OpenAI 在 2026 年 10 月 26 日正式发布 GPT-6.1 Terra，定位为快速、高效、结合详细视觉推理与精确计算机使用的模型 [1][3]。对企业 SaaS 团队而言，这次发布带来的三个可核实变化是 Agent 计算机使用类负载的单位成本下探、1.05M token 上下文窗口（超出 272K 输入后整请求加价）以及工具调用强制走 Responses API。如果你的产品跑的是高并发表单填写、发票录入、图纸识别类 Agent，值得在非生产环境做切换测试；如果核心负载是复杂编码，官方自己建议留在 GPT-6.1 Sol 或 GPT-6 Astra [1]。
发布真实性：三方官方信源互证
热榜上的模型名类消息此前不可直接采信。2023 年『GPT-4 100 万亿参数』被证实大概率是假消息 [2]，Sam Altman 也曾公开澄清 OpenAI 当时没有训练 GPT-5，短期内也不会 [5]。这类话题的核实标准始终是官方渠道，而不是热榜排名。
本次情况不同。GPT-6.1 Terra 有官方公告页、官网首页日期条目（Oct 26, 2026）与已上线的 API 文档模型页三方互证 [1][3][4]，属于既成事实而非爆料。开发者从发布当天起即可用模型名 gpt-6.1-terra 调用 API，输入支持文本与图像，输出为文本；ChatGPT 侧面向 Plus、Pro、Enterprise、Edu 用户在 ChatGPT Work 和 Codex 中开放 [1][4]。API 文档模型页同步给出完整参数、定价细则与限速表，说明这不只是一份新闻稿，模型已可实际接入评估。公告同时列出了模型的典型任务：把产品照片匹配到目录条目、解读技术图纸、在应用界面上执行操作、起草和修改文本 [4]，这些描述与公告强调的『填满工作日的沟通与计算机操作类任务』相互对应 [1]。
API 定价：$1/$5 每百万 token 只是起点
标准定价为输入 $1.00/百万 token、缓存输入 $0.05/百万、输出 $5.00/百万，官方称比 GPT-5.6 Terra 与 GPT-6.1 Sol 低 50% [1][4]。旧款具体价格未公布，这个 50% 无法换算为绝对金额对比，企业测算只能以公告口径为准。
更关键的是 API 文档页披露的附加条款。缓存写入本身计费，30 分钟保留为 $1.25/百万 token，12 小时保留为 $2.50/百万 [4]。输入超过 272K token 的请求，整个请求按 2 倍输入与缓存费率、1.5 倍输出费率计价 [4]。Batch 与 Flex 价格比标准低 50%，Fast 模式为 2 倍，区域处理（如可用）加收 10% [4]。这几条决定了真实成本的落点。对 Agent 类高频调用，缓存命中率直接决定成本落在宣传价还是数倍价上：重复前缀命中的部分按标准输入价的 5% 计费 [4]，前缀设计稳定的系统获益最大；把长文档整卷塞进上下文的方案，则必须把超 272K 的整请求加价算进单次任务成本，因为加价作用于全请求而非超出部分。另外一个容易被忽略的细节是工具型模型按工具调用次数另有收费，涉及搜索或计算机使用工具的流水线要把这部分单价单列 [4]。
上下文与集成：两个硬约束先看清楚
gpt-6.1-terra 提供 1,050,000 token 上下文窗口与 128,000 最大输出 token，知识截止 2026-06-01 [4]。整卷合同、长会话历史、多轮 Agent 轨迹可以单次放入，不必再做切片拼接。1.05M 窗口叠加超 272K 加价条款，意味着长上下文可用但成本更高，短请求走标准档、批量长文档走 Batch（价格低 50%）才是成本合理的组合 [4]。
集成侧有两条文档页才有的硬约束。工具调用必须使用 Responses API [4]，仍在旧 Chat Completions 工具链上的团队需要先完成迁移，才能用上 Web search、File search、Code interpreter 与计算机使用等该模型支持的内置工具 [4]。不支持微调 [4]，依赖 fine-tuning 定制模型行为的团队无法把现有资产平移过来，只能靠 prompt 与上下文工程达到类似效果。文档还给出了推理力度的完整档位：none、low、medium（默认）、high、xhigh、max [4]，这意味着同一模型的成本与质量可以在六档之间调节，错误率随档位大幅变化（下节展开），档位选择本身就是一项成本设计决策。
限速方面 Free 层不支持该模型，Build 层 5,000 RPM / 1,000,000 TPM，Launch 层 10,000 RPM / 4,000,000 TPM，Grow 层 15,000 RPM / 40,000,000 TPM [4]；配额随用量与消费动态提升，以 API 控制台实际数值为准。高并发 Agent 产品需要对照自己的层级评估容量上限，尤其是每任务多轮工具调用的场景，RPM 上限会先于预算约束出现。Batch 队列上限同样按层级区分，Build 层 3,000,000，Launch 层 200,000,000，Grow 层 15,000,000,000 [4]，计划把离线批处理作为主力通道的团队可以直接对照这组数字排产。
Agent 计算机使用：单位成本下探是最实质的变量
官方基准数据显示，中等推理力度下 GPT-6.1 Terra 在 Agents' Last Exam 上比 GPT-5.6 Terra 高 15 个百分点，成本约为其三分之一；与 GPT-6 Astra 性能相当但每 token 价格为其十分之一 [1]。max 推理力度下，相对 Claude Opus 5.5 单任务成本约低 9 倍，任务完成速度快于 GPT-6 Astra 与 GPT-6.1 Sol 三倍以上 [1]。公告对 Agents' Last Exam 的任务描述包括把建筑图纸转成 3D 模型、逐镜头审看动画影片并生成时间码日志 [1]，属于视觉理解直接驱动操作的场景。视觉推理基准 MMMU-Pro 上，Terra 在每个推理力度下都超过 GPT-5.6 Terra，并接近 GPT-6 Astra 与 GPT-6.1 Sol 的分数 [1]。对做表单填写、发票录入、应用屏幕操作类 Agent 的 SaaS，此前因成本被排除的高频自动化场景可能进入可行区间。
必须标注归属。以上全部是 OpenAI 自报的内部基准，没有第三方复现，也没有早期企业客户的实测数据 [1]。倍数关系可以作为立项依据，切换决策之前应在自己的任务样本上实测单任务成本与成功率，不能直接把厂商倍数写进成本模型。
任务边界：官方划出了 Terra 的能力上限
事实性与编码方面，Terra 相对上一代 Terra 有显著改善。OpenAI 内部错误诱导提示基准上，低推理力度下错误率从 GPT-5.6 Terra 的 53.6% 降至 16.7%，约 37 个百分点；max 推理降至 4.3%，接近 GPT-6 Astra 与 GPT-6.1 Sol 的水平 [1]。Terminal-Bench 4.0 的 max 推理解决率为 50.3%，是 GPT-5.6 Terra 已公布成绩 21.5% 的两倍多 [1]。Terminal-Bench-Science 0.1 在 max 推理下超过 GPT-6.1 Sol 且成本更低，与 Opus 5.5 相差五个百分点以内，估算成本不到其五分之一 [1]。错误率降幅的实际意义在于，低成本档位的输出可靠性首次进入企业可接受区间，用便宜模型跑生产流程的可行性判断因此改变。
OpenAI 同时给出了明确的边界。对最复杂的编码任务，GPT-6.1 Sol 和 GPT-6 Astra 仍是更好选择 [1]。这是罕见清晰的官方分流指引。Terra 适合高频、视觉加操作、成本敏感的工作流；追求最强编码能力的场景不在其覆盖范围内。若产品的核心卖点是复杂代码生成或修复，本次发布不构成迁移理由。
安全侧还有一条与 Agent 产品直接相关的信息。GPT-6.1 Terra 在 Preparedness Framework 的网络安全维度达到 Critical 阈值 [1]，官方评估称其比 GPT-5.6 Terra 更可能留在任务范围内、主动向用户披露限制与阻塞，并在提示注入测试中表现出对恶意指令的较强抵抗力 [1]。让 Agent 替员工操作应用界面的企业，这两项评估结果与系统卡是上线前安全评审应核对的材料。
综合来看，GPT-6.1 Terra 对企业 SaaS 的可行动信号集中在计算机使用与视觉推理类工作流：厂商口径下这类负载的单位成本大幅下降，配合 1.05M 上下文可以覆盖此前做不了的长文档场景。编码强需求留在 Sol/Astra；工具链迁移 Responses API、缓存写入费与超 272K 加价是切换前必须算清的三笔账。以上判断基于 2026-10-27 之前的官方公告与文档，定价与限速后续可能调整。