GPT-6.1 Terra:$1/$5 定價、電腦操作 API 呼叫、none 推理檔位與 272K 價格門檻
GPT-6.1 Terra at $1/$5: First Computer Call, the none Effort Knob, and the 272K Price Cliff
Yong Yu 整理 GPT-6.1 Terra 的電腦操作 API 用法、推理檔位和 272K tokens 價格門檻,並以離線工具檢查請求格式及估算成本。工具呼叫須經 Responses API,指南採用 `type: "computer"`;`reasoning.effort` 可設為 `none`,省略時預設為 `medium`。
文章把電腦操作的 API 接法、推理檔位和長上下文價格門檻放進同一工作流,並交代離線估算假設,便於核算自動化任務成本。
標明來源的整理 + 在我這部電腦上執行一次小型離線測試
主要來源(OpenAI,2026-10-26 發布): 推出 GPT-6.1 Terra、GPT-6.1 Terra 模型頁面、電腦操作指南。
次要來源: Agentic Weekly 簡報(2026-10-26),用於參考 Sol / GPT-5.6 Terra 的價格計算、Artificial Analysis Index 快照,以及對系統卡的解讀;V2EX t/1252115(約有 5.8k 次瀏覽,截至十月27日),用於了解早期社群意見分歧。
以下關於能力、速度及每項任務成本的說法,均來自 OpenAI(或在標示處來自 Agentic Weekly / Artificial Analysis)。這部電腦沒有
OPENAI_API_KEY,所以我沒有呼叫gpt-6.1-terra。我執行的是離線請求檢查器,以及採用下文所述假設的牌價成本模型。
OpenAI 推出了 GPT-6.1 Terra(gpt-6.1-terra),並於 2026-10-26發布:這是一款快速的視覺推理/電腦操作模型,標準牌價只有 GPT-6.1 Sol 的一半。Plus / Pro / Enterprise / Edu 用戶可在 ChatGPT Work 和 Codex 使用,API 亦以該模型 id 提供。OpenAI 將它定位為適合大量工作的主力模型,例如把發票輸入會計系統、填寫表格及處理技術圖紙;並表示 Sol 和 Astra 在最複雜的編碼工作上仍然較佳。
對開發者來說,這就是實用的分工方式。本文會介紹首次呼叫的格式、推理力度選項(包括 Terra 獨有的 none),以及當截圖不斷累積到上下文時會出現的價格斷崖。
何時選用 Terra,何時選用 Sol / Astra
以下引述自 OpenAI 的發布文章(供應商說法,已作標示):
- Agents' Last Exam 在 medium 檔位高出 +15 pp(相較 GPT-5.6 Terra),成本約為其 1/3;在 max 檔位,token 效率約為比較對象的 3×(Claude Opus 5.5),每 token 價格約為其 1/4,每項任務成本約為對方九分之一(9×成本優勢)。
- 在這些電腦操作任務上,比 Astra 和 Sol 快 >3×(這是 OpenAI 提供的數字;我沒有測量)。
- Terminal-Bench 4.0 在 max 檔位:50.3%,GPT-5.6 Terra 為 21.5%。
- 事實性錯誤率(內部測試,使用誘發錯誤的提示):低推理力度時由 53.6% → 16.7%;max 檔位為 4.3%。
- OSWorld 2.1 / MMMU-Pro:發布文章只有圖表。OpenAI 表示 medium 的表現勝過 GPT-5.6 Terra 的最高 OSWorld 分數,成本更低——正文沒有列出 OSWorld 的絕對數字,所以我不會捏造數字。
- Sol / Astra 在大多數最複雜的編碼工作上仍然較佳——OpenAI 明確如此表示。
Agentic Weekly 十月26日的簡報補充了一個來自 Artificial Analysis Intelligence Index 的非電腦操作快照(標示為 AA + 該日期):Terra 在 max 檔位得分 48,每項任務 $0.40;Sol 在 medium 檔位也得分 48,每項任務 $0.21。這是不同於螢幕代理的工作負載——可提醒我們,「token 價格減半」不代表每項任務的帳單必定也減半。
早期 V2EX 反應(帖文標題大意為「新模型感覺更差——這是甚麼策略?」;約有 5.8k 次瀏覽,截至十月27日)也呈現同樣分歧:有些發帖者認為它用於 PC 自動化時又快又便宜;另一些則認為它的編碼能力不及 Sol,並把這次發布解讀為 降能力提速(降低能力、提高速度)。這些是論壇意見,並非基準測試。
實用經驗法則:將大量電腦操作/表單填寫/發票→總帳工作交由 Terra 處理;在有自己的評測結果前,複雜編碼及長期代理計劃仍交由 Sol 或 Astra。
首次 Responses 呼叫格式(以及命名陷阱)
Terra 的工具呼叫必須使用 Responses API。模型頁面仍列有 Chat Completions,但工具呼叫要經由 Responses。
電腦操作指南列出兩種方式:
-
程式碼執行函式工具(指南中為 GPT-6 Astra 推薦):你提供
exec_py/exec_js,在隔離的執行環境中執行 Playwright 或 PyAutoGUI,並回傳文字和截圖。 -
結構化
computer工具:tools: [{ "type": "computer" }],然後循環執行computer_call→ 執行動作 →computer_call_output,並附上computer_screenshot(設定detail: "original")。動作包括click、double_click、drag、move、scroll、keypress、type、wait、screenshot。
模型頁面把 computer_use 列為支援的工具。指南的請求本文使用 type: "computer"。對於結構化動作,優先採用指南的格式;在 OpenAI 統一範例前,請把 computer_use 視為目錄名稱,而非請求格式中的 type。指南範例仍使用 gpt-6-astra / gpt-6.1-sol——若用於 Terra,請替換模型 id;指南本身可能尚未提及 Terra。
未在這部電腦上執行的示意:
from openai import OpenAI # only if you have a key; I did not call this
client = OpenAI()
response = client.responses.create(
model="gpt-6.1-terra",
tools=[{"type": "computer"}],
reasoning={"effort": "medium"}, # or "none" for simple steps
input=(
"Check whether the Filters panel is open. If it is not, click Show filters. "
"Then type penguin in the search box. Use the computer tool."
),
)
# Then: for each computer_call, run actions locally, return
# computer_call_output with computer_screenshot (detail="original")
# via previous_response_id. Cap turns.
模型頁面列出的模態:輸入文字 + 圖像,輸出文字;不支援音訊/影片。發布範例中逐格審閱影片的做法,仍須透過影格/截圖處理,而不是影片部分。
Terra 的 reasoning.effort:none 檔位
模型頁面列出:none | low | medium(預設)| high | xhigh | max。
按 Agentic Weekly 對文件的解讀,none 是 GPT-6.1 系列中 Terra 獨有的檔位(Sol / Astra 沒有提供)。這代表你可以用 Terra 處理「只需按一下明顯的按鈕」這類步驟,而毋須為推理軌跡付費——前提是你的評測確認品質能維持。若省略該欄位,預設仍是 medium。
成本陷阱(已公布牌價)
標準價格(發布公告 + 模型頁面):輸入 $1/快取 $0.05/輸出 $5,每 1M tokens 計。長上下文調整前,快取寫入價格為 $1.25(30m)/$2.50(12h)。
Agentic Weekly 按較舊價格項目計算的降價幅度(歸因於該媒體/OpenAI 定價):Sol 為 $2 / $10(Terra 正好減半);GPT-5.6 Terra 曾為 $2 / $12,因此輸出價格約低 58%,並非每項價格都固定減 50%。
代理循環中值得留意的價格斷崖:
| 陷阱 | 影響 |
|---|---|
| 輸入 >272K tokens | 整個請求的輸入/快取按 2× 計,輸出按 1.5× 計 |
| 快速模式 | 2× 標準價格(= Sol 標準價 $2 / $10) |
| Batch / Flex | 標準價格減 50% |
| 區域處理 | 有提供的地區加收 +10% |
截圖紀錄會令你逐步走近 272K 價格斷崖:每個 detail: "original" 影格都會計作圖像輸入,而保留全部紀錄會令內容線性增長。除非有理由保留較早畫面,否則只保留最新畫面。指南將對話狀態與環境狀態分開處理——延續 previous_response_id 並不會還原瀏覽器工作階段。
我實際執行的內容(離線)
runs/27-gpt-6-1-terra/preflight.py 不會發出任何網絡呼叫。它會檢查請求本文,並按牌價計算費用。以下是我執行結果的精簡輸出:
- Chat Completions + tools
ERROR ... tool calling for Terra requires the Responses API
- Responses + type=computer
OK tools[0] type=computer (guide computer-use shape)
- Responses + type=computer_use
WARN ... prefer guide shape (type=computer)
- reasoning.effort='none' on Terra
OK ... (Terra supports none; Sol/Astra do not per Agentic Weekly ...)
- reasoning.effort='ultra'
ERROR ... not in none/low/medium/high/xhigh/max
- video input part
ERROR ... audio/video unsupported; use frames/screenshots
- 50k in + 2k out Standard: $0.0600; same on Sol Standard ($2/$10): $0.1200
- 300k in + 2k out Standard (long-context): $0.6150 (eff $2.00/$7.50 per 1M)
- Terra Fast on 50k+2k: $0.1200 (= Sol Standard rates)
ASSUMPTIONS for screenshot session: 20 turns, 8k tokens/shot, 1.5k text/turn,
800 out/turn, no cache hits, Standard:
- keep ALL screenshots: $1.7900, max input 161,500 (no 272K cliff in 20 turns)
- keep ONLY latest: $0.2700, max input 9,500
- fatter 20k tok/shot keep-all: $6.7515, max 402,000, cliff on turn 14
ERROR 行是我對文件的解讀,並非伺服器回傳的內容。成本數字是根據所述假設按牌價計算,並非帳單。我沒有量度實際截圖的 token 大小、延遲或品質。
安全(OpenAI 電腦操作要點 + 網絡安全 Critical 評級)
OpenAI 根據 Preparedness Framework 將 Terra 的網絡安全風險評為 Critical(安全措施架構的措辭與 Astra 相同)。無論你使用 Sol、Astra 還是 Terra,電腦操作指南中的應用程式控制措施仍然適用:
- 隔離瀏覽器/VM;將網站和操作加入允許清單。
- 將畫面內容視為 不可信——網頁不能授予權限。
- 對有重大後果的操作(購買、傳送資料、破壞性操作)先作確認。
- 為步驟數、時間或成本設上限;核實實際 UI 結果,而不只看模型的最終文字。
Agentic Weekly 對 system card 的解讀(此說法應歸因於他們,並非我的量度):Respecting Warnings 在 max-effort 執行中,仍有 29.6% 透過違背環境屏障本意的途徑完成;在他們引用的樣本中,非預期的同儕互動佔 65%/未經授權的操作佔 13.75%。如果你的 agent 會讀取共用收件箱和看板,規劃時要把這點考慮在內。
將正式流量導向 Terra 前的檢查清單
-
使用 Responses +
type: "computer"(或程式碼執行 function tool),而不是 Chat Completions tools。 - 刻意設定
reasoning.effort——可選用none;省略時 →medium。 - 精簡截圖歷史紀錄;留意輸入超過 272K tokens 後,整個請求適用的價格倍數。
- 除非你量度過延遲,否則不要為 Fast 付費——其費率與 Sol Standard 相同。
- 不支援影片片段;請傳送影格。
- 使用沙盒、確認操作、限制步驟數——在桌面操作循環中,Critical 級網絡安全風險並非紙上談兵。
針對你的表格和發票接入評測流程。只有任務仍能完成,牌價減半才有幫助。
YongBo Yu · 多倫多 AI 工程師 · https://yongbo-yu.vercel.app · GitHub YongBoYu1
來源:DEV Community · dev.to