刚刚，GPT-6.1 Terra 发布：编程性能逼近 Opus 5.5，成本不到其 1/5
作者｜冬梅 1 OpenAI 发布 GPT-6.1 Terra：价格腰斩、任务速度提升超 3 倍 当大模型竞争从回答问题转向实际完成工作，成本和效率正在成为与模型能力同样重要的指标。 刚刚，OpenAI 正式发布 GPT-6.1 Terra。作为 GPT-5.6 Terra 的升级版本，新模型重点提升了视觉推理、计算机操作、事实准确性及编程能力，同时进一步降低了 API 调用成本。 与过去主要强调推理能力和基准测试成绩的模型更新不同，此次 GPT-6.1 Terra 更侧重日常工作场景，包括撰写商业提案、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 表示，新模型在速度、能力与成本之间取得了新的平衡。其标准 API 价格较 GPT-5.6 Terra 和 GPT-6.1 Sol 下降 50%，而在部分专业任务测试中，Terra 的表现已接近旗舰模型 GPT-6 Astra。 这意味着，开发者不一定需要调用最昂贵的模型，就有机会完成过去需要高性能模型处理的部分复杂任务。 老规矩，先来看看新模型各项基准测试表现如何。 更值得关注的是，OpenAI 称，在该测试设定下，GPT-6.1 Terra 的表现已经与 GPT-6 Astra 大致相当，但其每 Token 价格仅为后者的十分之一。 与竞争对手相比，官方数据显示，在最高推理强度下，Terra 的 Token 使用效率是 Claude Opus 5.5 的三倍以上，每 Token 价格则约为后者的四分之一。综合计算，其单任务成本降低约 9 倍。 此外，Terra 完成测试任务的速度比 GPT-6 Astra 和 GPT-6.1 Sol 均快三倍以上。 在另外两项测试中，Terra 同样取得进展。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。 而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，已经超过 GPT-5.6 Terra 在最高成绩设定下的表现，同时降低了任务成本。 除了计算机操作，GPT-6.1 Terra 的另一项明显改进是事实准确性。 OpenAI 表示，过去一年，公司持续投入资源降低模型幻觉及事实错误。在其内部设计的、旨在诱发模型错误的提示词测试中，GPT-6.1 Terra 的错误率明显下降。 具体而言，在低推理强度下，错误率从上一代的 53.6% 降至 16.7%，下降 36.9 个百分点，相对降幅约为 69%。 当推理强度提高至最高档时，Terra 的错误率进一步降至 4.3%，较上一代下降约 18 个百分点，接近 GPT-6 Astra 和 GPT-6.1 Sol 的水平。 这类改进对于实际办公场景具有重要意义。无论是提取合同条款、处理业务数据，还是依据技术文档执行操作，模型如果频繁产生错误，即便调用价格再低，也可能增加人工核查和返工成本。 编程方面，Terra 的升级同样较为明显。 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，而 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，例如修复网页加载过程中发生的布局偏移。 这意味着，新模型的任务解决率提高了 28.8 个百分点，达到上一代的 2.34 倍左右。 此外，在科学编程任务基准 Terminal-Bench-Science 0.1 中，Terra 在最高推理强度下的表现超过 GPT-6.1 Sol，并在显著更低的成本下，将成绩差距缩小至 Claude Opus 5.5 的 5 个百分点以内。 但 OpenAI 也明确表示，对于最复杂的软件工程任务，GPT-6.1 Sol 和 GPT-6 Astra 仍然是更合适的选择。 2 API 价格下降 50%，百万输入 Token 仅需 1 美元 定价是此次 GPT-6.1 Terra 更新的重要看点。 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，缓存输入则为每百万 Token 0.05 美元。 单说 GPT-6.1 Terra 的价格可能不够直观，下面是 OpenAI 几款最新模型价格的对比： 按照这一价格，GPT-6.1 Terra 的标准输入和输出 Token 单价均比 GPT-6.1 Sol 低 50%，仅为 GPT-6 Astra 的十分之一。 但 Token 单价并不等于最终任务成本。实际执行一次任务需要花费多少，还取决于模型消耗的推理 Token 数量、任务步骤、工具调用次数，以及失败后的重
