GPT-6.1 Terra 实操：让 AI 自己点鼠标，一次任务只要几毛钱

10 月 28 日 OpenAI 发了个不太起眼的模型：GPT-6.1 Terra。它没拿到榜单第一——那周谷歌 Gemini 4 Carbon 刚以 59 分登顶 Artificial Analysis 智能指数，Claude Opus 5.5 拿 58 分，GPT-6 Astra 57 分。Terra 不在这三个位置里。

但它可能是这周对普通用户最有用的一个发布。原因只有一个：价格。输入 1 美元/百万 token，输出 5 美元/百万 token，比前代降了一半；官方说它的电脑操作能力与旗舰级模型相当，Token 成本只有旗舰的十分之一，任务完成速度还更快。目前已接入 ChatGPT 与 Codex。

十分之一是什么概念？以前你不敢让 AI 自己点三十下鼠标，现在敢了。这篇文章把账算清，也把该踩的坑提前说了。

一、先把账算清：一次任务到底多少钱

电脑操作类模型的计费方式，和你用聊天框问问题完全不是一回事。它每一步都要重新"看"一眼屏幕——截一张图、编码成图像 token 送进模型，模型回一个动作（点哪里、输入什么），执行完再截图确认。所以成本不是按"你说了几句话"算，是按"它看了几眼、动了几下手"算。

按 1 美元约 7.1 元换算：

项目	单价 / 用量	说明
输入	约 ¥7.1 / 百万 token	截图是大头，一张 1280 宽的图约 1000–1600 token
输出	约 ¥35.5 / 百万 token	动作指令很短，一步 150–300 token
单步成本	约 ¥0.012–0.023	含当步截图与动作输出
20 步任务	约 ¥0.25–0.45	一次完整的表单填写或表格整理
30 步 + 2 次纠错	约 ¥0.5–0.8	带一点试错的中等任务
同任务旗舰模型	约 ¥5–8	按十倍成本粗估

一杯咖啡九块九。也就是说，一个三十步的任务，你让它重跑五遍，成本还不到一杯咖啡。这个变化的意义不在"省钱"，在于试错从奢侈品变成了日用品——你可以先让它跑一遍看看，跑歪了改任务书再跑，而不是一次就得写对。

顺带一提，同一天 OpenAI 还把计算机操作类接口的价格整体下调了一半。两条一起看，信号很明确：这一层的竞争已经从"谁更聪明"转到"谁更便宜"。

二、它到底怎么"操作电脑"

理解了机制，才知道哪里会翻车。循环只有四步：

截图：把当前屏幕或指定窗口拍下来
定位：模型在图里找到目标元素，给出坐标
动作：点击、双击、输入、滚动、按快捷键
复核：再截一张图，确认上一步生效了没有

它和"工具调用型 Agent"的根本区别是：不需要对方提供 API。任何能在屏幕上点到的东西它都能操作，包括那些十年没更新过的老后台、只兼容旧浏览器的报税系统。这是它真正的价值，也是它真正的风险——它能点的东西里，包含"删除"和"付款"。

代价也很明确：慢。一步一到三秒，三十步就是一分半。它还怕遮挡（弹窗盖住按钮就找不到）、怕分辨率变化（换台显示器坐标就偏）、怕"看不见"（要滚动才能到的位置，它得先想到要滚）。

三、三条上手路径，按你的情况选

路径 A：在 ChatGPT 里直接用，零代码。

适合一次性任务：把一份 PDF 里的表格录进 Excel、在某个网站批量填十条信息、把相册里的截图按内容改名。你只需要把任务说清楚（下一节讲怎么说），然后盯着它跑，跑歪了随时接管。

路径 B：在 Codex 里用。

适合任务本身跟代码仓库有关：跑测试、改配置、按报错修依赖。它能在终端和编辑器之间来回看，比纯屏幕操作稳得多。

路径 C：接 API 自己跑，适合重复任务。

如果你每周都要做同一件事，前两条路都在浪费你的时间。自己接的骨架只有三件事：截图并编码、定义动作格式、写循环终止条件。

# 循环骨架（参数与字段名以官方文档为准）
for step in range(MAX_STEPS):        # 一定要有上限
    shot = grab_screen(width=1280)    # 先降分辨率，省钱
    resp = model.act(
        goal=GOAL,                    # 任务书，见下一节
        history=recent(3),            # 只带最近 3 帧，别全带
        image=encode_png(shot),
        tools=["click", "type", "scroll", "key", "done", "fail"],
    )
    if resp.action == "done":         # 模型自己判断完成
        break
    if resp.action == "fail":         # 卡住就停，别硬试
        raise RuntimeError(resp.reason)
    do(resp.action)
else:
    raise TimeoutError("超过步数上限，人工接管")

那句 history=recent(3) 是省钱的关键，第六节会讲为什么。

四、任务书四要素：这步写不好，前面全白搭

同一个任务，任务书写法不同，成功率能差一倍。四件事必须写进去：

起点：从哪个界面、哪个文件、哪一行开始。不要写"打开系统"，要写"打开已经登录的报销后台，停在订单列表页"。
终点：什么状态算完成，而且必须可验证。"整理好表格"不算，"第 12 行出现合计金额，且等于上面 11 行之和"才算。
禁区：明确不许碰什么。删除、退款、发送消息、修改密码，一律列出来。默认策略应该是"不确定就停"。
失败策略：卡住时停下来报告，不要自己换个方法硬试。这一条能省掉大部分灾难。

对照一下：

坏任务书	好任务书
帮我把这些发票录进系统	打开已登录的报销后台，停在新建立单据页。把附件文件夹里 7 张发票的日期、金额、发票号录进对应字段，每录完一张点保存。全部录完后停在第 7 张的详情页。不要点提交审核，不要修改任何已有单据。遇到识别不出的字段就停下来，告诉我第几张、哪个字段。

右边这段长了三倍，但它把"我以为你懂"的部分全说死了。

五、验收：五个必查项

AI 说"完成了"不等于完成了。五件事逐条过：

看产物，不看过程。 表格打开，数字对一遍。它说保存成功，你就去看文件修改时间。
翻动作日志。 点击序列里有没有多余操作？正常的 15 步任务跑了 40 步，说明它在打转。
查越界。 有没有打开不该打开的页面、访问了别的账号的数据。
看耗时。 同样任务这次三分钟、上次一分钟，多半是某个元素没找到在反复重试。
可复现。 同样输入再跑一次，结果应该一致。不一致说明任务书里有歧义。

六、五个必踩的坑

坑一：截图分辨率越高越贵。

一张 1920 宽的图和一张 1280 宽的图，token 差将近一倍，而多数界面在 1280 宽下元素照样看得清。先降分辨率，看不清再升。

坑二：历史上下文会滚雪球。

最直觉的写法是每一步都把前面所有截图带上，觉得模型"记得"更清楚。实际 token 是线性涨的，第 20 步要带 19 张图，成本翻十倍，而且模型会被旧图干扰、点错位置。正确做法是只带最近 2–3 帧，更早的压成一句文字摘要（"已登录，已填前 5 行"）。

坑三：弹窗比你想的多。

公告、Cookie 提示、升级提醒，全都会盖住按钮。任务开始前先让它关弹窗，或者在任务书里加一句"如有遮挡先关闭"。

坑四：重试没有上限。

模型找不到按钮时会换个坐标再点，点十次也找不到。MAX_STEPS 一定要设，超了就停。停下来的成本是几毛钱，不停下来的成本是它可能点到别的按钮。

坑五：别用你的主账号。

给它一个独立账号、独立浏览器配置。它登录过的会话、点过的"记住我"，都会留在那个配置里。真出问题，你能一把删掉整个配置，而不是挨个改密码。

七、和旗舰模型怎么分工

这周榜单是这样的：Gemini 4 Carbon 59 分第一，Claude Opus 5.5 58 分，GPT-6 Astra 57 分。三个咬得很紧，差一两分。但价格差一个数量级。

所以分工很清楚：

想方案、写复杂代码、做需要"想得深"的判断 → 用榜单头部那几个，贵但值。
照着方案一步步点鼠标、填表、搬运数据 → 用 Terra。这类活儿不吃智商，吃耐心和次数。
不确定该用哪个 → 先用贵的跑一遍，看它怎么做；把过程记下来，再让便宜的照着做。

最后

这次降价最实际的影响，不是"AI 又便宜了"，而是你可以开始把那些"一次性的、懒得做的、做错了也不致命"的活儿交出去了。录七张发票、把五十个文件按内容改名、在三个后台之间对一遍数字——这些事以前自己干要一小时，现在花几毛钱让它试三次。

前提是任务书写清楚、上限设好、验收真的去看。这三件事没做，便宜的模型只会让你更快地制造出更多需要返工的活儿。