OpenAI 这次没有发布“更聪明”的模型，而是发布了一个“更便宜到可以随便用”的模型——这可能是本轮 Agent 竞争里更关键的一步。

发生了什么

OpenAI 推出 GPT-6.1 Terra，定位是快速的计算机操作（computer-use）与视觉模型，API 定价为每百万 token 输入 1 美元、输出 5 美元。官方给出的对比口径是：在 Agents' Last Exam 这一 Agent 评测上，Terra 以中等推理强度达到与 GPT-6 Astra 相当的水平，但单任务成本为 0.29 美元，而后者为 4.82 美元。

同一批消息中，OpenAI 还将 GPT-6.1 Sol 的 API 价格下调一半，明确指向 Agent 类工作负载。

为什么重要

过去一年模型发布的叙事主线是能力上限：更长的上下文、更强的推理、更高的 benchmark 分数。但对真正把 Agent 跑进生产环境的团队来说，瓶颈早已不是“能不能做对”，而是“做对一次要花多少钱”。一个需要几十步工具调用、每步都要截图理解的任务，token 消耗是普通对话的几十倍，成本会直接决定这个功能是 demo 还是产品。

Terra 的定位正是这个缝隙：它不追求刷新能力天花板，而是把“够用的 Agent 能力”压到一个可以大规模试错的价位。用官方口径看，同等任务表现下成本差了一个数量级以上——这比任何 benchmark 提升都更能改变开发者的架构选择。同时下调 Sol 价格，说明 OpenAI 在 Agent 这条产品线上做的是分层定价：贵的模型处理难题，便宜的模型承担绝大多数步骤。

影响与看点

对开发者而言，最直接的变化是 Agent 的成本结构可以被重新设计。常见做法是把规划、校验留给高价位模型，把大量重复的界面识别、点击定位、表单填写下放给 Terra，用路由而非单模型解决成本问题。computer-use 与视觉被单独拎出来做轻量模型，也说明这类负载的输入以图像为主、输出以结构化动作为主，和纯文本推理的成本曲线并不相同。

对行业而言，这是一个信号：Agent 的竞争重心正从“能力演示”转向“单位任务经济性”。当单任务成本降到几毛钱，很多此前算不过账的场景——批量表单处理、跨系统数据搬运、自动化测试中的界面操作——会重新变得可行。

需要克制看待的是，Agents' Last Exam 只是单一评测，真实业务里的长尾界面、异常状态和错误恢复，往往才是成本与成功率的真正分水岭；低价模型在复杂任务上的稳定性，仍需开发者用自己的场景验证。

一句话判断：这次发布真正的产品，不是 Terra 这个模型，而是“Agent 可以按量铺开”这个价格前提。