GPT-6.1 Terra 标价低一半，每件任务省多少？

电脑操作类智能体的单件成本又降了一档，而选模型的账，要从看词元单价改成按完成一件事来算。OpenAI 新推出的 GPT-6.1 Terra，价目表上比自家 GPT-6.1 Sol 便宜一半，但第三方评测显示它干同样的活要多说约一倍的话，折算到每件任务，只便宜四成多。

我们的看法是：Terra 对「大量、重复、要点屏幕」的工作是实打实的降价，尤其是相对上一代 Terra；但在 Terra 和 Sol 之间，省下的不是一半，而是四成多，换来的是略低的分数。OpenAI 最想讲的电脑操作能力，公开材料里只有相对提升，没有绝对完成率，这一块还得等独立评测。

发生了什么

据 OpenAI 的发布文章（企业宣称），Terra 主打视觉理解和电脑操作，例子是读进来的发票、把明细录进会计软件这类高频工作；标准价比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%，当天对 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户开放，开发者可走 API。

API 文档的模型页（官方文件）写明了价格：输入每百万词元 1 美元、缓存输入 0.05 美元、输出 5 美元；上下文窗口 105 万词元。两个容易漏看的条款：单次请求输入超过 27.2 万词元，整次请求的输入按 2 倍、输出按 1.5 倍计价；批处理和 Flex 模式便宜 50%。

OpenAI 自报的成绩集中在三处。在它称为 Agents’ Last Exam 的专业任务评测上，中等推理强度下 Terra 比 GPT-5.6 Terra 高 15 个百分点、成本约为三分之一，并称与 GPT-6 Astra 持平；最高推理强度下，它称 Terra 每件任务的成本约为 Claude Opus 5.5 的九分之一。命令行编程评测 Terminal-Bench 4.0 上，最高推理强度解出 50.3% 的任务，上一代是 21.5%。内部的诱错提示测试里，低推理强度的错误率从 53.6% 降到 16.7%。

账要按件算

独立的数字来自 Artificial Analysis。它用同一套 10 项评测（含 Terminal-Bench 4.0 和一项自动化任务评测）给模型打综合分，并算出每件任务的加权平均花费。四个 OpenAI 模型都按最高推理强度测：

• GPT-6.1 Terra：综合分 48，每件任务约 0.40 美元，跑完整套评测输出 1.3 亿词元，被标为「偏啰嗦」（同类中位数 8100 万）。
• GPT-6.1 Sol：综合分 52，每件任务约 0.72 美元，输出 6700 万词元。
• GPT-5.6 Terra：综合分 42，每件任务约 1.40 美元，输出 1.2 亿词元。
• GPT-6 Astra：综合分 53，每件任务约 3.26 美元，输出 6000 万词元。

这几组数字出自同一家机构、同一套题、同一种算法，可以放在一起看。相对上一代 Terra，新 Terra 分数高 6 分，每件任务便宜约七成，这是真降价。相对 Sol，词元单价是一半，但 Terra 输出的词元差不多是 Sol 的两倍，所以每件任务只便宜约 44%，分数低 4 分。价目表上的「便宜一半」，被「话多」吃掉了一截。

分析推断（依据：上面的每件任务花费和输出词元数）：对发票录入、表单填写这类简单而量大的活，Terra 比 Sol 更合算的可能性大，因为这类任务对那 4 分的差距不敏感；对需要一次做对的复杂任务，Sol 每件只贵 0.32 美元左右，失败重做一次的成本就可能超过这点差价。OpenAI 自己也写了，最复杂的编程任务仍建议用 Sol 或 Astra。

电脑操作这一块还缺什么

Terra 的卖点是操作电脑，但 OpenAI 在这部分给的都是相对说法：「高 15 个百分点」「与 Astra 持平」「超过上一代的最好成绩」。Agents’ Last Exam 和 OSWorld 2.1 的绝对分数、任务数量、失败时是卡在哪一步，文章里都没写。Artificial Analysis 的综合分不包含这两项电脑操作评测，所以它的每件任务成本只能代表文本、编程和分析类任务，不能直接套到点屏幕的活上。

对要部署的人来说，这意味着电脑操作场景的账还得自己算：拿自己流程里的 50 到 100 件真实任务，记下完成率、每件词元数、人需要接手的位置，再乘上价格。

最强反方

最有力的反驳是：每件任务的成本只是评测里的平均数，真实业务里提示词可以缓存，Terra 的缓存输入只要 0.05 美元，长流程里输入占大头时，单价减半会更完整地落到账单上；而且 Terra 速度更快，Artificial Analysis 测得每秒约 91 个词元，高于 Sol 的约 69 个，对要等结果的人工流程，快本身就是价值。

我们在这里让步一半：缓存比例高、输入远多于输出的流程，Terra 的优势确实会大于四成。但我们仍坚持按件比较这个方法，因为啰嗦是模型行为，缓存省的是输入，输出词元多出来的那部分照样按 5 美元计价；而速度快也不等于完成率高，后者 OpenAI 没给绝对数。

我们不知道什么

我们不知道 Terra 在 Agents’ Last Exam 和 OSWorld 2.1 上的绝对完成率，也不知道这些评测有多少任务、由谁出题；OpenAI 与 Claude Opus 5.5 的九倍成本差只来自它自己的测试，没有第三方复核。Artificial Analysis 的数字是最高推理强度，默认的中等强度下词元用量和分数会怎样变化，目前没有独立数据。企业在真实流程里每件任务要多少次人工接手，也没有公开案例。

接下来看什么

一是 Artificial Analysis 或其他独立机构是否补上电脑操作类评测的分数和每件成本；二是第一批用 Terra 跑发票、表单这类流程的企业，会不会公开完成率和人工接手比例；三是 OpenAI 系统卡里关于「更守任务范围」的评测细节，这关系到让它自己点「提交」时有多放心。