# 2026 年 10 月 28 日｜Agent 模型更便宜，工作的总成本也更低吗？

> GPT-6.1 Terra 带来更低的 API 单价和厂商报告的基准测试成本。要判断软件工作是否真的更便宜，还得把完整 Agent、失败重试与人工验收一起算进去。

公开预发布 · 尚未批准 · 版本 1 · 证据截止时间 2026-10-28T04:45:05.000Z

公开时间 2026-10-28T07:37:36.572Z · https://surviagi.com/zh-CN/articles/previews/ai-agents-bypass-software-ui/v1

想象你把一项工作交给 AI：读完邮件里的材料，更新表格，再把结果交给同事。

过去，它会告诉你该怎么做。现在，它开始自己打开网页、找文件、修改内容。你少做了几次复制粘贴，却可能多出几次确认：这是最新版本吗？这份资料能发给对方吗？做到这里，可以提交了吗？

**截至 2026 年 10 月，AI 已经开始替人穿过浏览器、文件和多个应用的操作界面。我们的判断是：先被削弱的，是人必须亲自操作每一步的必要性；软件的价值会更集中在数据、权限、协作状态和出错后的恢复上。**

这并不意味着界面马上消失。变化更像是：原来教你怎样操作软件的页面，开始让位于告诉你任务进度、请你处理例外、让你验收结果的页面。

## 一、AI 绕过的，是哪一层界面？

我们在[上一篇软件观察](https://surviagi.com/zh-CN/articles/ai-uses-software-for-you)里，讨论过 ChatGPT 操作浏览器、Copilot 修改 Office 文件。这些变化的共同点，是把“找到入口，再按步骤操作”交给 AI。

接着看 10 月的新材料，变化又往前走了一步：用户交代工作的地方，与 AI 执行工作的地方，开始分开。

Anthropic 在 10 月 21 日发布的 [Claude Duet](https://claude.com/resources/articles/claude-duet)，配有自己的虚拟机和浏览器；用户离开后，它仍可继续任务，完成或需要审核时再通知。首轮是面向美国 Pro、Max 用户的研究预览候补，并非全球全面开放。官方也提醒它可能误读信息、判断错轻重缓急。

对读者来说，关键不在“又多了一个 App”，而在于你可以从消息里交代工作，让另一端的执行环境去操作软件。人在手机上回复，工作也未必发生在手机上。

**沟通入口、执行环境、业务记录，开始成为三件可以分开的事。**

## 二、给 AI 一台电脑，软件就退场了吗？

几家产品都在把这个分工做成产品，但具体设计并不相同。

[OpenAI 的 Dots](https://openai.com/index/introducing-dots/)拥有云电脑和浏览器，用户可以从 ChatGPT、Slack 或 Teams 接续工作。其主动后台研究被限制为只读；涉及修改、发送等动作，另有权限和审批规则。持续在线不等于随时可以改动所有应用。

[Meta 的 Muse](https://about.fb.com/news/2026/09/introducing-muse-personal-ai-agent/)把执行环境放进专用虚拟机，沟通入口可以是自己的 App 或 WhatsApp。官方描述它会在关闭 App 后继续任务，并在发信、购买前请求批准。

[Grok Bot 的文档](https://docs.x.ai/grok-bot/overview)则强调持久保存的浏览器、文件和终端。同一账号下的多个 Bot 共享一台云电脑，包括文件、浏览器会话和登录状态；不能把它理解成每个 Bot 都有完全隔离的一台机器。

这些是一手产品说明，能够支持“厂商正在提供这样的执行方式”，还不能证明普通用户已经稳定省下多少时间。

但有一点已经很具体：**AI 要替你做事，仍然需要软件保存文件、读取记录、执行交易。只是你不一定再亲手进入每个软件。**

给 AI 配电脑，也不一定是再买一台实体机。它可以是云端虚拟机，也可以是其他获准使用的执行环境。真正影响使用的是工作能否接着做、权限是否清楚、结果能否取回。

## 三、按钮少点了，为什么人还这么忙？

把操作交出去以后，人可能从执行者变成监督者。

[Anthropic 的内部研究](https://www.anthropic.com/research/employment-at-anthropic)给出了一个值得注意的例子：到 2026 年 8 月，交互式 AI agent 工作时长约为员工工作时长的六倍；但交互式 Claude 会话的总时间里，约 80% 在等待人工输入。研究还观察到，围绕管理、监控 agent 等事项的 meta-work，占交互会话的比例从 2025 年秋季约 10% 升至 2026 年春季约 22%。

六倍时长不能换算成六倍有效产出。等待比例也不表示员工有 80% 的时间在闲着。它们描述的是不同统计口径下的 agent 活动，而且只来自一家高度采用 AI 的公司。

对界面的启发却很直接：当多个任务同时推进，最稀缺的可能是人的注意力。

你不需要看它点过的每一个按钮，却需要知道：它正在做什么，卡在哪里，用了哪份数据，下一次确认会造成什么后果。

这会产生新的界面需求。任务列表、修改对比、授权范围、失败提醒、撤回入口，都可能比藏在菜单里的某个功能更重要。

**操作可以变少，理解和确认结果的工作仍然需要有人承担。**

## 四、Agent 模型降价，软件工作就跟着便宜了吗？

OpenAI 于 10 月 26 日发布 GPT-6.1 Terra，并将它描述为面向视觉理解、电脑操作和日常写作的模型。OpenAI 公布的标准 API 价格是每百万输入 token 1 美元、缓存输入 0.05 美元、输出 5 美元；它称这些标准价格比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。[OpenAI 的模型说明](https://help.openai.com/en/articles/9624314-model-release-notes)还注明，API 用量与 ChatGPT 订阅分开计费。OpenAI 的 [Terra API 文档](https://developers.openai.com/api/docs/models/gpt-6-1-terra)还说明，computer-use 等工具调用可能另按调用收费；单次请求输入超过 272K token 时，整次请求的输入/缓存单价提高为两倍、输出单价提高为 1.5 倍。因此每百万 token 的标准文字价格不等于完整 API 账单。

单价下降是明确的，但它回答的只是“每个 token 收多少钱”。OpenAI 还报告了更接近工作的测试结果：在 Agents' Last Exam 的中等推理设置下，OpenAI 报告 Terra 比 GPT-5.6 Terra 高 15 个百分点，任务成本约为后者的三分之一。这是 OpenAI 自己公布的评测结论，不是独立机构对 Terra 的复测。[OpenAI 的发布说明](https://openai.com/index/introducing-gpt-6-1-terra/)给出了相应的比较口径。Terra [系统卡增补](https://deploymentsafety.openai.com/gpt-6-1-terra/kernelgen-1p)没有列出 ALE 的任务样本、harness 或成本计算细节，因此外部读者难以独立复现这些比较；它还说明评测在研究环境或 API 上进行，可能因系统提示、工具和推理设置不同而与生产版 ChatGPT 输出有差异，并提醒旧模型的比较值可能对应后来版本，而非旧版首发时的数字。

“每任务成本”比 token 单价更有参考价值，但仍要看评测怎样运行。Agents' Last Exam 的公开方法说明，它评估的是完整 Agent 配置：模型之外还包括 harness、工具、记忆、上下文管理和操作循环；任务结果由隐藏参考和确定性 grader 检查，并同时呈现通过率、得分、成本和运行时间。[ALE 方法与说明](https://snorkel.ai/leaderboard/agents-last-exam-v1/)说明了这些维度为何不能只看模型名称。这个方法可以帮助设计比较，不能替 OpenAI 的 Terra 数字作独立验证。

API 价格与实际工作成本之间还隔着流程。举例说，如果 token 单价减半、而任务所需的 token 数量在输入/输出构成相同的前提下翻倍，API 账单就可能回到原处；再加上工具调用费、运行环境费用、失败后的重试、人工检查和修错，单次工作流的总成本还会变化。这只是成本口径的算术示例，不是对 Terra 的实测。

所以，团队在决定把工作交给 Agent 前，应拿一组真实且有代表性的任务做同条件比较：记录完整系统和推理设置，统计符合验收标准的完成率、每次成功交付的总成本、耗时、重试次数，以及人检查和修错的时间。失败的任务也要算进分母，不能只比较成功案例的模型账单。

## 我们的判断

GPT-6.1 Terra 的发布让“电脑操作能力与价格”有了一个新的厂商基准案例。公开价格和 OpenAI 报告的测试显示了成本下降的可能性，但不能直接推导出某家公司的软件工作会便宜多少。

UI 会少承担一部分逐步操作入口的角色，仍要帮助人查看进度、设置权限、检查交付物和处理例外。软件是否被替代，既看界面能不能被 Agent 操作，也看完整工作流能否在可接受的成本和错误率下重复交付。

对准备试用的团队，先从范围清楚、结果可核验的一类工作开始，按成功交付统计模型、工具、重试与人工时间。只有当完整流程持续通过验收，且总成本确实下降，才有依据扩大委托范围。独立、同设置的 Terra 复测和真实工作流成本数据，仍会改变我们对这次降价实际意义的判断。

---

*证据说明：文中的产品价格和评测数字均为 OpenAI 报告；SurviAGI 未独立运行 Terra，也未测量生产环境节省。token 算例是算术示意，末段建议属于编辑分析。*