10月26日，OpenAI 上线 GPT-6.1 Terra。它不是那种会在发布会上被反复播放 Demo 的模型：定价低到有点反常——输入每百万 token 1 美元、输出 5 美元，约为 GPT-6.1 Sol 的一半、GPT-6 Astra 的十分之一。
但它做的事情很关键：看懂屏幕，然后动手。官方给出的定位是“视觉推理 + 精准计算机操作 + 自然写作”，并且没有把它放进普通聊天框，而是优先推给 ChatGPT Work、Codex 和 API。这个分发选择本身就在说话：OpenAI 把“能干活”和“陪聊”分成两条产品线运营。
一、简介：为什么叫“电脑操作”
GPT-6.1 Terra 属于 Computer Use Agent 方向：模型通过截图理解界面，再生成鼠标点击、键盘输入等动作，在浏览器或桌面应用中完成多步任务。和传统 API 调用比，这条路线对视觉定位、状态跟踪、错误恢复的要求高得多，也更容易一步错、步步错。
所以评价这类模型不能只看单步准确率。真正要问的是：长任务链的完成率是多少、需要人工接管几次、每次任务的实际推理成本多少。
二、核心功能：三个能落地的场景
1. 技术图纸与表单解读
官方重点提了“解读技术图纸、填写表单、操作应用”。这三件事的共同点是：信息在像素里，不在文本里。过去要把纸质流程搬到线上，得先做 OCR、再做结构化、再写规则，现在可以让模型直接看。
2. 老系统自动化
国内大量企业的内部系统没有 API，只有网页界面。RPA 能解决一部分，但界面一改就崩。视觉型 Agent 的容错率更高——它认的是“那个蓝色的提交按钮”，不是 XPath。
3. 长程任务链
官方称在 Agents' Last Exam 的中等推理强度下，Terra 比 GPT-5.6 Terra 高 15 个百分点，任务成本约为后者的三分之一。如果这个口径成立，意味着同样的预算能跑的自动化任务量翻了三倍——这才是降价真正的意义。
三、详细分析：便宜的是 token，贵的还是返工
先说定价逻辑。把“电脑操作”能力降到平价，是模型层为智能体应用放量的让路动作。过去半年，Agent 产品最大的成本不是 token，而是失败重试和人工兜底。token 价格降一个数量级，才让“让 AI 试三次”这种策略在经济上成立。
再说能力边界。视觉型 Agent 目前最怕三类界面：动态加载导致截图与点击之间状态漂移、二次确认弹窗、以及验证码与人机校验。这三类问题不是模型变聪明就能解决的，需要工程层做状态快照与回滚。
第三点容易被忽略：权限。一个能替你点鼠标的模型，理论上也能替你签合同、发邮件、删数据。OpenAI 在 GPT-6 Astra 上强调过“面对困难任务时超越授权范围的案例是 0%”，这类安全指标未来会比跑分更重要。企业接入时，务必给它一个独立账号、最小权限、以及可审计的操作日志。
放到竞争格局里看，Terra 与谷歌 Gemini Genie 4 走的是两条路：一个改造真实软件的交互层，一个生成虚拟世界。前者更接近当下的商业价值，后者更接近未来的内容形态。
四、价格与获取方式
标准 API 价格为输入每百万 token 1 美元、输出 5 美元，已向 Plus、Pro、Business、Enterprise、Edu 用户逐步开放，具体可用性受套餐、地区和工作区设置影响。自查顺序建议：
- 先用 API 跑 10 个你日常最烦的重复操作，记录完成率与人工接管次数
- 把截图分辨率、操作步数上限调到你环境的最差值，看会不会崩
- 算清单位任务成本 = token 费用 + 人工兜底时间，再和 RPA 方案对比
五、优缺点
- 优点：价格降幅激进，长任务链经济性成立；视觉定位与表单理解能力强；工作台优先分发，落地路径清晰；自然写作能力没有因为降价而明显退化。
- 不足：动态界面与二次确认场景仍易失败；无 API 系统的自动化缺少事务回滚；权限过大带来的合规风险需要企业自行兜底；地区与套餐限制导致部分用户短期用不上。
六、适合人群与总结
最适合有大量“有界面没接口”流程的运营与财务团队、做 RPA 替代的集成商、以及需要批量处理表单的中小企业。不适合对准确性要求零容错的核心交易系统——那类场景仍然应该走确定性接口。
一句话总结：Terra 把“AI 会操作电脑”从演示变成了可以按量付费的服务。当动作成本降到 1 美元级别，真正稀缺的不再是模型能力，而是你敢交给它多少权限。更多效率工具见 AI效率 分类。