新幫手的瓦斯費降到從前的九分之一，而你家爐子上的那鍋湯早就在算這筆帳

10 月 27 日凌晨，OpenAI 宣布推出新模型 GPT-6.1 Terra，主打用更低的成本完成複雜的電腦操作任務。消息裡最扎眼的一個數字是：在最高推理強度下，每項任務的成本約為 Claude Opus 5.5 的九分之一。速度也快，任務執行速度是 GPT-6 Astra 與 GPT-6.1 Sol 的三倍以上。

這種新聞讀起來像另一個世界的事，但你家廚房其實天天在算同一種帳。一罐瓦斯能燒幾頓飯、滷一鍋肉該用大火收汁還是小火慢燜、冷凍庫裡那包雞腿什麼時候喫最劃算，都是成本與火候的精算。

便宜了，但菜色沒偷工

低價最怕的是偷工減料。瓦斯開小一點省錢，結果白飯夾生，那省下的錢一文不值。所以 Terra 值得看的地方在於，OpenAI 給的數據裡，便宜的背後成績反而往上走。

在Agents’ Last Exam 基準測試中，採中等推理強度的 Terra 得分比前代 GPT-5.6 Terra 高 15 個百分點，成本卻只有約三分之一。跟 GPT-6 Astra 相比，成績不相上下，每個 Token 的價格只有約十分之一。有點像市場裡那攤突然降價的牛肉攤，肉質沒變，老客人反而先皺眉頭：是真的便宜，還是快要不新鮮了？

這種「降價又升級」的消息，我們先前聊 會看火候的新幫手進了廚房，瓦斯錢該怎麼算 時就繞過一圈。請幫手和用定時爐的差別，說到底也是這筆帳。

出錯率，像湯裡的那把鹽

事實性錯誤是自動化流程的剋星，就像湯裡鹽放多了，整鍋救不回來。OpenAI 用內部基準測試檢驗模型的薄弱環節：低推理強度下，Terra 的錯誤率為 16.7%，前代是 53.6%，降了 36.9 個百分點。推理強度拉到最高，錯誤率再降到 4.3%。

對照你家廚房，這就是新手與老手的差別。新手炒菜，十次有五次鹹淡失手；練過幾年，偶爾才走鐘一次。做菜的人都知道，錯誤率降下來，比什麼都快地反映在餐桌上。

編程能力那邊也有數字。Terminal-Bench 4.0 測試裡，最高推理強度下 Terra 完成了 50.3% 的任務，前代只有 21.5%。不過 OpenAI 也老實說了：最難的編程任務，還是建議選 GPT-6.1 Sol 或 GPT-6 Astra。這句誠實話很像市場裡的攤販，便宜的魚適合乾煎，要清蒸請買那一尾貴的。

一美元的輸入，五美元的輸出

價目表本身就是一張菜單。API 定價方面，每 100 萬個輸入 Token 收 1 美元，每 100 萬個緩存輸入 Token 收 0.05 美元，每 100 萬個輸出 Token 收 5 美元。整體比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。模型已在 10 月 27 日向 Plus、Pro、Enterprise 和 Edu 用戶開放，開發者可透過 API 調用。

輸入便宜、輸出貴，這結構很廚房。備料不花什麼錢，真正花功夫的是開火那一刻。切一晚上的菜不費瓦斯，鍋一熱，油一下，火苗竄起來的聲音一響，計時就開始了。

而這種大廠同場競技、各自調價的戲碼，我們在 兩家大廚同一天降價，而你家廚房的算盤早就打得更精 裡也聊過。降價競賽吵得熱鬧，真正精打細算的，其實是每天上市場的那雙手。

回到你今晚的餐桌

你大概不會用 Token 計價喫晚飯，但「同樣的錢，能多做幾道菜」這件事，每個開過夥的人都懂。Terra 的故事說穿了就是：有人把爐子改良了，同樣一桶瓦斯，能燒更久、更旺、更少出錯。

消息是凌晨發的。那個時間點，很多家的廚房剛熄火，碗還泡在水槽裡。降價的新聞隔天會被更多降價的新聞蓋過去，但爐子上那鍋湯明天照樣要開火，鹽照樣只能放一次。省下來的錢，最後總會變成餐桌上一道多出來的菜。