链捕手ChainCatcher

OpenAI CEO山姆·奥特曼。图片经由AI处理
文｜苏扬
编辑｜徐青阳
OpenAI又推出了一款主打性价比的模型。
美国当地时间10月26日，OpenAI发布中端模型的新版本GPT-6.1 Terra。相比上一代GPT-5.6 Terra，新模型重点提升了视觉理解、计算机操作、事实准确性和编程能力，标准API输入、输出价格均下降50%。
在OpenAI自己的测试中，Terra完成计算机操作任务的速度超过GPT-6 Astra和GPT-6.1 Sol的3倍，部分任务的表现已经接近旗舰模型。
这款模型面向日常办公和高频自动化任务，能够识别屏幕内容，在多个应用之间执行操作，也能处理技术图纸、填写表单、编辑视频等工作。
对于开发者来说，它的另一项吸引力是成本：每百万输入Token收费1美元，输出Token收费5美元，缓存输入Token则只需0.05美元。
不过，速度和价格的优势并没有让所有体验者满意。第三方测试显示，Terra生成视觉作品时，能够以更低的成本完成复杂场景，但部分用户仍然认为，它在画面质感、设计审美和复杂任务处理上存在不足。
01 办公自动化是主场
GPT-6.1 Terra的重点，是让AI更快地完成一整套计算机操作任务。
AI助手可以根据用户要求生成文字、代码或操作建议，但当任务涉及多个软件时，模型还需要理解界面、识别控件，再按步骤执行。OpenAI希望Terra进一步降低这类任务的执行成本，让模型能够承担更多重复性的工作。
例如，企业可以让它读取收到的发票，将金额、日期和供应商等信息录入会计软件；也可以让它理解建筑技术图纸，或者在桌面应用中完成一连串操作。
OpenAI的官方演示中，GPT-6.1 Terra直接操作Blender，从零开始搭建一辆黄色有轨电车的3D模型，逐步完成车身、车窗、车顶受电弓和底盘细节。
计算机操作基准测试Agents’ Last Exam中，在中等推理模式下，GPT-6.1 Terra比GPT-5.6 Terra高出15个百分点，单项任务成本约为后者的三分之一。
与GPT-6 Astra相比，Terra的每Token价格约为其十分之一，任务表现则处于相近水平。
在最高推理模式下，OpenAI称，Terra的Token使用效率超过Claude Opus 5.5的3倍，每Token价格约为后者的四分之一，最终单项任务成本约低90%。完成任务的速度也超过GPT-6 Astra和GPT-6.1 Sol的3倍。
你可以理解：当任务需要一定推理能力，但又不必动用最强模型时，速度和成本可能成为更重要的选择依据，而这就是Terra这个档位模型的“甜蜜点”。
不过，基准测试成绩不能直接等同于所有实际工作中的效率。不同任务的步骤数量、工具调用方式和推理强度都会影响耗时，实际使用效果仍要看具体场景。
02 幻觉率下降，编程成绩翻倍
除了计算机操作，Terra在事实准确性和编程方面也有明显提升。
OpenAI使用内部设计的高错误诱发提示词进行测试。在低推理模式下，GPT-5.6 Terra的事实错误率为53.6%，GPT-6.1 Terra降至16.7%，下降36.9个百分点。在最高推理模式下，新模型的错误率进一步降至4.3%，比前代低18个百分点，接近GPT-6 Astra和GPT-6.1 Sol的水平。
第三方评测机构Artificial Analysis也观察到了类似变化。其自有的AA-Omniscience知识与幻觉基准测试显示，当模型不知道问题答案时，GPT-6.1 Terra猜测答案的比例为38%，而GPT-5.6 Terra为88%。与此同时，新模型的准确率提高了2个百分点。
不过，这项结果来自特定测试集，不能直接推导出模型在所有实际场景中的错误率。
编程方面，Terra的提升同样明显。
在Terminal-Bench 4.0中，模型需要通过命令行完成软件工程任务，例如修复网页加载过程中出现的布局错位。在最高推理强度下，GPT-6.1 Terra的任务解决率达到50.3%，超过GPT-5.6 Terra此前公布的21.5%，增幅超过一倍。
Artificial Analysis发布的Coding Agent Index v2.0则给Terra打出48分，低于GPT-6.1 Sol的54分，但高于GPT-6 Luna的31分。该机构认为，Terra在低推理强度和超高推理强度设置下，具备较好的成本效率。
视觉理解测试MMMU-Pro和桌面操作测试OSWorld 2.1也显示，Terra整体优于GPT-5.6 Terra。对于需要理解图像、操作软件并完成多步骤工作的用户来说，这些能力可以相互配合。
但OpenAI也承认，对于最复杂的编程任务，GPT-6.1 Sol和GPT-6 Astra仍然是更合适的选择。Terra的优势主要集中在成本敏感、任务量大、操作流程相对明确的工作中。
03 真实的“买家秀”
从社交平台的反馈来看，开发者对Terra的评价有明显分歧。
设计评测平台@DesignArena选择了里斯本的贝伦塔作为测试对象，让GPT-6.1 Terra和GPT-5.6 Terra在金色时段重现这座16世纪的石灰岩建筑，并加入海鸥、帆船和远处的大桥。
测试结果显示，GPT-6.1 Terra花费的时间接近前代的4倍，使用的Token也多出48%。但由于单Token价格大幅降低，最终成本反而下降38%，从GPT-5.6 Terra的0.077美元降至0.047美元。
从实际的demo来看，两款模型生成的画面也有差异。
DesignArena认为，GPT-6.1 Terra还原出了更复杂的建筑结构，包括层叠的拱形窗户、穹顶转角塔楼，以及塔霍河面上的阳光反射。生成页面的尺寸大31%，每帧使用432个独立部件，高于前代的323个。
相比之下，GPT-5.6 Terra虽然也生成了穹顶、阳台、帆船和海鸥，但建筑形状更加简单，水面缺少明显的光影变化，远处的大桥也没有呈现出同样细致的结构。
AI模型测试账号@N1njaCodex对比了GPT-6.1 Terra和Claude Opus 5.5生成像素艺术风格罗马竞技场的表现。
两款模型完成相同任务的花费分别为2.38美元和8.38美元。NinjaCodex认为，Terra以这样的价格完成任务已经不错，但Opus生成的竞技场更明亮，画面层次也更丰富，因此仍然更喜欢后者。
AI独立开发者@YFeng2022也对Terra的视觉表现提出质疑。他认为，从视频演示来看，模型生成的画面存在塑料感，审美表现仍不理想，并认为其整体效果不如DeepSeek和Kimi近期发布的模型。
另一位模型追踪账号@Mr_Salio则对Terra的整体表现持负面态度。他认为，模型的速度虽然突出，但综合体验未达到预期，甚至认为GPT-5.6在部分测试中的表现更好。
04 当中端模型开始算账
Terra发布后，围绕它的讨论很快延伸到模型市场的竞争。
AI开发者@NFT_Chen援引Artificial Analysis的智能指数数据强调，GPT-6.1 Terra在最高推理强度下获得48分，高于多款中国模型。
尽管这不直接等同于产品竞争力，但它反映出一个现实：模型之间的竞争已经延伸到不同推理强度下的成本、速度和任务完成质量。
@NFT_Chen认为，如果用户需要深度判断、复杂架构设计和高质量创作，可以优先考虑Claude Opus 5.5；如果工作以明确规格的开发、文档和终端操作为主，Sonnet 5.5也具备竞争力；而Terra更适合高频办公、跨应用操作以及对成本敏感的自动化任务。
这种选择方式也与OpenAI对Terra的定位一致。官方明确建议，深入研究和复杂编程仍优先考虑GPT-6.1 Sol或GPT-6 Astra。Terra则希望用更低的价格覆盖大量日常工作。
目前，GPT-6.1 Terra已向ChatGPT Work和Codex中的Plus、Pro、Enterprise及Edu用户开放，开发者也可以通过OpenAI API调用。标准价格为每百万输入Token 1美元、缓存输入Token 0.05美元、输出Token 5美元。
对于需要大量调用模型的企业和开发者而言，价格下降可以直接影响自动化项目的成本。但如果某项任务对视觉质量、复杂推理或代码可靠性要求很高，模型仍然需要经过实际测试，而不能只看单Token价格。

ChainCatcher 消息，据科创板日报转引财联社报道，苹果正在测试首款大屏可折叠 iPad，屏幕最高约 20 英寸，完全展开预计 18 至 20 英寸，折叠后更便携，定位介于平板与笔记本之间，预计 2028 年推出。报道称，其设计思路参考已在国内上市的华为 MateBook Fold。
该消息与分析师郭明錤此前判断一致，即苹果计划 2028 年推出首款大屏折叠 iPad，研发重点是尽量减弱折痕。彭博记者马克·古尔曼此前将其描述为类似两台 iPad Pro 并排拼接的超大屏，面向多任务与生产力场景。预计采用超薄玻璃，郭明錤认为康宁或为玻璃独家供应商，GIS 业成集团据称负责切割、边缘精加工、质检与封装，两家也参与包括折叠版 iPhone Duo 在内的其他苹果折叠项目。
报道对照称，华为 MateBook Fold 最新版本于 2026 年 8 月发布，展开 18 英寸，完全展开后单侧厚度 7.3 毫米，中国首发，起售价 24999 元人民币。业内预计苹果该机定价偏高，主因大尺寸柔性屏制造难度，此前行业预测上市首年出货约 50 万至 100 万台。该项目尚未获苹果官方确认。

ChainCatcher 消息，Entropy Advisors 数据主管 Tom Wan 发文称，Robinhood Chain 手续费将计入明日公布的三季度财报。他表示，该链首个季度手续费为 5110 万美元，约为 Robinhood 二季度加密交易收入的一半，并关注公司会把该链表述为其他业务的基础设施，还是独立收入来源。
Tom Wan 称，10 月日均手续费已降至约 5.2 万美元，下降主要来自定价。8 月下旬费用上升源于 gas 积压，平均交易费从 0.002 美元升至 0.298 美元，周交易量上升 7.5%。Robinhood 于 9 月 1 日和 9 月 3 日将 gas 目标从每秒 1800 万上调至 4000 万，gas 价格已回到 0.02 gwei 下限。
他还称，三季度末 Robinhood Chain 上 USDG 为 6.93 亿美元，7 月 1 日为 1.01 亿美元；按约 3.5% 分成及三季度平均规模 4.27 亿美元估算，当季约 380 万美元，按当前 6.74 亿美元规模年化约 2400 万美元。股票代币持有者 19.5 万，上周 DEX 成交量约 7 亿美元。二季度 Bitstamp 与 Robinhood App 加密成交量分别为 221 亿美元、183 亿美元，他表示尚无公开数据说明其中多少与该链相关。

ChainCatcher 消息，据 Ark Invest Tracker 监测，Cathie Wood 旗下 ARK Invest 于 10 月 26 日进行多项交易。
买入方面，ARKQ 和 ARKX 合计买入 Archer Aviation（ACHR）约 116.16 万股、Joby Aviation（JOBY）约 43.4 万股、Kratos Defense（KTOS）约 6.36 万股及 AeroVironment（AVAV）约 5.92 万股。此外，ARKW 买入 Circle（CRCL）65,615 股，ARKQ 买入 Kodiak AI（KDK）182,508 股。

ChainCatcher 消息，据 The Block 报道，币安创始人赵长鹏在 BNB Standard 纳斯达克敲钟仪式后的媒体简报会上表示，加密资产将成为 AI 的原生货币。他称，AI 可使用比特币、现有稳定币或 AI 公司未来发行的代币，但希望 BNB Chain 成为主要网络之一，并表示这仍需建设。
赵长鹏还提到，他当天早些时候讨论了与算力资源挂钩的代币，并希望将其引入 BNB Chain，但未透露细节。他还称，加密支付对普通用户仍不便利，建议初创公司先关注服务不足的市场和汇款路线，而非直接与美国 Apple Pay 或 Google Pay 竞争。

ChainCatcher 消息，据《读佳》报道，Soul 即将推出一款面向实时交互的 AI 音视频一体化产品“Loxinity（洛希无限）”。该产品下辖语音合成模型 Loxi Speech 与视频生成模型 Loxi Avatar，主打连续对话场景，强调语气停顿与情绪起伏，以解决同类产品朗读感重与音画脱节的问题。
功能方面，语音板块支持音色克隆、情绪标记及 API 接入；数字人板块支持用户上传图片自定义形象，输入文本或音频即可生成数字人视频。Soul 曾于 2023 年发布情绪向大模型 SoulX，并于今年 9 月与华为云发布智能音视频实时交互解决方案。此次推出 Loxinity，意味着 Soul 正将内部社交场景打磨的交互能力向 B 端市场进行产品化输出。

ChainCatcher 消息，BitMEX 联合创始人、Flop Labs 首席执行官 Arthur Hayes 在文章《The Trifecta》中提出，计划基于 Flop Network 建立 AI 算力现货及衍生品市场。他认为目前全球缺乏统一的算力价格基准，Flop Network 可通过记录 AI 推理任务的计算量、耗时及 FLOP 支付费用，形成算力参考价格 FRCR。
在此基础上，用户可提前预订未来最多 30 天的算力，并交易相应的算力合约 FCU，进而支持以美元结算的季度期货和永续合约。Hayes 表示，继永续合约及合成美元稳定币概念之后，希望 AI 算力衍生品成为其第三项被金融市场广泛采用的创新。