降价五成、提速三倍：GPT-6.1 Terra 发布的产业纵深解读

作者：李嘉佑 1小时前

一、导语：一次"降维打击式"的中型模型发布

事件本身并不复杂：10月26日，OpenAI 发布 GPT-6.1 Terra，定位为快速、高效的中型模型，是 GPT-5.6 Terra 的显著升级版。据 OpenAI 官方公告，该模型"结合详细的视觉推理、精确的计算机操作与更清晰自然的写作"，擅长起草提案、解读技术图纸、填写表单、编辑视频这类填充日常工作日的沟通与计算机任务。同日，AWS 宣布该模型在 Amazon Bedrock 正式可用；中文科技媒体于10月27日跟进报道，将其概括为"能力升级同时定价下调五成"。

三项关键数据构成了这次发布的核心张力。其一是速度：官方称 Terra 完成任务的速度较 GPT-6 Astra 与 GPT-6.1 Sol 快逾三倍——注意其对比对象是两款定位更高的模型，而非上一代。其二是可靠性：在 OpenAI 针对易诱发错误提示词的内部基准中，最高推理力度下错误率较上一代下降18个百分点至 4.3%，接近 GPT-6 Astra 与 GPT-6.1 Sol 的水平；低推理力度下错误率更是从 53.6% 降至 16.7%。其三是价格：标准 API 每百万输入 token 1 美元、输出 token 5 美元，较 GPT-5.6 Terra 与 GPT-6.1 Sol 均降低 50%。

"能力接近旗舰、价格砍半、三倍于旗舰的速度"，三者叠加使这次发布超出了常规版本迭代的范畴。本文基于 OpenAI 与 AWS 官方公告及多家媒体交叉核验的信息，依次拆解其产品定位、能力构成、定价逻辑、渠道布局与产业传导，并在数据边界处保持必要克制。

二、定位拆解："中型模型"在 OpenAI 产品矩阵中的角色

理解 GPT-6.1 Terra，先要理解 OpenAI 当前的产品分层。OpenAI 现行四个主要模型级别按价格与能力从低到高依次为 Luna、Terra、Sol、Astra：Luna 面向轻量高频场景（免费用户使用的即是 GPT-5.6 Luna），Astra 是能力最强的旗舰，Terra 与 Sol 居中。

Terra 线的迭代节奏值得注意。据《大模型赋能投研系列之二十三》记载，Terra 于2026年6月26日作为 GPT-5.6 家族的一员开启有限预览，7月9日随 GPT-5.6 系列全量开放，彼时 GPT-5.6 家族即包含 Sol、Terra、Luna 三档，定位面向长程编程、知识工作与 Agent 场景。9月下旬 OpenAI 发布 GPT-6 系列 Sol 与 Luna 时，Terra 未在更新之列，直到本次直接跳级升级为 GPT-6.1 版本；此次距9月29日 GPT-6.1 Sol 发布已过去27天，是 Terra 系列时隔三个多月的首次更新。

这一定位安排的逻辑在于：旗舰模型承担能力上限与品牌标杆，中型模型承担高频企业负载的商业化变现。OpenAI 官方对 Terra 的场景描述相当具体——读取发票并将金额、日期、供应商信息录入会计软件，理解建筑技术图纸，在桌面应用中完成一连串操作。这类任务单步智力密度不高，但量大、重复、对成本敏感，恰是"接近旗舰能力+大幅降价"组合最能发挥价值的地带。值得注意的是，行业观察早已捕捉到这一趋势：企业开始在准确性与成本之间权衡，中型模型在部分场景下反而胜出（《AI大模型不"香"了？企业现在青睐这类模型》）；Gartner 亦指出，企业 AI 预算正面临更严格审视，支出流向能在成本、延迟、性能、可靠性之间证明价值的供应商。

三、能力跃升：视觉理解、计算机操作与文本表达

能力升级集中在三条线。第一条是视觉理解：官方称 Terra 具备"详细的视觉推理"能力，在 MMMU-Pro 视觉推理基准上，所有推理强度下均超越 GPT-5.6 Terra，接近 GPT-6 Astra 与 GPT-6.1 Sol。这使模型不仅能"看懂"一张图，还能识别屏幕内容、判断界面状态，为跨应用操作提供感知基础。

第二条是计算机操作，这也是本次升级的主攻方向。新模型可在多个应用之间导航并逐步执行操作：OpenAI 官方演示中，Terra 直接操作 Blender 从零搭建黄色有轨电车的 3D 模型，亦可把建筑图纸转化为可用的 3D 模型、在动画修复流程中逐帧记录时间码。量化结果体现在两项基准上：在面向专业计算机操作任务的 Agents' Last Exam 中，中等推理强度下 Terra 较 GPT-5.6 Terra 高出15个百分点，完成任务花费约为上一代的三分之一，与 GPT-6 Astra 表现相当而每 token 价格仅为其十分之一；最高推理档位下得分 60.0%，接近 Claude Opus 5.5 的 63.2%，任务成本约为后者的九分之一。在桌面应用多步任务基准 OSWorld 2.1 上，中等推理强度下超越 GPT-5.6 Terra 的最佳成绩，每任务成本仅为其一小部分。

图3-1　error_rate

第三条是可靠性与文本表达。在 OpenAI 易诱发错误提示词的内部基准中，低推理强度下错误率从上一代的 53.6% 降至 16.7%，下降近37个百分点；最高推理强度下降18个百分点至 4.3%，接近 GPT-6 Astra 与 GPT-6.1 Sol。在 AA-Omniscience 知识测试中，模型遇到不确定问题时的乱猜比例从 88% 降至 38%，同时答对率小幅提升——"少编造"对自动化任务的可靠性意义不亚于"更聪明"。文本表达方面，官方称写作更清晰自然；编程方面，Terminal-Bench 4.0 最高推理强度下任务完成率从上一代的 21.5% 提升至 50.3%，翻倍以上。

图3-2　benchmarks

速度维度的官方口径需要精确引用：OpenAI 称 Terra 完成任务的速度较 GPT-6 Astra 与 GPT-6.1 Sol 快逾三倍。这一对比的参照系是两款更高级别的模型，凸显的是"以中型模型的算力开销实现高频任务的快速交付"，而非对上一代的提速。同时必须记录第三方视角：独立评测机构 Artificial Analysis 的测算显示，最高推理档位下 Terra 智能指数为48分，较上一代提高6分，但仍低于 GPT-6.1 Sol 的52分与 Claude Opus 5.5 的58分；其综合评测中单任务平均成本从1.40美元降至0.40美元，降幅超70%。官方口径与第三方口径共同指向同一结论：这是一次实实在在的能力跃升，但能力上限仍居中档。OpenAI 自己也明确，最复杂的编码任务仍建议使用 GPT-6.1 Sol 或 GPT-6 Astra。安全层面，OpenAI 称 Terra 在其 Preparedness Framework 下网络安全达到 Critical 阈值，并继承 GPT-6 Astra 的安全防护，对提示注入表现出较强抵抗力。

四、定价逻辑：$1/$5 的价格信号与 Token 经济

定价是本次发布最具攻击性的部分。GPT-6.1 Terra 标准 API 定价为每百万输入 token 1 美元、缓存输入 token 0.05 美元、输出 token 5 美元。横向看，GPT-6.1 Sol 为输入2美元、输出10美元，Terra 恰为其一半；旗舰 GPT-6 Astra 为输入10美元、输出50美元，是 Terra 的十倍。纵向看，上一代 GPT-5.6 Terra 为输入2美元、输出12美元，新模型输入价格减半、输出价格降幅约58%。对订阅用户，OpenAI 表示 ChatGPT Work 与 Codex 中相同套餐配额可覆盖更多任务，差异体现在用量而非价格。

这一定价策略的产业背景是全球 AI 价格战的延续。韩媒2026年10月发文指出，全球 AI 竞争正从性能比拼转向价格竞争，中国企业以低至美国头部模型十分之一的使用费吸引开发者，OpenAI、Anthropic 等美国巨头已开始通过快速推出低成本模型应对；钛媒体直接以"OpenAI中端模型开打价格战"概括本次发布。中国模型以"低价+开源+普惠场景"驱动扩张，美国闭源阵营专注高价值企业级服务——GPT-6.1 Terra 的半价策略，可视为闭源阵营对"性价比路线"的正面承接（《全球大模型格局》《计算机行业2026年秋季投资策略》）。

图4-1　pricing

降价的经济含义可以从任务成本维度观察。由于 Agents' Last Exam 上 Terra 以约三分之一的上一代成本取得高15个百分点的成绩，Artificial Analysis 测算单任务平均成本从1.40美元降至0.40美元，"能力提升+价格下降"在任务层面被乘数放大。对于发票录入、表单填写这类高频批量自动化负载，token 账单减半叠加任务提速，意味着单位任务成本的下降幅度远超50%这一表面数字。Gartner 的预测为这一趋势提供了大盘参照：其预计2026年全球 AI 支出达2.67万亿美元、同比增长49.5%，其中生成式 AI 模型支出增长117%；更贴近本议题的口径是，全球 AI 模型与平台终端用户支出预计2026年达642.52亿美元，较2025年的393.11亿美元增长63.4%，其中 DSLM 及专用模型增长210%、基础生成式 AI 模型增长104.2%——在需求高速放量的盘子里以价换量，是典型的规模化阶段定价行为。

五、渠道布局：ChatGPT Work、Codex、API 与 Amazon Bedrock

GPT-6.1 Terra 的分发是四线并行。消费与协作侧，模型已接入 ChatGPT Work 与 Codex，面向 Plus、Pro、Enterprise、Edu 订阅用户；开发者侧，通过 OpenAI API 以标识 gpt-6.1-terra 调用；云侧，AWS 于10月26日同日宣布该模型在 Amazon Bedrock 正式可用。

Bedrock 上线的技术细节值得展开：据 AWS 官方公告，Bedrock 上的 GPT-6.1 Terra 支持文本与图像输入，上下文窗口最高100万输入 token；企业客户既可通过 Bedrock API 直接调用，也可将 ChatGPT Work 与 Codex 配置为运行在 Bedrock 之上，调用行为纳入 AWS 既有的访问控制与模型调用日志审计体系。这意味着企业可以在自己已有的云治理框架内使用 OpenAI 模型，而无需绕开合规与审计流程。

渠道结构的信号意义大于技术细节。其一，自营入口（ChatGPT Work、Codex）保住订阅收入与体验控制，API 保住开发者生态，Bedrock 则打开了超大规模云平台的企业客户池——三类渠道对应三类采购路径。其二，头部闭源模型厂商与云平台的竞合关系出现新样本：OpenAI 模型进入竞争对手（微软之外的）头部云的货架，多云分发成为头部模型的标配动作。其三，对企业客户而言，"模型能力-采购路径-治理合规"三件事可以在一个平台上闭环，这恰恰呼应了 Gartner 所述企业预算审视下"支出流向可管理、可衡量供应商"的取向。

六、产业影响：AI Agent 落地与竞争格局的传导

第一条传导链在 Agent 落地侧。计算机操作类 Agent 的规模化部署长期受制于两件事：错误率（自动化出错需要人工兜底）与单位任务成本。GPT-6.1 Terra 将最高推理力度错误率压至4.3%、单任务成本降至0.40美元量级、速度提升至旗舰的三倍以上，三者同时改善，使"批量代客操作"从演示走向生产的门槛显著降低。Gartner 的支出预测从需求侧印证了这一空间的斜率：AI Agents and Assistants 支出预计从2025年的164.81亿美元增至2026年的292.19亿美元、2027年的654.72亿美元，两年增长近三倍。行业竞争已从通用问答转向端侧设备操作、多工具协同与 Agent 自主执行等生产力维度。

第二条传导链在竞争格局侧。对海外竞品，Terra 以"接近旗舰的能力+五成价格+Bedrock 分发"进入中端档位，直接压缩同级产品的定价空间；对国产模型阵营，价格战压力进一步上移——韩媒报道显示中国模型已以十分之一的使用费形成份额优势，而 OpenAI 的应对正是快速推出低成本模型。需要客观指出的是，全球大模型竞争的总体态势是"中美双极分化、开源逼近闭源"，GPT-6.1 Terra 是闭源阵营在中端档位的一次防御与进攻兼备的落子，尚不改变双极分化的整体结构。第三方评测也提示了能力天花板的边界：Artificial Analysis 智能指数48分仍低于 GPT-6.1 Sol 与 Claude Opus 5.5，部分用户对其画面质感与复杂任务处理亦有保留。

图6-1　gartner_agents

第三条传导链在云与基础设施侧。OpenAI 模型进驻 Amazon Bedrock，使 AWS 的企业客户可以直接在自有云治理体系内调用 OpenAI 模型，云厂商之间的"模型货架"竞争加剧；而 Gartner 预计2026年 AI 基础设施支出约1.48万亿美元、为 AI 总支出的最大单项，推理需求随任务量放大的乘数效应，将持续向算力供给端传导。

七、结语：中型模型战争开启的观察坐标

把10月26日的发布放到更长的时间轴上，其坐标意义在于三件事同时发生：旗舰与中型的能力差距收窄（错误率4.3%、Agents' Last Exam 接近 Astra 与 Opus 5.5）、中型档位价格体系被重置（$1/$5、较上代与 Sol 降五成）、分发从厂商自营扩展到超大规模云平台（Bedrock 同日上线）。三者叠加，意味着大模型竞争的重心正从"旗舰能力竞赛"向"接近旗舰能力+大幅降价+企业可采购"的中型档位迁移。

观察后续演化，有三个窗口值得跟踪：其一，第三方独立评测对官方基准数字的复现情况——目前速度、错误率等关键数字均为 OpenAI 自报口径，Artificial Analysis 的独立测算提供了必要他证；其二，Anthropic、谷歌等竞品在中端档位的定价与能力响应；其三，Bedrock 渠道的实际企业采用数据，以及计算机操作类 Agent 在真实企业负载中的稳定性表现。GPT-6.1 Terra 未必是能力叙事上最耀眼的发布，但它可能是"AI 平价化"进程中的一个清晰刻度：当接近旗舰的能力开始以半价供应，竞争的胜负手就从实验室转向了企业预算表。