一句话结论
OpenAI 发布 GPT-6.1 Terra，以低成本和高速度实现接近旗舰级的复杂任务处理能力，显著降低实际办公与编程成本。
关键要点
- 标准 API 输入价格降至每百万 Token 1 美元，仅为 GPT-6 Astra 的十分之一，较 GPT-5.6 Terra 和 GPT-6.1 Sol 下降 50%。
- 事实准确性大幅提升，低推理强度下错误率从 53.6% 降至 16.7%，相对降幅近 69%，最高推理强度下降至 4.3%。
- 编程任务解决率翻倍，Terminal-Bench 4.0 测试得分达 50.3%，任务执行速度比 GPT-6 Astra 快三倍以上。
- 定位日常工作场景，支持约 105 万 Token 上下文，适用于提案撰写、图纸理解、表格填写等高频调用任务。
- 向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise 及 Edu 用户开放，同时提供 gpt-6.1-terra API 接口。
背景与事实
OpenAI 于 2024 年 10 月 27 日正式发布 GPT-6.1 Terra，作为 GPT-5.6 Terra 的升级版本，重点优化视觉推理、计算机操作、事实准确性及编程能力。该模型标志着大模型竞争从单纯追求推理能力和基准测试成绩，转向实际工作场景的成本与效率平衡。与过去强调高性能指标的更新不同，GPT-6.1 Terra 更侧重撰写商业提案、理解技术图纸、填写表格、操作软件等日常办公任务。
根据 OpenAI 公布的数据，GPT-6.1 Terra 标准 API 每百万输入 Token 收费 1 美元，输出 Token 5 美元，缓存输入 0.05 美元。在部分专业任务测试中，其表现接近旗舰模型 GPT-6 Astra，但成本仅为后者的十分之一。与竞争对手 Claude Opus 5.5 相比，在最高推理强度下，Terra 的 Token 使用效率是三倍以上，单任务综合成本降低约 9 倍。完成测试任务的速度比 GPT-6 Astra 和 GPT-6.1 Sol 均快三倍以上。
事实准确性改进是此次更新的核心亮点之一。OpenAI 内部测试显示，在专门设计用于诱发错误的提示词测试中，低推理强度下错误率从上一代的 53.6% 降至 16.7%，下降 36.9 个百分点；提高至最高推理强度时，错误率进一步降至 4.3%，接近 GPT-6 Astra 和 GPT-6.1 Sol 水平。编程能力方面，Terminal-Bench 4.0 测试中，Terra 在最高推理强度下完成 50.3% 的任务，较 GPT-5.6 Terra 的 21.5% 提升 28.8 个百分点，达到上一代的 2.34 倍左右。视觉理解基准 MMMU-Pro 显示，新模型在各档推理强度下均优于上一代；桌面操作基准 OSWorld 2.1 中，Terra 在中等推理强度下已超过 GPT-5.6 Terra 最高设定下的表现。
技术规格上，GPT-6.1 Terra 支持约 105 万 Token 上下文窗口，最大输出长度 12.8 万 Token，支持文本和图像输入，但 API 不提供原生视频输入输出功能。同日，Anthropic 向 SEC 提交 S-1 文件启动 IPO 程序，计划登陆纳斯达克，股票代码"ANT"，两家公司的动作反映出大模型商业化竞争正从技术排行榜延伸至商业效率较量。
影响分析
对中文开发者与从业者而言，GPT-6.1 Terra 的发布意味着 Agent 应用开发成本结构发生根本性变化。分析判断表明，此前需要调用 GPT-6 Astra 等高成本旗舰模型才能完成的复杂办公任务，现在可以用 Terra 以十分之一成本实现，这对于高频调用模型的企业级应用具有直接的降本增效价值。具体而言，处理合同条款提取、业务数据操作、技术文档执行等任务时，模型事实错误率的显著降低意味着人工核查和返工成本将大幅减少，即便单次调用价格更低，总拥有成本也可能低于高错误率的昂贵模型。
然而，成本效率的提升也带来新的选择难题。分析认为，随着 OpenAI 模型系列（Luna、Sol、Terra）和推理强度档位（Light 到 Ultra）的增加，开发者必须建立更精细的模型选型策略。对于实际影响的判断是：简单任务使用低推理强度的 Terra 可能比高推理强度的 Sol 更经济，但最复杂软件工程任务仍需 GPT-6 Astra。开发者需要从"追求最强模型"转向"任务-成本-能力"三维评估，这对团队的技术选型能力提出了更高要求。
适用边界
GPT-6.1 Terra 的高性价比优势不适用于以下场景：最复杂的软件工程任务，OpenAI 明确表示 GPT-6.1 Sol 和 GPT-6 Astra 仍是更合适选择；需要原生视频处理的工作流，因其 API 不支持视频输入输出；对模型世界知识深度有极高要求的任务，社区测试指出较小模型可能缺少关键额外知识。此外，标准 API 价格优势不包含实际任务成本，若任务需要大量重试或步骤繁多，最终成本可能接近或超过高端模型，因此不能仅凭 Token 单价判断总成本。
孤本观察
编辑观察认为，GPT-6.1 Terra 的真正意义不在于突破性能上限，而在于验证了"让已具备较强能力的模型变得足够便宜"这一路径，这比单纯刷新基准测试纪录对 AI 规模化应用的推动力更大。同时，模型命名体系的复杂化本身已成为开发者新的认知负担，这可能反过来制约其成本优势的充分发挥，因为选型试错成本同样计入总拥有成本。
常见问题
GPT-6.1 Terra 标准 API 的输入和输出价格分别是多少？
标准 API 每百万输入 Token 收费 1 美元，输出 Token 收费 5 美元，缓存输入 0.05 美元。
相比 GPT-5.6 Terra，GPT-6.1 Terra 在编程和事实准确性方面有哪些提升？
Terminal-Bench 4.0 得分从 21.5% 升至 50.3%；低推理强度下事实错误率从 53.6% 降至 16.7%。
GPT-6.1 Terra 支持多大的上下文窗口和最大输出长度？
支持约 105 万 Token 上下文窗口，最大输出长度为 12.8 万 Token。
GPT-6.1 Terra 不适用于哪些特定场景？
不适用于最复杂软件工程任务、需要原生视频处理的工作流，以及世界知识深度要求极高的任务。
来源：InfoQ 中文 AI