发布了什么

2026 年 10 月 26 日，OpenAI 发布 GPT-6.1 Terra。用 Simon Willison 的转述，官方把它描述成「一个速度快、效率高的模型，把细致的视觉推理和精确的电脑操作，与更清晰自然的写作结合在一起」，并称它是相对 GPT-5.6 Terra 的一次明显升级。

发布说明里点名的场景很具体：起草方案、读工程图纸、填写表单、剪视频。这不是一张跑分表，而是一份「桌面工作清单」——恰恰是代理靠看屏幕、点鼠标完成的那类活。

它在产品线里的位置

Terra 是中间档。Willison 的判断是：它对应 Anthropic 阵营里 Sonnet 的位置，既不是最便宜也不是最贵，所以反而最难决定什么时候用它。

OpenAI 的工程师 Ted Sanders 在 Hacker News 上给了一个更直白的对比（同样出自上述文章）：Terra 在技术表达上「大概强于 Astra 和 Sol」，视觉与电脑操作「水平接近，但快得多」，其他方面「略弱一些」。对 API 开发者来说，它是 Sol 与 Luna 之间的选项——比旗舰便宜，比廉价档聪明，尤其在视觉、电脑操作和写作上。

价格也对得上这个定位：

  • 输入 每百万 token 1 美元
  • 输出 每百万 token 5 美元
  • 约为 GPT-5.6 Terra 和 GPT-6.1 Sol 的 一半
  • 约为 GPT-6 Luna 的 十倍

为什么「电脑操作」才是重点

聊天一轮很短，电脑操作的循环不短。每一步都要把截图、DOM 或无障碍树、以及累积的历史重新发回模型，再换回一个小动作。一个代理跑一百步是很平常的下午，而账单主要压在输入侧。

算一笔小账：100 步、每步约 1500 输入 token，合计 15 万输入 token。按 Terra 的输入价，大约 0.15 美元；同一轮换成 Sol 那个价位的模型，大约 0.30 美元。单看都不吓人，但乘上每天定时任务、失败重试、并行会话，「每小时跑一次」和「想起来了才跑」的差别，就是这个倍数。

速度的复利同理。Sanders 说 Terra 在电脑操作上「快得多」，这比跑分差多少更重要：截图循环里，延迟是每一步都要付一次的。模型快一倍，五十步的任务墙钟时间就少一半——这决定了你是盯着它跑，还是敢把它排进日程。

代价他也说得很清楚：其他方面「略弱」。如果任务是单点的硬推理（棘手的迁移、含糊的线上 bug），便宜模型省下的钱会被反复重跑吃掉。

对 Windows 桌面代理的三点实际变化

  1. 长循环变得可负担。 填表、重复导航、「先起草再改」这类流程，以前像奢侈品，现在更接近水电费。
  2. 并行比串行更划算。 同时试三条路线，常常比用旗舰模型小心试一次更便宜——这会直接改变你设计重试的方式。
  3. 瓶颈转移到验收。 模型又便宜又快之后，流水线里最贵的一环变成「判断结果对不对」。这是工具和流程问题，不是模型问题。

但这不代表可以撒手不管。便宜的点击依然是点击，点错的影响范围由「代理被允许碰什么」决定，而不是由 token 单价决定。

一个下午就能做完的评估

挑一件你每周都要做的重复任务，跑一遍端到端：

  • 每次给代理相同的起始状态（干净的浏览器配置、固定的文件夹）。
  • 设步数上限，让跑飞的循环大声失败，而不是安静烧钱。
  • 每个动作记时间戳，这样同一个任务上 Terra 和现用模型的对比才有意义。
  • 只量三个指标：完成所需步数、墙钟耗时、你被迫介入的次数。
  • 凡是要写到指定文件夹之外的步骤，保留一道人工确认。

如果三项都赢、且介入的类型和现在一样，那它就是更便宜的默认档。如果介入次数变多，省下的钱是假的——你的时间才是最贵的 token。

想让代理直接操作真实的 Windows 应用、而不是只在一个浏览器标签里打转？下载 MOOGH，用你刚才那件任务做同一组对比。

相关阅读

常见问题

Terra 能替代旗舰模型吗？

不能。按 OpenAI 自己的定位，它在 Sol 和 Luna 之间，工程师也承认它在多数非沟通类任务上略弱。把它当成默认干活的模型、遇到硬仗再升级，而不是所有事都用它。

便宜了是不是可以不要审批了？

恰恰相反。便宜的循环会鼓励你跑更久、并行更多，等于在没人看着的情况下做更多动作。权限范围、审批点、操作日志只会更重要。