GPT-6.1Terra – OpenAI推出的高效商用模型

GPT-6.1Terra为OpenAI推出的高效商用模型，内置原生视觉推理通道与电脑操作调度模块，面向高频办公自动化任务开发，承接前代GPT-5.6Terra的能力路线迭代升级。模型支持文本、截图、图纸类素材输入，识别屏幕界面元素并生成跨软件操作指令，配套百万级上下文窗口，长文档、多页面截图批量解析任务可一次性载入处理。模型控制推理开销，单任务响应速度优于同系列旗舰版本，调用成本下调，适合企业大批量自动化流程部署，在图纸解析、表单填报、视频素材处理、票据信息提取场景输出质量稳定。

GPT-6.1Terra特点

原生电脑操作链路可识别按钮、输入框、菜单等界面组件，生成点击、输入、窗口切换指令，适配主流桌面应用。

视觉推理分支针对工程图纸、票据表格、界面截图做专项校准，图表内数值、标注文字识别精度提升。

支持多轮连续操作，单次会话内完成多软件流转任务，中途接收新指令调整执行步骤。

缓存token计费方案降低重复文档读取开销，大规模调用场景支出可控。

内置多层结果校验逻辑，减少界面误操作、文字识别偏差，输出文本风格贴合正式文书写作规范。

GPT-6.1Terra技术原理

训练集合收录桌面操作轨迹录屏、界面标注样本、图文办公文档、工程图纸与票据资料，清洗无效重复样本，对齐屏幕画面和对应操作动作。

模型内部拆分文本编码、图像编码、动作解码三条分支，图像编码器提取界面空间布局、文字、控件特征，映射为可执行操作序列。

动作解码模块学习操作系统交互规则、软件接口逻辑，输出标准化操作指令。

推理阶段设置多档推理强度，轻量任务选用低强度参数压缩耗时，复杂图纸解析任务切换高强度参数，配套缓存机制复用重复输入向量，削减重复计算开销。

GPT-6.1 Terra项目地址

• 项目官网：https://openai.com/index/introducing-gpt-6-1-terra/

GPT-6.1Terra功能

读取屏幕截图识别界面内容，输出可执行的桌面操作序列，跨应用完成连贯工作流。

解析工程图纸、手绘草图，提取尺寸标注、构件信息，整理成结构化文档。

读取发票、单据截图，提取金额、编号、往来主体等字段，输出规整表格。

起草各类正式文稿，修改润色文本，调整排版格式。读取视频帧素材，标注镜头信息，输出剪辑脚本与时间码记录。开放标准API接口，接入业务系统搭建自动化任务队列。

GPT-6.1Terra应用场景

财务团队批量处理票据单据，自动提取信息录入财务系统。

设计工作室解析工程图纸，整理图纸参数用于建模前期准备。

行政岗位自动填报线上表单，批量处理重复录入工作。

内容团队处理影视素材，完成镜头标注、剪辑脚本整理。

开发团队搭建桌面自动化Agent，处理固定流程的电脑操作任务。

企业业务平台接入API，承载高频图文解析与界面自动化需求。

GPT-6.1Terra如何使用

登录ChatGPTWork或者Codex面板，在模型选择栏勾选GPT-6.1Terra，开启电脑使用权限。

上传截图、图纸、文档素材，录入任务要求，提交会话等待模型输出。

执行电脑操作类任务时，开启屏幕共享授权，模型下发操作指令，核对每一步动作结果。

调用API通道，获取平台密钥，配置请求参数，传入图文素材与任务描述，接收返回文本与动作指令。

批量任务编写调度脚本，开启缓存模式降低token消耗，设置重试规则应对识别异常。

根据任务难度切换推理强度，图纸、复杂表单任务选用高推理档位，简单录入任务选用低档位提升速度。