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，以及失败后的重试成本。

因此，相比单纯降价，Terra 此次更值得关注的是其在部分评测中同时实现了能力提升、Token 使用效率改善和任务执行速度提高。

在产品使用方面，OpenAI 宣布 GPT-6.1 Terra 已向 ChatGPT Work 和 Codex 中的 Plus、Pro、Enterprise 及 Edu 用户开放。开发者也可以通过 API 调用gpt-6.1-terra。

OpenAI 表示，相同的使用配额在 GPT-6.1 Terra 上能够覆盖比 GPT-5.6 Terra 更多的任务，也明显多于 GPT-6.1 Sol 或 GPT-6 Astra。

根据官方技术文档，GPT-6.1 Terra 支持约 105 万 Token 上下文窗口，最大输出长度为 12.8 万 Token，支持文本和图像输入。但这里值得注意的是，其 API 本身并不提供原生视频输入或输出，因此视频相关工作主要依赖与外部工具及应用的协同操作。

3 模型发多了，开发者也选择困难

GPT-6.1 Terra 发布后，x、Reddit 等平台已经出现了不少讨论。

和以往新模型发布时集中讨论“性能是否屠榜”不同，这次开发者的关注点更多落在三个问题上：价格是否真的更便宜、速度是否足够快，以及新模型是否值得替换现有工作流。

有意思的是，社区也出现了两种截然不同的情绪：一部分网友对性能与成本的改善表示兴奋，另一部分则对越来越密集的新模型发布感到麻木，甚至拿 OpenAI 的模型命名体系开起了玩笑。

在 Reddit 社区，一位名为 sillybluejayway 的网友认为，新模型实际上已经接近 GPT-6.0 Astra 的能力水平，但运行成本仅为后者的十分之一。在他看来，Terra 或许没有进一步突破最前沿模型的能力上限，但如果能够以如此低的成本提供接近上一代旗舰模型的性能，本身就是相当可观的进步。

这位网友还提出了一个更值得关注的观点：真正推动 AI 广泛应用的，未必只是最强模型不断刷新性能纪录，而是让已经具备较强能力的模型变得足够便宜。

他认为，无论是 AI 对就业岗位的替代，还是具身智能的发展，都与这类成本下降密切相关。

不过，也有网友对这种判断提出质疑。

网友 AzorAhai1TK 表示，自己仍然不够信任基准测试，尤其不认为仅凭测试成绩，就能断言一个规模小得多的模型已经全面追平大型模型。他指出，较小模型可能缺少一些额外的世界知识，但这些知识在特定任务中可能十分关键。

网友 NeedleworkerNarrow56 表示，自己对 GPT-6.1 Sol 进行了大量测试，发现其在编程工作中与 GPT-6 Astra 的差距已经很小，但在视觉和文本等通用推理任务中，两者仍然存在明显差距。

“在真实世界中运行的智能体，并不总是需要最前沿的顶级能力，但需要在成本与智能水平之间取得良好平衡。”另一位网友 Material-Watercress1 评论道。

这也点出了 Terra 的产品定位：对于高频调用模型的 Agent 应用来说，每次请求是否都需要使用最强模型，本身就是一个值得重新考虑的问题。

但当 OpenAI 不断推出不同系列和版本的模型时，开发者也遇到了一个新麻烦：究竟应该选哪个？

网友 NotAFishEnt 提出了一个颇有代表性的问题：面对 GPT-5.6、GPT-6.0、GPT-6.1，以及 Luna、Sol、Terra 等不同系列，再加上从 Light 到 Ultra 的多档推理强度，到底怎样才能找到最适合自己工作的组合？

他表示，自己日常需要处理复杂的编程任务，真正想弄清楚的是，怎样才能让花出去的每一美元获得最大的回报。

这一问题引起其他开发者共鸣。有网友建议，只能根据实际使用经验不断试错，例如先从 Medium 推理强度开始，如果无法完成任务，再逐步提高档位。

也有人认为，可以参考 Artificial Analysis 的性能与成本帕累托前沿，筛选那些在价格和能力之间具有竞争力的模型。

随着模型版本越来越多，开发者似乎又多出了一项工作：不仅要完成开发任务，还要持续评估哪款 AI 模型最划算，想想也是头大！

有意思的是，就在 GPT-6.1 Terra 发布的同一天，OpenAI 的老对手 Anthropic 刚传来了一则重磅消息。

当地时间 10 月 26 日，Anthropic 正式向美国证券交易委员会（SEC）公开提交 S-1 注册文件，启动 IPO 的公开申报程序。按照文件披露的信息，Anthropic 计划登陆纳斯达克，股票代码为“ANT”，但具体发行规模及发行价格区间尚未确定。

几乎在同一天，OpenAI 就发布新模型。一边是 Anthropic 向公开资本市场迈出重要一步，一边是 OpenAI 继续加快产品迭代。两家公司虽然动作不同，却都在回答同一个问题：如何让大模型能力真正转化为可持续的商业价值？

事实上，OpenAI 与 Anthropic 的竞争早已不局限于模型排行榜。尤其在 AI 编程和企业级 Agent 领域，两家公司不仅要争夺开发者，还需要证明自己的模型能够以更低成本完成更多实际工作。

这也解释了为什么 OpenAI 近期的新模型越来越强调成本效率。对于大规模部署 Agent 的企业而言，模型能力固然重要，但每项任务究竟花费多少钱、执行多长时间、能否稳定完成，正在成为同样关键的选型指标。

更微妙的是，当 Anthropic 开始向公开市场展示其商业化能力和财务状况时，OpenAI 也在通过密集的产品更新，展示模型能力与运行效率的持续进步。可见，大模型的竞争，正在从技术排行榜延伸到一场更加复杂的商业较量。

https://x.com/OpenAI/status/2114780711664398349

https://openai.com/index/introducing-gpt-6-1-terra/

声明：本文为 InfoQ 整理，不代表平台观点，也不构成投资建议，未经许可禁止转载。

热度延续：12 月 AICon 北京站见

12 月 18–19 日，AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题，设置 13 大技术专题，覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向，汇聚一线技术专家，深入分享 AI 技术突破与企业规模化落地的真实实践。