10 月 26 日，OpenAI 发布了 GPT-6.1 Terra——一个把"看屏幕、操作软件"作为核心卖点的模型。和只会生成文字的模型不同，Terra 主打视觉推理（visual reasoning）、Computer Use（计算机使用）和写作，并随 GitHub Copilot 在支持的 IDE、CLI、Web 和移动端全面可用。
Terra 到底"新"在哪
Terra 的定位很明确：它要替你"在软件里干活"。所谓 Computer Use，就是模型能读取屏幕内容、理解界面、然后模拟人的操作去填表、编辑、查看文件——把"你能描述的任务"变成"它替你点完的流程"。视觉推理则让它在没有清晰 DOM 结构的情况下，也能靠"看懂"界面来行动。
这和 OpenAI 同期的产品节奏是一体的：GPT-6 系列早已在 ChatGPT 里铺开，而 Terra 更像是把"能操作电脑"这件事，从一个实验功能做成了一个可计费、可管控的标准能力。Copilot 会以提供商目录价（provider list pricing）按用量计费，企业则由模型策略（model policy）统一管控谁能调用。
和同门的 GPT-6 家族怎么分
GPT-6 家族目前的分工逐渐清晰：Sol 是日常付费计划的主力，Luna 是面向免费和 Go 用户的高速低价模型，Astra 是高阶推理担当，而 Terra 则补上了"视觉 + 操作"这一块。一个模型管"想"，一个模型管"看和做"，这种分化反映出头部厂商对"agent 该长什么样"的共识——推理、生成、操作正在被拆成不同的专门能力。
"看懂屏幕"比"会写字"难在哪
让模型操作电脑，难点从来不是生成一句指令，而是把"看到的东西"准确映射成"该点的位置"。网页和应用没有统一的 DOM 结构，同一个按钮在不同软件里长得完全不一样，模型只能靠视觉去理解界面：这个方块是输入框，那个图标是提交，弹窗遮住了哪一部分。
更难的是动作序列的容错。写字写错一个词可以重来，操作电脑点错一步可能就关掉了整个流程。模型必须具备"执行—观察结果—纠偏"的闭环能力，而不是一次性输出一串点击。这也是为什么 Computer Use 类能力对视觉推理和长程规划的要求，远高于普通对话。
对企业来说，还有一个绕不开的工程题：能操作电脑，就等于能碰数据。谁有权调用、操作日志怎么留、出错了人工怎么接管、敏感界面要不要屏蔽，都得在部署前配好。Terra 进 Copilot 时强调按企业模型策略管控，正是冲着这套治理需求去的。
意味着什么
对开发者而言，Terra 进 Copilot 是个实在的信号：AI 写代码不再只是"补全下一行"，而是能"在编辑器之外替你跑流程"。对企业而言，按用量计费 + 策略管控的组合，意味着这类能力可以比较平滑地纳入现有 IT 治理，而不是游离在采购流程之外。
当然，一个能替你操作软件的模型，边界同样要划清：哪些应用它碰得、哪些数据它看不得，仍是企业落地时绕不开的配置题。但无论如何，GPT-6.1 Terra 把"AI 不只是回答、而是动手"的叙事，又往前推了一步。