openai宣布发布GPT‑6.1 Terra

GPT‑6.1 Terra 更像“能看屏幕、能操作软件、成本更低的执行型模型”，而不是全面取代 Sol/Astra 的最强大脑。对于 Agent 商业化，它可能比单纯刷新推理榜单更重要。下面是具体依据。
1. 能力到底提升多少？
- 电脑操作：Agents’ Last Exam 中，中等推理强度比5.6 Terra提高15个百分点，任务成本约为原来的1/3。这里测的是实际职业任务，而非只回答选择题。
- 编程执行：Terminal-Bench 4.0最高推理强度成绩50.3%，上一代公开成绩21.5%。但OpenAI仍建议最复杂编程选Sol/Astra。
- 事实准确性：特定易错提示测试中，低推理强度错误率53.6%→16.7%；最高强度降至4.3%。这不等于“日常回答只有4.3%会错”。官方发布
真正值得关注的是：不只是每个token便宜，而是完成同类任务需要的总成本也下降。
2. 便宜到什么程度？
标准API每百万token：输入1美元，缓存输入0.05美元，输出5美元。

举个算例：一次任务合计10万输入＋1万计费输出，不使用缓存，模型费约0.15美元；1,000次约150美元。这不是完整Agent成本，还要加工具、执行环境、重试和人工复核。

有个容易忽略的条件：单次输入超过27.2万token，整次请求输入/缓存费翻倍、输出费乘1.5。因此，长材料不能只看标价。模型规格与计费
3. 它能处理什么？
上下文105万token，最大输出12.8万；支持文字和图片输入、文字输出，以及搜索、代码执行、电脑操作等工具。没有原生音频/视频输入能力，宣传中的“剪视频”指通过工具完成任务，不是模型直接生成视频。知识截止2026年6月，查最新财报仍需联网。官方规格
4. 放到你的工作里，我会这样分工
- Terra：批量找公告、抽取财报数字、核对表格、整理访谈、处理网页和文件、制作初稿。
- Sol/Astra：解释收入与算力承诺是否匹配、拆融资风险、检验反方逻辑、处理复杂估值假设。
- 最终结论：保留原始出处，关键数字独立复核。不是模型越贵就一定对，也不是Terra便宜就只适合简单聊天。
这是我的使用建议，不是已经验证过你这套工作流的胜率。
5. 对AI产业意味着什么？
核心指标应该从“每百万token多少钱”转向“每个合格完成的任务多少钱”。企业真正付费的是工作成果，尤其要扣掉失败重试和人工返工。

因此我偏正面看它对Agent落地的作用，但不会据此直接推导GPU需求暴增。商业需求可能扩大，同时每项任务消耗也可能下降，两股力量要分开看。官方系统卡也提醒，研究/API测试与实际ChatGPT的工具、提示和推理设置不同，跑分不能直接等同于生产效果