把图片看懂，再把结果填进业务系统，正在成为模型厂商争夺的日常工作。10月26日，OpenAI发布GPT-6.1 Terra，主打视觉推理、计算机操作和自然写作。它的标准API输入、输出单价均为GPT-6.1 Sol的一半，但这不意味着企业账单自动减半：长上下文、缓存写入、工具调用，以及失败后需要多少次返工，都要另算。

快速看点：一是标准API每百万输入、输出token分别为1美元和5美元；二是图像输入与工具协作构成主要能力，调用工具需要Responses API；三是模型已进入Work和Codex，但普通Chat入口、企业权限与地域条件不能混为一谈。

从识别图片，走向完成一段业务流程

Terra的定位不是单纯回答“图里有什么”。商品照片与目录条目匹配、阅读技术图纸、理解应用屏幕，再把判断转成操作，才是其瞄准的工作链路。对企业而言，识别环节只是入口，后续字段是否写对、对象是否匹配、变更能否复核，决定这条链路有没有交付价值。

API模型标识为gpt-6.1-terra。模型支持文本和图像输入、文本输出，音频和视频并不是该模型的原生输入输出模态。能参与视频编辑类任务，不等于它本身就是视频生成模型；调用图像生成工具，也不能理解为该模型直接输出图像。工具、宿主应用和模型各自承担不同职责。

推理强度提供从none到max的多个选项，默认medium；上下文窗口为105万token，最大输出12.8万token。这些是接口规格，不是任何业务一次就能完成的保证。接入团队还要为可操作的应用、账号、数据与工具建立边界，模型换新不会替代这层系统集成。

低单价之外，长上下文和缓存要分开算

标准计费下，每百万普通输入token为1美元，缓存读取为0.05美元，输出为5美元。30分钟缓存写入为1.25美元，12小时缓存写入为2.50美元，不能把便宜的缓存读取价格套在全部输入上。缓存能否命中，也取决于实际请求是否满足使用条件。

当输入超过27.2万token时，整个请求的输入及缓存费率变为两倍，输出费率为1.5倍。也就是说，支持百万级上下文并不代表长短请求同价。Fast模式又有不同费率；企业在做预算时，应先固定上下文区间、运行模式与输出长度，再比较同一个任务的成本。

一个更实用的测算方法，是把“读图、定位业务对象、执行、检查、必要时重试”看成一次完整任务。只看单token价格，无法说明哪种方案更省钱。还需要分别记录成功率、人工介入、耗时和重试次数，避免把更低单价误写成已经实现的ROI。

上线范围明确，评测也不能替代生产验收

产品文档列出，Terra已可用于Plus、Pro、Business、Enterprise和Edu方案中的ChatGPT Work及Codex；Work也支持移动端。它并不在普通Chat中提供。企业访问还取决于工作区开放情况及管理员控制，浏览器和计算机操作分别有自己的配置与访问要求，不能把模型上线等同于所有设备立即可用。

能力改善仍应按测试条件理解。例如，OpenAI公布Terra在最高推理强度下的Terminal-Bench 4.0成绩为50.3%；这是厂商评测中的命令行工程任务表现，不是企业软件的交付通过率，也不是所有视觉操作任务的准确率。本轮没有独立复跑该基准，不据此承诺真实系统无人值守。

对复杂程度更高的编程任务，发布说明仍把Sol和Astra列为更合适的选择。企业试点可以先选低风险、可撤销、可抽样复核的流程，再测它在自己数据和工具上的表现。涉及资金、权限和对外提交时，审批与审计不能因为模型更快、更便宜而省略。

小编判断

Terra值得关注的不是“廉价替代旗舰”这一句口号，而是让图像理解与操作执行有机会进入更密集的日常流程。它降低的是尝试成本，不会自动消除流程设计和验收成本。谁能在同样质量要求下，把失败、人工接管和完整任务账单一起压下来，谁才真正把模型价格优势转成了交付优势。