OpenAI发布GPT-6.1 Terra：单任务成本降9倍，速度超旗舰3倍
根据 OpenAI 公布的标准 API 价格，新模型每百万输入 Token 收费 1 美元，每百万输出 Token 收费 5 美元。
OpenAI 推出 GPT-6.1 Terra：价格砍半、任务速度提升逾 3 倍
大模型竞争的重心已从回答问题转向真正把活干完，成本和效率也随之与模型能力摆在同等位置。
OpenAI 刚刚正式发布 GPT-6.1 Terra。新模型是 GPT-5.6 Terra 的升级版本，视觉推理、计算机操作、事实准确性以及编程能力均有提升，API 调用成本则进一步下探。
以往的模型更新多把重点放在推理能力和基准测试成绩上，
GPT-6.1 Terra 这次不一样，更看重日常工作场景：撰写商业提案、理解技术图纸、填写表格、操作软件，以及辅助完成视频编辑等任务。
OpenAI 称，新模型在速度、能力与成本之间找到了新的平衡点。标准 API 价格比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%，部分专业任务测试中，Terra 的表现已接近旗舰模型 GPT-6 Astra。
这也就意味着，开发者不调用最贵的模型，也有机会完成过去要靠高性能模型处理的部分复杂任务。
按惯例，先看新模型各项基准测试的表现。
更受关注的一点是，OpenAI 表示在该测试设定下，GPT-6.1 Terra 的表现已与 GPT-6 Astra 大致相当，而每 Token 价格只有后者的十分之一。
官方数据还显示，对比竞争对手，在最高推理强度下，Terra 的 Token 使用效率达到 Claude Opus 5.5 的三倍以上，每 Token 价格约为后者的四分之一。两项合起来算，单任务成本降低约 9 倍。
另外，Terra 完成测试任务的速度，比 GPT-6 Astra 和 GPT-6.1 Sol 都快三倍以上。
另两项测试中，Terra 也有进步。视觉理解基准 MMMU-Pro 显示，新模型在各档推理强度下都强于上一代。
测试桌面应用多步骤操作的 OSWorld 2.1 则显示，Terra 在中等推理强度下已超过 GPT-5.6 Terra 最高成绩设定下的表现，任务成本同时降低。
计算机操作之外，GPT-6.1 Terra 另一处明显改进是事实准确性。
OpenAI 表示，过去一年公司持续投入资源压低模型幻觉及事实错误。在其内部设计、专门用来诱发模型出错的提示词测试中，GPT-6.1 Terra 的错误率明显下降。
具体看，低推理强度下错误率从上一代的 53.6% 降到 16.7%，下降 36.9 个百分点，相对降幅约 69%。
推理强度拉到最高档时，Terra 的错误率进一步降至 4.3%，比上一代下降约 18 个百分点，已接近 GPT-6 Astra 和 GPT-6.1 Sol 的水平。
这类改进对实际办公场景很关键。提取合同条款、处理业务数据，或者照着技术文档执行操作，模型若频繁出错，调用价格再低，也可能抬高人工核查和返工的成本。
编程能力的升级同样比较明显。
在 Terminal-Bench 4.0 测试中，GPT-6.1 Terra 在最高推理强度下完成了 50.3% 的任务，GPT-5.6 Terra 此前公布的成绩为 21.5%。Terminal-Bench 4.0 主要评估编程智能体通过命令行解决实际软件工程问题的能力，比如修复网页加载过程中出现的布局偏移。
也就是说，新模型的任务解决率提高了 28.8 个百分点，约为上一代的 2.34 倍。
科学编程任务基准 Terminal-Bench-Science 0.1 中，Terra 在最高推理强度下的表现超过 GPT-6.1 Sol，成本显著更低，与 Claude Opus 5.5 的成绩差距缩小到 5 个百分点以内。
不过 OpenAI 也明确表示，最复杂的软件工程任务，仍然更适合交给 GPT-6.1 Sol 和 GPT-6 Astra。
API 价格降 50%，百万输入 Token 只需 1 美元
定价是 GPT-6.1 Terra 此次更新的重要看点。
OpenAI公布的標準API价格显示，GPT-6.1 Terra每百万输入Token收1美元，每百万输出Token收5美元，缓存输入每百万Token为0.05美元。
光看Terra自己的价格，感受可能不深。把OpenAI几款最新模型的定价摆在一起，差别就出来了：
按这组数字算，GPT-6.1 Terra的标准输入、输出Token单价都比GPT-6.1 Sol便宜50%，只相当于GPT-6 Astra的十分之一。
不过Token单价低，不代表跑完一个任务的总花费就低。一次任务实际花多少钱，还得看模型推理时吃掉多少Token、任务分几步、调用几次工具，以及失败重跑要再掏多少。
所以比起单纯降价，Terra这次更值得看的地方在于：它在部分评测里同时把能力、Token使用效率和执行速度都往前推了一步。
使用层面，OpenAI称GPT-6.1 Terra已向ChatGPT Work和Codex中的Plus、Pro、Enterprise及Edu用户开放，开发者也能通过API调用。gpt-6.1-terra。
OpenAI表示，同样的使用配额放到GPT-6.1 Terra上，能覆盖的任务比GPT-5.6 Terra更多，也明显多于GPT-6.1 Sol或GPT-6 Astra。
官方技术文档给出的参数是：上下文窗口约105万Token，最大输出长度12.8万Token，支持文本和图像输入。但API本身不提供原生视频输入或输出，视频相关的工作仍要靠外部工具和应用配合完成。
模型发得越来越多，开发者反而挑花了眼
GPT-6.1 Terra上线后，x、Reddit等平台上已经冒出不少讨论。
以往新模型发布，大家集中吵的是“性能有没有屠榜”。这次开发者的关注点变了，主要落在三件事上：价格是不是真便宜、速度够不够快、新模型值不值得替换现有工作流。
社区里的情绪也分成两拨：一拨人对性能和成本的改善感到兴奋，另一拨人对越来越密集的模型发布已经麻木，甚至拿OpenAI的命名体系开起了玩笑。
Reddit网友sillybluejayway认为，新模型实际上已经接近GPT-6.0 Astra的能力水平，运行成本却只有后者的十分之一。在他看来，Terra也许没有把最前沿模型的能力上限再往上推，但能以这么低的成本提供接近上一代旗舰的性能，本身就是相当可观的进步。
这位网友还提了一个更值得琢磨的观点：真正推动AI广泛应用的，未必是最强模型不断刷新性能纪录，而是让已经具备较强能力的模型变得足够便宜。
他说，不管是AI替代就业岗位，还是具身智能的发展，都和这类成本下降密切相关。
不过，也有网友不认同这种判断。
网友AzorAhai1TK表示，自己仍然不太信任基准测试，尤其不认为光凭测试成绩就能断言一个小得多的模型已经全面追平大模型。他指出，较小模型可能缺少一些额外的世界知识，而这些知识在特定任务中可能十分关键。
网友NeedleworkerNarrow56表示，自己对GPT-6.1 Sol做过大量测试，发现它在编程工作上和GPT-6 Astra的差距已经很小，但在视觉、文本等通用推理任务中，两者仍有明显差距。
网友Material-Watercress1也发表了看法：“智能体要在真实世界里跑起来，未必非得用最顶尖的能力，关键还是成本和智能水平之间得平衡好。”
这话也点出了Terra的产品定位：对高频调用模型的Agent应用来说，每次请求是不是都得用最强模型，本身就是一个值得重新考虑的问题。
可当OpenAI不断推出不同系列、不同版本的模型时，开发者又碰上了一个新麻烦：到底该选哪个？
网友NotAFishEnt提的问题颇有代表性：GPT-5.6、GPT-6.0、GPT-6.1，加上Luna、Sol、Terra等不同系列，再算上从Light到Ultra的多档推理强度，怎么才能找到最适合自己工作的组合？
他说，自己日常要处理复杂的编程任务，真正想弄清楚的是，怎样让花出去的每一美元获得最大的回报。
这个问题引起了不少开发者的共鸣。有网友建议，只能靠实际使用经验不断试错，比如先从Medium推理强度起步，完不成任务再一档一档往上加。
另一些人则把目光投向 Artificial Analysis 的性能与成本帕累托前沿，挑出价格与能力都站得住的模型来用。模型版本越出越多，开发者身上又多了一件事：活要干，还得不断盘算哪款 AI 最划算。想想确实头疼。
巧的是，GPT-6.1 Terra 上线当天，OpenAI 的老对手 Anthropic 也放出了大消息。
10月26日（当地时间），Anthropic 向美国证券交易委员会（SEC）公开提交 S-1 注册文件，IPO 公开申报程序就此启动。文件显示，公司打算在纳斯达克上市，股票代码“ANT”，发行规模和发行价格区间还没定下来。
两家几乎前后脚动手：Anthropic 朝公开资本市场迈出一大步，OpenAI 则继续加紧推新模型。动作不一样，要回答的却是同一个问题——大模型的本事，怎么才算真正变成能持续赚钱的商业价值？
其实 OpenAI 和 Anthropic 的较量，早就不只在模型榜单上了。AI 编程、企业级 Agent 这些赛道上，双方既要抢开发者，也得证明自家模型能花更少的钱办更多实事。
这也说通了 OpenAI 近来的新模型为何越发看重成本效率。对大规模部署 Agent 的企业来说，模型强当然重要，但每项任务花多少钱、跑多久、能不能稳稳做完，同样成了选型时的关键尺子。
微妙之处在于，Anthropic 开始把商业化能力和财务状况摊到公开市场面前，OpenAI 也在用密集的产品更新，展示模型能力和运行效率的进步。大模型的竞争，正从技术排行榜延伸到一场更复杂的商业比拼。
参考链接：
