會看火候的新幫手進了廚房，但瓦斯錢該怎麼算，先看菜單再說

2026 年 10 月 26 日，APPI News 刊出一篇長文，談 OpenAI 的 GPT-6.1 Terra。這個模型主打「電腦操作」，API 標價比指定模型低了 50%。文章問了兩個很實際的問題：它跟固定規則的自動化到底差在哪，還有一項任務跑下來，成本要怎麼估。

這兩個問題，你家廚房其實早就遇過。

一位會看火候的幫手，和一臺定時電鍋

文章先把「電腦操作代理」說清楚了：一個能根據畫面判讀、再用滑鼠鍵盤或工具介面執行動作的 AI。它跟固定自動化的差別，在於代理能應付畫面變化、聽得懂白話指令；固定流程則適合欄位、格式、步驟長期不動的工作。

換到廚房裡，就是這樣。定時電鍋很可靠，米跟水的比例寫死了，按下去就等它跳起來，十年如一日。可是有一天食譜換了、米換了牌子、你臨時想加一把糙米，它不會問你，它只會照舊煮。而一個會看火候的幫手，鍋裡滾得太兇他會轉小火，湯麵浮了灰沫他會撈掉，你說「今天淡一點」，他聽得懂。

差別也在這裡：電鍋不會出錯，因為它不做判斷；幫手會出錯，因為他一直在判斷。文章提醒，兩種方式都需要事先講清楚「什麼算成功」，還有出狀況時怎麼收。這跟交代幫手燉湯一樣，你得說清楚湯要好到什麼程度、鹹了怎麼救，不能只說「你看著辦」。這也讓人想起先前聊過的廚房裡新來的幫手、開火前的那句確認，信任是要設計的，不是喊一聲就有的。

官方端出的三道菜，跟隔壁餐廳省下的五小時

OpenAI 展示了三種任務：把建築技術圖轉成 3D 模型、逐鏡檢視動畫並產出時間碼紀錄、讀取發票並輸入會計軟體。前兩者是 Agents’ Last Exam 的專業任務示例，發票輸入則用來說明高頻工作。

這些展示有個共同點：輸出是可檢查的。3D 模型轉得對不對、時間碼標得準不準、發票數字進沒進對的欄位，都看得出來。就像試菜，端出來的東西要能入口檢驗，而不是廚師自己說好喫。

文章也講了一個容易混淆的案例。美國承包商 Morgan Sterling 用 ChatGPT 串電子郵件，讀分包商發票、辨認工程、歸檔，每週省下約 5 到 6 小時。聽起來很動人，但作者特別註明：那套流程用的是 ChatGPT 加自建腳本，跟 Terra 沒有直接關係。這就像聽鄰居說他們家換了新爐子省了好多時間，結果你發現他省的是瓦斯，你要省的是備料的時間，鍋再好也替不了你的刀工。帳務自動化的價值，關鍵在資料能不能正確進到既有流程裡，這一點不分工具。

別人餐廳的分數，不代表你家爐子的火候

談到基準測試，文章的態度很謹慎。OpenAI 公布 Terra 在 Agents’ Last Exam 中等推理設定下，比 GPT-5.6 Terra 高出 15 個百分點，並稱表現接近 GPT-6 Astra，每 token 價格約為十分之一。另外還有 OSWorld 2.1 的桌面多步驟任務測試。

但作者反覆強調一件事：這些都是廠商在指定任務、指定工具、指定環境下測出來的。OSWorld 2.0 的論文設計了 108 項長流程任務，人工完成時間中位數約 1.6 小時，Claude Opus 4.7 平均需要 318 次工具呼叫；而 OpenAI 公布的是 OSWorld 2.1 的結果，兩個版本不能混為一談。論文裡 500 步二元完成指標下，Claude Opus 4.8（max thinking）完成率 20.6%，GPT-5.5（xhigh）為 13.0%，這也不是 Terra 的成績。Agents’ Last Exam 論文 v3 摘要更指出，最困難任務的平均完整通過率低於 1%。

翻成廚房話：米其林評鑑告訴你這位廚師刀工一流，但你家竈頭的火力、你冰箱裡的食材、你家人喫不喫辣，這些評鑑都不知道。作者給的建議很實在：把「完成」定義成可核對的成果，而不是代理自己回報說做完了。菜要端上桌自己嚐一口，才算數。這種「回頭確認」的習慣，我們在燉湯時回頭看食譜、對照原圖與算成本裡也聊過，驗證永遠是在自己家裡做的。

瓦斯降價五成，但一頓飯的帳要看火候長短

價格是最後一關，也是很多人最關心的一關。截至 2026 年 10 月 26 日，OpenAI 官方頁面列示的 GPT-6.1 Terra 標準 API 價格為每百萬 token：輸入 1 美元、快取輸入 0.05 美元、輸出 5 美元，公告稱標準價格較指定前代更低。

問題是，單價降了，不等於每道菜便宜了。想想瓦斯：瓦斯一度降價五成，你會不會就多開火？一道需要文火慢燉兩小時的湯，就算瓦斯便宜了，燉的時間沒變，鍋要顧的功夫沒變。電腦操作代理也一樣，OSWorld 那份論文提到長任務動輒上百次工具呼叫，每次呼叫都在燒 token。單次任務的成本，取決於任務多長、要反覆看幾次畫面、出錯要重來幾回，這些都得在你自己的流程裡實際跑過才估得出來。

文章給的評估清單，其實跟辦一桌菜的邏輯相同：任務要明確（今天煮什麼，先想清楚）、錯誤要能被發現（鹹了要嚐得出來）、失敗要能復原（煮壞了還有備料嗎）。三關都過，再來算瓦斯錢。

新幫手進廚房是好事，便宜的爐火也是好事。但在開火之前，先看看自己的菜單，那一鍋，值不值得交出去。