10月26日，OpenAI发布新模型GPT-6.1 Terra，模型编号为gpt-6.1-terra，同日进入API、ChatGPT Work与Codex，面向Plus、Pro、Enterprise与Edu用户开放。官方给出的定位很直接：为整天坐在电脑前的那类重复工作准备，包括起草商业提案、读取收到的发票并录入财务软件、解读技术图纸、填写表格、多条素材的视频编辑。这不是一次能力展示，更像一次价格与场景的重新对齐。
标准API的定价是每百万输入词元1美元，命中缓存0.05美元，输出5美元。官方称这比GPT-5.6 Terra和GPT-6.1 Sol低约一半。这个结构值得拆开看：输入与输出的比例是1比5，缓存命中价只有输入价的二十分之一，说明OpenAI把成本压力主要压在了长上下文与重复前缀上。
缓存价定得这么低，指向的是一类特定负载。智能体反复读同一份代码库、同一份合同、同一套表格模板，前缀完全一致，只是尾部在变。在这种负载里，真正花钱的不是推理，而是把同一段上下文反复送进模型。把缓存价打到0.05美元，等于承认这类调用已经是主流，并且愿意为它让利。
另一半原因是竞争。过去半年，中间档模型的定价一直在往下走，开源权重模型把单位成本压到了另一个量级。Terra的定价策略是把"够用"这一档单独拎出来重新标价，而不是继续用旗舰模型打折的方式覆盖。对一个每天调用几万次的团队，这个差别比榜单排名更能决定选型。对按调用量计费的产品，成本每降一半，毛利结构就要重排一次。
官方给出的对比是：在Agents' Last Exam这项以电脑操作为核心的评测上，Terra的得分与GPT-6 Astra相当，而每个词元的成本只有后者的十分之一。这句话的重点不在分数，而在分母。电脑操作类任务的单次执行往往要几十步，每一步都要读屏、定位元素、生成动作，词元消耗是普通问答的十几倍，成本敏感度极高。
Terminal-Bench 4.0的变化更直观：解决率从GPT-5.6 Terra的21.5%提升到50.3%，官方称超过前代两倍。这项评测考察的是智能体在真实命令行环境里完成多步任务的能力，涉及文件操作、依赖安装、错误恢复。从两成到五成，意味着它开始能独立跑完一部分原先必须人工兜底的流程。
还有一组来自第三方整理的数据：在易错提示词的低推理档位下，Terra的错误率从53.6%降到16.7%。这类测试针对的是表述含糊、条件不全的指令，恰好对应真实办公场景里的多数输入。把这类错误率压下来，比在清晰指令上多拿几分更有实际意义。需要提醒的是，该测试集的判分口径与厂商自报数字并不一致，只能当作方向参考。
Terra的上下文窗口为105万词元，并且同步在OpenRouter、Vercel AI Gateway这类聚合平台上架。长上下文的价值不在"能塞多少"，而在"能不能少做一次检索"。把整个项目目录、整年的合同、整套技术手册一次性放进去，省掉的是工程侧的切分与召回逻辑，这对中小团队尤其划算。
需要提醒的是能力边界的表述。官方在发布材料里提到该模型在网络能力评测上达到较高档位，这类表述通常意味着模型具备较强的漏洞发现与利用知识。对防守方是工具，对滥用者是入口。OpenAI以往的做法是在API侧加拦截分类器并对高风险请求降级，Terra是否沿用同一套策略，官方材料没有展开，接入方需要自己评估。
另一个容易被忽略的点是评测口径。Agents' Last Exam与Terminal-Bench 4.0都由厂商自行运行，对比对象的运行环境是否完全一致、推理档位是否相同，外部无法复核。Artificial Analysis给出的每美元智能指数可以作为交叉参考，但它衡量的是成本效率，不衡量任务完成质量。
把价格砍到一半，直接受影响的是三类产品。第一类是做文档处理与表单填报的SaaS，过去因为模型成本高而只敢在关键节点调用，现在可以把整条流程交给模型；第二类是内部工具团队，原本用旗舰模型加人工校验，现在可以用便宜模型跑全量、只把异常样本交给贵模型；第三类是智能体平台，单任务成本从几美元降到几十美分，定价模型可以重做。
受挤压的是同价位的其他中间档模型。当旗舰能力的十分之一价格可以买到接近旗舰的电脑操作水平，"够用就好"的选型逻辑会被重新计算。开源权重模型仍然是成本下限，但它们需要自己承担推理基础设施与稳定性，对没有运维能力的团队并不便宜。
真正决定这轮降价效果的不是榜单，而是接入方的账本。当单任务成本降到可以用"每天跑几百次"来规划时，智能体才从演示走进日常流程。Terra把这扇门推开了一条缝，接下来要看的是它在长尾任务上的稳定性，以及token账单会不会因为"反正便宜"而反向膨胀。