OpenAI GPT-6.1 Terra发布AI开始真正操作电脑，使用成本也降了

2026年10月26日，OpenAI正式发布GPT-6.1 Terra。与以往侧重聊天、写作和复杂推理的模型不同，这次升级把重点放在了“看懂电脑屏幕，并完成实际操作”上。新模型结合视觉理解、电脑操作和自然语言能力，能够识别网页及软件中的按钮、输入框、表格等元素，并在获得相应工具与权限支持后执行表单填写、资料整理和跨应用信息录入等任务。AI正在从回答“怎么做”，走向直接参与“把事情做完”。

GPT-6.1 Terra的一大亮点，是将视觉推理与电脑操作深度结合。 传统自动化通常依赖固定脚本或API接口，软件界面一旦变化，固定脚本就可能中断，而部分老旧系统又缺少开放接口。新模型则可以根据屏幕内容理解当前状态，判断下一步操作。例如，企业收到供应商发来的产品图片和资料后，AI可以辅助匹配商品目录、整理信息并更新后台；面对发票、报表等文件，也有机会完成内容提取、字段核对和系统录入。在建筑设计、内容制作等场景中，它还能理解技术图纸，检查图片裁剪和文字布局，让视觉能力不再停留于简单识别。

性能方面，GPT-6.1 Terra同样迎来明显提升。 OpenAI公布的测试显示，新模型在专业任务评测Agents' Last Exam中，以中等推理强度取得的成绩较上一代提升15个百分点；在视觉推理测试MMMU-Pro和桌面操作测试OSWorld 2.1中，也展现出明显进步。官方还表示，在相关测试任务中，新模型的执行速度比部分更高定位的模型快出三倍以上。同时，Terra在事实准确性、自然语言表达和代码处理方面也得到改善，但对于极为复杂的编程与推理工作，OpenAI仍建议使用更高定位的模型。

另一项重要变化是使用成本显著下降。 对于需要连续识别屏幕、规划步骤、调用工具和验证结果的AI智能体来说，单次对话的费用并不能代表整个业务流程的成本。更高的执行效率与更低的调用成本，有助于推动订单录入、财务单据处理、客户资料维护等高频任务规模化落地。未来，API、传统RPA与具备视觉理解能力的AI智能体可能形成互补，企业无需为每一种界面操作都单独编写固定脚本，AI Agent也有望成为企业数字化转型的重要工具。

目前，GPT-6.1 Terra已面向符合条件的用户在ChatGPT Work和Codex中提供，开发者也可通过OpenAI API接入。不过，能操作电脑不意味着可以无条件接管系统，实际部署仍需配套权限管理、操作审计和关键环节人工确认。GPT-6.1 Terra释放的信号十分明确：大模型竞争正在从“谁更会回答问题”，转向“谁能以更低成本、更高可靠性完成任务”。 当AI真正走进日常办公流程，人与软件的协作方式也将发生改变。