GPT-6.1 Terra 编程平平，建车却意外地能打

9 月底的 DevDay 上，OpenAI 把主打编程和多步智能体任务的 GPT-6.1 Sol 推到台前。而在官方定价页上，6.1 代目前还有另一个低调的型号 GPT-6.1 Terra：标准定价为每百万 token 输入 2 美元、输出 10 美元，比 Sol（4 美元 / 20 美元）便宜一半，只有旗舰 GPT-6 Astra（20 美元 / 100 美元）的十分之一，输出价格也比上一代 5.6 Terra 的 12 美元降了一档。

编程跑分的关注度大多落在 Sol 身上，Terra 的存在感一直不高。最近 linux.do 网友 @W1nge 的一篇实测却给出了另一个视角：不看编程，Terra 凭借速度、空间理解和价格，在 3D 建模这个任务上意外地合适。楼主的原话是，它可以成为一个廉价的 3D 建模专用模型。

四轮迭代，从"能用就行"到 SU7 Ultra

实测任务是让模型在 Blender 里建模一辆小米 SU7 Ultra，全程通过 API 驱动。

第一轮的提示词只有一句"使用 blender 建模这辆车"。2 分 37 秒后 Terra 交出一辆黄色小车：尾翼悬空、后视镜浮在半空、引擎盖上随便贴了几块深色板子，一副"能用就行"的敷衍做派。

第二轮楼主换了策略："这完全不像，你可以从网络搜索更多图片，把模型做到还原。"Terra 这次自己搜了四张参考图，推倒重来、边建边对照，中途甚至自己画了一张贴图（decal）涂到车身上。它不只是在拼几何体，而是把整车外观当成一个整体来处理。

这一轮耗时 14 分 44 秒。成品已经"有几分神韵"：黄色车身、黑色车顶、车侧闪电拉花和 Ultra 字样都到位了。

不过把文件拿到本机一打开就翻车：前舱机盖风道形状诡异、车轮标识位移、雷达位置凹陷、雨刮下面空空如也，车门上还有一大块没上材质。第三轮提示词变成"修复图中展示的这些错误"，修修改改又是一版；第四轮继续"让车更还原一些，找到参考照片继续改"。

36 分钟之后，最终版 SU7 Ultra 出炉，车灯、拉花和材质都干净了不少，作为展示图已经拿得出手。

这 36 分钟值多少钱

费用可能是最亮眼的部分：四轮全程 API 花费 4.04 美元，约为 ChatGPT Plus 周限额的 11%；第二轮结束时只用了 3%，约 1.2 美元。一次"联网搜参考图 + 迭代建模 + 自查 bug + 修复"的完整智能体任务，成本不到一顿早餐。

按官方定价倒推，4.04 美元对应 Terra 上百万级 token 的消耗：建模脚本、渲染截图、多轮上下文层层累积，这个量级并不意外。同样的任务放到 Sol（输出 20 美元 / 百万）身上成本至少翻倍，放到 Astra 身上则是十倍。

楼主的结论是：第二轮的表现已经足够令人满意，修补 bug 后基本达到可用级别。尤其在游戏开发这类需要大批量建模的场景里，要的是速度、成本和"还行"的质量，而不是影棚级精度。

为什么建模反而成了它的主场

编程基准上 Terra 不如 Sol，这是它在代码圈存在感低的原因。但 Blender 建模脚本有个特点：单段 Python 代码并不长，真正的难点是三维空间想象力：车顶弧线怎么收、腰线在哪里转折、尾翼支柱装在哪儿。楼主认为这恰恰是 OpenAI 模型领先的空间推理能力。

速度是另一个现实因素。第一轮 2 分 37 秒出活，意味着"改一版、看一眼、再改"的循环可以高频运转，智能体的迭代节奏完全吃得开。

想自己试的话，工具链是现成的：GitHub 上 3.2 万 star 的 mcp-for-blender（原名 blender-mcp）把 Blender 的场景、材质和脚本执行封装成了 MCP 工具，任何支持 MCP 的编码智能体都能直接接入，几天前还在更新。把模型换成 gpt-6.1-terra，剩下的就是和这位楼主一样：对着渲染图挑毛病，然后让模型自己修。

文中截图来自 linux.do 帖子《也许 6.1 Terra 并没有那么烂？》（作者 @W1nge），版权归原作者所有。