搜索
Anthropic前脚递交招股书，OpenAI后脚就发布了新模型，巨头们动作不断，都在为自己谋关注度。
北京时间10月27日，OpenAI发布GPT-6.1 Terra。OpenAI称，Terra的Agent能力足以与旗舰Astra掰手腕，价格却只有后者的十分之一。
这个数字本身不稀奇，毕竟过去一年，大模型降价新闻早就看腻了。但这次与以往不一样的地方在于，相比上一代GPT-5.6 Terra，新模型的标准API价格直接降低50%，但在复杂任务执行、事实准确率和编程能力上均有明显提升。
OpenAI的新动作国内尤其关注，毕竟它要抢的正是中国大模型最舒服的那块地盘。
01 OpenAI也算“经济账”了
如果只看榜单最高分，Terra算不上一枚重磅炸弹。但把定价页和跑分图并排看，信号比分数更值得读：OpenAI这次卖的不是能力上限，是单位成本。
据OpenAI官方，GPT-6.1 Terra的API定价为每百万输入token 1美元、每百万输出token 5美元，比上一代Terra和同代Sol低50%。中等推理强度下，它在Agents’Last Exam上的得分比GPT-5.6 Terra高出15个百分点，单任务成本约为后者的三分之一。
评论区不少用户的第一反应是：“就这？”“感觉没比上一代惊艳多少”。官方给它的定位很直白：以更低成本完成复杂的电脑操作任务。在这个定位下，“是否最强”退居其次，“够用且便宜”才是卖点。
只看OpenAI自己的产品线，会感觉这只是一次正常的代际升级。但把视线拉回当下的大模型市场，另一条参照线绕不开：
单看绝对数字，Terra输出单价5美元/百万token，确实低于K3.1 Pro的10美元。但两者不在同一层：Terra是OpenAI矩阵里的“高级打工仔”，上面还有Sol和Astra顶着最复杂的任务；K3.1 Pro则是开源阵营里正面硬刚前沿闭源旗舰的产品。前者对标“干日常杂活，够用且便宜”，后者对标“接近前沿，且便宜”。
更关键的是，中国模型把性价比压下来，靠的不是烧钱补贴。瑞银证券分析师认为，中国大模型的训练成本仅为海外头部厂商的十分之一，API定价为海外对标模型的10%至20%；这种低价并非来自亏损，厂商在API业务上仍能保持20%至40%的毛利。
成本优势的来源，就是混合专家架构让每次推理激活的参数比极低，领先厂商的GPU利用率达到70%以上。月之暗面在K3系列上使用的MoonClip优化器，官方称实现了“20T训练数据用出40T的效果”；线性注意力机制则压住了长上下文带来的成本膨胀。他们是靠架构和工程效率，把成本结构本身压了下来。
OpenAI的逻辑很清楚：旗舰模型负责秀肌肉，Terra负责走量。走量的价格，直接对标全球所有“便宜够用”的模型。
02 算力硬边界与“额度”何解？
最关键的一点，Terra也并非单纯的防御性降价，硬实力是同步提升的。
据OpenAI公布的数据，在Terminal-Bench 4.0命令行编程测试中，Terra在最高推理强度下的成功率达50.3%，上一代仅为21.5%；在内部事实性测试中，低推理强度的错误率从53.6%降至16.7%，最高推理强度降至4.3%。活干得更好，价格还更便宜。
但中国大模型绕不开一个痛点：额度。
这不是孤例。
当然，Terra不是最强模型，它只是把“够用加便宜”这个档位做得更狠。而这一档，恰恰是国产模型的主战场。所以，国产模型需要面对的挑战不是技术，而是在“便宜”不再是独家武器的情况下，当对手也开始卷性价比，手里还剩什么？
B端场景、数据合规、本地化部署、政企渠道，这些是OpenAI短期给不了的。
未来，开发者和企业要问的恐怕不再是“哪个模型最聪明”，而是“完成这个任务，哪个模型最划算”。厂商的分工也在变清晰：旗舰攻坚能力上限，中坚层负责把AI塞进打工人的日常流程。
真正的比拼不再是“模型比模型”，而在模型之外的一笔账：谁能让便宜变成可持续的成本结构，谁把模型嵌进了别人进不来的场景，谁才能是笑到最后的那个。
