50.3% 是 GPT-6.1 Terra 在 Terminal-Bench 4.0 最高推理档上解出的任务比例。上一代同一个基准是 21.5%。

价格是每百万输入 token 1 美元、输出 5 美元、缓存输入 0.05 美元，官方说比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%，只有 GPT-6 Astra 的十分之一。

两件事放在一起，很容易读成「又一个便宜模型」。它真正改的是默认值：中等推理档就超过了上一代的最高档，意味着 agent 里大多数步骤不必再调旗舰。但便宜和可靠是两条方向相反的曲线——价格按 token 线性降，可靠性按步数指数降。

• Anthropic 递表，代码 ANT：上半年营收 162.86 亿美元、约去年同期 14 倍，经营现金流首次转正，账面却亏 807 亿，其中 724 亿是会计。
• 前 GitHub CEO 做了个不让看 diff 的平台：Entire 用 agent 生成的 evals 取代 pull request，全部通过即可合并。
• 制鞋机器人开始报节拍：中科慧灵在手订单超 4 亿元，7 秒一个大底、18 秒一双鞋底，年 ROI 50% 到 70%。
• Intel 拿手机内存做推理卡：D 系列最高 480GB LPDDR5X、350 瓦风冷，绕开 HBM 的产能队列。

一半的价钱，两倍的终端成绩

10 月 26 日美东时间发布，三个口子同时开：ChatGPT Work、Codex（Plus / Pro / Enterprise / Edu），以及 API 里的 gpt-6.1-terra。

规格：约 105 万 token 上下文，单次最多输出 12.8 万 token，输入支持文本和图像，不提供原生视频输入输出。缓存读 0.05 美元，batch 再打五折到 0.5 / 2.5 美元。

官方对比表，档位标在括号里：

基准	考什么	GPT-6.1 Terra	对照
Terminal-Bench 4.0	在容器里改真实仓库、修真实问题	50.3（最高档）	GPT-5.6 Terra 21.5（最高档）
Terminal-Bench-Science 0.1	科研代码	超过 GPT-6.1 Sol（最高档）	距 Opus 5.5 不足 5 分，成本不足其 1/5
OSWorld 2.1	桌面应用多步骤操作	中等档即超过上一代的最高档	—
Agents’ Last Exam	长周期工作	中等档高 15 分，成本约 1/3	最高档与 Astra 持平，单价 1/10
MMMU-Pro	图文推理	每个档位都优于上一代	接近 Astra 与 Sol
内部诱发错误测试	事实错误率	低档 16.7%、最高档 4.3%	上一代低档 53.6%

表外还有两个数：同样的任务比 Astra 和 Sol 快三倍以上；与 Opus 5.5 相比，token 效率三倍、单价四分之一、折算每任务成本低约九倍。

便宜解决的是账单，不是第 20 步

把 agent 的成本写成两行，问题就清楚了。

一次任务的钱 ≈ 步数 × 单步单价。一次任务的成功率 ≈ 单步正确率 ^ 步数。

第一行对降价是线性响应，第二行是指数响应。降价压得动第一行，压不动第二行。

拿官方最有利于它的那个数字算：最高档错误率 4.3%，单步正确率就是 95.7%。一步 95.7%，五步 80.3%，十步 64.4%，二十步 41.5%，五十步 11.1%。

这个推算哪里不严谨，得说清楚：4.3% 的分母是 OpenAI 内部「专门设计来诱发错误」的提示词，不是自然流量；它是单次调用的错误率，不是二百步轨迹里每一步的失败率；真实任务还要叠加工具返回错误、页面改版、权限过期这些与模型无关的失败。所以 41.5% 是乐观估计，不是悲观估计。

反过来看那个更硬的数：Terminal-Bench 4.0 的 50.3%。这是一次完整任务的通过率，官方口径、最高档、不掺换算。一半的任务它做不完。上一代 21.5%，它翻了一倍多——进步是真的，离「可以不管」还很远。

所以这次发布改的不是「用哪个模型」，是「允许多少步」。

一个五步的分支任务，改个测试、补个类型、按图填一张表，Terra 现在够用，成本是上一代的三分之一。一个五十步的主线任务，跨仓库重构、跑通一条新 CI，省下来的钱不够赔一次返工——返工不是只重跑最后一步，是从出错那一步往回退。

我的判断

这不是一次能力升级，是一次默认值调整。

agent 的成本结构里，最贵的从来不是单价，是「每个分支都开一个旗舰」。当中间档在 medium 上就能打过上一代的 max，路由表可以砍掉一半：默认扔给 Terra，只在两种情况下升档——任务超过 N 步，或者上一步的校验没过。

过去按「模型 × 单价」建表，现在得按「模型 × 档位 × 步数」建。同一个模型在 medium 和 max 上的成本差三倍，成功率差十几个点；这两个数不进表，选型就是拍脑袋。

这条判断可以被推翻：如果第三方复现出来，Terra 在二十步以上的真实任务里通过率接近 Sol，那「按步数分档」就不成立，直接全量替换更划算。

泼一盆冷水

所有分数都是自报。 一套 harness、发布方自己跑，第三方复现还没有。OpenRouter 上能看到的是工程指标——首字延迟 p50 约两秒、68 tok/s、三天可用率 98.41%——不是能力指标。别把「已经上线」当成「已经验过」。

「逼近 Opus 5.5」只在一个基准上成立。 差 5 分以内说的是 Terminal-Bench-Science 0.1，不是 Terminal-Bench 4.0。后者按我们 10 月 25 日引用的第三方汇总口径，Opus 5.5 是 66.4、Kimi K3.1 是 65.7、GPT-6 Astra 是 58.2，Terra 的 50.3 差着十六分。两个基准名只差一个词，结论差一个档。

「每任务成本低九倍」的对照组是 Opus 5.5 的最高档。 官方没说 token 效率怎么量的：含不含重试、含不含工具返回、失败重跑算不算进去。这类数字的正确用法是排序，不是做预算。

4.3% 是对抗样本上的错误率。 它证明模型不那么容易被骗，不证明它在你的业务里 96% 是对的。真实分布里的错误往往长得不像错误——格式对、语气对、数字错一位。

105 万上下文不等于能用 105 万。 这个数在 OpenAI 的发布页上根本没出现，来自第三方模型目录。跨百万 token 的有效检索长度、位置偏差，官方一个数都没给。

怎么用

一，先把 agent 的步数分布打出来。按「一次任务平均几步」分桶：二十步以内的切 Terra，以上的留着 Sol 或 Astra。按任务切，别按团队切。

二，成本按「步 × 单价」记账，不按百万 token 单价。缓存输入是标准价的二十分之一，把稳定前缀——系统提示、工具定义、仓库地图——放在最前面，这一项能把输入成本压掉一个数量级。

三，medium 档起步，失败再升档。官方自己给的对照就是 medium 打上一代 max。档位比模型便宜，也比换模型快。

四，长任务加检查点。每十步存一次状态、跑一次校验，别让第三步的错误在第二十步才暴露——那时候回滚的代价是整条轨迹。

其他动态

Anthropic 递表，一半亏损来自会计

10 月 26 日向 SEC 提交 S-1，拟上纳斯达克全球精选市场，代码 ANT，高盛与摩根士丹利牵头，另有 20 家承销。发行规模和价格区间未定，据《华尔街日报》路演安排在 11 月 16 日当周，市场预期估值最高两万亿美元。

营收曲线：2023 年 4100 万，2024 年 3.86 亿，2025 年 45.85 亿，2026 上半年 162.86 亿，约去年同期 14 倍。Q3 营收环比增 45% 到 168 亿，增速在放缓。GAAP 上半年净亏 807.48 亿，其中 723.88 亿来自可转债、SAFE 等工具的公允价值变动，不是现金支出；营业亏损从 21.35 亿收窄到 6.93 亿，经营现金流首次转正 39.29 亿。代价写在另一栏：未来十年算力与基础设施承诺至少 5180 亿，总成本上限 7500 亿。

值得关注的原因：这张表第一次把「AI 公司到底是不是生意」摊到公开市场面前，而它给出的答案是分裂的——经营在快速变好，财务被估值上涨的会计后果放大。真正的杠杆是那 5180 亿刚性承诺：多数条款不随实际用量下降而取消，等于把未来十年的成本提前锁死。收入环比增速已经从更高的位置掉到 45%，这份合约就会从护城河变成负担。

一个不让你看 diff 的代码平台

前 GitHub CEO Thomas Dohmke 10 月 26 日上线 Entire，跑在公司 7 月发布的去中心化 Git 网络上。核心动作是用 Trails 取代 pull request：每次 push 后由多个 agent 生成一组 evals 并打分，人看的不是 diff，是一块类似飞机平视显示器的面板；所有 eval 都满足，就可以直接合并。官方宣称 Git 托管比 GitHub 快 89 倍、比 Cursor origin 快 6 倍；Continuous Memory 把会话日志当仓库里的数据源供 agent 检索，称能少用 71% 的 token。首发美国、印度、澳大利亚、欧盟，2027 年初正式可用。

值得关注的原因：它改的不是工具，是「评审」这个动作的定义——从「人读代码」变成「人定义什么算对」。对个人项目是效率，对需要审计留痕的团队是障碍：合规要的是「谁看过这一行」，Trails 交出来的是「某个 agent 给了几分」。89 倍和 71% 都是自报；而这家的立论前提是「GitHub 撑不住 AI 的提交量」，这件事本身还没有公开数据。

制鞋机器人开始报节拍

10 月 26 日中科慧灵披露完成数亿元 A++ 轮，知来投资、涌铧投资、茂天投资、元禾辰坤、国科科智、鲁宁投资联合投资。比融资额硬的是产线数字：2026 年在手具身制鞋机器人订单超 4 亿元，排产数千台；大底盖章 7 秒一个、鞋底压合 18 秒一双；方案年投资回报率 50% 到 70%，回收期两年以内。自研的 CASBOT PA 把视觉感知、动作生成、运动学与真机执行串成一条，官方称单张消费级 GPU 可训练。

值得关注的原因：具身智能第一次用「节拍」和「回本周期」说话，而不是参数和融资额。7 秒一个是产线语言，客户拿它跟工人比，不跟论文比。50% 到 70% 的 ROI 也解释了为什么订单先在制鞋这种低毛利行业落地：工序固定、节拍刚性、招工最难，这三件事凑齐的地方，机器人的账才第一次算得过来。

Intel 拿手机内存做数据中心推理卡

10 月 12 日正式命名为 GPU D 系列（代号 Crescent Island），10 月下旬的 OCP 峰会上又带着 Xeon 机柜展了一遍。规格：Xe3P 架构、32 个 Xe 核心与 256 个 XMX、FP8 算力 1.3 PFLOPS、带宽 1.5TB/s、350 瓦风冷 PCIe 卡；Intel 自有卡 160GB LPDDR5X，合作厂商的 ODM 版本最高 480GB。单卡标称能装三千亿参数模型，八卡系统超过一万亿。已送样，没有价格，没有上市日期。

值得关注的原因：这是用容量换带宽的一步棋。HBM 又贵又缺，HBM4 的先进封装产能还要先紧着 Rubin；LPDDR5X 便宜、好买、能堆大。对 agent 这种「上下文越长越吃显存」的负载，480GB 比 1.5TB/s 更值钱。代价也明摆着：1.5TB/s 只有 HBM 方案的几分之一，decode 阶段会疼；而且 480GB 是合作伙伴的天花板，不是 Intel 那张参考卡。

顺带一提

• 爱芯元智在工博会发布 AX8860：6nm、256 TOPS 混合精度、原生 FP4、273GB/s、128GB LPDDR5X，支持 64 路视频解码，瞄准边端跑大模型。
• GitHub 同一天把 GPT-6.1 Terra 设为 Copilot 通用可用，Pro / Pro+ / Max / Business / Enterprise 都能在模型选择器里挑；企业版新模型默认自动开启，除非管理员关掉。
• 诺亦腾机器人完成 Pre-A+++ 轮，做具身智能的数据基础设施（动捕采集加跨本体映射），资方河南汇融基金。
• 原力无限 A++ 轮近亿元，累计融资近 10 亿，累计订单超 5 亿元。

参考资料

• OpenAI：Introducing GPT-6.1 Terra，2026-10-26
• OpenAI 模型文档 gpt-6.1-terra 定价与规格页，2026-10-26
• InfoQ：刚刚，GPT-6.1 Terra 发布，2026-10-27
• Anthropic S-1 注册声明（SEC），2026-10-26；证券时报、中国证券报相关报道
• ZDNet：Former GitHub CEO launches Entire, an agent-first coding platform，2026-10-26
• 中证网、科创板日报：中科慧灵完成数亿元 A++ 轮融资，2026-10-26
• Intel GPU D 系列规格与 OCP 峰会展示报道，2026-10-12 / 2026-10-26

微信公众号

欢迎关注「字与码」

如果这篇文章对你有用，也欢迎在微信里继续关注后续更新。

X

X / Twitter

关注 @ax2_zicode

更即时的技术观察、新文章提醒和一些短想法会发在 X 上。