GPT-6.1 Terra发布 办公效率提升15% ChatGPT Plus等用户已开放

01.日常办公主力定位

Terra 它主要把心思花在起草方案、解读技术图纸、填写表格以及编辑视频这些频繁出现的任务上。它的官方说法是, 和 GPT-5.6 做对比的话, Terra 在视觉推理的精细程度还有写作的那种自然感方面, 都有了挺明显的提升。它这个定位, 是给日常办公用的, 并不是针对科研场景的。

现在的状况是那个模型已经面向了用户群, 具体的对象包括了GPT的Plus、Pro、Enterprise和Edu这些种类的用户, 在使用的渠道上可以在GPT Work与Codex中直接进行调用操作, 另外对于开发者而言, 他们也可以通过OpenAI API这个方式去以gpt-6.1-terra的身份接入进去, 并且在当天就能开始上手进行测试。

02.成本降至旗舰十分之一

在Agents' Last Exam这个基准测试里面, 当推理的强度达到中等水平的时候, Terra所得到的分数比GPT-5.6还要高出一成五。而且呢, 它完成一次单独任务所需要的费用, 大概只有那个水平的三分之一。

从整体的表现来看, 它是可以和所谓的旗舰型号GPT-6 Astra做到势均力敌的结果。可是请注意, 它所消耗的每一Token的平均价格, 仅仅只是后者的十分之一这么多而已。

当推理强度达到最高的时候, Terra这个模型的Token使用效率能够超过Claude Opus的2.75倍。同时它的单价只有Claude Opus的四分之一, 所以折算下来, 它完成单个任务的总体成本大约低了9倍。

另外, 在完成任务的速度方面, Terra也比GPT-6 Astra以及GPT-6.1 Sol这两种模型要快上3倍有多。

03.视觉与桌面操作突破

在MMMU-Pro视觉推理基准的评估里, 当推理强度进行变化的时候, Terra这个模型在每个层级上的表现都不低于GPT-5.6 Terra。

与此同时龙南市就业服务平台，它用更加节省成本的投入, 去逼近GPT-6 Astra以及GPT-6.1 Sol这两个模型所实现的视觉理解效果。具体体现在处理读图纸、看图表这些任务时, 它的准确率已经有了非常明显的提升和改善。

在桌面操作基准OSWorld 2.1上面, Terra这个模型表现不错。中等推理强度的情况之下, 它就超过了GPT-5.6以及Terra自己创造的最佳成绩。

这一点说明了什么问题? 它说明日常电脑操作任务完成质量有了实质性提升。比如拖拽鼠标这样的动作。还有点击界面按钮。以及在多窗口之间进行输入工作也是。整体来看是有实实在在进步的。

04.事实错误率大降

OpenAI内部高难度错误诱导提示测试显示, 在低推理强度下Terra错误率从GPT-5.6 Terra的53.6%降至16.7%, 下降约37个百分点, 基础问答的可靠性大幅改善。

在达到最高强度的情况下, 错误率得到了进一步的压制, 其数值降低到了4.3%。这一水平已经与GPT-6 Astra以及GPT-6.1 Sol处于同样的状态了, 这说明了模型在减少虚构方面的情况有了显著的进步, 同时也显示了其在抵抗诱导方面取得了非常明显的进展。

05.编程解决率翻倍

在 Terminal-Bench 4.0 的最高强度情况下, Terra 成功解决了 50.3% 的任务。这一成绩远远超过了 GPT-5.6 Terra 公开的成绩 21.5%, 达到了其两倍以上。这说明在终端编程和脚本调试方面, 其实用能力发生了非常显著的进步。

在Terminal-Bench-Science 0.1这个科学编程基准测试当中, Terra的最强表现超过了GPT-6.1 Sol, 它距离Claude Opus 5.5仅仅差了不到5分, 这说明它的水平已经非常接近当下最顶尖的编程模型了。

06.安全评级达Critical

在 OpenAI 的准备度框架里面的网络安全评估环节, Terra 这个方面达到了所谓的关键级别, 然后它继续去使用那个 GPT-6 Astra 里面提到的那些防护措施, 所以它对于那种提示词注入攻击的抵抗能力, 确实是有了一定的增强。

官方说是这么认为的, 他们觉得Terra更容易去守住那个任务的范围, 而且它还主动地去说明自己有什么样的局限, 那么用户在日常生活中, 不管是办公还是编程的时候, 遇到越权操作也好, 数据外泄也罢那些风险, 就变得明显低了, 所以企业那边部署的顾虑也就少了很多。

你身处的那个公司, 或者你那支队伍里的人，会不会去琢磨把Terra拿来替换掉手头上现成的那些AI办公工具, 理由是它的成本大概能往下砍到原来的九分之一。欢迎跑到评论去说道说道你的各种看法, 要是你觉得这个想法有点用处, 不妨点个赞, 顺手把它转发给你的那帮同事看一看。