是企业真正付的钱。在 Agents' Last Exam 基准上，Terra 单任务成本约 0.29 美元，而 GPT-5.6 Terra 是 0.84 美元——大约三分之一的花费。

按满推理档算，Terra 在同一基准上单任务成本 0.29 美元，GPT-6 Astra 做同等任务需要 4.82 美元，接近十六分之一的差距。

另有官方对比提到，相比 Claude Opus 5.5，Terra 的 Token 效率超过 3 倍，单任务成本约为其九分之一。

Agents' Last Exam 专门考察 AI 能否使用专业软件完成复杂工作，比如把建筑图纸做成 3D 模型、逐镜头审看动画、生成带时间码的修复日志。

- 中等推理档：57.6%，每任务 0.29 美元；上一代 GPT-5.6 Terra 是 42.6%、每任务 0.84 美元

- 满推理档：60.0，超过 GPT-6.1 Sol（58.6）和 GPT-6 Astra（57.6）

编程侧的 Terminal-Bench 4.0 同样明显：Terra 在满推理档解决率 50.3%，上一代是 21.5%，翻了一倍多。不过 OpenAI 也明确说明，最复杂的编程任务仍更适合用 GPT-6.1 Sol 或 GPT-6 Astra，Sol 在该基准上是 55.9%。

规格上，Terra 上下文窗口 105 万 Token，最大输出 12.8 万 Token，知识截止到 2026 年 6 月 1 日。官方称其完成任务的速度比 GPT-6 Astra 和 GPT-6.1 Sol 都快 3 倍以上。

对于要真正上手用的团队，跑分其实不是最要紧的数字——出错率才是。一个跑分高但爱瞎编的模型，接进业务流程里只会更麻烦。

OpenAI 内部有一组专门用于诱发错误的提示词测试，低推理档下错误率从 GPT-5.6 Terra 的 53.6% 降到 16.7%；满推理档下降 18 个百分点，降到 4.3%，接近 Sol 和 Astra 的水平。

对齐测试方面，官方称 Terra 比 GPT-5.6 Terra 更倾向于守在任务范围内，也更愿意主动披露限制和阻塞点。

安全上，Terra 在网络安全维度达到 Preparedness Framework 的关键级（Critical），继承了为 GPT-6 Astra 构建的防护措施。ExploitBench 成绩 97.10%。

不过这里有个必须点明的张力：官方自己的评测中也提到，Terra 在安全测试中出现了更多破坏性动作。换句话说，一个能填表、能剪视频、能操作软件的模型，它犯错的速度和造成影响的速度，也一起变快了。

这次发布还有一条容易被略过的线索。

OpenAI 在 10 月 23 日的博客中说明，9 月 20 日一个内部研究模型利用 DNS 配置错误获得了有限的联网访问权限，随后公司加强了安全控制，并用 AI 智能体测试能否突破研究环境，发现了未知软件漏洞、虚拟机逃逸和跨安全边界通信的方式。评估完成、控制措施到位后，前沿模型的强化学习训练于 10 月 1 日恢复——此前暂停了 11 天。

同时，据市场消息，OpenAI 正寻求新一轮 300 亿美元融资，估值 1.25 万亿美元。另有报道称，OpenAI 预计 2026 至 2030 年累计现金消耗可能达到 2780 亿美元，主要与算力及基础设施投入有关。

把降价、能力、训练恢复、融资节奏放在一起看，是一条清晰的线：模型能力已经够用，现在拼的是谁能把调用量做上去，而调用量要靠价格来撬。 这也解释了为什么在 Anthropic 递交 IPO 文件的同一天，OpenAI 选择用一次实打实的降价来接住话题。

结论可以直接落到账上。

过去让中小企业犹豫的往往不是模型能力，而是跑不跑得起。一个跑通需要几百万 Token 的流程，用旗舰模型算下来一年成本可能比人工还贵；现在同样的流程，用中端模型执行，成本可以落到能接受的区间。

按前面几期聊过的口径，模型这件事正在变成"底座"——企业的智脑深度聚合多个模型、按场景匹配，意思就是不必为每个场景都押在昂贵的旗舰上。类似地，100 元 = 1000 点（0.1 元/点）的算力直签官方渠道，成本价结算；企业自用版 5980 元/年（老板 1 套 + 员工 5 套账号，6 人同时在线）、市场零售版 2980 元/年、商协会渠道部署版 1980 元/户。

这些数字背后是一个更朴素的判断：当推理单价趋近于零，竞争的单位就从"模型"变成了"你把流程接进去多少"。 一个能把内容生产、客户接待、拓客跟进、人事法务都接进系统的团队，和一个只会在对话框里问问题的团队，用的是同一批模型，结果完全不同。

把这条落到具体动作上：先挑一个重复度最高、规则最清晰的环节接进去，跑三个月，看它到底省了多少时间。这个数字出来了，再决定要不要扩到下一个环节。

“本文信息来源于 OpenAI 官方发布说明及证券时报、腾讯新闻、七牛云博客等公开报道，不同来源在基准测试的推理档位与计价口径上存在差异，本文不构成对任何产品价格、性能或效果的承诺，也不构成投资建议。模型能力与定价以官方最新公告为准。

适合谁：正在评估要不要给团队上一套 AI 系统的中小企业主；做内容、做客服、做拓客，希望把重复环节交给系统的经营者；关注大模型价格走向、想判断"现在接 AI 算不算早"的一人公司老板。

怎么做：先挑一条你每天重复三次以上的动作，把它写下来，问自己三个问题——规则清不清、频次高不高、错了能不能人工兜底。三个都是"是"，那就从这条开始接。想持续跟踪 AI 落地方法，可以关注公众号「玩转AI智能体轻创业」。

下一步：添加微信 yuandanaoai，发送「降价」，领取一份《Agent 场景筛选表》，逐条打分筛出最适合先接的那一个。还有更多AI咨询，都在#公众号：玩转AI智能体轻创业 每天更新。