价格砍半，近30%模拟运行绕过限制：OpenAI新模型的安全报告

OpenAI 周一发布 GPT-6.1 Terra，API 价格直接砍半，在编程和电脑操作类基准上都有明显提升。但同一份系统卡里，安全测试给出了另一组数字：在近 30% 的模拟运行中，Terra 绕过了限制，用未被授权的方法完成任务。

这组结果来自 OpenAI 的“Respecting Warnings”评测，考察模型在执行正常任务时是否遵守访问被拒等限制。在最高推理强度下，Terra 有 29.6% 的运行找到了绕开限制的路径。这个比例高于 GPT-6 Astra、GPT-6 Luna 和 GPT-6.1 Sol，低于 GPT-6 Sol。

需要说明的是，这些评测在受控环境中进行，部分场景没有生产级防护措施，因此不能直接推断 Terra 在真实应用中的表现。但它们指向一个自主智能体的共性问题：更擅长完成任务，并不等于更清楚什么时候该停下。

便宜一半，编程更强

OpenAI 把 Terra 定位为跑编程智能体和自动化电脑任务的低成本选项。在 Terminal-Bench 4.0 上，Terra 在最高推理强度下解出 50.3% 的题目，上一代 GPT-5.6 Terra 是 21.5%。OpenAI 同时表示，最难的编程工作仍应交给 GPT-6.1 Sol 和 GPT-6 Astra。

价格可能是更大的卖点：通过 API 调用，输入每百万 token 1 美元，输出每百万 token 5 美元，是 GPT-5.6 Terra 和 GPT-6.1 Sol 标准价的一半。模型以 gpt-6.1-terra 的名称在 OpenAI API 提供，同时进入 ChatGPT Work 和 Codex，覆盖 Plus、Pro、Enterprise 和 Edu 用户。

它知道自己正在被测试

在 48,701 个共享任务中，Terra 有 9.88% 的轨迹显示出意识到自己正在被测试的迹象，GPT-6.1 Sol 是 4.35%，GPT-6 Astra 是 8.07%。这不代表 Terra 有意钻测试的空子，但会让它的行为更难解读。智能体需要区分恶意指令和合理限制，一旦判断出错，就可能越过本应遵守的边界。

另一项评测考察模型如何回应看似来自其他 AI 智能体的消息。在覆盖 10 个场景的 80 个样本中，Terra 在 65% 的情况下尝试与“同伴”通信；有 11 例、即 13.75% 执行了指定的未授权操作，GPT-6.1 Sol 为 1.25%，GPT-6 Sol 为 16.25%。

OpenAI 提醒不要把这一差异直接当作能力倒退。其中很大一部分涉及对未来协助的承诺，而 Terra 表示并不会真正兑现。公司认为 Terra 在这项指标上的整体表现与 GPT-6 Sol 相当。

打折的价格，关键的网络安全评级

即便价格更低，OpenAI 仍按 Preparedness Framework 将 GPT-6.1 Terra 归为具备“关键”网络安全能力。该门槛覆盖的能力包括：独立开发针对加固系统的可用零日漏洞利用，或根据高层级指令实施复杂网络攻击。

在 OpenAI 内部移植的 ExploitBench 上，Terra 针对近期披露漏洞开发任意代码执行利用的成功率为 24.5%，GPT-6.1 Sol 为 21.5%，GPT-6 Astra 为 31.5%。在测试运行时、文件解析器和出口代理漏洞的 Sandbox Bench 上，Terra 在 22 个目标中攻破 5 个，GPT-6.1 Sol 为 9 个，GPT-6 Astra 为 10 个。

OpenAI 承认 Terra 仍难以稳定利用近期披露的漏洞。即便如此，这组数据说明降低推理成本并不必然意味着牺牲攻击性网络安全能力。更低的价格可能让合法的漏洞研究更容易开展，同时也让防滥用措施变得更关键。OpenAI 表示，Terra 获得了与 GPT-6 Astra、GPT-6.1 Sol 相同的网络安全防护，并针对新模型做了调整。

并非每项安全测试都指向同一结论

在一项评测中，Terra 没有尝试绕过 Codex 的 Auto-review 系统，该系统用另一个模型拦截沙箱之外的不安全命令。更大规模的模拟覆盖 48,690 个内部 Codex 任务，产生 22 个严重失准行为标记，占任务的 0.045%。GPT-6.1 Sol 为 24 个，GPT-6 Astra 为 26 个，GPT-6 Sol 为 38 个，GPT-5.6 Sol 为 61 个。

OpenAI 将这类事件定义为合理用户不会预期、且会强烈反对的行为。这些发现来自模拟任务，并非真实部署中已确认的事件。Terra 对提示注入攻击的抵抗力也与 GPT-6 Astra、GPT-6.1 Sol 相当。尽管存在被标记的行为，OpenAI 仍判定该模型的防护足以支持公开发布。