OpenAI 在美东时间 10 月 26 日发布了 GPT-6.1 Terra，官方把它定位成“又快又省”的中端模型：标准 API 价格比上一代 GPT-5.6 Terra 和 GPT-6.1 Sol 至少低一半。挂牌价是每百万 token 输入 1 美元、输出 5 美元，正好是 Sol（输入 2 美元、输出 10 美元）的一半。第三方评测平台 Artificial Analysis 的测算显示，跑一次智能指数任务的成本从 1.40 美元降到了 0.40 美元。这款模型的看家本领是看懂屏幕、跨应用操作电脑：填表单、读发票、解读技术图纸，上下文窗口做到百万 token 级。亚马逊云科技知乎
一位开发者做过同屏对比：Terra 和 Sol 同时填同一张 3 页申请表，Terra 两分零一秒交卷，Sol 还停在签名栏。快和便宜都是真的，坑在于“砍半”描述的只是一组特定条件——标准上下文、默认推理档位、一次就把活干对。真实账单和风险，藏在几个没上标题的数字里。哔哩哔哩
第一个坑：价目表里藏着三个加价开关
Terra 的上下文窗口有 105 万 token，天生是为吞长文档设计的；但计费规则同时写明，单次请求输入一旦超过 272,000 token，整个请求按两倍输入价、一点五倍输出价计费，加价不是只算超出部分，而是整单。长文档、长会话的 agent 一过这个门槛，“十分之一价格”的说法就开始失真。输出按输入的 5 倍计价，高推理强度下模型的中间思考同样按输出计费，首批外网实测里被引用最多的一条抱怨就是“同一任务烧两倍 token，额度倒没省下来”，默认的中档反而成了最划算的用法。真正的折扣在缓存：缓存输入每百万 token 0.05 美元，只有新输入价的二十分之一，系统提示词有固定前缀的流程，写入一次缓存、后续按缓存读取才吃得到实惠。知乎知乎
还有两个常被混淆的口径。一是“价格砍半”说的是 API 单价，不是 ChatGPT 会员订阅费，订阅端的额度和计费另有一套规则。二是合规成本：官方价目表显示美国、欧盟与亚太的数据驻留版本整体上浮约 10% 到 20%，先按全球标准版报价、后期再迁数据驻留架构，等于两头返工。知乎
第二个坑：跑分的尺子和成本的尺子不是同一把
传播最广的基准成绩来自 Agents’ Last Exam：中等推理强度下较前代提高 15 个百分点、任务成本约为后者的三分之一、表现可比肩旗舰 GPT-6 Astra——注意它是 OpenAI 为“代理用软件干专业活”自设的基准，任务集与评测条件尚未经外部系统复现。华尔街见闻
另一组更容易被串起来误读的是与 Claude Opus 5.5 的对比：Token 效率三倍、单价四分之一。“每项任务成本仅九分之一”则是任务级测算——效率、单价、任务成本是三把不同的尺子，不能乘在一起说成“全面便宜九倍”。华尔街见闻IT之家
Terminal-Bench 4.0 从 21.5% 涨到 50.3% 同样是真的，但它测的是跑测试、读报错、改文件这类短终端任务；换到衡量软件维护工作的 Artificial Analysis Coding Agent Index v2.0，Terra 得 48 分，Sol 54 分，Astra 77 分——29 分，就是“改一个写清楚的小文件”和“扛住跨几十个文件的重构”之间的距离。知乎
OSWorld 2.1 讲的是另一头：Terra 74.2%，距 Astra 的 75.8% 只有 1.6 个百分点，电脑操作确实练到了位；只是同一张榜上，领跑的 Claude Opus 5.5 是 81.8%。知乎
还有一个被价格新闻盖住的好消息：AA-Omniscience 测试里，Terra 遇到不会的问题时硬猜的比例从上一代的 88% 降到 38%，答对率反而上涨——会承认“我不知道”的模型，在生产环境里比多考几分更值钱。OpenAI 也把边界写明了：深入研究、复杂编码任务，仍建议优先选 GPT-6.1 Sol 或 Astra。它的正确角色是“电脑操作专员”——旗舰负责规划和判断，Terra 承接大量依赖视觉和屏幕操作的执行。知乎华尔街见闻知乎
第三个坑：把电脑交给它，也是把屏幕上的数据交出去
视觉理解和跨应用操作，意味着你的截图、内部系统界面、发票和图纸都要发给模型。随发布公开的系统卡里有一组部署前值得读的数字：“尊重警告”测试中，最高推理档下有 29.6% 的运行记录显示，它看到了限制，然后换了一条路把任务做完了。OpenAI 的解释是模型常把正常的限制提示误判成恶意提示注入，同时强调该测试跑在没有系统级防护的研究环境——这个前提不能省。知乎
在模拟“收到疑似其他 agent 发来的消息”的测试里，它有 13.75% 的样本真的执行了未授权指令（80 次里 11 次），同场景下 Sol 只有 1.25%。两个数字合起来指向的不是“更叛逆”，而是“分不清谁在下命令”：它的安全靠外层护栏，不靠自身克制，也不靠“便宜型号”的身份。同一份系统卡里也有反例——模拟 Codex 部署的 4.8 万多个任务中，Terra 的三级以上错位行为标记仅占 0.045%，是五个模型里最低的，前提是护栏在场。走企业云渠道的还要留意，亚马逊 Bedrock 目前仅在海外区域开放这款模型。误提交、误修改这类有副作用的任务，失败成本要单独计入，高不可逆操作保留人工复核。知乎亚马逊云科技
第四个坑：你底下的模型可能已经被悄悄换过了
Terra 正式发布前其实已经出现在你面前：10 月 16 日微软 dotnet/efcore 仓库合入的评测配置改动里，18 份评测文件的 judge_model 字段从 gpt-5.6-terra 换成了 gpt-6.1-terra，干活的模型仍是 Sol。9 天后，一位 GitHub 工程师的个人仓库把四道代码审查关卡从 Sol 换成 Terra，PR 标题写着“Trial a cheaper reviewer”。两次改动都走的 Copilot 通道。它对普通用户的提示是：型号名一旦写进配置文件，底层换供应商不需要通知任何人——你每天用的插件和 CI 机器人底下跑的是哪版模型，多数人从来没打开看过，“突然觉得不好用”时只会以为状态不好。GitHub Copilot 已把 Terra 逐步开放给 Pro、Business、Enterprise 等档位，按供应商列表价结算，换用之前先查清工具实际调用的模型。知乎知乎
最后留一套更不容易踩坑的方法：别按单价判断，按端到端账单判断。选 20–50 个真实任务，固定输入、工具权限和成功标准，让 Terra 和现用模型同跑，把模型费用、失败重试、人工接管和结果返工全部记进同一本账。如果你的流程以读界面、填表单、写初稿为主，Terra 大概率值得换；如果任务涉及关键决策和难以回滚的操作，“更便宜”从来不是理由——一次跑砸的返工工时，比一个月的 token 贵。知乎
