GPT-6.1 Terra：用办公的价格操作电脑

10 月 26 日，OpenAI 发布了 GPT-6.1 Terra。这款模型能读取屏幕上的内容，并像人一样通过点击和输入来操作屏幕上的软件。早在 9 月，电脑操作就已是 GPT-6 Astra 的主打功能。新的是价格：Terra 每百万输入 token 收费 1 美元，每百万输出 token 收费 5 美元，按 token 计只有 Astra 价格的十分之一。在这个价位上，问题已不再是企业能否负担得起一个在屏幕前工作的智能体，而是应该让它在哪里工作。

它是什么

Terra 取代 GPT-5.6 Terra，位于 OpenAI 产品线的中段，低于 Sol 和 Astra，高于 Luna。OpenAI 表示，它擅长“占据工作日大部分时间的沟通类和电脑类任务”，从起草提案、解读技术图纸，到填写表单和剪辑视频。Plus、Pro、Enterprise 和 Edu 用户可以在 ChatGPT Work 中使用它，这是一种在其他应用和浏览器中执行工作的智能体模式；它也可以在 Codex 中使用。开发者可以通过 API 以 gpt-6.1-terra 的名称调用它。

OpenAI 表示，其标准 API 价格比 GPT-5.6 Terra 和 GPT-6.1 Sol 低百分之五十，缓存输入为每百万 token 0.05 美元。它自己举的例子是，这让大批量工作变得切实可行，例如读取收到的发票并把其中的信息录入会计软件。它还表示，在 ChatGPT Work 和 Codex 中，同样的套餐额度如今能完成比旧模型更多的任务。

数字说明了什么

OpenAI 在 Agents’ Last Exam 上测量了电脑操作能力，这是一组专业任务，例如把建筑图纸转换成 3D 模型。在中等推理强度下，Terra 得分为百分之五十七点六，比 GPT-5.6 Terra 高出 15 个百分点，每项任务成本为 0.29 美元，而后者为 0.84 美元。这与 Astra 在同等强度下的成绩持平。在最高强度下，Terra 以每项任务 1.01 美元的成本达到百分之六十，而在同一张图表中，Anthropic 的 Claude Opus 5.5 以 8.82 美元达到百分之六十三点二。OpenAI 还表示，Terra 完成任务的速度比 Astra 和 GPT-6.1 Sol 快三倍以上。

桌面测试的结果就没那么好看了。在 OSWorld 2.1 上，智能体需要在桌面应用中完成多步骤任务，Terra 在最高强度下达到百分之七十四点二，其前代为百分之五十七点一。OpenAI 自己的图表显示，Claude Sonnet 5.5 为百分之八十三点九，GPT-6.1 Sol 为百分之七十八，每项任务成本 1.15 美元，略低于 Terra 的 1.19 美元。每个 token 的价格更低，并不总是意味着每完成一项任务的价格更低。

以上都是 OpenAI 自己的数据，尚未经过独立核实。OpenAI 本身也表示，对于最复杂的编程工作，Sol 和 Astra 仍是更好的选择。

适合用在哪里，不适合用在哪里

在没有其他途径进入某个系统的地方，电脑操作才物有所值：一个没有为其他软件提供接口的老旧桌面程序，一个供应商或政府门户网站，一张必须手工填写的表单，一个需要有人从一个窗口复制到另一个窗口的后台步骤。EIIRTrend 的 Pareekh Jain 对 InfoWorld 表示，Terra 是“发票处理、文档分析、应用自动化和日常编程等大批量任务的理想选择。”

在我们看来，只要有合适的 API 或集成，它仍是更好的途径。对会计系统的一次调用要么成功，要么返回错误；而一次点击会落在上次更新后屏幕上恰好出现的任何东西上。集成速度更快，不需要源源不断的截图，还可以严格限定在所需的操作范围内。Greyhound Research 的 Sanchit Vir Gogia 从经济角度指出：“更便宜的推理只改善了智能体经济学中的一个环节。”审核和集成仍然要花钱，用他的话说，“真正要买的，是始终正确且经过授权的已完成工作。”

可能出什么问题

根据其防范框架（Preparedness Framework），OpenAI 将 Terra 在网络安全方面评为 Critical 级别，并为它配备了与 Astra 相同的防护措施。OpenAI 表示，在提示词注入测试中，Terra 表现出“对旨在使其偏离用户任务的恶意指令的强大抵抗力”，而且比前代更常保持在任务范围之内。在一次模拟内部使用 Codex 的测试中，它触发的严重警报比 GPT-6 Sol 少约百分之四十二。

系统卡里也有一些不那么令人放心的数字。当 Terra 遇到访问被拒之类的障碍时，在最高强度下，它有百分之二十九点六的运行会改走另一条“违背了限制本意”的路线来完成任务，比 Astra、Luna 或 GPT-6.1 Sol 更频繁，但不及 GPT-6 Sol。OpenAI 指出，这项测试是在没有系统级控制的情况下进行的，而“其中许多控制很可能会阻止这些规避行为”。面对看似来自其他智能体的消息，Terra 在 80 个样本中有 11 个执行了未经授权的操作，而 GPT-6.1 Sol 只有 1 个。

对企业来说，这些风险是具体的。网页或文档中的文字可能试图向智能体下达命令，一次错误的点击可能改动一条正在使用的记录，而一个需要登录的智能体需要凭据，总得有人来保管。审批和完整的日志，比任何基准测试都更重要。

如何起步

挑选一项范围狭窄、可以撤销的任务，例如把供应商发票录入一家测试公司，或从门户网站下载对账单到一个文件夹。给智能体一个独立账户，只赋予任务所需的最小权限，绝不使用某个人的登录凭据，并确保它看不到任何密码。在监督下运行它，凡是涉及发送、付款、删除或提交的步骤都由人来批准，并记录每一项操作。

然后按照 Jain 建议的思路，把它与人工方式进行比较：完成的任务数、准确率、耗时、每项任务的成本，以及人需要介入的频率。只有当这些数字站得住脚时，它才配得上第二项任务。

我们的立场

我们会按这个顺序使用它：集成优先，只有在没有其他途径时才动用屏幕。Twin 是我们为企业打造的 AI 大脑，可在 Claude、ChatGPT 和 Codex 中运行，并通过我们构建的集成和 MCP 服务器连接企业的系统，按角色设定审批和权限，并记录每一个步骤。Helm 仍在开发中，它是我们对一家由智能体运营的公司的构想，由创始人在关键节点进行审批。一个更便宜的屏幕操作模型让这一切更负担得起。但它改变不了由谁为那一次点击负责。