眼看对家Anthropic靠一纸招股书抢尽风头，OpenAI反手甩出GPT-6.1 Terra——
想独占头条？先问问新模型答不答应。
GPT-6.1 Terra主打“一半价格，更强能力”。
相比GPT-5.6 Terra，其标准API价格直接砍半：
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。
而且价格打下去的同时，能力还更强了？！
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。
不是，现在的AI降本增效已经卷到这个地步了吗？
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。
咋滴，还没到周四就开始疯狂了吗？？
GPT-6.1 Terra正式上线，价格直接腰斩
具体能力怎么样，还是先看OpenAI给出的官方成绩单。
先说整体结论：
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。
再看视觉能力。
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。
代码能力同样迎来了一波大涨。
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%。
直接翻了一倍还多。
不过OpenAI也主动划了一条线：
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。
另外一个明显升级，是少说胡话。
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。
至少从这轮官方成绩来看，Terra的定位已经很清楚了：
用接近旗舰的能力，把大量电脑任务的成本打下来。
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。
整体处于全球头部模型的中游位置。
网友实测：画得更细了，成本还少38%
那么模型真实能力如何呢？
老规矩，还是来看网友分享的实测结果。
DesignArena给GPT-6.1 Terra和GPT-5.6 Terra出了同一道题：
在黄金时刻复刻里斯本贝伦塔。
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。
结果很有意思。
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）。
不过还好，多花的时间也确实体现在了画面上。
哪个更精致更完整，一目了然。
另一位开发者Victor Nunez则把“长表单”搬了出来。
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。
OpenAI开发者账号随后直接转发了这组演示。
这也正中Terra的官方定位：
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。
另一位网友Leo则把Terra和Claude摆在了一起。
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。
但到了速度和成本环节，结果直接反转：
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。
所以Leo的总结也很直接：
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。
而且另一位网友的实测结果也印证了Leo的结论。
同一提示词对比Sonnet 5.5和6.1 Terra，谁更胜一筹无需多言。
和Opus 5.5比，价格确实便宜的多，但结合生成结果的话，只能说：
贵有贵的道理（doge）。
同一天，OpenAI还甩出3项AI科学新发现
Terra之外，OpenAI同一天还扔下了一个更大的“学术炸弹”。
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。
而且不是只给一段自然语言推导就完事。
数学与计算机科学结果的自然语言稿和Lean形式化证明已经公开。
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。
具体就不展开了，这里我简单总结了一下OpenAI这次取得的进展：
1、攻下一个困扰数学界30多年的猜想
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。
简单来说，这项研究讨论的是波在传播过程中会如何聚焦。
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。
2、一块用了几十年的计算机科学理论地基，可能错了
第二项成果指向指数时间假说（ETH）。
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。
过去几十年，不少计算机科学结论都建立在它成立的基础上。
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。
3、为物理学四维量子场论补上数学证明
第三项成果直接进入了量子场论。
OpenAI称，其系统给出了包括量子色动力学（QCD）在内的某些四维量子场论存在性证明。
简单来说，就是尝试从严格的数学角度证明：
这些用于描述夸克、胶子和强相互作用的物理理论，确实能够成立。
其中还包括纯杨-米尔斯理论存在性的证明——
这是著名的“杨-米尔斯存在性与质量间隙”千禧年大奖难题的一部分。
但注意，只是一部分。
质量间隙问题仍未解决，所以还不能说AI拿下了这道价值100万美元的世界难题。
目前，相关结果也正在由诺贝尔奖得主David Gross等外部专家审查。
一边发新模型，一边顺手解决困扰人类几十年的难题。
OpenAI：
无法抢在A社之前IPO，我有的是手段吸引目光。
参考链接：
[1] https://openai.com/index/introducing-gpt-6-1-terra/
[2] https://developers.openai.com/api/docs/models/gpt-6.1-terra
[3] https://developers.openai.com/api/docs/pricing
[4] https://x.com/OpenAI/status/2114780711664398349
[5] https://x.com/DesignArena/status/2114800086391878104
