模型价格便宜了一半:转型中的企业先拿三类真实任务验一周

发生了什么：价格腰斩，瞄准的是日常电脑活

OpenAI 10 月 26 日发布 GPT-6.1 Terra，定位是中档模型，主打视觉推理、电脑操作和更自然的写作，面向的是填满工作日的日常任务。价格比上一代低一半：每百万输入 1 美元、输出 5 美元，多轮任务常用的缓存输入只要 0.05 美元。

对老板来说，价格腰斩的意义不在省多少钱，而在试点成本下来了：原来只敢在一个部门小范围试，现在可以按业务线分批验。但扩的前提是验收标准先定好，不然省下的钱会在返工里花回去。

三类任务验它：发票、图纸、表单，各跑一周

第一类是发票录入。拿 50 张真实发票跑：字段全对率、金额错一位的比例、遇到模糊扫描件时是停下来问人还是猜一个数。这三个数比任何榜单都管用。

第二类是图纸和表单。把技术图纸转成结构化信息、按表单模板填写。试点时要测两件事：多步骤任务中途断了能不能续上，以及跨应用切换时会不会点错窗口。电脑操作最怕的不是单步错，而是错了一步还继续往下走。

第三类是提案和文档起草。业务文档要的不是文笔自然，是口径一致。拿三份已有终稿的提案做对照：数字、日期、客户名有没有被"润色"改掉，改掉一处就记一次事故。

每一类任务跑一周，记录四个数：一次通过率、人工纠错次数、单任务成本、单任务耗时。四个数同时达标才扩量，有一个数不达标就先收窄任务范围，别急着换更贵的模型。

三条边界

第一，复杂编程别硬套。OpenAI 自己说了，最复杂的编程任务仍有更合适的模型。拿 Terra 去啃架构级重构，省下的钱会在返工里花回去。

第二，安全阈值要当真。Terra 在 OpenAI 的安全评估里达到网络安全"关键"阈值，试点环境必须先隔离：不给真实凭证、不碰生产系统、付款和发外部消息这类动作一律先过人工确认。电脑操作能点鼠标，就意味着它能点到不该点的地方。

第三，厂商数字只是起点。速度快三倍、错误率降三成，都是 OpenAI 自测。你的任务、你的数据、你的系统版本才是验收场。试点报告里把厂商数字和实测数字并排写，差得大的地方就是上线前要补的护栏。

转型落点

对正在转型的企业，Terra 的意义在推广节奏：成本下来了，试点可以从一个部门扩到多条业务线，但验收标准就是推广的门槛。标准没过关就上量，省下的钱会在返工和事故里花回去。