2026 年 10 月 27 日，OpenAI 没有发布更大的模型。它发布了一个更便宜的模型。
GPT-6.1 Terra 正式亮相。它不在榜单上追求碾压，而是瞄准企业每天真实发生的大量工作：读发票、看图纸、填表单、剪视频。官方定价比前代便宜一半，速度是旗舰 GPT-6 Astra 的 3 倍以上，事实错误率从 53.6% 降到 16.7%。
这看起来像一次常规迭代。但把 Terra 放进过去两个月的发布序列里看，味道就变了。9 月底，GPT-6.1 Sol 刚把旗舰推理能力拉到五分之一的价格；几周前，OpenAI 又因安全问题临时撤下了 Astra 系列的下一代模型。现在 Terra 再来，把中端型号的价格砍掉一半。OpenAI 的竞争逻辑正在从“谁更大”转向“谁更会算账”。
真正的问题不是 Terra 有多强，而是它第一次让企业自动化的高频工作流在经济账上成立。
一、现象：Terra 是什么，强在哪
GPT-6.1 Terra 是 OpenAI 在 GPT-6.1 家族里的中坚型号。在 OpenAI 的三层型号谱系里，Luna 负责轻量低延迟，Sol 负责旗舰推理和重型智能体负载，Terra 卡在中间，平衡成本与性能。这一代 Terra 的明确定位是视觉推理加桌面软件操作，也就是 OpenAI 所说的“computer use”。
它擅长的都是办公室里真正花钱让人干的事。OpenAI 在官方博客里举的例子很具体：把建筑图纸转成 3D 模型、逐镜头审阅动画电影并生成带时间码的修复日志、读取待处理发票并把细节录入会计软件、撰写提案、填写表单、剪辑视频。这些任务的共同点是，既要看懂图像和界面，又要操作桌面软件完成多步动作。
数字是 Terra 最有冲击力的部分。
在 OpenAI 内部一个专门诱导错误的基准测试上，低推理努力下，GPT-5.6 Terra 的错误率是 53.6%，GPT-6.1 Terra 降到 16.7%，下降 36.9 个百分点。最大推理努力下，错误率降到 4.3%，已经接近 GPT-6 Astra 和 GPT-6.1 Sol 的水平。对幻觉的投入，在这一代开始兑现。
编程能力的跃升更明显。Terminal-Bench 4.0 测试编码智能体从命令行解决问题的能力，比如修复一个加载时布局会错位的网页。最大推理努力下，GPT-6.1 Terra 解决 50.3% 的任务，GPT-5.6 Terra 的公布成绩是 21.5%，提升超过一倍。在更偏科研的 Terminal-Bench-Science 0.1 上，Terra 在更低成本下超过了 GPT-6.1 Sol，距离 Claude Opus 5.5 不到 5 分，成本不到对方的五分之一。
桌面自动化是 Terra 的主战场。Agents’ Last Exam 是一个专业任务基准，包括把建筑图纸转成 3D 模型、逐镜头审阅动画电影生成时间码日志这类任务。中等推理努力下，Terra 比 GPT-5.6 Terra 高出 15 个百分点，成本只有约三分之一。它甚至与 GPT-6 Astra 表现持平，而每 token 价格只有 Astra 的十分之一。最大推理努力下，相比 Claude Opus 5.5，Terra 的 token 效率超过 3 倍，价格是其四分之一，折算下来每个任务的成本低约 9 倍。速度上，Terra 完成任务比 GPT-6 Astra 和 GPT-6.1 Sol 都快 3 倍以上。
视觉推理方面，在 MMMU-Pro 基准上，Terra 在每个推理设置下都超过 GPT-5.6 Terra，几乎追平 GPT-6 Astra 和 GPT-6.1 Sol。在 OSWorld 2.1 上，这个基准测试 AI 智能体如何使用桌面应用完成多步任务，比如从技术图纸构建 3D 模型，中等推理努力下，Terra 超过了 GPT-5.6 Terra 的最好成绩，成本只是一小部分。
价格是最直白的那一个。标准 API 定价为每百万输入 token 1 美元、每百万缓存输入 token 0.05 美元、每百万输出 token 5 美元。OpenAI 明确说，这比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。即日起，Terra 向 Plus、Pro、Enterprise 和 Edu 用户开放，可在 ChatGPT Work 和 Codex 中使用，开发者可通过 API 调用，模型标识为 gpt-6.1-terra。
二、分析：为什么 Terra 的发布比想象中更重要
1. 竞争主线变了：从“更大”到“更划算”
过去两年的大模型竞赛，主线清晰到近乎单调：参数更多、榜单更高、上下文更长。企业买单时看的却是另一套账：完成一个任务要花多少钱、要等多久、错多少次。
Terra 把“成本—智能前沿”往前推了一大步。用三分之一的成本、三分之一的错误率、三倍的速度，拿到接近旗舰的表现。这不是“便宜版所以弱”的叙事，而是“便宜版已经够用”的叙事。当单位任务成本降到某个阈值以下，以前只能人工处理的高频工作流，第一次有了自动化的经济可行性。
OpenAI 自己把话说得很直白：标准 API 价格降低 50%，让开发者“自动化高容量工作”变得实际可行。这句话的潜台词是，Terra 生来就是为了被大量调用，而不是被供奉在榜单上。
2. 桌面自动化是下一个必争之地
Terra 的发布揭示了一个正在成形的战场：桌面自动化。
发票、图纸、表单、视频剪辑，这些任务的共同特征是视觉理解加操作桌面软件。过去的大模型擅长回答问题和生成文本，但不擅长在一个真实的软件界面里连续操作。Terra 在 Agents’ Last Exam 和 OSWorld 2.1 上的表现说明，AI 代理正在从“回答问题”走向“完成工作”。
这是一个更大的市场。回答问题是一次性交互，完成工作是一个流程。前者按 token 计费，后者按任务计费。当模型能稳定地完成多步桌面任务，企业愿意支付的就不再是“调用一次多少钱”，而是“这个岗位省下来多少钱”。定价逻辑会从 token 转向任务，商业模式的想象空间也随之打开。
谁先把视觉推理和桌面操作结合得又便宜又快，谁就能拿下企业自动化的大单。Terra 是这个方向上的一次明确落子。
3. 价格战的真正目标：开发者心智
API 降价 50% 不只是促销。输入 token 1 美元、缓存输入 0.05 美元、输出 5 美元，这个价格直接对标 Anthropic 的中端 Sonnet 系列。根据第三方统计，Claude Sonnet 5.5 的定价是输入 2 美元、输出 10 美元，Terra 在价格上形成压制。
价格战的真正目标是开发者心智。当一个高频工作流用 Terra 搭建起来，缓存、工具链、提示词、监控体系都会围绕它沉淀。切换模型的成本不只是价格差，还有整个工作流的重构成本。OpenAI 用降价换生态锁定，这一步比榜单上的几分更重要。
更值得注意的是，Terra 在 ChatGPT Work 和 Codex 里对订阅用户意味着“同样的使用额度能覆盖更多任务”。这会直接影响用户在产品内的模型选择习惯：便宜、快、够用，日常任务自然流向 Terra，只有最难的问题才升级到 Sol 或 Astra。产品层面的分流，会反过来强化 API 层面的分层定价。
4. 边界也很清楚：Terra 不是旗舰
OpenAI 在官方博客里留了一句克制但关键的话：对最复杂的编码任务，GPT-6.1 Sol 和 GPT-6 Astra 仍是更好的选择。
这句话划清了 Terra 的边界。它是“够用且便宜”的选择，不是“最强”的选择。它的定位决定了它不会取代旗舰，而是吃掉大量中低复杂度但高频的任务。对企业来说，这意味着需要建立模型分层的策略：什么任务用 Terra，什么任务必须上 Sol 或 Astra。混用会成为常态。
安全方面，Terra 在 OpenAI 的 Preparedness Framework 下达到网络安全“Critical”阈值，并继承了为 GPT-6 Astra 开发的防护。在提示注入测试中，Terra 对间接注入的防御率为 98.8%，高于 GPT-5.6 Terra 的 96.2%。效率提升没有以安全降级为代价，这一点在 Astra 下一代因安全问题被撤下的背景下，显得尤为刻意。
三、结论：赢家是那些最先重构工作流的公司
Terra 的发布标志着大模型竞争进入一个新阶段：从追求绝对能力，转向追求单位经济。
对企业来说，这意味着自动化预算可以覆盖更多场景。过去因为单次调用成本太高而放弃的流程，现在可以重新算一遍账。对开发者来说，这意味着可以构建以前在经济上不可行的高频应用：批量处理发票、自动审阅设计稿、持续监控并操作业务系统。
真正的赢家，可能不是模型厂商，而是那些最先用 Terra 这类高性价比模型重构工作流的公司。当模型不再比谁更大，而是比谁更会算账，AI 才真正开始干活。
快报