OpenAI 正式发布 GPT-6.1 Terra，这是 GPT-5.6 Terra 的升级版本。与以往强调基准测试成绩的更新不同，新模型将重点放在日常工作任务上，包括撰写商业提案、理解技术图纸、填写表格、操作软件以及辅助视频编辑等。OpenAI 表示，Terra 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%，在部分专业任务测试中的表现已接近旗舰模型 GPT-6 Astra。

定价是此次更新的核心看点。根据 OpenAI 公布的标准 API 价格，GPT-6.1 Terra 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。这一价格仅为 GPT-6 Astra 的十分之一。不过，Token 单价并不等于最终任务成本，实际执行一次任务的花费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，Terra 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。

在事实准确性方面，OpenAI 持续投入资源降低模型幻觉。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 在低推理强度下的错误率从上一代的 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，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。对于合同条款提取、业务数据处理等实际办公场景，这一改进有助于降低人工核查和返工成本。

编程能力的提升同样明显。在评估编程智能体通过命令行解决实际软件工程问题的 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%，任务解决率提高 28.8 个百分点，约为上一代的 2.34 倍。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 仍是更合适的选择。

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；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。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 价格约为后者的四分之一，综合计算单任务成本降低约 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。

产品使用方面，GPT-6.1 Terra 已向 ChatGPT Work 和 Codex 中的 Plus、Pro、Enterprise 及 Edu 用户开放，开发者也可通过 API 调用 gpt-6.1-terra。官方技术文档显示，该模型支持约 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 API 本身不提供原生视频输入或输出，视频相关工作主要依赖与外部工具及应用的协同操作。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。

新模型发布后，开发者社区的反应呈现分化。在 Reddit 上，有网友认为 Terra 实际上已接近 GPT-6 Astra 的能力水平，但运行成本仅为后者的十分之一，并指出真正推动 AI 广泛应用的未必是最强模型不断刷新纪录，而是让已经具备较强能力的模型变得足够便宜。也有网友对基准测试持保留态度，认为仅凭测试成绩不能断言一个规模小得多的模型已全面追平大型模型，较小模型可能缺少某些关键的世界知识。还有开发者提出，面对 GPT-5.6、GPT-6.0、GPT-6.1 以及 Luna、Sol、Terra 等不同系列和从 Light 到 Ultra 的多档推理强度，如何找到最适合自己工作的组合、让每一美元获得最大回报，已成为新的选择难题。

值得关注的是，就在 GPT-6.1 Terra 发布的同一天，OpenAI 的竞争对手 Anthropic 正式向美国证券交易委员会公开提交 S-1 注册文件，启动 IPO 公开申报程序，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。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。尤其在 AI 编程和企业级 Agent 领域，模型能力固然重要，但每项任务的花费、执行时间和稳定完成率，正成为企业选型时同样关键的指标。大模型的竞争，正在从技术排行榜延伸到一场更复杂的商业较量。