便宜一半、快三倍：GPT-6.1 Terra 给电脑操作重新定价-北京尧图网络

便宜一半、快三倍GPT-6.1 Terra 给电脑操作重新定价原文OpenAI - 《Introducing GPT-6.1 Terra》https://openai.com/index/introducing-gpt-6-1-terra/一、这是一台什么样的「电脑操作模型」10 月 26 日 OpenAI 发布 GPT-6.1 Terra定位一句话快、省、能看屏幕——详细的视觉推理加精确的 computer use写作也更自然。官方给的场景都是工作日里高频但琐碎的活看懂技术图纸、填表单、把发票读进财务软件、逐镜审片生成时间戳日志。对 Agent 开发者来说这类模型的选型逻辑和代码模型不一样瓶颈通常不在单步有多聪明而在每步多少钱、每单多快。Terra 正是按这个逻辑定价的——官方原话是继续推进自家的成本智能前沿。二、定价输入 1 美元、输出 5 美元标准 API 定价每百万输入 token 1 美元缓存输入 0.05 美元输出 5 美元。比 GPT-5.6 Terra 和 GPT-6.1 Sol 都低 50%。在 ChatGPT Work 与 Codex 里同样套餐额度能跑的任务量也比前两代明显更多。第三方侧OpenRouter 上线时给出的价格同为每百万输入 1 美元、输出 5 美元并标注上下文约 1.05M tokens此数字以官方文档为准。API 里的模型名是 gpt-6.1-terra。缓存那档价差值得单独说0.05 对 1 是 20 倍的差距而 Agent 的系统提示、工具定义、历史上下文每轮都在重复计费——computer use 类负载恰好是长会话、多轮次的形态缓存命中率直接决定账单。三、跑分贵的那两位分数被追平了按官方公告medium 推理档位下的 Agents’ Last Exam比 GPT-5.6 Terra 高 15 个百分点、成本约三分之一与 GPT-6 Astra 打平但单价只有它的十分之一。max 档位下每任务成本约为 Claude Opus 5.5 的九分之一token 效率 3 倍以上、单价四分之一。基准GPT-6.1 Terra对照Agents’ Last Exammedium比 5.6 Terra 高 15pp约 1/3 成本与 GPT-6 Astra 持平单价 1/10Terminal-Bench 4.0max50.3%GPT-5.6 Terra 公开成绩 21.5%OSWorld 2.1medium超过 GPT-5.6 Terra 最好成绩单任务成本更低事实错误率low16.7%GPT-5.6 Terra 为 53.6%降近 37pp事实错误率max4.3%降 18 个百分点速度上官方称完成任务比 GPT-6 Astra 和 GPT-6.1 Sol 都快三倍以上。事实错误率那一组数字对 Agent 尤其关键low 档从 53.6% 降到 16.7%意味着「便宜档位不再等于胡说八道」批量自动化里最怕的恰恰是低 effort 下的幻觉。四、边界在哪公告没有回避短板最复杂的编码任务官方仍指向 GPT-6.1 Sol 与 GPT-6 Astra。MMMU-Pro 上也只是接近 Astra 与 Sol 的分数。网络安全能力按 Preparedness Framework 达到 Critical 阈值并沿用 Astra 的防护。另外上下文长度与限流细节官方公告没有展开接入前以官方文档为准。五、最小接入示例按官方公告API 模型名为 gpt-6.1-terraOpenRouter 已同步上线。最小调用只需替换模型名接口形状以官方文档为准fromopenaiimportOpenAI clientOpenAI()respclient.chat.completions.create(modelgpt-6.1-terra,# 官方公告给出的 API 模型名messages[{role:user,content:读这张发票并提取金额、日期、抬头}],)print(resp.choices[0].message.content)迁移成本主要在评测不在代码把现有 computer use 流程在 Terra 上跑一遍对照集重点看两件事——low effort 下的事实错误率是否达标、缓存命中后的单任务成本变化。六、怎么选三条结论收束computer use 与高吞吐文档自动化Terra 是当前的性价比首选最复杂编码仍选 Sol 或 Astra预算敏感的批量任务用 Terra 并尽量吃缓存输入那档价格。跑分表里最值得记住的一行是 Terminal-Bench 4.0 从 21.5% 到 50.3%——这不是小版本迭代是电脑操作这条产品线的换挡。

便宜一半、快三倍：GPT-6.1 Terra 给电脑操作重新定价

相关推荐

Java开发者必备：收藏这份大模型转型指南，轻松拥抱AI新时代！

本地批量网格拼图工具5.0：自定义行列与等比裁剪方案

EFCore+MySQL的ASP.NET Web API项目设计源码与架构解析

更多资讯

Django语音垃圾分类系统：WebSocket+Whisper.cpp轻量部署实战

RAG答非所问？先查向量检索链路再调模型

基于深度学习的多弹时间角度协同制导律设计与验证

Excel隔行上色技巧与高级应用详解

图像分类技术：从CNN原理到PyTorch实践

微信小程序+SpringBoot刷题系统毕业源码

今日更新

AI智能体开发实战：从技术原理到商业落地

OpenShell 完全定制指南：从安装到深度配置，打造高效 Windows 开始菜单

Superpowers技能体系全解析：从Skills引入到安装的完整指南

本周精选

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？