OpenAI 今天放出 GPT-6.1 Terra，Plus、Pro、Enterprise、Edu 用户直接在 ChatGPT Work 和 Codex 里就能用，开发者在 API 里填 gpt-6.1-terra 就能调。官方给它的定位是「快速高效的中端档」，但它干的事不太像中端：会自己在电脑上点鼠标、看技术图纸、填表单、剪视频。上一代 GPT-5.6 Terra 也能干这些，只是干得慢、错得多、还贵。
最能说明问题的是桌面操作基准 OSWorld 2.1。Terra 只开中等推理强度，成绩就已经压过 GPT-5.6 Terra 拉满强度的最好成绩。编程基准 Terminal-Bench 4.0 上，高强度档解掉 50.3% 的任务，上一代公开成绩是 21.5%，翻了一倍多。事实性测试里，低强度档的错误率从 53.6% 掉到 16.7%，高强度档压到 4.3%。视觉推理 MMMU-Pro 各档都超过旧款，而且成本更低地逼近两款旗舰。
价格才是这一代的杀招。OpenAI 公布的 API 定价是每百万输入 token 1 美元、缓存输入 0.05 美元、输出 5 美元，比上一代降了约一半。在 Agents’ Last Exam 基准里，中等强度下 Terra 得分比 GPT-5.6 Terra 高 15%，单任务成本只有后者的三分之一左右，成绩却能和旗舰 GPT-6 Astra 打平，而每 token 单价只有旗舰的十分之一。拉满强度之后，它的 token 效率是 Claude Opus 5.5 的三倍以上，单价约四分之一，折算成单任务成本低约 9 倍，完成任务的速度比 GPT-6 Astra 和 GPT-6.1 Sol 都快三倍多。
能力涨了，护栏也加高了。Terra 在 OpenAI 自家的网络安全评估里被标到 Critical 级别，沿用 GPT-6 Astra 那套防护，更懂得守住任务边界、主动交代自己做不到什么，对提示词注入的抵抗力也更强。
boxiyunAI的看法
- 中端打旗舰，最难受的是中间那批做套壳和 Agent 的团队。以前成本全卡在 token 上，现在单任务成本掉到十分之一，报价体系得重算，靠「帮你省 token」当卖点的生意基本没得做。
- 「会操作电脑」真正的落地场景，是那些没有 API 的老系统。填报表、导数据、点按钮、截图存档——谁的日常就是重复点鼠标，谁先被替。这比聊天框里写首诗实际得多。
- 但 OSWorld 这类基准只测「能不能做完」，不测「做错了赔多少钱」。真让它去动生产系统的鼠标，得先有回滚、审批和日志，否则一次误点就是一次事故。
- 便宜加快，会逼着企业把模型分工。主流程全换成「够用就行」的中端模型，贵模型只留给真正难的活。这跟请人一样：常规活给熟练工，疑难杂症才找专家。
- 安全等级标到 Critical 这点值得注意。能力越强，越要先当「内鬼」来防——微软的纳德拉今天也说了同样的话，AI 越强不等于越安全。
对普通公司来说，这一代模型的信号很清楚：能自己动鼠标的 AI 已经从演示视频变成了能买到的 API，而且比旗舰便宜一个数量级。接下来比的不是谁的模型更聪明，而是谁敢把它接进真实的业务流程，并且接得住它出错。
