GPT-6.1 Terra首批网友实测来了！1折价格获得Astra级电脑操作能力

输入1美元/百万Token，缓存输入0.05美元/百万Token，输出5美元/百万Token。

在职场软件实战测试Agents’ Last Exam中，Terra不仅明显超过GPT-5.6 Terra， 还以GPT-6 Astra十分之一的Token价格追平其表现 。

再和Claude Opus 5.5相比，Terra的Token价格只有其四分之一，Token效率超过3倍，单任务成本只有对方的九分之一左右。

用途上，GPT-6.1 Terra的核心卖点也极其明确—— 更快、更强，同时大幅降低电脑操控的成本 。

它原生支持屏幕理解、跨软件协同操作以及自然语言写作，把目标牢牢锁定在打工人的完整工作日上。

OpenAI联合创始人Greg Brockman甚至表示，Terra的电脑操作能力已经跨过“质变门槛”，用起来比他亲自操作还快。

目前Plus、Pro、Enterprise以及Edu用户，已经可以在ChatGPT Work与Codex中直接体验，开发者也能通过标准API（gpt-6.1-terra）随时调用。

更炸裂的是，同一天，OpenAI还公布了三项由内部AI系统产出的科学结果，横跨数学、计算机科学和物理学。

一边把AI操作电脑的成本打下来，一边把AI参与前沿科研的想象力往上抬。

GPT-6.1 Terra不是OpenAI能力上限最高的模型，但已经用更低的成本，摸到了旗舰模型的能力区间。

在Agents’ Last Exam中 ，GPT-6.1 Terra medium档的成绩比GPT-5.6 Terra高出15个百分点，单任务成本却只有后者的大约三分之一。

这个测试专门考AI能不能使用专业软件完成复杂工作，比如把建筑图纸做成3D模型，或逐镜头审看动画、生成带时间码的修复日志。

更夸张的是，官方称Terra的表现已经与GPT-6 Astra相当，但每Token价格只有后者的十分之一，完成任务的速度则比GPT-6 Astra和GPT-6.1 Sol都快3倍以上。

在MMMU-Pro基准中 ，GPT-6.1 Terra在所有推理强度下都超过GPT-5.6 Terra，并以更低的成本接近GPT-6 Astra和GPT-6.1 Sol。

到了电脑操作基准OSWorld 2.1 ，它的medium档成绩也超过了GPT-5.6 Terra此前的最高水平。

也就是说，新Terra不只是更会“看”，也更会根据屏幕内容把活真正做完。

在Terminal-Bench 4.0中 ，GPT-6.1 Terra的max档解决了50.3%的任务，而GPT-5.6 Terra此前公布的成绩只有21.5%。

面对最复杂的编程、科研和深度推理任务，GPT-6.1 Sol和GPT-6 Astra仍然是更合适的选择。

在OpenAI内部的高难事实性压力测试中，低推理强度下的错误率从GPT-5.6 Terra的53.6%降至16.7%。

Max档进一步降至4.3%，已经接近GPT-6 Astra和GPT-6.1 Sol。

在第三方机构Artificial Analysis的综合智能指数中，GPT-6.1 Terra max档拿到48分，排在Claude Opus 5.5、Kimi K3.1 Pro、谷歌Gemini 4 Argon、Meta Muse Wonder和GPT-6.1 Sol之后，但领先Grok 4.7与小米MiMo-V2.6-Pro。

不仅要画出这座16世纪石灰岩堡垒，还得还原石刻绳索、开放式阳台、城垛和穹顶角楼，且画面里还要有海鸥、帆船，以及雾气中的4月25日大桥。

GPT-6.1 Terra耗时接近上一代的4倍，使用Token也多了48%。

但因为单价不到上一代一半，最终总成本反而低了38% （新Terra花了0.047美元，旧Terra花了0.077美元）。

他让GPT-6.1 Terra和GPT-6.1 Sol都在Fast模式下寻找并填写一份较长的通用表单，再把两者放在一起比较电脑操作过程。

按照Nunez的说法， 在首次测试中，Terra比Sol提前53.5秒完成了这份表单。

它未必负责把最难的问题想到底，但很适合在界面里识别信息、连续点击、填写内容，把一长串步骤迅速跑完。

从综合智能得分看，Terra拿到48分，低于Sonnet 5.5的56分和Opus 5.5的58分。

Terra的生成速度达到283 Token/s，是Opus 5.5的3.4倍，单任务成本仅0.4美元，约为Opus 5.5的十五分之一。

要智力和能力，选Sonnet 5.5；要速度和性价比，选Terra。至于Opus 5.5，Terra暂时还不是同一档。

同一提示词对比Sonnet 5.5和6.1 Terra，谁更胜一筹无需多言。

官方宣布， 其AI系统在数学、计算机科学和物理学中得到了三项新结果，分别涉及调和分析、复杂性理论和量子场论 。

物理结果中，纯杨-米尔斯理论存在性的Lean形式化也已完成，但相关材料将先交由外部专家组梳理。

OpenAI称， 其AI系统证明了所有维度上的局部平滑猜想，并由此进一步解决了Kakeya猜想和Stein限制猜想 。

它由数学家Christopher Sogge在1991年提出，此前只解决了部分维度的问题。

如今，AI不仅给出了自然语言证明，还将其写进了Lean形式化证明系统。

如果后续得到数学界确认，意味着AI真正进入了一个人类几十年没能完全攻下的问题。

这个假说大致认为，像3-SAT这样的复杂问题，很难找到比穷举快得多的算法。

但OpenAI称， 其AI系统证明了ETH是错的，并且已经完成Lean形式化 。

不过，这不等于P≠NP问题被解决，也不意味着实用的新算法马上就会出现，它只是说明，一些复杂问题可能没有过去想象得那么难算。