智东西

编译 | 杨京丽

编辑 | 李水青

智东西 10 月 27 日消息，今天，OpenAI 推出新模型GPT-6.1 Terra，主打视觉推理、精准电脑操作以及更自然的写作能力。相比上一代模型 GPT-5.6 Terra，新模型在日常沟通和电脑任务方面进一步升级，可用于撰写提案、解读技术图纸、填写表单和编辑视频等工作。

GPT-6.1 Terra 继续主打速度、能力与成本之间的平衡。其标准 API 价格为每百万输入 token 收费 1 美元（约合人民币 6.67 元），每百万缓存输入 token 收费 0.05 美元（约合人民币 0.33 元），每百万输出 token 收费 5 美元（约合人民币 33.35 元），较 GPT-5.6 Terra 和 GPT-6.1 Sol 均低 50%，方便开发者将其用于读取发票、向会计软件录入信息等大批量自动化工作。

从模型定位来看，OpenAI 的 GPT-6 和 GPT-6.1 系列包括Astra、Sol、Terra、Luna等不同型号。GPT-6.1 Terra 侧重速度、成本和日常任务执行，适合大规模调用；GPT-6 Astra 是 OpenAI 能力最强的旗舰模型，面向高难度推理和复杂任务；GPT-6.1 Sol 在相对更低价格下提供接近 Astra 的能力，适合复杂编程和推理任务；GPT-6 Luna 则主打快速、高效的规模化日常工作。

在 ChatGPT Work 和 Codex 中，使用同样的额度，GPT-6.1 Terra 能够完成比 GPT-5.6 Terra、GPT-6.1 Sol 和 GPT-6 Astra 更多的任务。

GPT-6.1 Terra 现已面向 ChatGPT Work 和 Codex 中的所有 Plus、Pro、Enterprise 及 Edu 用户开放。

目前，在 Artificial Analysis 智力指数榜单上，GPT-6.1 Terra 的得分为 48 分，较 GPT-5.6 Terra 提升 6 分，领先 Grok 4.7（xhigh）和 Mimo-V2.6-Pro的 47 分，与 GPT-6.1 Sol 的 52 分成绩接近。

一、电脑操作得分提升 15 个百分点，部分任务表现追平 GPT-6 Astra

OpenAI 使用 Agents ’ Last Exam（Agent 终极考试基准）评估 GPT-6.1 Terra 的电脑操作能力。这项基准包含多种专业任务，例如将建筑图纸转换为 3D 模型，以及逐镜头审阅动画电影，为修复团队生成带时间码的记录。

在中等推理强度下，GPT-6.1 Terra 的得分较 GPT-5.6 Terra 提高 15 个百分点，成本约为后者的三分之一。它的表现与 GPT-6 Astra 相当，每 token 价格仅为后者的十分之一。

在最高推理强度下，GPT-6.1 Terra 的 token 使用效率超过 Claude Opus 5.5 的 3 倍，每 token 价格为后者的四分之一，单项任务成本约为后者的九分之一。GPT-6.1 Terra 还具备更快的速度，其任务完成速度比 GPT-6 Astra 和 GPT-6.1 Sol 快 3 倍以上。

在视觉推理基准 MMMU-Pro 测试中，GPT-6.1 Terra 在各档推理强度下表现均优于 GPT-5.6 Terra。新模型以低得多的成本，取得了接近 GPT-6 Astra 和 GPT-6.1 Sol 的成绩。

OSWorld 2.1 用于测试 AI Agent 操作桌面应用、完成多步骤任务的能力，例如根据技术图纸制作 3D 模型。在该基准的离线测试集中，GPT-6.1 Terra 在中等推理强度下，便超过了 GPT-5.6 Terra 的最高得分，单项任务成本也明显更低。

二、高推理强度下事实错误率降至 4.3%，编程任务解决率翻倍

OpenAI 称，他们今年在减少模型幻觉和事实错误方面投入了大量工作。在其内部一项使用易诱发错误提示词的基准测试中，低推理强度下，GPT-6.1 Terra 的错误率从 GPT-5.6 Terra 的 53.6% 降至 16.7%，下降近 37 个百分点。

在最高推理强度下，GPT-6.1 Terra 的错误率较上一代下降 18 个百分点，降至 4.3%，接近 GPT-6 Astra 和 GPT-6.1 Sol 的水平。

编程方面，在 Terminal-Bench 4.0 中，GPT-6.1 Terra 的任务解决率达到 50.3%，较 GPT-5.6 Terra 21.5% 的成绩翻倍。该测试考察编程 Agent 通过命令行解决问题的能力，例如修复网页加载时出现的布局偏移。

不过，OpenAI 称，对于最复杂的编程任务，GPT-6.1 Sol 和 GPT-6 Astra 仍是更好的选择。

Terminal-Bench-Science 0.1 则考察 Agent 使用代码完成科学研究任务的能力，例如追踪延时摄影视频中的细胞分裂。在最高推理强度下，GPT-6.1 Terra 的得分超过 GPT-6.1 Sol，且成本更低。GPT-6.1 Terra 与 Claude Opus 5.5 的得分差距只有 5 个百分点，估算成本则不到后者的五分之一。

三、延续 GPT-6 系列对齐改进，加强任务边界与提示词注入防护

OpenAI 称，在提升 AI 的效率和普及性的同时，他们也在持续训练、测试并完善防护措施。GPT-6.1 Terra 在其 " 前沿风险防范框架 " 下，达到网络安全能力的 Critical 阈值，并保留了为 GPT-6 Astra 开发的防护措施。

GPT-6.1 Terra 还继承了 GPT-6 系列的对齐改进。根据 OpenAI 的评估，相比 GPT-5.6 Terra，新模型更能在用户授权的任务范围内行动，并如实向用户说明自身限制和可能阻碍任务完成的因素。

在提示词注入测试中，GPT-6.1 Terra 对试图使其偏离用户任务的恶意指令，也展现出较强的抵抗能力。

结语：以更低成本推进电脑任务自动化

GPT-6.1 Terra 重点提升视觉理解、电脑操作和事实准确性的同时，降低了完成任务所需的时间与成本。与 GPT-6.1 Sol 和 GPT-6 Astra 相比，该模型具备更高的性价比优势，但在复杂编程任务上仍存在一定差距。

对于需要反复读取信息、操作软件和录入数据的工作，更低的单项任务成本，有助于扩大电脑操作等 Agent 任务的应用范围。