简介：OpenAI 自己打自己
OpenAI 发布 GPT-6.1 Terra，定位非常清晰：把"电脑操作智能体"的价格打下来。API 定价每百万 token 输入 1 美元、输出 5 美元，比 GPT-5.6 Terra 再降 50%，而电脑操作能力追平了自家旗舰 GPT-6 Astra——价格只有它的 1/10。昨天我们已经写过 Terra 的发布解读，这篇直接上对比数据，帮你判断要不要迁移。
三个关键基准对比
1. Agents' Last Exam（电脑操作）：Terra 比前代高出 15 个百分点，与 GPT-6 Astra 基本持平。这意味着在"看屏幕、点鼠标、填表单"这类 GUI 智能体任务上，两个模型的能力没有实质差距。
2. Terminal-Bench 4.0（终端任务）：Terra 解决率 50.3%，是前代的两倍多。作为参照，Kimi K3.1 Pro 在同一基准上是 65.7%。Terra 不是编程最强的模型，但它的定位是"够用且便宜"。
3. 易错提示词错误率：这是最容易被忽视但最影响实际体验的指标。低推理档位下，Terra 把错误率从 53.6% 压到 16.7%——降幅接近 70%。实际含义是：你不再需要精心雕琢提示词，随手指令也能稳定执行，这对自动化流水线是质变。
成本账怎么算
电脑操作智能体的 token 消耗结构很特殊：每一步都要把屏幕截图或 DOM 状态塞进上下文，输入 token 是大头。按 Terra 的定价测算：
- 单次网页操作任务（约 20 步、50 万输入 token）：Terra 约 0.55 美元，Astra 约 5.5 美元；
- 每天跑 1000 个任务的自动化场景：月成本从 1.6 万美元级降到 1600 美元级；
- 对于 RPA 替代、数据录入、批量表单处理这类"高频低难度"任务，Terra 几乎没有对手。
什么场景仍然需要 Astra
Terra 的网络安全能力评级为"关键级"，但 Astra 的优势在复杂长链路任务：跨应用协作、需要深度推理的异常处理、以及一次都没成功过的全新流程。简单说：
- 流程标准化、量大 → Terra，成本优势碾压；
- 流程多变、需要临场判断 → Astra，成功率差异会被人工兜底成本放大。
更务实的做法是两级编排：用 Terra 跑主干流程，遇到失败或置信度低时升级到 Astra 重试。这种混合架构能兼顾成本与成功率，也是目前 agent 平台的主流做法。
优点与不足
Terra 优点：价格是 Astra 的 1/10；GUI 操作能力持平旗舰；易错提示词错误率大幅下降；OpenAI 生态兼容，迁移成本低。
Terra 不足：Terminal-Bench 50.3% 说明复杂终端任务仍有近半失败率；长链路推理弱于 Astra；编程智能体场景不如 Kimi K3.1 Pro 等专用模型。
适合谁与总结
适合做流程自动化的企业、RPA 团队、以及想把 agent 从 demo 推向量产的开发者。如果你在搭建自动化流水线，可以先看 GPT-6.1 Terra 工具页了解接入方式，再用真实任务跑 A/B 测试。
总结：Terra 的意义不是"更强"，而是把电脑操作智能体的单位经济模型做成立。当单任务成本降到几毛钱，大量原本"用不起 AI 操作员"的场景瞬间成立——这才是它对行业的真正冲击。