什麼是 GPT-6.1 Terra？OpenAI 為 AI 代理推出的低成本模型

與 GPT-5.6 Terra 相比有何變化？

視覺理解與電腦操作

OpenAI 的介紹 強調了細緻的視覺推理、精確的電腦操作以及更清晰的寫作能力。試想一個代理程式檢查應用程式畫面，決定要填寫哪個欄位，並在輸入後檢查結果。

您的整合提供了執行環境。模型負責解釋資訊並提出行動建議；連接的工具則執行這些動作並回傳反饋。因此，讀取螢幕截圖比可靠地操作瀏覽器是一項更小的整合任務。

一項 發布當天的社群討論 將 Terra 描述為「物超所值」，特別是在視覺理解方面。這只是對已發布結果的初步反應，該貼文中並未記錄任何可重現的私人測試。

更好的事實可靠性與日常編碼

OpenAI 報告稱，在最大推理努力下，Terminal-Bench 4.0 的得分為 50.3%，而 GPT-5.6 Terra 發布的得分為 21.5%。在其內部易出錯的提示詞測試中，低努力程度下的事實錯誤率從 53.6% 下降至 16.7%。

這些數據支持了升級，但仍有限制：事實性評估使用了特定的困難提示詞，而編碼分數描述的是特定的測試設置。對於最複雜的程式設計任務，OpenAI 仍然建議使用 Sol 和 Astra。

您可以將 GPT-6.1 Terra 用於什麼用途？

產品與目錄檢查是一個實用的切入點。提供模型一張產品照片及其書面規格，然後要求它識別可見的不符之處。要求其引用相關的圖像細節，以便審核人員可以檢查每一項發現。

螢幕截圖分析提供了另一項有界限的任務。提供頁面截圖、預期佈局以及具體問題。詢問重疊元素、缺失標籤或下一個可能的動作。在允許自動化更改之前，請務必在實際應用程式中驗證這些觀察結果。

對於日常編碼，請使用可重現的錯誤和明確的驗收測試。GitHub 的早期測試 發現，Terra 解決了比其前身更多的終端和 C# 任務，重點在於範圍明確的工作。GitHub 在該公告中並未發布完整的量化方法。

這些是建議的評估任務。從一小組任務開始，記錄失敗情況，並決定哪些結果可以自動接受。

在比較模型時，請保持輸入和驗收標準的一致性。對於目錄檢查，請包含一個明顯的不符項、一個正確的列表，以及一個圖像過於模糊而無法判斷的情況。有用的結果應該能識別出不符項、保留正確的列表，並承認模糊情況下的不確定性。這使得測試比僅僅判斷單一流暢的答案更具參考價值。

GPT-6.1 Terra 定價：任務成本是多少？

Terra 模型說明文件 與 Sol 模型說明文件 列出了這些官方標準價格（以每百萬 token 的美元計算）：

對於一個假設的請求（包含 10,000 個輸入 token 和 1,000 個總計費輸出 token），Terra 的成本為 $0.015，而 Sol 為 $0.030。該計算假設沒有快取或額外的工具費用，且計費使用量相同。

代理程式在執行相同任務時，可能會消耗不同程度的推理資源與輸出量。重試和額外的工具步驟也會影響費用。請記錄總成本，並標註最終結果是否通過您的檢查。

若要進行內部比較，請記錄請求數、計費 token、已接受的結果以及人工校正的分鐘數。將總支出除以已接受的結果數，同時保留審核時間的數據。一個成本較低但需要更多檢查的請求，對您的團隊來說可能並非最佳選擇。

長提示詞有另一個條件：當輸入超過 272K token 時，OpenAI 會對整個請求應用兩倍的輸入和快取費率，以及 1.5 倍的輸出費率。請查看 GPT Proto 目前的 Terra 定價 以了解該平台適用的費率與支援選項。

GPT-6.1 Terra 與 Sol、Sonnet 5.5 及 GLM-5.3 的比較

以下快照來自 Artificial Analysis 的 Intelligence Index v4.3.2（截至 10 月 27 日）。該指數為綜合評分，而非百分比。任務成本為其加權平均評估成本。

GPT-6.1 Terra 與 GPT-6.1 Sol 的比較

Terra max 和 Sol medium 的評分皆為 48 分，但 Sol medium 的測量任務成本較低。匹配的四捨五入總分並不代表兩者能力完全相同。這給了您一個理由，在將每個請求都調至 max 之前，先比較不同配置。

我建議在有明確檢查機制的常規任務上試用 Terra，並在評估較困難的程式設計工作時納入 GPT-6.1 Sol。對於 Terra 無法可靠完成的情況，請保留升級處理路徑。

GPT-6.1 Terra 比 Sonnet 5.5 更好嗎？

所顯示的 Sonnet 配置得分更高，但每次評估任務的成本也更高。其「預設備援」(Default Fallback) 設定是測試配置的一部分，在解讀該分數時應一併考慮。

如果您已經在使用 Claude 工具，請在您的實際工作流程中比較 Sonnet 5.5 與 Terra，包括工具處理和審閱時間。僅憑此表無法確定哪一個最適合您的應用程式。

GPT-6.1 Terra 與 GLM-5.3 的比較

在此快照中，Terra max 得分更高，且測得的任務成本更低。Artificial Analysis 還列出了支援圖像輸入的 Terra，而 GLM-5.3 僅支援文字且具有開放權重。

這使得視覺處理工作和部署需求成為有用的選擇標準。如果該模型適合您的應用程式，請查看 GLM-5.3 API 存取權限，並將您所需的輸入格式納入比較中。

您可以在 Codex 或 Claude Code 中使用 GPT-6.1 Terra 嗎？

可以。您可以透過 GPT Proto 的 API 整合將 GPT-6.1 Terra 連接到 Codex 和 Claude Code。若要進行最快速的設定，請開啟 GPT-6.1 Terra 模型頁面 並使用 試用此模型 以存取專用的設定選項。

1. 點擊「試用此模型」。 這會開啟模型頁面上的「快速入門」面板。

2. 選擇您的編碼工具。 在 讓 AI 完成整合 下，選擇 Claude Code 或 ChatGPT (Codex) 以開始一鍵設定。

3. 完成連線。 按照設定說明連接您的 GPT Proto API 金鑰並設定 GPT-6.1 Terra。

您也可以點擊同一面板中的 複製 AI 專用 Markdown，並將整合指南貼上到您的編碼助理中。它提供了模型專屬的說明，您的助理可以使用這些說明來協助設定專案中的連線。

如何在 GPT Proto 上試用 GPT-6.1 Terra

開啟 Terra 模型頁面，檢查目前的存取權限和價格，並使用其 API 使用範例。如果您需要整合協助，請將該頁面目前的請求複製到您的 AI 編碼助理中。同一個 GPT Proto 帳戶讓您可以在工作負載變更時，比較支援的替代方案及其當前費率。

對於基本的文字冒煙測試，請求模式如下：

curl --fail-with-body https://gptproto.com/v1/chat/completions \
  -H "Authorization: Bearer $GPTPROTO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6.1-terra",
    "messages": [{
      "role": "user",
      "content": "Simplify this label: Commence account creation."
    }]
  }'

在執行此付費請求之前，請在本地設定 GPTPROTO_API_KEY 並根據頁面當前的範例確認模型識別碼。此純文字模式尚未針對本指南的 Terra 路由進行即時測試。

回應確認了基本存取權限。接下來，請嘗試一個具有明確驗收檢查的代表性任務。OpenAI 要求將 Responses API 用於 Terra 工具呼叫；在將範例擴展為代理程式之前，請先驗證 GPT Proto 的對應路由。

從一個可重複的工作流程開始，並比較符合您要求的結果總成本。探索 GPT Proto 上的 GPT-6.1 Terra，並使用 Sol 來處理需要它的任務。