便宜的那款，危险等级和旗舰一样

2026-10-27 · 人工智能

OpenAI 昨天发了 GPT-6.1 Terra。我先没看跑分表，先翻了系统卡。

那行字在第一节：按 Preparedness Framework，Terra 的网络安全能力定为 Critical，生物与化学能力定为 High。Critical 是这套框架里的最高一档。它和 GPT-6 Astra、GPT-6.1 Sol 共用同一套防护。

然后是价格。每百万 token 输入 1 美元，输出 5 美元，缓存输入 0.05 美元。比 GPT-5.6 Terra 低一半，比 GPT-6.1 Sol 也低一半。

把这两件事放在一起，就是这款模型最怪的地方：能力接近旗舰，价格是旗舰的十分之一，危险等级一模一样。

危险等级一样，价格十分之一。这种搭配在别的行业也常见，一般印在超市货架的黄色标签上。

头条数字不是分数

发布页第一屏我没找到跑分。它把一句话放在最前面：完成一件事的成本。

这话以前没人当卖点。一年前发模型，各家比的是榜上的小数点。这次 OpenAI 摆出来的是另一套账：

Agents' Last Exam，一个考智能体怎么用软件干活的考试。中等推理档，比 GPT-5.6 Terra 高 15 个百分点，成本大约是后者的三分之一。在这个考试上，它的成绩跟 GPT-6 Astra 基本持平，每 token 价格是 Astra 的十分之一。同样的任务，它比 Astra 和 Sol 都快三倍以上。

对着 Claude Opus 5.5，OpenAI 的说法更直接：token 效率三倍以上，每 token 价格四分之一，折成每完成一个任务，便宜约九倍。

Terminal-Bench 4.0，最高推理档，它解出 50.3% 的任务。GPT-5.6 Terra 公布的是 21.5%，翻了一倍多。

这些数字都是自家测的。三倍快也是自家掐的表。外面我只见到 Artificial Analysis 给过一个 48 分，源头没找到，先当没看见。

同一页上还有一句我觉得比所有跑分都诚实的话：最复杂的编码任务，还是用 GPT-6.1 Sol 或 GPT-6 Astra。

它最先修的不是聪明

内部有个专门用来诱发错误的提示词测试。低推理档，GPT-5.6 Terra 的错误率 53.6%，Terra 降到 16.7%。档位拉满，4.3%，差不多追平 Astra 和 Sol。

一个便宜模型最该先修的地方，不是聪明，是胡说。

原因不难懂。贵的模型你会盯着它跑，一遍一遍看输出，错了就重来。便宜到九分之一价钱的模型，你会把它塞进一个循环里跑一千遍，没人在旁边看第二遍。这种时候，它错得稳不稳，比它答得多漂亮重要得多。

上下文 1,050,000 个输入 token，输出上限 128K。模型名 gpt-6.1-terra，ChatGPT Work 和 Codex 里的 Plus、Pro、Enterprise、Edu 都能用，Codex CLI 要 0.159.0 以上。

一个跑在没人看着的地方的东西

系统卡里还有一段我反复读的话：这一代比 GPT-5.6 Terra 更愿意留在任务边界内，更愿意主动说自己做不到、哪里卡住了。在提示注入测试里，它对那些想把它骗离用户指令的请求，抵抗得比较硬。

这段话和前面那个 Critical 摆在一起，就成了一个拧巴的组合：一边认定它有网络攻防的能力，一边说它不太容易被骗着去用。

我自己的判断很土。改变使用方式的不是它多聪明，是它便宜到可以浪费。

一个每次调用都要想清楚再按的模型，你会省着用，会一句一句改提示词。一个九分之一价钱的模型，你会先让它跑一百遍，跑完再挑。事情就从「问它一个问题」变成了「让它替我试」。

等到大家都这么用，那个 Critical 就不再是某一款模型的属性了。它变成一种分布，铺在无数个循环里。它不在某家实验室的旗舰机上，它在你写完之后就没再看过的那个 while 循环里。

凌晨三点，这些循环还在跑。日志没人看，也没有人为它们负责。

出处

• OpenAI 发布页：openai.com/index/introducing-gpt-6-1-terra/（2026-10-26）
• 系统卡附录：deploymentsafety.openai.com/gpt-6-1-terra