10 月 27 日凌晨，OpenAI 发布了 GPT-6.1 Terra，定位说得很直白——"干日常活的主力模型"。
这名字起得也有意思。家族里上一批成员 Sol、Dots 十月初刚亮相，配套的 500 美元档订阅计划同期推出，OpenAI 的产品矩阵半个月内连补两块拼图。但 Terra 和前面几个不太一样：它的卖点不是答题更聪明，而是看得懂你屏幕上的内容，能在各种软件之间点来点去，把一件事从头做到尾。
过去我们让 AI 帮忙，流程永远是"我复制、它粘贴、我再把结果搬回去"。AI 再聪明，也只能在聊天框这个小黑屋里干活，出了框就两眼一抹黑。Terra 主打的屏幕理解与跨软件操作，等于把聊天框的墙拆了——它第一次把"操作电脑"这件事，纳入了模型的本职工作。
为什么 OpenAI 要在这个节点押注"桌面"？拆开看，逻辑不难懂。答题型能力的比拼已经卷不出差异，各家旗舰在基准测试上的分数越来越接近，真正拉开商业差距的，是谁能把模型嵌进用户的日常工作流。Gemini 在 Google 全家桶里如鱼得水，Claude 靠编程和企业市场把估值抬到反超 OpenAI 的位置，留给聊天框的红利已经不多了。下一代入口不在对话框里，在你桌面上还没被接管的那几万次点击里。
还有一层是商业账。Agent 任务的特点是"烧 token"：一次跨软件操作要反复截图、理解、决策、重试，消耗量是普通问答的几十倍。模型能力跟不上的时候，这种任务做三次错两次，用户根本不会用；能力过了临界点，消耗越大收入越高。Terra 选择此刻落地，等于同时按下了成本曲线和需求曲线的开关。
对普通用户来说，变化会先落在那些重复到麻木的活上。做电商的小周每天要处理订单表格：把微信里的地址复制进表格，核对库存系统里的数字，再把发货单录入物流后台，一套下来小四十分钟，还经常看错行。这类工作正是 Terra 这类模型的靶心——不是替她决策，而是替她"动手"。等这类能力从演示走向稳定，选电脑的标准可能都要重写一遍：内存多大先放一边，先看这套系统能不能让 AI 顺手干活。
开发者看到的则是另一面。屏幕操作 Agent 会催生一整条新工具链：界面元素识别、操作录制回放、失败自动兜底，原来做 RPA（流程自动化）的那批需求，会被 AI 原生方案重新做一遍。而企业侧最现实的动作，是重新盘点内部流程里哪些环节可以交给 AI 操作、哪些必须留人工确认——权限边界的设计，会比模型选型更早被提上日程。
当然，冷静说一句：屏幕 Agent 的演示和可靠落地之间，历来隔着一条很宽的沟，操作失败一次的纠错成本，常常比人手动做还高。现在要不要立刻把核心业务交给它，答案还是"再看看"。但方向已经清楚了——想让 AI 帮你干活，以后不用再复制粘贴，直接把屏幕交给它就行。至于你敢不敢交，那是接下来两年所有厂商要一起回答的问题。