10 月 26 日，OpenAI 上线 GPT-6.1 Terra（API 标识 gpt-6.1-terra）。Terra 这个档位在 GPT-5.6 之后一度缺席，此次回归带了三样东西：更自然的写作、能操作电脑的能力，以及砍半的 API 价格。把“模型替人操作电脑”的成本压到日常可用的水平，是这轮更新最直接的意图；衡量模型的标尺，也在从榜单分数转向单位成本能完成多少工作。
写作与“理解请求”：出自发布方的改进清单
公告称，Terra 是第一个在写作、个性和细致理解请求三方面都明显更好的模型。这些表述目前都来自发布方，尚无第三方评测逐项验证。从官方定位看，Terra 被描述为“快速、低价的电脑操作与视觉推理模型”，写作上的改进更可能服务于任务执行中的沟通——把要做的操作和结果讲清楚，而不是单独面向创作场景。把“个性”写进卖点清单，指向的是“长期共事的工作助手”这个角色，而非一次性的问答工具。对写作者更实际的问题是手感差异到底有多大，这要等上手对比才能下结论。
价格砍半、用量翻倍：一笔算得清的账
数字部分最具体。API 定价为每百万 token 输入 1 美元、缓存输入 0.05 美元、输出 5 美元，是上代 GPT-5.6 Terra 的一半。OpenAI 的 Tibo 称，无论走 API 还是订阅，用户在 Terra 上可用的量都是 6.1 Sol 的两倍，单价还更便宜；Sam Altman 同步发布了公告。
这份价目表里值得多看一眼的是缓存输入：0.05 美元只有常规输入的二十分之一。电脑操作任务要反复读取屏幕状态，缓存命中的空间大，这项定价直接影响长任务的边际成本；输出单价是输入的 5 倍，长任务里真正推高成本的，是源源不断的动作与响应生成。同代里 Sol 与 Terra 并行，Terra 用更低价格和双倍用量换规模，分工安排一目了然。第三方平台 OpenRouter 给出的对比更直观：Terra 在 Agents' Last Exam 基准上与 GPT-6 Astra 得分相当，每 token 价格约为 Astra 的十分之一，上下文窗口为 1.05M token。按这个口径，花约一成的钱就能拿到与其相当的基准成绩——“够用的智能”正在被做成大宗商品。
电脑操作“跨过质变门槛”？数字都来自发布方
Terra 的主场景是操作电脑：理解屏幕内容，跨应用执行动作。Greg Brockman 的评价是，它的电脑操作“已跨过质变门槛”，用起来比他不借助 AI 时更快。OpenAI 员工 Vaibhav Srivastav 给出的数字是：在 Agents' Last Exam 上比 5.6 Terra 高 15 分，成本约为后者的三分之一。TestingCatalog 转述的官方口径更进一步：max effort 下 token 效率是 Claude Opus 5.5 的三倍以上，每任务成本低约 9 倍。
这些数字要么出自 OpenAI 自己人，要么是对其口径的转述，独立验证还没有跟上——Arena 已把 Terra 收进 Agent Arena，分数尚未公布。第三方评价里，Artificial Analysis 的表述相对克制：Terra 是 GPT-5.6 之后第一个 Terra 级模型，“智能更高而成本不到三分之一”。
渠道铺得很宽
- 订阅：ChatGPT Work 与 Codex，面向 Plus、Pro、Enterprise、Edu 用户；
- 开发者：API 与 Codex；
- 第三方：OpenRouter（定价与官方一致）、OpenClaw（可用 ChatGPT 账号或 OpenAI API key 调用）。
这么多入口同时开放，目标很直接：让尽可能多的人把电脑操作真正用起来，形成使用习惯。
度量衡从分数换成成本
Terra 的打法可以概括为一句话：把一个已验证的能力做到价格塌陷，再用订阅和第三方渠道放大用量。对用户，成本门槛已经很低，值得花一个下午试试它的跨应用操作；对同行，一半的价格、两倍的用量是实打实的压力，要么跟进定价，要么拿出独立可验证的性能优势。如果低价档位成为日常任务的默认选择，竞争还会从模型本身延伸到计费细节——缓存定价、按任务计费这些此前不起眼的条款，会变成与基准分数同样重要的战场。在 Arena 分数和第三方评测出来之前，官方给出的漂亮数字，先当广告看。
