OpenAI 今天凌晨發了 GPT-6.1 Terra。
這是 Sol 和 Luna 中間那一檔，上一代是 GPT-5.6 Terra。
價格直接砍半：每百萬 token 輸入 1 美元、輸出 5 美元，只有 GPT-6.1 Sol 的一半。
便宜不稀奇，稀奇的是另一個數。
第三方測評機構 Artificial Analysis（下文簡稱 AA）測下來，它的幻覺率從 88% 降到了 38%，比自家旗艦 Sol 和 Astra 都低。
這是 OpenAI 28 天活動的收官之作。這次 28 天的活動，我總體來說是非常失望的。
之前給我留下的印象，就是不斷地在重設、重設。
最近 OpenAI 感覺被 Anthropic 和國產模型打得節節敗退。那這個模型到底怎麼樣？
排在 Sol 後面，壓過 DeepSeek 和 Haiku
先看它排在那。
AA 的智能指數把 10 項測試合成一個總分，覆蓋知識、推理、寫程式碼和辦公類智能體任務。
GPT-6.1 Terra 開到最高推理檔（max）拿了 48 分，比上一代 GPT-5.6 Terra 高 6 分。
它前面是自家的 GPT-6.1 Sol（52）和 GPT-6 Astra（53），再往前是 Kimi K3.1 Pro（55）和 Claude 家的三個模型。
它後面是 Grok 4.7 和 MiMo-V2.6-Pro（46），DeepSeek V4.1 Flash（1017 版）、GLM-5.3、Qwen3.8 Max（45），以及同樣走便宜路線的 Claude Haiku 5.5（43）。
所以 Terra 的位置很清楚：比旗艦落後一截，比國產的幾款主力和 Haiku 略微領先。
幻覺率：從 88% 降到 38%
這次最大的變化在幻覺上。
AA-Omniscience 這項測試專門問冷門知識。答對加分，答錯扣分，說“不知道”不扣分。幻覺率算的是：不會的題裡，模型硬編答案的比例。
GPT-5.6 Terra 是 88%，不會的題幾乎都在硬編。GPT-6.1 Terra 降到 38%，一口氣降了 50 個點。
放到全場看，這個 38% 已經比 GPT-6.1 Sol（54%）、GPT-6 Astra（51%）、Claude Opus 5.5（59%）、Kimi K3.1 Pro（44%）都低。還比它低的是 Gemini 4 Argon（15%）和 GLM-5.3（30%）。
而且它不是靠少答題換來的。AA 說它的精準率同時漲了 2 分，答對的題還多了。
OpenAI 自己測的數字也是這個方向。在一套專門誘導模型犯錯的內部題上，低推理檔的錯誤率從 53.6% 降到 16.7%，最高檔降到 4.3%，接近 Astra 和 Sol。
中檔模型在“不瞎編”這件事上超過了自家旗艦，這是這次發佈裡最反常的一點。
官方主打：替你操作電腦
OpenAI 這次給 Terra 的標籤是“又快又能幹的電腦操作，而且更便宜”。看懂螢幕、跨應用點來點去、填表、寫回覆，都是它想接的活。
官方用的是 Agents' Last Exam，一套職場任務測試，比如把建築圖紙做成 3D 模型、逐個鏡頭審一部動畫片並寫出帶時間碼的修復日誌。
這是官方自己測的。按官方的說法，中檔推理下，Terra 比上一代高 15 個百分點，成本約三分之一；和 GPT-6 Astra 打平，單價只有 Astra 的十分之一；完成任務的速度是 Astra 和 Sol 的 3 倍多。
圖上右上角那個灰點是 Claude Opus 5.5，分數還是最高。
OpenAI 的說法是：Terra 開到最高檔，每個任務的花費約是 Opus 5.5 的九分之一。這一點非常誇張，用過的人都知道電腦操控其實非常耗 Token的。這一次看來他們在低端模型上大大提升了這個能力，而且把價格拉到非常低。
官方還提了兩項：視覺推理測試 MMMU-Pro 接近 Astra 和 Sol；電腦操作測試 OSWorld 2.1，中檔就超過了上一代的最好成績。
寫程式碼：追上了 Sol 的一項
命令列任務看 Terminal-Bench 4.0，測的是模型在終端裡能不能自己把問題修好，比如修一個載入時會跳動的網頁。
AA 自己跑的結果，Terra（max）是 56%，和 GPT-6.1 Sol（max）打平，上一代只有 35%。
但這一項的第一名是 Kimi K3.1 Pro（67%），Claude Sonnet 5.5 和 Opus 5.5 也都在 60% 上下，Terra 還落後一截。
把編碼相關的三項合在一起，AA 的編碼智能體指數里，Terra 在 Codex 裡跑出 48 分，比 Sol 低 6 分，和 DeepSeek V4.1 Flash（47，AA 沒標是不是 1017 版）、GLM-5.3（49）差不多。
OpenAI 自己也說了，最複雜的編碼任務，還是 Sol 和 Astra 更合適。
別默認開到 max
價格這部分，單價已經說了，只有 Sol 的一半。快取命中的輸入每百萬 token 0.05 美元，原來是 0.2 美元。
更值得看的是每個任務花多少錢。
AA 跑完整套測試，Terra（max）平均每個任務 0.40 美元，上一代是 1.40 美元。分數高了 6 分，錢只花了不到三分之一。
但 AA 也點出了一個問題：Terra 只有 low 和 medium 兩檔在性價比前沿上，開到 max 並不划算。
從 AA 的圖上讀，Terra（max）每任務 0.40 美元換 48 分。GPT-6.1 Sol 開 medium，每任務大約 0.2 美元，分數和它差不多。同樣的分數，用 Sol 的中檔反而便宜一半左右。
Terra 真正划算的是中低檔：medium 檔每任務約 0.1 美元，拿 41 分；low 檔約 0.05 美元，拿 36 分。
我拿 AA 的分數和官方單價做了一張性價比象限圖。各家都用最高推理檔，費用按輸入、輸出各 100 萬 token 估算，不是每任務成本。Gemini 4 Argon 沒有 Max 檔，用的是 High 檔。
從 Terra 向右、向下畫斬殺線，比它貴、分數還不比它高的模型，一個都沒有。比它貴的 GPT-6.1 Sol、Claude Sonnet 5.5、Gemini 4 Argon 都是 12 美元，分數高 4 到 8 分。
左邊更便宜的幾個，分數都比它低：DeepSeek V4.1 Flash（1017 版）1.5 美元、45 分，Claude Haiku 5.5 0.6 美元、43 分。GLM-5.3 和它差不多價，45 分。
所以按單價算，Terra 誰也沒斬殺。
它卡在中間：比旗艦便宜一半，比 DeepSeek 貴 4 倍、比 Haiku 貴 10 倍，多出 3 到 5 分。
再看同價位的對手。Claude Haiku 5.5 的單價只有 Terra 的十分之一，但開到 max，每任務花費和 Terra（xhigh）差不多，都在 0.2 美元上下，分數還低 2 分。Haiku 更費 token，單價便宜沒有全部變成帳單便宜。
國產這邊，AA 編碼智能體測試裡，DeepSeek V4.1 Flash（1017 版）在自家 Harness 裡每任務約 0.3 美元拿 46 分；Terra 在 Codex 裡要接近 0.7 美元（xhigh 檔）才拿到 48 分。寫程式碼這件事，DeepSeek 還是更省錢。
推理檔我基本上都用中檔。除非我明確知道這個任務需要開更高，才會開高一點。
放到 Terra 上也一樣：跑大量的中低難度任務，日常用 medium 就夠；真要拼分數，直接換 Sol 比把 Terra 開到 max 划算。
誰能用
ChatGPT Work 和 Codex 裡，Plus、Pro、企業版、教育版使用者現在就能用，免費使用者用不上。
開發者用 API，模型名是 gpt-6.1-terra，上下文 105 萬 token，最長輸出 12.8 萬 token。用 Codex CLI 的要升級到 0.159.0 以上。
用訂閱的人也有好處。OpenAI 說，同樣的額度，用 Terra 能做的任務比上一代多，比用 Sol、Astra 多得多。
一個反常的細節：中檔模型也到了“Critical”
部落格的安全部分有一句容易被略過：GPT-6.1 Terra 在 OpenAI 自己的準備度框架裡，網路安全一項達到了“Critical”門檻。
這是 OpenAI 風險分級裡最高的一級。一個主打便宜、量大的中檔模型也到了這一級，OpenAI 只好把給 GPT-6 Astra 做的那套防護原樣搬了過來。
便宜一半、速度快 3 倍，同時攻防能力碰到最高一檔。這件事 OpenAI 唯寫了一句，沒有展開。
懷疑的聲音
官方的幾個亮點數字，事實錯誤率、Agents' Last Exam、OSWorld 都是 OpenAI 自己測的。
同一項 Terminal-Bench 4.0，官方報的是 50.3%，AA 測出來是 56%，兩邊的測試環境不一樣，數字不能直接對。
AA 的辦公類任務也沒那麼好看。真實工作任務測試 GDPval-AA 和知識工作測試 AA-Briefcase，Terra 都排在後半段，還落後於 Claude Haiku 5.5。
評論區裡的意見也很直接。
1 / 3
@Solvairo
“我們需要的是比 Opus 5.5 更好的模型，沒人關心它更快或更便宜。我幾乎不碰我的 Codex 訂閱了。”
2 / 3
@rubenhassid
“我沒搞懂。Terra 比 Sol 好嗎？”
3 / 3
@WhosCinq
“嗯，回到 Opus。（配了下面這張 OpenAI 的測試圖）”
最後
GPT-6.1 Terra 強在便宜和不瞎編。單價是 Sol 的一半，每任務成本是上一代的不到三分之一，幻覺率比自家旗艦還低。
弱在頂部能力。總分比 Sol 低 4 分，寫程式碼和辦公任務離 Claude、Kimi K3.1 Pro 還差一截，開到最高檔也不如直接用 Sol 划算。
這也是 OpenAI 這兩個月的打法：9 月底 DevDay 發了 6.1 Sol，這次補上中檔；原本外界期待的 6.1 Astra，據報導因為安全對齊不過關，沒有發佈。
對於性價比高的這種模型，一直以來是我非常青睞的。一些非常簡單明確的任務，我一般會選擇用這種低價的模型，像 DeepSeek V4.1 Flash 以及 Claude Haiku。
那如果這次 Terra 不錯的話，也會作為我選擇的一個重要的目標。
你平時用 ChatGPT 或 Codex，會主動挑推理檔嗎？ (AI范兒)