GPT-6.1 Terra 自动标注排名第一，击败 OpenAI 自家的旗舰模型

OpenAI 的发布资料称，GPT-6.1 Terra 在视觉推理方面几乎能与更大的同系列模型媲美。当我们让它绘制边界框时，事实证明“几乎”并不是恰当的说法。

2026 年 10 月 26 日，也就是 OpenAI 发布 GPT-6.1 Terra 的当天，我们在 UL37（涵盖 36 个数据集的目标检测基准测试）中测试了它的自动标注表现。它获得 0.560 mAP50，在我们的 VLM 排行榜39 款模型中排名第一。OpenAI 这款中价位模型领先 GPT-6.1 Sol、旗舰 GPT-6 Astra，以及此前一直位居榜首的 Gemini 4 Argon。

它的成本为每 1,000 张图像 $4.36，单张图像耗时 5.1 秒，而且没有一次请求失败。你今天就可以在 Ultralytics Platform 中使用它。下面介绍它的优势、短板，以及如何判断它是否适合你的标注工作流。

GPT-6.1 Terra 在 UL37 中排名第一#

UL37 使用 360 张图像衡量模型预测框与人工标注的匹配程度：从 36 个真实目标检测数据集中各取 10 张，涵盖医学扫描、航空影像、零售货架、体育、文档、电路板等领域。每张图像都经过 Platform 用户所使用的同一套生产流程，使用数据集自身的类别名称，并由 SAM 3.1 对每个框进行精修。评测方法已公开。

以下是 Terra 的成绩单：

• mAP50： 0.560，39 款模型中排名第 1
• mAP50-95： 0.345，同样排名第 1，这意味着它的预测框贴合度高，而不只是大致准确
• 精确率和召回率： 0.646 和 0.613
• 服务提供商费用： 每 1,000 张图像 $4.36
• 单张图像中位耗时： 5.1 秒
• 失败请求： 无

在 UL37 上，有 6 款模型的得分超过 0.51，其中 Claude Opus 5.5 位列第三。Terra 是这 6 款模型中准确度最高、价格也最低的一款。

这个结果并非来自什么复杂的调参技巧。Terra 使用 OpenAI 默认的推理强度，其模型文档将其标为 medium。它在 Platform 中收到的请求与其他 OpenAI 模型相同，边界框坐标使用 0–1000 网格。我们接入模型后，它便直接登上榜首。

击败 OpenAI 旗舰模型的中价位模型#

OpenAI 将 GPT-6.1 Terra 定位为产品线中快速、高效的中间档。据 The Decoder 和 BleepingComputer 的发布报道，它是 GPT-5.6 Terra 的后继产品，面向计算机操作、视觉推理、编程和日常工作。它可通过 API 以 gpt-6.1-terra 的名称使用，也面向 Plus、Pro、Enterprise 和 Edu 用户提供于 ChatGPT Work 和 Codex 中。OpenAI 的文档将其描述为“一款快速、高效的模型，适用于视觉推理、精准的计算机操作以及清晰自然的写作”，支持文本和图像输入，上下文窗口为 1,050,000 个 token。

价格为每百万输入 token $1、每百万输出 token $5，缓存输入 token 每百万 $0.05。根据 OpenAI 的 GPT-6.1 Sol 和 GPT-6 Astra 页面，这个价格是 GPT-6.1 Sol（$2 和 $10）的一半，也是 GPT-6 Astra（$10 和 $50）的十分之一。

OpenAI 在发布基准测试中将 Terra 描述为接近而非超过更大的同系列模型。在视觉推理测试 MMMU-Pro 上，OpenAI 报告称 Terra 的表现几乎能与 Astra 和 Sol 持平。在 Terminal-Bench 4.0 上，OpenAI 报告的得分为 50.3%，高于 GPT-5.6 Terra 的 21.5%。对于难度最高的编程任务，OpenAI 仍建议使用 Sol 或 Astra。

从纸面表现来看，Terra 是一款折中之选。在我们的基准测试中，它却是 OpenAI 最强的检测模型。

Terra 的单张图像成本不到 GPT-6.1 Sol 的一半，也不到 GPT-6 Astra 的十分之一。它的响应速度也约为这两款模型的两倍。正面对比中，它在 36 个数据集中的 22 个上胜过 Sol。

OpenAI 称，Terra 完成任务的速度比 Sol 和 Astra 快三倍以上，这一说法针对的是智能体工作负载。标注是另一类任务；在这方面，我们测得 Terra 的速度约为 Sol 的两倍。标注数千张图像时，这种差异仍然很可观。

Terra 相比 Sol 的优势在于精确率#

这两款模型检测到的已标注目标比例相近。Terra 的召回率为 0.613，Sol 为 0.618。差距体现在精确率上：Terra 为 0.646，Sol 为 0.551。Terra 的预测框中，有真实目标且类别正确的比例高得多。

SKU110K 的结果很容易看出差异。图像中是摆满商品、密密麻麻的超市货架，所有商品都属于同一个类别。两款模型在该数据集上的召回率相近，Terra 为 0.73，Sol 为 0.77。但在这些货架图像上，Sol 的精确率为 0.49，Terra 则为 0.79。Sol 约有一半的预测框是误报，而 Terra 大约只有五分之一。Terra 在 SKU110K 上的 mAP50 达到 0.62，是所有模型迄今取得的最高分。

这对数据标注很重要，因为不同错误的代价并不相同。漏掉一个商品，只需补画一个框。多画一个框，则需要在几十个正确框中把它找出来并删除。误报越少，审核人员拿到的初稿就越干净。

医学影像是 GPT-6.1 Terra 最突出的优势#

Terra 的结果中最显著的特点体现在医学领域。UL37 包含 8 个医学数据集，Terra 在这些数据集上的平均 mAP50 为 0.505，在 39 款模型中排名第 1。紧随其后的是 Gemini 3.8 Flash（0.387）和 Gemini 4 Argon（0.379）。在排行榜的所有领域中，没有其他模型的领先幅度更大。

以下是它在全部 8 个数据集上的得分，以及其他 38 款模型中每个数据集表现最好的模型：

表格前三行体现了关键结果，而且这些任务都不只是找准位置。在 TN5000 上，每个框还需要标注数据集中的良性或恶性结节类别，正是临床医生必须确认的判断。Gemini 4 Argon 在该数据集上的得分为 0.29，GPT-6.1 Sol 为 0.53。脑部 MRI 的类别包括脑膜瘤、胶质瘤和垂体瘤，Sol 在该数据集上的得分为 0.52。血细胞数据集则要求 Terra 区分白细胞、红细胞和血小板。

上方的回放来自 Terra 的模型页面，展示了一个典型的正确结果：脑部 MRI 上有一个胶质瘤，Terra 预测了一个框，位置和标签都与预期标注一致。

需要结合两个注意事项来看待这些数字。第一，每个数据集只有 10 张图像，因此单个数据集的分数只是值得进一步调查的信号，并非定论。第二，这些结果都不能用于诊断。对于医学影像分析团队，Terra 能快速为超声、MRI 和显微镜图像生成框的初稿，再由临床专家检查、修正并批准。这种人在回路中的审核正是整个工作流的核心，而不是可有可无的附加步骤。

GPT-6.1 Terra 的短板：X 光片和电路板#

表格底部体现出一个明显规律：在 UL37 的所有 X 光数据集上，无论是否属于医学领域，其他模型都表现更好。Terra 在儿童腕部、胸部和牙科 X 光片上的表现落后于领先模型；安检 X 光片的结果更差：在 IEDXray 上得分为 0.00，而 Gemini 4 Argon 达到 0.30。

IEDXray 是最明显的失利。其扫描图像包含笔记本电脑、手机、寻呼机、电池和简易装置，Terra 在其中任何一张图像上都没有生成正确的框。

电路板是另一个盲区。Terra 在我们的工业 PCB 数据集上的平均得分为 0.13，而 GPT-6.1 Sol 达到 0.39。在 DeepPCB 上，数据集涵盖开路、短路、鼠咬痕和毛刺等裸板缺陷，Terra 得分为 0.03，Sol 则为 0.39。对于 PCB 检测数据，Sol 是更好的 OpenAI 选择。

在这些领域中的任何一个领域开始标注大型数据集之前，先打开 GPT-6.1 Terra 模型页面。页面会回放 Terra 在全部 36 个基准数据集和 COCO 上记录的预测框，并与预期框并列展示，还会列出它在每个数据集上的得分。

GPT-6.1 Terra 对比 Gemini 4 Argon：实际差距比排名显示的更小#

Terra 出现之前，Gemini 4 Argon一直位居排行榜榜首，而两者的表现相近。Terra 在 19 个数据集上得分更高，Argon 在 16 个数据集上领先，另有一个数据集两者并列。

Terra 的 0.023 分领先优势很大一部分来自一个数据集。在 TN5000 甲状腺超声数据集上，Terra 得分为 0.94，Argon 为 0.29。去掉该数据集后，两者的平均分分别为 Terra 0.549、Argon 0.544，几乎持平。Terra 位居第一是实至名归，但这一优势主要来自医学影像。

按领域来看，Terra 在 5 个领域领先，并在其中两个领域位列 39 款模型之首：医学，以及文档、UI 和 CAD。Argon 在 6 个领域领先，并继续保持航空影像、水下和热成像类别的优势。道路与交通领域则打成平手。

两款模型的错误类型也各不相同。Argon 的精确率略高，为 0.667，Terra 为 0.646；Terra 检测到的目标更多，召回率为 0.613，Argon 为 0.585。按 Google 的发布定价，Terra 每 1,000 张图像的成本为 $4.36，Argon 则为 $7.60。Argon 的速度稍快，单张图像耗时 4.6 秒。

实际选择上：医学、文档和体育图像优先选 Terra；航空影像、水下、热成像和安检图像优先选 Argon。我们的 Gemini 4 Argon 自动标注结果介绍了它的具体表现。

GPT-6.1 Terra 批量标注的成本#

每 1,000 张图像 $4.36 是服务提供商的费用，根据 OpenAI 报告的 token 用量和标准价格计算得出。每张图像的中位用量约为 1,300 个输入 token 和 370 个输出 token。批量标注还会收取 $1.00 的 Platform 处理费，因此处理 1,000 张图像的总费用约为 $5.36。

本次测试还有三个细节值得一提：

• 没有失败请求。 Terra 的所有基准测试请求都在 Platform 的 115 秒时限内完成。GPT-6.1 Sol 有 2 张图像请求失败，GPT-6 Astra 则有 4 张。
• 未经处理的预测框质量已经很高。 在 SAM 3.1 精修之前，Terra 的预测框得分为 0.559 mAP50。精修后提升到 0.560，说明绝大部分工作都是模型自己完成的。
• 无需配置。 使用默认推理强度和标准 OpenAI 请求即可。

如果预算比最后几个准确度点更重要，还有更便宜的选择。Claude Haiku 5.5每 1,000 张图像的费用为 $0.37，得分为 0.429；Gemini 3.5 Flash-Lite费用为 $1.77，得分为 0.380。托管模型（例如 Qwen3.8 27B、Gemma 4 26B 和 SAM 3.1 Text）完全不需要 API 密钥，你自己的 Ultralytics YOLO 模型也一样。

从 OpenAI 密钥到已标注数据集#

GPT-6.1 Terra 是一款由类别提示驱动的模型，适用于包含 1 至 200 个类别的检测数据集。它会根据数据集自身的类别名称返回边界框，由你审核后再保存。设置步骤如下：

1. 在 OpenAI API 密钥页面创建密钥。
2. 在拥有该数据集的 Platform 工作区中，将密钥添加到设置 > API 密钥。费用由 OpenAI 直接向你收取，Ultralytics 不会对 token 加价。服务提供商密钥文档介绍了详细信息。
3. 在标注编辑器中切换到 Smart 模式，然后在模型选择器的 OpenAI 选项下选择 GPT-6.1 Terra。
4. 点击 Predict，或使用 P，为当前图像生成标注。扩大规模前，先用几张能代表你数据的图像试试。
5. 确认效果满意后，前往数据集页面，选择 更多操作 > 批量标注，一次性标注所有尚未标注的图像。Platform 会先保存一个数据集版本，因此你可以回滚。
6. 审核并保存预测框，然后在同一工作区中使用结果训练 Ultralytics YOLO26 模型。训练文档会带你了解整个流程。

若想进一步了解这些模型如何融入编辑器，请参阅Ultralytics Platform 如何利用 AI 自动完成标注，以及我们的视觉语言模型入门介绍。

哪些人适合改用 GPT-6.1 Terra#

把 GPT-6.1 Terra 设为通用目标检测标注的默认付费模型吧。在我们测试过的模型中，它准确度最高，是前六名中价格最低的一款，而且在本次测试中从未出现请求失败。

对于需要专家审核的超声、MRI 和显微镜图像，以及误报容易堆积的密集零售货架，Terra 尤其适合作为初稿标注工具。各种 X 光片和 PCB 缺陷检测则建议选择其他模型，Gemini 4 Argon、GPT-6 Astra 或 GPT-6.1 Sol 在这些场景中表现更好。

如果你现在只是为了标注图像而购买 Sol 或 Astra，改用 Terra 很简单：它能以不到 Sol 一半的成本提供更好的预测框。