OpenAI 发布 GPT-6.1 Terra API 价格减半且性能提升
OpenAI 推出新模型 GPT-6.1 Terra，其 API 输入输出价格仅为前代的一半，大幅降低了成本门槛。该模型在视觉推理、计算机控制及自然写作方面表现增强，并显著提升了针对间接提示注入攻击的防御能力，被视为当前性价比最高的中端模型之一。
报道正文
本文目录3 个章节
OpenAI 发布了 GPT-6.1 Terra，称该模型在成本与性能的平衡上超越了其所有前代产品。其 API 价格仅为 GPT-5.6 Terra 的一半。
Terra 是 OpenAI 针对 Anthropic 中端 Sonnet 系列推出的最接近的竞品，且价格减半。输入 token 费用为每百万 1 美元，输出 token 为每百万 5 美元；相比之下，Claude Sonnet 5.5 的费用分别为 2 美元和 10 美元，GPT-5.6 Terra 则为 2 美元和 12 美元。缓存输入的费用降至每百万 token 仅 0.05 美元，较之前降低了四分之三。
据 OpenAI 介绍，该模型融合了快速视觉推理、精准的计算机控制能力以及更自然的写作风格，旨在处理从起草提案、解读技术图纸到填写表单等日常工作任务。GPT-6.1 Terra 现已面向 Plus、Pro、Enterprise 和 Edu 用户开放，可在 ChatGPT Work 和 Codex 中使用，同时也通过 API 提供服务。
分析师称成本效率达到新高度
Artificial Analysis 将 GPT-6.1 Terra 称为“每美元智能”的新基准。在最大推理强度下，该模型在智能指数（Intelligence Index）上比 GPT-5.6 Terra 高出 6 分，而每项任务的成本却不到后者的三分之一（0.40 美元对比 1.40 美元）。在较低的推理强度下，提升幅度更大——达到 7 至 13 分——使该模型位于帕累托前沿（Pareto frontier），即成本与性能无法同时进一步优化的临界点。
在智能指数图表（上图）中，GPT-6.1 Terra 得分为 48，介于 GPT-6.1 Sol（52）和 GPT-5.6 Terra（42）之间。成本-性能图表（下图）显示，在较低推理强度下，该模型提供了当前最佳的每任务智能与成本比率。| 图片来源：Artificial Analysis
在新的编码代理指数 v2.0（Coding Agent Index v2.0）中，Terra 得分为 48，比 GPT-6.1 Sol（54）低 6 分，但比 GPT-6 Luna（31）高 17 分。幻觉率的下降更为显著。在私有的 AA-Omniscience 基准测试中，当模型缺乏答案时，仅有 38% 的情况会进行猜测，远低于 GPT-5.6 Terra 的 88%。准确率也提高了 2 个百分点。
计算机控制速度比最大规模模型快三倍
OpenAI 将 GPT-6.1 Terra 定位为在自动化软件控制方面表现尤为强劲的模型。在 Agents' Last Exam 基准测试中，其性能与 GPT-6 Astra 相当，但 token 价格仅为后者的十分之一。与以最大努力程度运行的 Claude Opus 5.5 相比，Terra 的 token 效率高出三倍以上，而 token 价格仅为四分之一。这意味着每个任务的成本大约降低了九倍。该公司表示，它的完成速度也比 GPT-6 Astra 和 GPT-6.1 Sol 快三倍以上。
在用于视觉推理的 MMMU-Pro 基准测试中，GPT-6.1 Terra 在所有推理级别上均优于其前代产品，并几乎追平 GPT-6 Astra 和 GPT-6.1 Sol 的表现。在桌面代理基准测试 OSWorld 2.1 中，它在中等努力程度下超越了 GPT-5.6 Terra 的最佳结果，且成本仅为后者的一小部分。
Terra 在编程能力上也显示出显著提升。在 Terminal-Bench 4.0 基准测试中，GPT-6.1 Terra 在最大推理努力程度下解决了 50.3% 的任务，较 GPT-5.6 Terra 的 21.5% 大幅提升。根据 Artificial Analysis 的数据，这一 20 个百分点的跃升使该模型跻身于与 GPT-6.1 Sol 同等的梯队。在科学编程基准测试 Terminal-Bench-Science 0.1 中，Terra 以更低的成本超越了 GPT-6.1 Sol，并且在与 Claude Opus 5.5 的差距缩小至五分以内时，其预估成本不足后者的五分之一。不过，对于要求最苛刻的编程任务，OpenAI 仍然推荐使用 GPT-6.1 Sol 和 GPT-6 Astra。
Terra 处于 OpenAI 的“关键”安全阈值之下
GPT-6.1 Terra 符合 OpenAI 根据其 Preparedness Framework（准备框架）定义的 “关键”网络安全阈值，并继承了 GPT-6 Astra 的安全防护措施。与其前代产品相比，该模型更有可能保持在既定边界内，并向用户披露相关限制。
根据 系统卡，GPT-6.1 Terra 在抵御针对 指令层级 的直接攻击方面，表现与 GPT-6 Astra 和 GPT-6.1 Sol 大致相当，这些模型在此类测试中的得分高达 99.99%。对于间接提示注入攻击（即恶意指令被隐藏在第三方内容中），Terra 的防御率为 98.8%，高于 GPT-5.6 Terra 的 96.2%。