便宜一半、快三倍：GPT-6.1 Terra 给电脑操作重新定价

便宜一半、快三倍：GPT-6.1 Terra 给电脑操作重新定价

原文：OpenAI - 《Introducing GPT-6.1 Terra》（https://openai.com/index/introducing-gpt-6-1-terra/）

一、这是一台什么样的「电脑操作模型」

10 月 26 日 OpenAI 发布 GPT-6.1 Terra，定位一句话：快、省、能看屏幕——详细的视觉推理加精确的 computer use，写作也更自然。官方给的场景都是工作日里高频但琐碎的活：看懂技术图纸、填表单、把发票读进财务软件、逐镜审片生成时间戳日志。

对 Agent 开发者来说，这类模型的选型逻辑和代码模型不一样：瓶颈通常不在单步有多聪明，而在每步多少钱、每单多快。Terra 正是按这个逻辑定价的——官方原话是继续推进自家的成本智能前沿。

二、定价：输入 1 美元、输出 5 美元

标准 API 定价：每百万输入 token 1 美元，缓存输入 0.05 美元，输出 5 美元。比 GPT-5.6 Terra 和 GPT-6.1 Sol 都低 50%。在 ChatGPT Work 与 Codex 里，同样套餐额度能跑的任务量也比前两代明显更多。

第三方侧，OpenRouter 上线时给出的价格同为每百万输入 1 美元、输出 5 美元，并标注上下文约 1.05M tokens（此数字以官方文档为准）。API 里的模型名是 gpt-6.1-terra。

缓存那档价差值得单独说：0.05 对 1 是 20 倍的差距，而 Agent 的系统提示、工具定义、历史上下文每轮都在重复计费——computer use 类负载恰好是长会话、多轮次的形态，缓存命中率直接决定账单。

三、跑分：贵的那两位，分数被追平了

按官方公告，medium 推理档位下的 Agents’ Last Exam：比 GPT-5.6 Terra 高 15 个百分点、成本约三分之一；与 GPT-6 Astra 打平，但单价只有它的十分之一。max 档位下每任务成本约为 Claude Opus 5.5 的九分之一（token 效率 3 倍以上、单价四分之一）。

速度上，官方称完成任务比 GPT-6 Astra 和 GPT-6.1 Sol 都快三倍以上。事实错误率那一组数字对 Agent 尤其关键：low 档从 53.6% 降到 16.7%，意味着「便宜档位不再等于胡说八道」，批量自动化里最怕的恰恰是低 effort 下的幻觉。

四、边界在哪

公告没有回避短板：最复杂的编码任务，官方仍指向 GPT-6.1 Sol 与 GPT-6 Astra。MMMU-Pro 上也只是接近 Astra 与 Sol 的分数。网络安全能力按 Preparedness Framework 达到 Critical 阈值，并沿用 Astra 的防护。另外，上下文长度与限流细节官方公告没有展开，接入前以官方文档为准。

五、最小接入示例

按官方公告，API 模型名为 gpt-6.1-terra，OpenRouter 已同步上线。最小调用只需替换模型名（接口形状以官方文档为准）：

fromopenaiimportOpenAI client=OpenAI()resp=client.chat.completions.create(model="gpt-6.1-terra",# 官方公告给出的 API 模型名messages=[{"role":"user","content":"读这张发票并提取金额、日期、抬头"}],)print(resp.choices[0].message.content)

迁移成本主要在评测不在代码：把现有 computer use 流程在 Terra 上跑一遍对照集，重点看两件事——low effort 下的事实错误率是否达标、缓存命中后的单任务成本变化。

六、怎么选

三条结论收束：computer use 与高吞吐文档自动化，Terra 是当前的性价比首选；最复杂编码仍选 Sol 或 Astra；预算敏感的批量任务用 Terra 并尽量吃缓存输入那档价格。跑分表里最值得记住的一行是 Terminal-Bench 4.0 从 21.5% 到 50.3%——这不是小版本迭代，是电脑操作这条产品线的换挡。