OpenAI于美东时间10月26日推出GPT-6系列新成员GPT-6.1 Terra，定位为快速、高效的日常办公与电脑操作模型，标准API价格较上一代GPT-5.6 Terra整体下调50%。新模型即日起向ChatGPT Work和Codex中的Plus、Pro、Enterprise及Edu用户开放，开发者也可通过API调用，模型名称为gpt-6.1-terra。
与追求单项能力极限的旗舰模型不同，GPT-6.1 Terra强调将视觉理解、跨应用操作和文本生成整合进同一工作流。OpenAI希望它能以更低成本承担覆盖整个工作日的重复性任务，例如读取发票并录入会计软件、填写表格、编辑视频或起草商业提案。公司称，在ChatGPT Work和Codex中，相同使用额度可让Terra完成比GPT-5.6 Terra更多的任务。
性能方面，OpenAI公布的数据显示，在衡量智能体使用软件完成专业任务的Agents’ Last Exam基准中，GPT-6.1 Terra在中等推理强度下的成绩较GPT-5.6 Terra提高15个百分点，而任务成本约为后者的三分之一。其表现可与旗舰模型GPT-6 Astra相当，但每个Token的价格仅为Astra的十分之一。在最高推理强度下，OpenAI称Terra的Token效率为Claude Opus 5.5的三倍以上，每Token价格仅为后者的四分之一，综合计算完成任务成本约为Claude Opus 5.5的九分之一。速度上，Terra完成任务的平均速度是GPT-6 Astra和GPT-6.1 Sol的三倍以上。
视觉与桌面操作能力也有提升。在MMMU-Pro基准中，GPT-6.1 Terra各推理设置下的表现均优于GPT-5.6 Terra，并以更低成本接近GPT-6 Astra和GPT-6.1 Sol。在测试智能体使用桌面应用完成多步骤任务的OSWorld 2.1基准中，Terra在中等推理强度下超过了GPT-5.6 Terra此前的最佳成绩。
独立测评机构Artificial Analysis的评测进一步印证了成本效率的改善。该机构称，Terra在Artificial Analysis Intelligence Index中的最高推理强度成绩较GPT-5.6 Terra提高6分，单项任务成本从1.40美元降至0.40美元，不到原来的三分之一。在较低和中等推理强度下，指数成绩提升幅度更大，达到7至13分，这两个档位在智能水平与成本权衡上处于效率前沿。在面向编码智能体的Coding Agent Index v2.0中，GPT-6.1 Terra得分为48分，低于GPT-6.1 Sol的54分，但高于GPT-6 Luna的31分。
可靠性是此次升级的另一重点。Artificial Analysis在其私有知识与幻觉基准AA-Omniscience中发现，当模型不知道答案时，GPT-6.1 Terra给出猜测的比例为38%，而GPT-5.6 Terra为88%，下降50个百分点；同时Terra在该基准上的准确率还提高了2分。需要说明的是，这一结果衡量的是特定基准中模型在不确定情况下猜测答案的倾向，并不代表所有实际应用中的整体错误率都下降了50个百分点。OpenAI内部测试也显示，在容易诱发错误的提示词测试中，低推理强度下错误率从53.6%降至16.7%，最高推理强度下错误率下降18个百分点至4.3%。
编码能力同样进步明显。在OpenAI公布的Terminal-Bench 4.0基准中，GPT-6.1 Terra在最高推理强度下的任务成功率达到50.3%，超过GPT-5.6 Terra此前公布的21.5%，增至两倍以上。Artificial Analysis的独立评测也显示，Terra在这一基准上的成绩提升约20个百分点，并在最高推理强度下接近GPT-6.1 Sol。不过，对于深入研究或复杂编码任务，OpenAI仍建议用户优先选择GPT-6.1 Sol或GPT-6 Astra。
价格是本次发布的核心看点。OpenAI公布的标准API价格为：每百万输入Token收费1美元、每百万缓存输入Token收费0.05美元、每百万输出Token收费5美元。相比GPT-5.6 Terra，标准API价格整体下调50%；与GPT-6.1 Sol相比也低50%。Artificial Analysis给出的对比显示，GPT-5.6 Terra的输入和输出Token价格分别为每百万2美元和12美元，新模型降至1美元和5美元；缓存输入价格从每百万0.20美元降至0.05美元，降幅达75%。该机构还报告新模型的缓存写入价格为每百万1.25美元。
从产品分工看，OpenAI正在进一步细化GPT-6系列的能力与成本层级：Terra主打高频、重复、需要电脑操作的工作，Sol和Astra继续面向深入研究与复杂编码。随着模型在特定任务上的执行效率提高，竞争焦点也正从单纯比较模型能力上限，转向衡量完成真实工作所需的时间、Token和总成本。对于需要反复读取文件、操作办公软件或处理大量结构化信息的企业用户，这种成本差异可能直接影响智能体能否大规模部署。