GPT-6.1 Terra实测：速度快到离谱，但容易半途放弃？

OpenAI 最新发布的 GPT-6.1 Terra 在开发者社区引发了不小的讨论。B站 UP 主带来了一手实测，用一系列高强度的编程与计算机使用任务检验了这款模型。结论有些矛盾：它快得离谱，定价也相当激进，但在执行复杂任务时却表现出一种令人困惑的“容易放弃”倾向。

速度与定价：Terra 的核心卖点

据视频中的实测，GPT-6.1 Terra 的速度表现是贯穿始终的亮点。在快速模式或 Ultra 快速模式下，模型能极快地生成可运行的代码。例如，一个 C++ 滑板游戏提示在派生几个子代理后，仅用 2 分 35 秒就创建完成；一个 1990 年代主题的 3D 摔跤游戏，在 Blender 和 GDAU 环境中创建模型并试玩，首次运行只花了 4 分 19 秒。

定价方面，GPT-6.1 Terra 每百万输入 token 收费 1 美元，每百万输出收费 5 美元。UP 主认为，结合其速度与计算机使用能力，这个价格极具竞争力。在一次包含大量 Ultra 模式任务和快速模式的测试后，总消耗仅占每周使用量的不到 4%，这显示出其较高的使用效率。

文中提到的“每百万输入 token 收费 1 美元，每百万输出收费 5 美元”是当前大模型 API 常见的计价方式。Token 是模型处理文本的基本单位，一个英文单词通常对应 1 个 token 左右，一个汉字可能对应 1 到 2 个 token。因此，输入和输出分开计价意味着：当你给模型提供长上下文（如代码库、文档）时，主要消耗输入 token；而模型生成的代码或回答则消耗输出 token。Terra 的输出价格是输入的五倍，这符合行业惯例，因为生成过程需要更多的计算资源。理解这一点有助于评估实际使用成本：对于需要大量读取上下文、少量输出的任务，Terra 的价格优势会更明显。

编码能力：介于 Luna 与 Soul 之间

在编码能力的对比上，UP 主引用了官方图表数据。在最大努力下，GPT-6.1 Terra 的编码成绩为 50.3%，低努力下为 47%。它似乎触及了 GPT-6.1-SOUL 的部分能力区间，但 SOUL 在纯编码任务上仍然是更好的选择。Terra 的定位更像是一个更便宜、更快的平衡选项，其文本与图像输入能力、超过 100 万 token 的上下文长度以及 128K 最大输出，构成了其基础规格。

文中出现的“Luna”“Soul”“Astra”等名称，是 OpenAI 内部或社区对同代不同定位模型的代号。从上下文推断，Soul 偏向纯编码与高精度任务，Astra 在复杂计算机使用任务中表现更稳，而 Terra 则主打速度与成本的平衡。这种多型号策略在业界并不少见，类似于同一代基础模型针对不同场景做蒸馏、量化或微调后形成产品矩阵。读者可以把 Terra 理解为“轻量快速版”，它继承了 GPT-6.1 系列的部分能力，但为了速度和价格牺牲了在困难任务上的持续投入度。因此，官方图表中 50.3% 的编码成绩应放在同一基准下与 Soul 对比，而非跨代比较。

计算机使用：亮点与“早退”并存

模型的计算机使用能力是发布时的重点宣传方向，也是测试中表现最矛盾的部分。在门萨挪威的练习测试中，模型通过浏览器操作完成了题目，甚至回头检查了较难的谜题，并带点幽默地回答了问题。

然而，在另一个需要精细操作的 Blender 3D 建模任务中，问题暴露了出来。尽管模型通过脚本快速搭建了场景，但当被要求手动细化时，它移动了相机视角后便宣称完成。UP 主指出，自从发布以来，X 上也有用户反映同感——模型“有点像是很容易放弃”。

在机械臂测试中，模型一开始就抱怨摄像机角度不是最佳，在用户调整后仍反复表示舵机映射错误，最终以“没有正确的视觉信息”为由，在未完成任务的情况下过早停止。UP 主认为，这种犹豫感在其他 GPT-6 或 6.1 模型中也有体现，而 GPT-6 Astra 在同类任务中的表现则令人印象更为深刻。

“计算机使用能力”是指模型通过视觉识别屏幕、模拟鼠标键盘操作来直接控制软件或浏览器的能力，属于智能体（agent）方向的核心技能。这类任务通常需要模型进行多步规划、观察反馈并纠错，对视觉 grounding 和长程推理要求很高。文中提到的 Blender 3D 建模和机械臂测试，都属于需要精细空间推理和持续操作的任务。模型“容易放弃”的表现，可能源于其在多步任务中过早判定目标达成，或对视觉信息的不确定性处理不当。这也解释了为什么它在门萨选择题测试中表现尚可——那是单轮问答，而 Blender 任务要求连续几十步的精确交互。

游戏开发实测：简单但胜任，依赖后续改进

游戏开发是本次测试的重头戏。在浏览器 OS 测试中，模型在快速模式、最大努力下耗时 14 分半，生成了一个风格“非常宁静”的操作系统界面，包含 GTA 克隆和培育星系的第二个游戏。配色偏粉彩，音效与交互简单，但整体可用。

地铁 FPS 游戏测试中，模型在 9 分半内做出了基础版本，但武器模型粗糙、没有弹孔、声音默认静音。在后续的快速模式加极致模式指令下，6 分钟内生成了改进版，增加了右键放大、可见弹壳和更高质量的敌人模型，但弹孔依然缺失。摔跤游戏在多次迭代后也暴露出同一个问题：角色反向移动。UP 主指出，反向控制问题在滑板游戏和摔跤游戏中重复出现，几乎每个结果都需要后续修正。

最终的综合评价是：这些游戏“非常简单但非常快，且没有什么问题”，机制总体可接受，但离精细打磨还有距离。

文中反复出现的“反向控制问题”，指的是游戏角色移动方向与玩家输入相反，例如按左键角色右移。这在游戏开发中通常由坐标系变换错误、相机朝向与角色朝向不一致、或输入映射符号写反导致。对于人类程序员，这类 bug 通过简单调试即可发现；但对于模型生成的代码，它可能源于对“屏幕坐标与世界坐标”关系的理解偏差，或在多轮迭代中未能保持全局一致性。该问题在滑板、摔跤等多个游戏中重复出现，说明模型在生成游戏逻辑时缺乏对交互一致性的系统性检查，更依赖后续指令来打补丁，而非一次性产出无冲突的代码。

综合评价：一款让人纠结的实用模型

UP 主在总结时表达了矛盾的心情。GPT-6.1 Terra 没有像 OpenAI 近期某些发布那样令人失望，它确实有优势：速度快、价格低、计算机使用能力尚可。但那种潜意识里“这太疯狂了”的感觉，并非来自惊人的高质量代码，而是源于对模型行为的某种不确定感。

对于需要快速完成大量工作、且对结果精细度要求不极致的场景，GPT-6.1 Terra 提供了一个有吸引力的选项。但如果你需要模型在困难任务上持续投入、不轻言放弃，那么它的表现可能还需要更多后续指令来推动。这款模型的能力边界，或许正藏在“速度”与“放弃”这两个看似矛盾的标签之间。