OpenAI 又发了一个新模型，GPT-6.1 Terra。
这次主打的，是让 AI 看懂屏幕、跨应用操作电脑，而且用起来更便宜。API 每百万 Token 输入 1 美元、输出 5 美元，都是 GPT-6.1 Sol 的一半。
OpenAI 直接把“更低的价格”放在了第一句。
在 OpenAI 的一组专业电脑任务中，中档 Terra 与中档 Astra 成绩相同，费用却只有后者约 6%。但在另一些测试里，Terra 把推理拉满，反而不如中档 Sol 划算。
同族里便宜了多少
先把 OpenAI 的标准 API 价格放在一起。
|
|
|
|
|
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
| GPT-6.1 Terra | $1 | $5 | $0.05 |
|
|
|
|
|
|
|
|
|
|
表中单位均为美元／百万 Token，采用不超过 272K 输入上下文的标准计费。
Terra 的输入、输出单价是 Sol 的一半、Astra 的十分之一。 缓存读取也比 Sol 便宜一半。
和上一代 GPT-5.6 Terra 比，输入从 2 美元降到 1 美元，输出从 12 美元降到 5 美元，缓存输入从 0.20 美元降到 0.05 美元。尤其是需要生成大量内容的任务，输出降价很实在。
不过，OpenAI 家里最便宜的仍是 Luna。Terra 值不值得多花这笔钱，要看它能多做好哪些工作。
电脑操作最能打出差价
OpenAI 用 Agents’ Last Exam 来测试它处理专业电脑任务的能力：照建筑图纸做出 3D 模型，或者逐镜头检查动画电影，给修复团队整理带时间码的记录。
在这项测试里，同样开到中档：
|
|
|
|
|---|---|---|
|
|
|
|
| GPT-6.1 Terra | 57.6% | $0.29 |
|
|
|
|
|
|
|
|
相比上一代，Terra 的成绩提高了 15 个百分点，费用却降到约三分之一。和 Astra 中档打平的这组结果，单任务也只花了 0.29 美元。
OpenAI 的 Agents’ Last Exam 结果 横轴为任务成本 越靠左越便宜
图中浅绿色的 Terra 曲线明显靠左：在较低成本处，已经取得接近强模型的成绩。OpenAI 还报告，在这组专业任务中，Terra 完成任务的速度是 Astra 和 Sol 的三倍以上。
换到更通用的桌面多步骤测试 OSWorld 2.1，选择就没那么简单了。中档 Terra 得分 66.7%、成本 $0.50；中档 Sol 得分 73.5%、成本 $0.65。多花 0.15 美元，Sol 高了 6.8 个百分点。
Terra 开到最高档能达到 74.2%，但成本也涨到了 $1.19。对于这组桌面流程，Sol 中档已经用更低的费用取得了接近的成绩。
推理拉满未必更划算
Artificial Analysis 的独立评测，也把 Terra 的成本效率放在了最前面：最高档相较上一代，综合智能指数提高 6 分，平均任务成本从 1.40 美元降到 0.40 美元。
不过，进入其综合智能与成本效率前沿的，是 Terra 的低档和中档，最高档反而没有。
Artificial Analysis 发布帖节选
拿它同一套综合智能指数来看：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
Terra 从中档拉到最高档，多拿了 7 分，费用也变成四倍。而 Sol 中档同样拿到 48 分，成本只有 Terra 最高档的约一半。
原因之一藏在输出量里：跑完这套综合测试，Terra 最高档累计生成了约 1.3 亿个输出 Token，Sol 中档约 1500 万。Token 单价低，也架不住用得多。
编程测试里也有类似情况。在 OpenAI 的 Terminal-Bench 4.0 中，Terra 最高档从上一代的 21.5% 提升到了 50.3%；但 Sol 中档已有 52.7%，成本是 $1.02，低于 Terra 最高档的 $1.84。
所以，试用 Terra 时，我会先从低档或中档开始。任务需要更强推理，再把更高档位和 Sol 放到一起比较，而不是直接把 Max 当成默认设置。
放到外部模型里看
和外部模型比较，Terra 最突出的仍是电脑操作的成本。
在前面的 Agents’ Last Exam 中，Claude Opus 5.5 最高档得分 63.2%，单任务成本 $8.82；Terra 最高档是 60.0%，成本 $1.01。
Opus 高 3.2 个百分点，Terra 的费用则只有它的约九分之一。 要不要为这部分成绩多付钱，取决于任务本身有多难、完成质量有多重要。
再看覆盖推理、知识、数学和编程的综合任务。下面是 Artificial Analysis 截至 10 月 27 日的同口径结果，成本为其综合题集的加权平均 API 费用：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
其中 Opus 使用 AA 页面标注的默认回退设置。
Terra 没有追上 Opus、Kimi 和 Gemini 的综合得分，换来的是明显更低的费用。对于不需要每次都动用最强模型的工作，这个位置很有吸引力。
往更便宜的一侧看，还有 DeepSeek。V4.1 Flash 1017 在这套测试中比 Terra 少 3 分，费用也从 0.40 美元降到 0.26 美元；它的输入、输出单价分别为每百万 Token 0.30 美元和 1.20 美元。已有 DeepSeek 工作流，或者主要做高频文本任务，仍然值得把它留在对照里。
Artificial Analysis 的综合得分与成本对比
最后，如果主要工作是读图和跨应用操作，我会优先试 Terra 的低档或中档；复杂编程和多步骤桌面流程，同时试 Sol 中档；追求更高的综合能力，再看 Astra、Opus 等强模型。
GPT-6.1 Terra 已向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户开放，API 模型名是 gpt-6.1-terra。
参考链接
-
OpenAI 发布介绍与测试图表：https://openai.com/index/introducing-gpt-6-1-terra/ -
OpenAI API 定价：https://developers.openai.com/api/docs/pricing -
OpenAI 发布帖：https://x.com/OpenAI/status/2114780711664398349 -
Artificial Analysis 测评与原图：https://artificialanalysis.ai/articles/gpt-6-1-terra-pushes-the-cost-efficiency-frontier -
Artificial Analysis 原帖：https://x.com/ArtificialAnlys/status/2114781865811063259 -
模型分档与成本数据：https://artificialanalysis.ai/models/gpt-6-1-terra