GPT-6.1「Terra」多模态旗舰
应用产品OpenAI 于 2026 年 11 月推出 GPT-6.1「Terra」，定位多模态全能旗舰：原生融合文本、图像、音频与视频理解，主打「长上下文 + 实时多模态」与更强的 agent 执行能力，被多家评测列为新一代第一梯队。
释义展开
GPT-6.1「Terra」是 OpenAI 在 2026 年 11 月推出的多模态旗舰模型。和前代最大的不同在于「原生多模态」——它不是给文本模型外挂视觉、音频模块，而是从底层就把文本、图像、音频、视频理解融在一起。你可以直接丢一段视频让它总结、边看屏幕边用语音下指令，它都能接住。
官方把重点放在两件事上：超长上下文（一次吃下整本书或数小时会议记录）和更强的 agent 执行能力（不止会答，还能一步步把事办了）。多家第三方评测把它列进新一代第一梯队，和 Gemini、Claude 旗舰正面对线。
用法
- 多模态办公：「把这段两小时产品会录像喂给 Terra，十分钟内给我一份带时间戳的决议清单。」
- 实时视觉助手：「对着屏幕描述这个报错弹窗，它直接定位到代码行并给修复建议。」
- Agent 编排：「让它自己开浏览器订机票、比对三家酒店、写行程表」——强调「会办事」而非「会聊天」。
变体 / 相关线
- Terra 常被拿来和 Gemini 4 Carbon（谷歌）、Claude（Anthropic）比参数与多模态基准，构成「旗舰三国杀」。
- 它与「agent-native / computer-use」强相关：多模态理解是 agent 真正能操作真实界面的前提。
相关词
- 多模态（multimodal）：Terra 的核心能力标签。
- 智能体（agent）：Terra 强化执行能力，直接服务于 agent 叙事。
- Gemini 4 Carbon / Claude：同代竞品，热点词库里常并列出现。