GPT-6.1 Terra发布：电脑操作型AI，开始比“完成一次任务多少钱”

如果AI写一句话便宜了一半，却需要你花更多时间修正，它未必真的更省钱。 当模型开始跨应用处理文件、操作界面和完成多步任务，评价它的尺度，也应该从单次回答转向完整交付。

10月26日，OpenAI推出GPT-6.1 Terra，重点是视觉理解、电脑操作与日常文字工作之间的配合。官方将它定位为更快、更高效的专业工作模型，并强调在能力、速度与成本之间取得平衡。发布说明

这次更新值得关注的，不只是模型名称又增加了一个版本，而是一个更务实的问题：当AI从“告诉你怎么做”走向“实际执行步骤”，怎样判断它是否适合进入日常工作？

从识别画面，到理解下一步该做什么

电脑操作并不是把文字问答搬到屏幕上。一个任务可能先要求识别信息，再判断对象之间的关系，然后在正确的应用里采取动作，最后检查结果。

以整理商品目录为例，识别图片里的商品只是第一步。还要判断它对应哪一条记录，避免同款不同规格被混淆，把信息放进正确字段，并确认保存结果没有遗漏。任何一步脱节，都可能让看起来流畅的操作变成错误数据。

因此，视觉理解与动作执行应当放在同一条工作链上评估。能看清按钮，不代表懂得何时应该点击；知道目标，也不代表能够处理弹窗、权限变化和异常状态。真正有用的能力，是在这些环节之间保持一致，而不是单独展示一个漂亮的操作片段。

OpenAI在公告中展示了多步桌面任务相关基准的改善。其中，在Agents’ Last Exam的中等推理设置下，Terra相较GPT-5.6 Terra提高15个百分点，任务成本约为其三分之一。这是官方在特定测试条件下的结果，不是所有真实工作都能达到同样幅度的承诺。官方评测说明

Token单价，是账单的一部分而不是全部

按照官方模型文档，标准API文本计价为每百万输入Token 1美元、缓存输入0.05美元、输出5美元。缓存写入、长上下文及其他模式另有规则，不能把这三个数当成任何请求的最终价格。模型与价格文档

对使用者而言，更值得建立的是“每个合格交付”的成本概念：把模型调用、工具运行、失败重试和人工复核一起计入，再除以真正达到验收标准的结果数量。

例如，一个低价模型每次输出都很短，却经常漏掉关键字段；另一个模型单次用量稍高，但大多数任务一次就能完成。哪一个更划算，不能只看输入输出价格。还要看失败发生在哪一步、是否需要从头重做，以及人需要花多久补救。

同样，速度也不只是生成文字有多快。对跨应用流程来说，等待页面、定位信息、确认状态与恢复异常，都会影响总耗时。只有从接收任务计时到结果验收，才更接近用户实际感受到的效率。

基准成绩可以筛选模型，不能替你验收流程

官方系统卡明确说明，评测在研究环境或API中开展；系统提示、可用工具和推理设置的差异，可能使结果不同于正式产品中的表现。系统卡

这条边界对普通用户很重要。演示中的环境可能整洁、任务输入完整，真实业务却常常包含格式不一致的文件、老旧软件、登录状态变化和模糊需求。模型本身的提高值得重视，但它不能自动消除环境的不确定性。

比较不同模型时，应尽量保持任务集合、权限范围、工具条件和验收标准一致。否则，一个模型处理的是干净样本，另一个面对的是异常数据，最后得到的只是不同测试条件的差别。

也不建议仅凭少数成功案例推断稳定性。越是准备重复执行的流程，越需要把普通样本和边界样本放在一起看：缺字段怎么办，出现两个同名文件怎么办，页面提示保存失败怎么办。会处理异常，往往比顺利路径上的表现更能决定自动化是否可用。

先让AI接管低风险步骤，而不是整个业务

一种更稳妥的试用方式，是把工作拆成“读取、准备、提交”三个阶段。先验证读取与整理是否准确，再尝试生成可检查的结果，最后才考虑让它执行外部动作。

例如，整理资料可以先输出待审核表格；更新目录可以先列出拟修改项；处理业务文件可以先保存到独立工作区。这样做不是削弱AI的价值，而是让错误有更清楚的发生位置，也让人更容易确认它究竟完成了什么。

涉及发送、付款、权限调整或覆盖重要数据时，关键检查点仍应保留。模型更强不代表应当拥有更多默认权限。可以执行的范围、需要确认的动作、遇到异常时如何停止，都应在流程开始前说清楚。

这套方法也有助于判断项目是否值得扩大。如果在只读阶段就频繁误识别，问题未必适合靠增加自动操作来解决；如果读取稳定、但最后保存失败，则应优先排查应用和工具衔接，而不是一概归咎于模型。

给团队一张可落地的试用清单

不妨先选一组真实但可控的任务，并在试用前定义以下指标：

这是一套建议的评估方法，而不是Terra的实测成绩。不同团队可以调整样本数量和指标权重，但应尽量在测试前确定规则，避免看到结果后再修改“成功”的定义。

模型选择也不必只有一个答案。若低风险、重复性工作已经满足质量标准，经济型模型可能更合适；遇到复杂推理、难以验证的分析或困难编程任务，可以保留更强模型或人工复核作为升级路径。重点是让任务难度决定资源配置，而不是让某个型号包办全部工作。

还可以把失败分成三类记录：模型理解错误、应用操作失败、任务说明不完整。分类后再决定改提示、换模型，还是调整流程。否则，同一种失败反复发生，却总用“再试一次”处理，便会把看不见的返工成本留给操作者，也失去判断升级是否有效的依据。

真正的变化，是把AI当成需要验收的工作系统

Terra通过ChatGPT Work、Codex及API提供相关能力，但产品入口、管理员控制和工具接入仍会影响实际可用性。官方使用说明也提醒，浏览器与电脑操作各有设置和访问要求，不能把模型可选理解为已经拥有所有应用权限。使用入口说明

对个人和企业来说，这次发布可以成为重新检视AI工作流的契机：哪些环节已经能稳定交付，哪些只是演示好看，哪些需要调整数据与权限，而不是继续堆更复杂的提示词。

电脑操作型AI真正需要赢下的，不是一次点击或一张榜单，而是在明确边界内，以可接受的成本，把任务做对并让结果可以验证。 这比“更快、更便宜”的口号更难，却也更接近它进入日常工作的价值。

官方来源

• OpenAI：GPT-6.1 Terra发布说明
• OpenAI：模型规格与API价格
• OpenAI：GPT-6.1 Terra系统卡，2026年10月26日
• OpenAI：2026年10月26—30日产品更新与访问说明