10 月 26 日，OpenAI 在没有大型发布会的情况下悄悄上架了新模型 GPT-6.1 Terra，并向 ChatGPT Work、Codex 以及 API 的付费用户全面开放。这个模型的定位一句话就能说清：它不跟自家旗舰比谁更聪明，而是专挑办公室里那些重复的「电脑杂活」——读发票、填表单、识读技术图纸、操作桌面软件，然后把干这些活的单价直接砍掉一半。在 Anthropic 同日递交 IPO 注册文件的背景下，这场发布更像是一次抢占企业级调用量的卡位战：当智能体的单次任务成本从美元级跌到美分级，「让 AI 替人点鼠标」这件事第一次真正算得过来账。
一款不拼智商拼性价比的「打工模型」
从定价表就能看出 OpenAI 的意图。GPT-6.1 Terra 的标准 API 价格为每百万输入 token 1 美元、输出 5 美元，缓存输入更是低到 0.05 美元；对照上一代 GPT-5.6 Terra 的 2 美元和 12 美元，输入单价减半，输出降幅更大，而定价为 2 美元/10 美元的 GPT-6.1 Sol 则继续占据旗舰之下的一档。如果跟目前 OpenAI 能力天花板 GPT-6 Astra 相比，Terra 的每 token 单价只有前者的十分之一。换句话说，用户花十分之一的钱，买到的是一个「不算最聪明、但足够能干常规活」的中端模型。
这个定位让 OpenAI 的四层梯队变得清晰：Luna 负责免费和低价尝鲜，Terra 承接高频日常工作，Sol 和 Astra 守住最难的问题。OpenAI 官方对 Terra 的期望也直言不讳——山姆·奥尔特曼将其视为「开启计算机使用时代」的关键一步。而在模型能力描述上，Terra 主攻视觉理解与计算机操作，既能处理网页表单填写、视频剪辑，也能阅读技术图纸，思考强度还提供了从「不推理」到「最大」的多档调节，方便开发者按任务难度分配预算。
智能体的账，第一次算得过来了
过去两年，智能体（Agent）演示很多、落地很少，卡点之一就是成本。一次复杂的多步骤任务动辄调用几十万 token，用旗舰模型跑完一笔业务的花费常常超过人工成本。GPT-6.1 Terra 的出现直接冲击这道门槛。在 OpenAI 官方的 Agents' Last Exam 专业任务评测中，Terra 在中等思考强度下比 GPT-5.6 Terra 高出 15 个百分点，而单次任务成本只有约三分之一；成绩追平 GPT-6 Astra 的同时，每 token 单价仅为对方的十分之一。独立评测机构 Artificial Analysis 的测算与之呼应：在其智能指数测试中，最高档位的 Terra 比上一代高 6 分，单次任务平均成本从 1.40 美元降至 0.40 美元。
创作者社区流传的实测案例更直观。一位名为 Mr Tactial 的开发者让 Terra 和 Claude Opus 5.5 完成同一道题：在 Blender 里从零搭建一座带风车和农场的悬浮小岛。同样开启最高思考档位，Terra 用了 5 分钟、花费约 0.32 美元，Opus 5.5 则跑了 1 小时 41 分钟、花了 30.23 美元——两者相差近百倍。这类「分钱级」的智能体成本，正是把 AI 操作电脑从演示视频推进进企业工作流的关键变量。
把视角拉远，降价是 OpenAI 一以贯之的武器。从推理模型 o3 输出价格最高下调 80%，到 GPT-5.6 Luna 输入价从每百万 token 1 美元降到 0.20 美元，再到如今 Terra 直接对标中端价位，目标都很明确：用价格换调用量、用调用量换生态。据市场消息，OpenAI 预计 2026 年至 2030 年累计现金消耗可能达到 2780 亿美元，主要投向算力与基础设施；奥尔特曼已明确表示 2026 年内不会上市。在这样的财务曲线下，尽快把高毛利的企业级调用量做起来，比守住单价更重要。
杂活归它，难活归旗舰：基准成绩冷热交织
抛开价格，Terra 的能力底子并不含糊。OpenAI 官方数据显示，在 Terminal-Bench 4.0 命令行编程评测中，Terra 最高思考档位解出 50.3% 的任务，是上一代 21.5% 的两倍多；视觉理解方面，其在 MMMU-Pro 上的最高档成绩达到 85.5%；在诱导出错的内部测试中，低思考档位的错误率从上一代的 53.6% 降至 16.7%，最高档更是压到 4.3%。Artificial Analysis 的幻觉测试也显示，Terra 在「不知道答案时选择猜测」的比例从 88% 大幅降到 38%，这对要接入企业流程的智能体来说是硬指标。
但独立评测同样泼了冷水。Artificial Analysis 给 Terra 的智能指数打分为 48 分，在 221 个模型中排第 25 位——虽高于 28 分的班级中位数，却比 GPT-6.1 Sol 低 4 分；在成本效率维度上它排在第 32 位，且只有中低档位处于成本效益前沿，最高档反而掉出前沿。更微妙的是，Terra 在测试中生成了 1.3 亿输出 token，明显高于 8100 万的中位数——输出单价是输入的 5 倍，「话痨」会悄悄吃掉降价红利。此外，OpenAI 重点引用的 Terminal-Bench 4.0 此前也遭到过任务质量审计的质疑。开发者 Paweł Huryn 在两个代码仓库埋入 105 个缺陷的实测同样说明问题：Terra 在 max 档得分 40.7，降到 xhigh 档就跌到 11.3，而默认档位是 medium。能力对「思考预算」高度敏感，意味着企业接入时必须逐任务调档，省不下运维功课。
日用品价格，前沿级能力：一本没人算得清的安全账
比基准成绩更值得咀嚼的，是发布材料里一条不太起眼的说明：GPT-6.1 Terra 在 OpenAI 的「准备度框架」下达到了网络安全 Critical 阈值，继承了 GPT-6 Astra 的防护措施。今年 9 月，OpenAI 首次公开越过自己划定的红线发布 Astra，已引发一轮争议；如今这项 Critical 评级随着中端模型下沉到每百万 token 1 美元的价位，意味着前沿级的网络攻防能力开始以「日用品」价格铺开。
这是一把双刃剑。支持方的逻辑很直接：单次任务成本跌到美分级，那些过去请不起安全团队、付不起旗舰 API 的中小机构，第一次用得起高强度的智能体自动化。但反方的声音同样现实——10 月，研究者还演示了针对 AI 智能体的 CPU 缓存隐蔽通道攻击，智能体这一层本身仍有未修补的攻击面。当「能用」和「敢用」之间的差价被价格战抹平，安全治理的账单只是被转嫁，并没有被消灭。
国内 AI 圈：算力榜、开源 OCR 和一场面试改革
视线转回国内，这一轮发布潮里中国团队的动静同样密集。在 NVIDIA Research 推出的 GPU 算子性能榜单 SOL-ExecBench 上，无问芯穹先后登顶 L1 基础算子、L2 融合算子、Quant 量化算子与 FlashInfer-Bench 推理算子全部四大赛道，累计拿下 88 项第一——大模型竞赛演进至今，底层算子优化正在成为中国公司的新护城河。开源侧，清华 27 岁助理教授陈勇超发布了首个 35B 模型 Apex-35B-V1.0；面壁智能则开源了 MiniCPM-OCR 1.0，以 1.3B 参数拿下 4 项 SOTA 并登顶吞吐榜，配套的 MiniCPM-OCR Jev 专门负责给 OCR 结果校准置信度、触发重读或人工复核；蚂蚁也推出了同一架构覆盖全场景的 2B 参数 OCR 大模型。小模型吃掉垂直场景的战争，已经烧到了文本识别这种最「传统」的领域。
竞争格局的另一极，谷歌在 10 月 29 日发布 Gemini 4 Carbon，以 59 分登顶 Artificial Analysis 智能指数 v5.0，并在网络安全、长程任务等评测中领先，将逐步向开发者、企业和消费者开放——OpenAI 选择在同一天窗口亮出价格牌，火药味不言而喻。花边同样精彩：Anthropic 一位负责人公开宣布团队「彻底砍掉 LeetCode 面试」，理由是 AI 时代考察重点已变；有独立开发者大佬批量退订几乎全部工作软件，喊出「要啥让 AI 造」；黄仁勋在柏林 GTC 上描绘 AI 工厂愿景时，也被指出还缺一个数据「粮仓」，中国存储公司正趁机切入。另一边，AI for Science 继续产出硬结果：5 道困扰物理学界 20 多年的量子公开问题被相继突破。
后续观察：三个值得盯住的变量
第一，看企业级 computer use 的真实渗透率。Terra 把「AI 操作电脑」的单价打到美分级，接下来 3 到 6 个月，发票录入、表单处理、图纸识读这类场景是否会出现规模化付费，是检验这轮降价成色的唯一标准。第二，看价格战的可持续性。在累计数千亿美元级现金消耗的预期下，靠降价换来的调用量能否转化为足以覆盖算力开支的收入结构，整个行业都在等答案。第三，看 Critical 级能力商品化之后的监管反应。当高强度的网络攻防能力随中端模型一起流向没有安全团队的机构，政策与平台治理的补丁会以多快的速度跟上，可能比基准分数更能决定这场竞争的终局。
对开发者和企业用户而言，当下的策略倒不难：把高频、低风险的电脑杂活迁移到 Terra 这类中端模型，把最难的推理与编码留给旗舰，再拿自己的真实任务样本——而不是厂商基准——做一遍成本与准确率的双重验收。智能体打工的分钱时代已经开门，但账要怎么算，始终是自己的事。
暂无评论内容