TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
GPT-6.1 Terra 上線：電腦操作價格砍半，任務表現追平旗艦
OpenAI 於 10 月 26 日推出 GPT-6.1 Terra，API 輸入每百萬 token 1 美元、輸出 5 美元，輸入是前代的一半、旗艦 GPT-6 Astra 的十分之一。本文對照官方公告、定價頁與系統卡，整理 Agents' Last Exam 與 OSWorld 2.1 的官方數字、長上下文與快取的計費但書，以及台灣開發者的切換判斷。
用 AI 摘要這篇文章：
10 月 26 日，OpenAI 發布 GPT-6.1 Terra，一個會看畫面、會操作電腦、也會寫字的中階模型。API 牌價同步降到輸入每百萬 token 1 美元、輸出 5 美元，輸入剛好是前代 GPT-5.6 Terra 的一半，也是旗艦 GPT-6 Astra 的十分之一。OpenAI 在公告裡給了它很明確的位置：辦公室裡那些量大、步驟固定的畫面工作，從此不必再掛旗艦模型跑。
如果你正拿旗艦模型做發票登打、表單填寫或文件判讀這類工作，這次定價直接改變每任務成本。如果只是想看懂 OpenAI 的產品線怎麼排，一句話就能說完：Luna 最便宜、Terra 是日常款、Sol 是接近旗艦的平衡款、Astra 是最高智力的旗艦，Terra 補上的是「便宜又能操作電腦」這一格。這一格不是憑空出現的：GPT-6.1 Sol 在 9 月 29 日先降了一級價，同一天 Agents API 的託管瀏覽器加入電腦操作工具，10 月 22 日 Decisions API 正式版搭配最便宜的 Luna 上線，10 月 26 日 Terra 再把電腦操作的單價往下帶。一個月內，整條中階線都換了新定位，方向一致：把已經證明過的能力往下放到更便宜的模型上。
十分之一的價格，追平旗艦的電腦操作成績
先把「電腦操作」（computer use）講白：模型看螢幕截圖，判斷畫面上有什麼，再像人一樣移動游標、點按、打字，在應用程式之間切換，把整個任務做完。模型頁給的例子是把商品照片對到型錄條目、讀懂技術圖面、在應用程式畫面上執行操作。公告裡的例子更具體：把建築圖面轉成 3D 模型、逐鏡頭審看動畫片並建立時間碼紀錄、讀完進來的發票把細節填進會計軟體。這些任務的共同點是規則明確、重複度高，過去要嘛人工做、要嘛掛旗艦模型硬跑。
效能數字出自官方公告。在 Agents’ Last Exam 這個專業任務基準上，GPT-6.1 Terra 於中等推理強度比 GPT-5.6 Terra 高 15 個百分點，成本約只有前代三分之一；更關鍵的一句是官方自己寫的：它以每 token 十分之一的價格，表現與 GPT-6 Astra 相當。速度也是同一段的重點，官方量到完成任務比 GPT-6 Astra 和 GPT-6.1 Sol 都快三倍。
拉到公開對手那一側，官方另給一組對比：最高推理強度下，Terra 的 token 效率超過 Claude Opus 5.5 三倍，單價是四分之一，換算每任務成本約低九倍。視覺推理的 MMMU-Pro 上，它在前代所有推理設定之上，分數逼近 Astra 與 Sol；測桌面應用多步驟任務的 OSWorld 2.1，中等強度就超過前代最佳成績，而單任務成本只是零頭。
值得把「每任務成本」這個詞單獨挑出來講。從 Astra 開始，OpenAI 就反覆強調 token 單價高不等於任務貴，因為模型可以用更少的輸出 token 把任務做完，當時 GPT-6 Sol 上市前的價格跡象也是同一條線；這次 Terra 是同一套邏輯的反向操作，直接把單價打到旗艦的十分之一，再疊上效率改善。兩層相乘，才是「成本與能力交界線往前推」的實際意思。
這些數字都還沒有第三方公開排行榜的獨立複驗。但方向夠清楚：電腦操作正從「旗艦獨享、每任務好幾美元」移到「中階日常價」，對每天要跑幾百次畫面操作的工作來說，單價與速度同時下降，才是這次發布真正的分量。
牌價砍半之外，帳單上三個會加回去的角落
我在 OpenAI 定價頁與模型頁把這次的價目全部核對過一輪，四級階梯的標準價如下表，時間基準 2026 年 10 月 28 日。
| 模型 | 輸入（每百萬 token） | 輸出（每百萬 token） | 快取輸入 |
|---|---|---|---|
| GPT-6 Luna（最低價） | 0.1 美元 | 0.5 美元 | 0.01 美元 |
| GPT-5.6 Terra（前代） | 2 美元 | 12 美元 | 0.2 美元 |
| GPT-6.1 Sol（同代平衡款） | 2 美元 | 10 美元 | 0.1 美元 |
| GPT-6.1 Terra（本次） | 1 美元 | 5 美元 | 0.05 美元 |
| GPT-6 Astra（旗艦） | 10 美元 | 50 美元 | 1 美元 |
拿一個具體任務算給你看（本文換算）：讀 8 萬 token 的發票批次、輸出 2 萬 token 的登打結果，GPT-5.6 Terra 要 0.16 加 0.24 共 0.4 美元，GPT-6.1 Terra 要 0.08 加 0.1 共 0.18 美元，GPT-6 Astra 要 1.8 美元。同樣跑一萬次，分別是 4,000、1,800 與 18,000 美元。新 Terra 是前代的四成五，正好是 Astra 的十分之一；若前置情境吃得到快取，再往 0.05 美元的快取價壓。
把時間軸拉長看，這已經是 Terra 這條產品線三個月內第二次降價。今年 7 月 30 日 OpenAI 才把 GPT-5.6 Terra 調降兩成（同期 Luna 降八成），隔一季再直接砍半，等於宣告中階線的價格還沒到底。前一波降價後，OpenAI 公布的內部觀察顯示 Terra 家族用量成長逾五倍，開發者支出版圖跟著位移，我們當時整理過這段數字；這次降幅更大，值得觀察會不會再拉出一波遷徙。
牌價之外還有三個會讓帳單加回去的角落。長上下文要加價：單次請求輸入超過 27.2 萬 token，整筆請求的輸入與快取費率按兩倍計、輸出按 1.5 倍計，換算長上下文價是輸入 2 美元、輸出 7.5 美元。習慣一次餵整份文件的工作流，牌價優勢會被吃掉一半，能分段就分段。自己按牌價乘一輪（本文換算）：30 萬 token 輸入加 5 萬 token 輸出的請求，超過門檻後整筆按長上下文價計，是 0.6 加 0.375 共 0.975 美元；如果拆成三次 10 萬 token 以下的請求，同樣的量只要約 0.55 美元。分段不只是工程習慣，直接反映在帳單上。
快取要從兩面看。命中時輸入只要 0.05 美元，是標準輸入的 5%，重複前置情境越多賺越多；但寫入快取本身要錢，30 分鐘保留每百萬 1.25 美元、12 小時保留 2.5 美元，短任務硬開 12 小時保留反而虧。計費模式則有折扣也有加倍：Batch 與 Flex 一律半價，適合能離線跑的批次；Fast mode 一律兩倍（Terra 是 2 與 10 美元），換取更快回應。這種「同一個模型、好幾層價目」的打法 OpenAI 這一年越用越熟，之前把語音層與推理層拆開計費的 GPT-Live-1 API也是同一個思路。
區域加價也有但書：選用特定區域處理（資料駐留）才加 10%，這是給有資料落地要求的企業用的選項，台灣開發者走標準全球端點不會被加價。附帶一個少有人提的細節，Fast mode 的歐盟資料駐留支援名單包含 Terra，卻不包含 Astra 與 GPT-6 Sol，對有歐洲資料要求的部署是個意外加分。
犯錯率的改善，要對著正確的尺看
公告裡最常被引用的數字是犯錯率：在 OpenAI 內部的誘錯題庫上，低推理強度的錯誤率從前代的 53.6% 降到 16.7%，最高強度降到 4.3%，較前代下降 18 個百分點，已接近 Astra 與 Sol 的水準。這把尺要先講清楚：它是專門挑容易出錯的題目組成的內部基準，系統卡自己註明絕對值會遠高於產品線上的真實錯誤率，而且題庫近期改版過，不能拿去跟舊報告直接比。看趨勢可以，拿 16.7% 去跟別家模型比賽就是誤用。
程式任務的進步幅度更硬。Terminal-Bench 4.0 測從命令列解問題，最高推理強度下 Terra 解掉 50.3% 的任務，是前代公開分數 21.5% 的兩倍多。科學任務的 Terminal-Bench-Science 0.1 上，它以更低成本超過 GPT-6.1 Sol，距離 Claude Opus 5.5 在五分以內，估計成本不到五分之一。公告也把界線畫明白：最複雜的編碼任務，GPT-6.1 Sol 與 GPT-6 Astra 仍是較好的選擇。換句話說，Terra 吃下的是量，山頂那一塊沒有讓。
沿用 Astra 的防護堆疊，工具呼叫要先搬家
規格面，模型頁記載上下文視窗 105 萬 token、單次最大輸入 92.2 萬、最大輸出 12.8 萬，知識截止 2026 年 6 月 1 日，也就是說它對六月以後發生的事沒有內建記憶，需要新資訊的任務要搭配它支援的網頁搜尋工具，而不是指望模型本身知道。推理強度從 none 一路到 max 都能設，預設中等，這點有實質意義：Astra 與 6.1 Sol 不支援 none，Terra 支援，例行工作可以省掉不必要的思考 token。輸入支援文字與圖片，輸出只有文字；Realtime、語音相關端點與微調都不支援，想拿它做即時語音或客製微調的先死了這條心。用量大的團隊還可以看速率限制分級，Build 層每分鐘 5,000 次請求、100 萬 token，正式上量前先對照自己的尖峰。
工具鏈是 Terra 的主戰場。走 Responses API 時，它支援的工具清單包括 computer use、網頁搜尋、檔案搜尋、程式碼解譯器、託管 shell、套用修補、技能（skills）、MCP 與工具搜尋，幾乎把代理會用到的整套都配齊。開發者最該注意的是介面：Chat Completions 端點本身仍可用，但工具呼叫一律要求走 Responses API。想在 Terra 上用電腦操作或 MCP，舊工作流得先搬家，這在遷移指南是明文，不是建議；官方給的搬家方法是拿具代表性的圖片與工作流，在同一推理強度下新舊模型各跑一輪再比對。
資安與安全有官方分級可查。Preparedness Framework 之下，Terra 在網路資安達到 Critical 門檻，生物與化學領域為 High；採用與 GPT-6.1 Sol、GPT-6 Astra 同一套防護堆疊。對企業採購來說，先前對 Astra 做過的資安評估，大部分認知可以直接沿用。行為面的評測也有細節：在 Codex 的 auto-review 測試裡，Terra 與 Astra、Sol 一樣沒有嘗試繞過安全監控；官方也評測它比前代更常留在任務範圍內、更主動向使用者揭露限制與阻礙，對試圖讓它偏離使用者任務的惡意指令展現強抵抗。最能攤開來檢驗的是內部 Codex 流量的部署模擬：在 48,690 個比對任務上，Terra 收到 22 個嚴重度三級以上的行為標記，占 0.045%，略低於 GPT-6.1 Sol 的 24 個與 GPT-6 Astra 的 26 個，比 GPT-6 Sol 少約四成二、比 GPT-5.6 Sol 少約六成四。這些都是官方自評，但分級、防護堆疊與評測方法都攤在系統卡裡，經得起逐條追。
誰該現在切換，誰再等一輪
ChatGPT 端的開放範圍是 Plus、Pro、Enterprise、Edu 四種方案，在 ChatGPT Work 與 Codex 裡都能選用。官方同時宣稱，同樣的用量額度在 Terra 上能覆蓋比 GPT-5.6 Terra 更多任務，比 6.1 Sol 與 Astra 多更多；對用量常踩上限的 Codex 用戶，這個說法值得親自驗證一週，畢竟額度怎麼算只有帳單知道；先前 OpenAI 才剛為四萬個帳號的方案額度套錯問題逐一補償，額度計算的透明度不是理論問題。台灣這邊，我查過支援國家名單，API 直接收台灣，不需要區域變通；還不熟悉 ChatGPT Work 定位的讀者，它與一般對話視窗的差別在於把資料、規則與工具放進同一個工作環境再交辦，詳細的官方順序可以先看先前的整理，再決定要不要把例行交辦搬進去。
以發票登打這種工作為例，比較務實的排法是：把欄位定義、公司規則這些不變的前置寫成固定提示讓快取吃住，每一張發票配一次畫面或圖片輸入，推理強度設中等，輸出要求結構化欄位；累積下來的批次丟進 Batch 通道吃半價，需要當場互動的再走標準價。同一套流程從 Chat Completions 搬到 Responses API 之後，電腦操作工具才掛得上來。
落到決策上，例行高量的畫面操作與文件判讀，現在就用 Terra 中等強度試跑一輪，對照原本旗艦方案的帳單，差距會說話；已有 Responses API 工作流的團隊，切換只是改一行模型名稱；還在 Chat Completions 上呼叫工具的，搬家本身就是這週該排的工，順手把可離線的批次丟進 Batch 半價。反過來說，最難的編碼與研究型任務先留在 Sol 與 Astra；需要即時語音的場景本來就與它無關。
回查期限我設一個月，到時候看兩件事：OSWorld 與 Agents’ Last Exam 的公開榜單出現 Terra 的獨立數字了沒，以及 比 Fast mode 再快一級的 Ultrafast 會不會從 6.1 Sol 下放到 Terra。牌價已經亮出來，剩下的變數都在別人複驗的手裡。
