搞AI应用、做RPA自动化的同行都懂一个痛点：想让AI自己操作电脑干活，能力够的不便宜，便宜的干不了。
过去想把Agent真正用进日常——读发票、填表单、剪视频、照图纸建模——要么请旗舰模型，输入10美元、输出50美元每百万token，跑一次贵到肉疼；要么退而求其次用低价小模型，一碰复杂任务就翻车，返工成本反而更高。
但就在昨天，OpenAI发布了GPT-6.1 Terra，主打低成本电脑操作。标准API输入只要1美元、输出5美元每百万token，价格直接砍半，只有旗舰Astra的十分之一。Sam Altman放话，这将是电脑操作的新时代。
今天就给大家完整拆解：这次到底砍掉了什么、凭什么敢把电脑操作做得这么便宜、编程和准确率提升有多大、又有哪些坑必须提前知道，一次性讲透。
真实落地成果：价格砍半，成本直降十分之一
很多开发者和企业不换模型，不是嫌能力不够，是嫌账单太贵。这次Terra直接把成本问题摆平了。
GPT-6.1 Terra的标准API定价是输入1美元、缓存输入0.05美元、输出5美元（每百万token），接替上一代GPT-5.6 Terra的中间层位置。
✅ API价格：输入1美元、输出5美元每百万token，比GPT-5.6 Terra和GPT-6.1 Sol都低50%
输入从2美元砍到1美元是正好一半，输出从12美元砍到5美元降了58%，比一半还狠。对跑量的日常任务来说，这省下的是实打实的账单。
✅ 成本对比：仅为旗舰GPT-6 Astra的十分之一，完成同任务成本比Claude Opus 5.5低约9倍
Astra输入10美元、输出50美元，Terra只有它的十分之一。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，Token单价只有四分之一，同一任务的最终成本能压到九分之一左右。
✅ 运行速度：完成任务速度超Astra和Sol的三倍
速度也是这次的大看点。有开发者在用量面板里实测，Terra的生成速度是Sol的3.4倍，单次请求能到每秒450 token。快，意味着它能塞进交互流程，而不是只配当后台批处理。
硬核准入能力：从看懂屏幕到真正操作电脑
便宜只是前提，能干才是关键。这次Terra最核心的变化，是把视觉理解和电脑操作真正结合到了一起。
它能看懂屏幕内容、跨应用执行操作，处理日常工作里那些重复量大、单次价值不高的杂活。
① 读发票入账：读取收到的发票，自动把相关信息录进财务软件
以前这类活要么靠人工，要么靠旗舰模型硬扛成本。现在Terra几秒钟看完截图、算对数、按格式填好，企业把重复录入直接交给它。
② 填网页表单：自动填写网页表单，跨应用完成多步骤任务
在OSWorld 2.1桌面应用测试里，它只用中等推理强度，就超过了上一代GPT-5.6 Terra在最高推理强度下的成绩，单任务成本还低得多。
③ 剪辑视频：编辑视频、逐帧检查动画影片，为修复团队制作带时间码的镜头记录
过去AI看懂图片、分析文档没问题，但真要动手操作桌面软件、跨应用完成任务，需要很强的模型能力和推理成本。Terra把这件事的成本门槛拉了下来。
④ 照图建模：根据建筑设计图纸创建3D模型，读懂技术图纸
在Agents' Last Exam专业任务评测中，中等推理强度下Terra得分比GPT-5.6 Terra高出15个百分点，单任务成本降到约三分之一，表现已经接近旗舰Astra。
避坑必看：默认档位只有七成水平，复杂编程别指望它
便宜归便宜，Terra是中间层，不是全能选手。有几个坑下单前必须知道，不然要么白烧钱，要么白丢分。
① 默认档位只给你七成水平：思考强度默认medium，Terminal-Bench只有35.8%，满档max是50.3%
低到中档省下的那点钱，代价是一次没做对要返工。重试一次的开销往往比思考token贵得多。要做结论、要给人看的活，建议直接把档位拉满。
② 复杂编程别指望：Terminal-Bench 4.0最高档50.3%，翻倍但仍不是天花板
这一代编程能力提升确实猛——上一代公开成绩只有21.5%，现在直接翻了两倍多。但OpenAI自己说了，最复杂的软件工程和深度研究，还是交给Sol和Astra。
③ 长上下文有加价悬崖：输入超过27.2万token费率上浮，1.05M窗口不等于全程一个价
上下文窗口看着豪气，真把百万上下文塞满，账单不是线性涨的。整库代码、整本年报这种几十万token的用法，先算清楚再下单，或走便宜一半的Batch通道。
④ 不支持微调：想靠微调拉高垂直领域表现，这条路走不通
只能靠提示词、检索和结构化输出去适配场景。另外它的思考档位有六档（none到max），只有none档才开放temperature等采样参数。
好消息是，事实准确率这代进步明显。低推理强度下错误率从53.6%降到16.7%，高推理强度下只有4.3%，贴近旗舰水平。对处理合同、技术文档的Agent来说，这比跑分更重要。
AI打工时代，比跑分更重要的是成本和速度
以前选模型，大家比的是Benchmark分数谁高。现在风向变了——企业更关心完成同一件事要花多少钱、多少时间，能不能持续可靠地执行。
GPT-6.1 Terra的出现，把这种权衡的代价压了下来：一个能看懂屏幕、操作软件、理解复杂文档的模型，能力接近旗舰，Token成本却只要十分之一，AI Agent终于有条件从少数高价值任务，走向大规模日常应用。
有团队用8个Agent开发游戏，Terra只花6分钟、1.06美元就完成了任务，而同题的Claude Sonnet 5.5花了约一小时、18.10美元。这种差距，正是Agent时代打工人最在意的账。
从旗舰Astra到综合Sol，再到主打高效执行的Terra，OpenAI今年的产品线分工越来越清晰：让越来越强的AI越来越便宜，和发布下一代最强模型同等重要。
写在最后：
一句话总结：GPT-6.1 Terra把“够用的能力”和“便宜的价格”第一次同时落到了能干活的水准上。建议做AI应用、搞自动化、写Agent的同行，赶紧去实测一轮——挑一个真实任务，两个模型各跑五十次，比单任务成本，别只看单价。觉得有用，点个收藏，转发给还在纠结预算的同事，也欢迎评论区聊聊你的实测数据！
#GPT-6.1 #OpenAI #人工智能 #AI-Agent #大模型 #AI编程 #电脑操作 #API降价 #AI应用 #科技前沿