OpenAI新模型错误率降至16.7%，成本仅对手九分之一

OpenAI在10月27日凌晨推出新模型GPT-6.1 Terra，主打用更低成本完成复杂的电脑操作任务，尤其擅长需要视觉推理和操作桌面软件的工作。与GPT-5.6 Terra相比，新模型在事实准确性和编程能力上也有大幅提升。 Terra面向希望降低自动化成本的企业，可用于处理发票、解读技术图纸等工作。OpenAI称，面对难度较高的专业任务，Terra也能以远低于高价模型的成本完成。 在考察复杂专业工作的Agents’ Last Exam基准测试中，Terra的成绩明显提高。测试项目包括根据建筑图纸建立三维模型，以及逐一记录电影镜头，供影片修复团队使用。 采用中等推理强度时，Terra的得分比GPT-5.6 Terra高 15个百分点 ，完成任务的成本却只有后者的约三分之一。与GPT-6 Astra相比，Terra的测试成绩不相上下，每个Token的价格却仅为后者的约十分之一。 速度上Terra同样占优。OpenAI称，其任务执行速度是GPT-6 Astra和GPT-6.1 Sol的 3倍以上 。在最高推理强度下，每项任务的成本也仅为Claude Opus 5.5的约九分之一。 桌面软件自动化是Terra取得进步的另一个领域。OSWorld 2.1通过多步骤操作任务，测试模型使用桌面应用程序的能力。在中等推理强度下，Terra不仅超过了GPT-5.6 Terra此前的最佳成绩，完成每项任务的成本也明显更低。 在视觉推理基准测试MMMU-Pro中，Terra在所有推理强度下的成绩均超过GPT-5.6 Terra。尽管成本更低，其表现仍接近GPT-6 Astra和GPT-6.1 Sol。 OpenAI还着重减少模型的事实性错误，以降低错误回答对自动化流程的影响。该公司通过一套内部基准测试，利用专门设计的提示词检验模型回答中的薄弱环节。 结果显示，在低推理强度下，Terra的错误率为 16.7% ，远低于GPT-5.6 Terra的 53.6% ，下降36.9个百分点。将推理强度提高至最高档后，Terra的错误率进一步降至 4.3% ，比上一代低18个百分点，接近GPT-6 Astra和GPT-6.1 Sol的水平。 编程能力也有显著进步。Terminal-Bench 4.0通过命令行任务测试AI编程智能体解决问题的能力，例如修复网页加载时发生的布局偏移。 在最高推理强度下，Terra成功完成了 50.3% 的测试任务，而GPT-5.6 Terra的成功率仅为 21.5% ，新模型的成功率达到前代的两倍以上。对于难度最高的编程任务，OpenAI仍建议选择GPT-6.1 Sol或GPT-6 Astra。 GPT-6.1 Terra于10月27日向Plus、Pro、Enterprise和Edu用户开放，可在ChatGPT Work和Codex中使用。开发者也能通过OpenAI API调用，模型标识为gpt-6.1-terra。 API标准定价方面： 每100万个输入Token收费 1美元 （约合6.7元人民币） 每100万个缓存输入Token收费 0.05美元 （约合0.33元人民币） 每100万个输出Token收费 5美元 （约合33.4元人民币） OpenAI称，新模型的价格比GPT-5.6 Terra和GPT-6.1 Sol低50%。 安全方面，Terra沿用了GPT-6 Astra的防护措施。OpenAI称，新模型抵御提示词注入攻击的能力有所增强，也能更清楚地向用户说明自身局限。按照OpenAI的准备框架评估，Terra的网络安全能力已达到“关键级”门槛。 更低的价格有望让开发者和企业更容易采用复杂的电脑自动化技术。对于难度最高的编程任务，GPT-6.1 Sol和GPT-6 Astra仍具有更强的处理能力。 特别