OpenAI releases GPT-6.1 Terra with a 50% price cut—can Chinese large models still hold onto their low prices?
English text is being prepared.
On October 27 Beijing time, OpenAI released GPT-6.1 Terra, with standard API pricing at $1 per million input tokens and $5 per million output tokens, 50% lower than the previous generation GPT-5.6 Terra, while complex task execution, factual accuracy, and coding capabilities all improved. The article compares the pricing of Kimi K3.1 Pro at $2 per million input tokens and $10 per million output tokens, pointing out that domestic models rely on MoE architecture and engineering efficiency to keep the cost structure low, but total compute supply remains a hard boundary; Kimi K3.1 Pro saw rate limiting and quota anomalies within less than 48 hours of launch. The author argues that the room for domestic models to respond lies in B2B scenarios, data compliance, localized deployment, and government-enterprise channels.
Why read this
AI score 74
The article compares the pricing page of OpenAI's new model side by side with the price anchors of domestic models, so readers can see the cost-structure differences in the price-performance competition.
Topics
Body
Anthropic前脚递交招股书，OpenAI后脚就发布了新模型，巨头们动作不断，都在为自己谋关注度。
北京时间10月27日，OpenAI发布GPT-6.1 Terra。OpenAI称，Terra的Agent能力足以与旗舰Astra掰手腕，价格却只有后者的十分之一。
这个数字本身不稀奇，毕竟过去一年，大模型降价新闻早就看腻了。但这次与以往不一样的地方在于，相比上一代GPT-5.6 Terra，新模型的标准API价格直接降低50%，但在复杂任务执行、事实准确率和编程能力上均有明显提升。
OpenAI的新动作国内尤其关注，毕竟它要抢的正是中国大模型最舒服的那块地盘。
01 OpenAI也算“经济账”了
如果只看榜单最高分，Terra算不上一枚重磅炸弹。但把定价页和跑分图并排看，信号比分数更值得读：OpenAI这次卖的不是能力上限，是单位成本。
据OpenAI官方，GPT-6.1 Terra的API定价为每百万输入token 1美元、每百万输出token 5美元，比上一代Terra和同代Sol低50%。中等推理强度下，它在Agents’Last Exam上的得分比GPT-5.6 Terra高出15个百分点，单任务成本约为后者的三分之一。
评论区不少用户的第一反应是：“就这？”“感觉没比上一代惊艳多少”。官方给它的定位很直白：以更低成本完成复杂的电脑操作任务。在这个定位下，“是否最强”退居其次，“够用且便宜”才是卖点。
只看OpenAI自己的产品线，会感觉这只是一次正常的代际升级。但把视线拉回当下的大模型市场，另一条参照线绕不开：Kimi K3.1 Pro、DeepSeek等国产模型，已经把高性能模型的价格锚点拽了下来。
Kimi K3.1 Pro的API定价为每百万输入token 2美元、每百万输出token 10美元。这是一款总参数2.8万亿的模型（权重计划于11月初开放），综合智能水平高于同类中位数，月之暗面称其价格“仅为GPT-6 Astra的五分之一”。
单看绝对数字，Terra输出单价5美元/百万token，确实低于K3.1 Pro的10美元。但两者不在同一层：Terra是OpenAI矩阵里的“高级打工仔”，上面还有Sol和Astra顶着最复杂的任务；K3.1 Pro则是开源阵营里正面硬刚前沿闭源旗舰的产品。前者对标“干日常杂活，够用且便宜”，后者对标“接近前沿，且便宜”。
更关键的是，中国模型把性价比压下来，靠的不是烧钱补贴。瑞银证券分析师认为，中国大模型的训练成本仅为海外头部厂商的十分之一，API定价为海外对标模型的10%至20%；这种低价并非来自亏损，厂商在API业务上仍能保持20%至40%的毛利。
成本优势的来源，就是混合专家架构让每次推理激活的参数比极低，领先厂商的GPU利用率达到70%以上。月之暗面在K3系列上使用的MoonClip优化器，官方称实现了“20T训练数据用出40T的效果”；线性注意力机制则压住了长上下文带来的成本膨胀。他们是靠架构和工程效率，把成本结构本身压了下来。
OpenAI的逻辑很清楚：旗舰模型负责秀肌肉，Terra负责走量。走量的价格，直接对标全球所有“便宜够用”的模型。
02 算力硬边界与“额度”何解？
最关键的一点，Terra也并非单纯的防御性降价，硬实力是同步提升的。
据OpenAI公布的数据，在Terminal-Bench 4.0命令行编程测试中，Terra在最高推理强度下的成功率达50.3%，上一代仅为21.5%；在内部事实性测试中，低推理强度的错误率从53.6%降至16.7%，最高推理强度降至4.3%。活干得更好，价格还更便宜。
但中国大模型绕不开一个痛点：额度。Kimi K3.1 Pro发布不到48小时，月之暗面就发出致歉公告，承认新模型上线后遭遇限流、额度异常消耗等问题，直言“问题出在我们，我们也本应更早修复”，并向订阅会员紧急补偿月度总额25%的用量。
这不是孤例。DeepSeek平台也曾因用户激增与算力扩容失衡多次大规模宕机，其官方服务状态页显示，2026年初至今已出现数十次服务异常。算法和架构可以把单位成本压到极低，但在算力供给的总量约束下，规模本身就是一道硬边界。瑞银分析师也指出，部分模型厂商商业扩展的核心瓶颈“主要在于算力供给不足，而非市场需求”。
当然，Terra不是最强模型，它只是把“够用加便宜”这个档位做得更狠。而这一档，恰恰是国产模型的主战场。所以，国产模型需要面对的挑战不是技术，而是在“便宜”不再是独家武器的情况下，当对手也开始卷性价比，手里还剩什么？
B端场景、数据合规、本地化部署、政企渠道，这些是OpenAI短期给不了的。
未来，开发者和企业要问的恐怕不再是“哪个模型最聪明”，而是“完成这个任务，哪个模型最划算”。厂商的分工也在变清晰：旗舰攻坚能力上限，中坚层负责把AI塞进打工人的日常流程。
真正的比拼不再是“模型比模型”，而在模型之外的一笔账：谁能让便宜变成可持续的成本结构，谁把模型嵌进了别人进不来的场景，谁才能是笑到最后的那个。
本文来自微信公众号“第四波”，作者：卢杨，36氪经授权发布。