📍 真實場景
林佩珊，32 歲，一家 15 人貿易公司的會計
每個月底她要把約 400 張供應商發票，一張一張打進會計軟體的欄位裡
😖 卡住的地方：每張發票要看圖、找出日期與金額、再手動輸入，連續做兩天眼睛痠痛，還常常把 8 打成 6，對帳時又要花半天找錯
💡 這課帶你看懂 Terra 這類『看得懂畫面、會操作電腦』的模型，為什麼價格砍半就讓這種自動化變得划算，並親手玩一個『成本 vs 準確率』的試算器
🧭 這到底是什麼（白話版）
OpenAI 推出的 GPT-6.1 Terra 是一個定位在『又快又省』的模型。它有兩項本事：第一是 視覺推理讓 AI 看一張圖片（例如發票、工程圖），並理解圖裡的意思，而不只是辨識文字；第二是 電腦操作（computer use）AI 像真人一樣看螢幕、移動滑鼠、點按鈕、填表單，去完成一連串工作。
以前的做法通常要工程師為每套軟體寫專屬程式（例如串接 API軟體之間互相溝通的正式窗口，像餐廳的點餐櫃台）。電腦操作則是讓 AI 直接『看畫面』來用軟體，所以連沒有開放窗口的老舊會計軟體也能處理，這是它最大的價值。
素材中提到，Terra 的標準 API 價格比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。在處理大量工作時，價格是決定『值不值得自動化』的關鍵，因為每張發票都要花一次 tokenAI 計費與處理文字的最小單位，大約相當於半個到一個中文字，用越多就越貴。
另外，它的錯誤率也大幅下降：在『容易誘發錯誤』的內部測試中，低推理力度下的錯誤率從 53.6% 降到 16.7%。這很重要，因為 幻覺AI 一本正經地編造出看起來合理、但其實不存在或不正確的內容 一旦出現在帳目裡，後果就是真金白銀的錯誤。
🎯 為什麼值得你花時間
便宜到能處理『大量』工作素材明確舉例：讀取收到的發票並把明細輸入會計軟體。這類工作單張價值低、數量龐大，以前用高價模型算下來比請人還貴，價格砍半後才開始划算。
快 3 倍以上，等得起素材指出 Terra 完成任務的速度比 GPT-6 Astra 和 GPT-6.1 Sol 快三倍以上。對要處理幾百張單據的人來說，速度直接決定能不能當天做完。
錯誤率下降，才敢放手讓它做最大推理力度下錯誤率降到 4.3%，接近旗艦模型。自動化的瓶頸往往不是『會不會做』，而是『敢不敢信任』，錯誤率下降讓人工覆核的比例可以降低。
⚙️ 它是怎麼運作的
1
看見畫面AI 收到螢幕截圖或發票圖片，用視覺推理找出欄位、數字與按鈕的位置。
▼
2
決定下一步AI 根據任務目標（例如『把這張發票輸入系統』）判斷現在該點哪裡、輸入什麼。
▼
3
執行動作AI 送出滑鼠點擊或鍵盤輸入的指令，由程式真正操作電腦。
▼
4
再看一次結果動作後再截一次圖，確認畫面符合預期；如果跳出錯誤視窗，就調整做法重試。
▼
5
回報與留痕完成後輸出結果摘要，方便人類抽查，這一步對會計等需要稽核的工作特別重要。
素材中 Terra 與其他模型的比較重點（依原文整理）
| 比較對象 | 原文提到的結果 |
|---|
| GPT-5.6 Terra | 中等推理力度下分數高 15 個百分點，成本約三分之一 |
| GPT-6 Astra | 表現相當，但每 token 價格僅十分之一 |
| Claude Opus 5.5 | 最大力度下 token 效率高三倍以上，每 token 價格四分之一，每項任務成本約低 9 倍 |
🛠️ 動手做：發票自動化『划不划算』試算器
- 拖曳『每月發票張數』滑桿，觀察人工與 AI 的月成本如何變化。
- 調整『AI 單張成本』，模擬價格砍半前後的差異。
- 調整『AI 錯誤率』與『覆核比例』，看看省下的錢會不會被人工查錯吃掉。
- 思考：錯誤率從 16.7% 降到 4.3%，對這個結果的影響有多大？
👇 下面是活的，直接操作
🧠 工程思維透鏡（資深工程師看到的是什麼）
🔭 為什麼『每 token 價格』和『每項任務成本』不是同一件事？
素材特別指出：Terra 的 token 效率高三倍以上、價格是四分之一，兩者相乘才得到約 9 倍的任務成本差距。資深工程師看的是『單位任務總成本』，而不是帳單上的單價。便宜但囉嗦的模型，總成本可能反而更高。
🔭 推理力度（effort）為什麼要分低、中、高？
素材顯示低力度錯誤率 16.7%、最大力度 4.3%。這是用成本換準確度的旋鈕：簡單的發票可用低力度快速處理，金額大或格式怪的才升高力度。好的系統設計是依任務風險分流，而不是全部開到最大。
🔭 錯誤率降到 4.3% 就能完全不用人看嗎？
不能。以每月 1000 張計算，仍有約 43 張可能出錯。工程上要看的是『錯誤的代價』與『發現錯誤的成本』：小額可抽查，大額必須全覆核，並保留操作紀錄以便稽核。
📝 隨堂考（點選答案，立即回饋）
Q1. 電腦操作（computer use）相較於傳統 API 串接，最大的優勢是什麼？
✅ 電腦操作是讓 AI 像人一樣看畫面、點按鈕，所以即使老舊軟體沒有 API 也能自動化。
Q2. 素材指出 Terra 的標準 API 價格與 GPT-5.6 Terra 相比如何？
✅ 原文明確寫到標準 API 價格比 GPT-5.6 Terra 與 GPT-6.1 Sol 低 50%。
Q3. 低推理力度下，Terra 的錯誤率從 53.6% 降到多少？
✅ 低力度下降到 16.7%，最大力度下才是 4.3%，要看清楚題目問的是哪一種力度。
Q4. 為什麼自動化帳務時，錯誤率下降比『速度變快』更關鍵？
✅ 錯誤率決定需要多少人工覆核，直接影響自動化是否真的省錢。
🃏 翻牌記憶卡（先想答案，再點開對答）
GPT-6.1 Terra 的定位是什麼？點我翻面
又快又省的模型，結合視覺推理、精準電腦操作與更自然的寫作，適合大量重複的文書工作。
電腦操作（computer use）是什麼？點我翻面
AI 看螢幕畫面後決定點擊或輸入，像真人一樣操作軟體。
為什麼要看『每項任務成本』而不只看每 token 價格？點我翻面
因為總成本＝單價 × 用掉的 token 量，效率高的模型即使單價相近也更便宜。
Terra 錯誤率的變化？點我翻面
低力度從 53.6% 降到 16.7%；最大力度降到 4.3%。
推理力度像什麼？點我翻面
像成本與準確度之間的旋鈕：越高越準、越貴、越慢，要依任務風險調整。