GPT-6.1 Terra 上線：OpenAI 把 AI 操作電腦的價格砍半，每百萬 token 只要 1 美元

今年我們參加了好幾場競賽，有時坐在評審席，有時在場邊當媒體看比賽，看著看著，心裡的癢越來越藏不住了。

技嘉 40 周年的 AI 圖像創作計畫（明天將在松山文創園區1號倉庫舉辦技嘉40週年品牌特展）、Red Bull Basement 創業競賽（最後台灣第一名拿下全球第二名），還有上週剛去的、由機器人王國主辦、NVIDIA 擔任 AI 技術協辦的「2026 Agentic AI on the Edge HACKATHON｜AI 代理邊緣應用黑客松大賽」。每一場看完，我都在想：我們也想下場玩一次。

另一個念頭來自 Threads 和 Instagram。最近很多人貼出自己在用的 AI 工具，回應都很熱烈。我們想把這份討論，從今天 10/28 開始，搬到 12/5 的南港瓶蓋工廠。在那裡，你可以大膽、放心、不用貼任何標籤地聊自己的想法，也能從台上那些真的把產品做出來的前輩身上，借一點「我也可以自己做 AI 工具」的勇氣。

所以我們在 OPEN LAB 辦了 AI Build Challenge｜AI 實作挑戰賽，今天開放報名。有沒有用，以後再說；會不會賺錢，也以後再說。那個放在腦中很久、遲遲沒開工的點子，這次就讓它出場吧！

不用先寫商業計畫，也不用等作品完美。Web App、Agent、工作流、遊戲、擴充功能、資料工具、互動裝置都歡迎，做完的、做到一半的也可以，只要能展示核心功能就好。免費報名，個人或團隊都行，主賽用什麼 AI 工具不限。

獎項有 OPEN LAB 獎 NT$20,000、最佳創意獎、MixRoute 特別獎，以及 HTC VIVE 眼鏡。擔心 API 費用的話，MixRoute 準備了 50 組 US$50 的 API 開發額度，報名時勾選申領，依登記順序發放，額滿為止。MixRoute 一組金鑰就能呼叫 250+ 個模型，現在有 AI 陪你寫，API 的上手難度幾乎是 0，沒用過的人很值得試試。

流程是先報名、再交作品。報名後記得保存報名編號和投稿碼，之後按自己的節奏實作，不用在活動當天限時開發，最後提交作品連結、1～3 分鐘的 Demo 影片和實作說明。入圍決賽的隊伍，12/5 可以到 OPEN LAB 現場 Demo，跟企業、創投、媒體和 AI 社群的夥伴面對面聊。

最後提醒一條規則：Demo 必須由你本人用真實的聲音口述，不接受 AI 配音、數字人或合成、複製的聲音。這期剛好聊到在自己電腦上就能複製聲音的 VoiceStudio，技術很迷人，但這一次，我們想聽的是你自己的聲音。有點緊張、有點結巴都沒關係。

本週焦點事件

1. GPT-6.1 Terra 上線：OpenAI 把 AI 操作電腦的價格砍半，每百萬 token 只要 1 美元
2. Canva Craft：Canva 第一個自研生圖模型，先排版再畫圖，生成後還能拆圖層改字
3. Claude Duet：Anthropic 推出會主動找你的 agent app，付錢、寄信前都要你按同意
4. PHP2Shell：AI 挖出 PHP 藏了十年的漏洞，你的 WordPress 網站要做哪些事？
5. Apollo 經濟學家 Torsten Slok：AI 對科技業以外的美國企業「零財務回報」
6. Hallmark：Together AI 做的設計技能，專門擋掉一眼就看得出是 AI 做的網頁
7. VoiceStudio：在自己電腦上複製聲音、把影片配成外語，開源免費，但預設模型不能商用

GPT-6.1 Terra 上線：OpenAI 把 AI 操作電腦的價格砍半，每百萬 token 只要 1 美元

OpenAI 在 10 月 26 日推出 GPT-6.1 Terra，開放給 ChatGPT Work 與 Codex 的 Plus、Pro、Enterprise、Edu 用戶，開發者可以用 API 呼叫 gpt-6.1-terra。官方模型頁標示的價格是每百萬 token 輸入 1 美元、輸出 5 美元，前一代 GPT-5.6 Terra 是 2 美元與 12 美元，輸入直接砍半，輸出降了將近六成。

先搞懂 OpenAI 現在的產品線。它把模型分成四級：最便宜的 Luna、中階的 Terra、旗艦 Sol，以及資安能力受管制的 Astra。Terra 是這四級裡的「日常款」，OpenAI 對它的定位是看得懂畫面也會操作電腦，寫字自然，用來處理一整天裡大量重複的工作，最難的程式任務仍建議交給 Sol 或 Astra。

過去要讓 agent 可靠地操作電腦，通常得用旗艦模型，每個任務好幾美元，不只慢還貴。OpenAI 公布的數字顯示，Terra 在 Agents' Last Exam 上追平 GPT-6 Astra，「但每 token 價格只有 Astra 的十分之一」，完成任務的速度比 Astra 和 Sol 快三倍以上。

OpenAI 也強調 Terra 犯錯變少了：在內部測試、低推理強度下，錯誤率從 53.6% 降到 16.7%，最大推理強度下降到 4.3%。另外，Terra 在碰到不知道答案的題目時，硬猜的比例從前代的 88% 降到 38%，答對的比例多了 2 個百分點。意思是它比較會說「我不知道」了，知道的東西沒有多很多。

開發者還有幾個細節要看。上下文視窗 105 萬 token、最多輸出 12.8 萬 token，推理強度可以從 none 一路調到 max；單次輸入超過 27.2 萬 token，整筆請求的輸入改按兩倍計價。OpenAI 也把 Terra 的資安能力評為自家 Preparedness Framework 的「Critical」等級，沿用 GPT-6 Astra 的防護機制。

選模型有點像寄東西：急件、貴重物品才找專人快遞，日常文件走一般宅配就好。Terra 讓「一般宅配」這一級便宜、快了很多，最實際的用法是把例行、步驟固定的電腦工作先交給它，低推理強度下仍有約六分之一的內部錯誤率，按下付款、送出表單之前，最後那一下還是要自己確認。

Canva Craft：Canva 第一個自研生圖模型，先排版再畫圖，生成後還能拆圖層改字

Canva 在 10 月 22 日推出 Canva Craft，這是 Canva Research 從頭訓練的第一個影像生成模型。它在群眾投票的 DesignArena 影像排行榜上首發排第 4，前三名都是 OpenAI 的模型，換句話說，在這個排行上它贏過了 Google、Microsoft 等其他實驗室的最佳模型。據 10 月 23 日的榜單截圖整理，Craft 拿到 1,341 分，Google 的 Nano Banana 2.1 是 1,291 分。Craft 已經開放所有 Canva 使用者從 Dream Lab 分頁使用，開發者也能透過 Canva API 呼叫。

如果你常用 Canva 做海報或社群圖，大概知道它過去的 AI 生圖功能主要串接第三方模型。而這次自訓模型 Craft 的訓練資料是 Canva 素材庫裡數百萬份人類設計師做的範本，包括海報、社群貼文、簡報、資訊圖表、菜單和文字很多的版面。多數生圖模型靠大量照片學會畫圖，Craft 學的則是排版。2024 年被 Canva 收購的 Leonardo.ai 團隊也參與了開發（Leonardo 真的是時代的眼淚 XD）。

Craft 和一般生圖模型最大的差別在流程。它分兩個階段：第一階段先讀懂你的提示，規劃出每個元素放在哪裡、多大、誰比較重要、上面要寫哪些字；第二階段才照著這份計畫畫出最高 2K、約 30 種長寬比的圖。這有點像室內設計：先畫好平面圖，再請師傅照圖施工。因為文字在規劃階段就決定好了，畫出來的字比較不會拼錯，Canva 也說你可以只改圖中某個部分，其他地方保持不變。

實際用起來，流程大概是這樣：在 Dream Lab 輸入「秋季咖啡廳菜單，三欄、手寫風標題」，Craft 生出一張完整菜單；接著用 Magic Layers 拆成圖層，改價格、換字型、挪動插圖；下一季換菜單時，只要改字，不用整張重生。對每季要換菜單的小店老闆，或一週要出 20 張活動圖的社群小編，省下的是「九成對了、一成改不動」的那段時間。

畢竟對天天做圖的人來說，一張能拆開來改的圖，常常比一張畫得更漂亮的圖更有用。

觀察筆記

據報導 Canva Craft 在 DesignArena 上平均要將近 49 秒才生出一張圖，OpenAI 的 GPT-Image-2.5 不到它的一半時間，排名上也還落後三個 OpenAI 模型。Canva 把力氣花在「先規劃版面、再拆成圖層」這一段，速度和畫質沒有硬拚，這個選擇打中的是 AI 做圖最痛的地方。做過電子報配圖或活動海報的人都知道，生出第一張通常很快，最花時間的是改到第五版時，才發現字拼錯、Logo 位置不對又改不動，只能整張重生。如果 Craft 能把修改成本降下來，慢個二十秒，很多人大概不會在意。

PHP2Shell：AI 挖出 PHP 藏了十年的漏洞，你的 WordPress 網站要做哪些事？

PHP 在 10 月 21 日發布緊急更新，修補兩個代號 CVE-2026-109618、CVE-2026-109619 的漏洞，嚴重度 CVSS 9.2（滿分 10），攻擊者不用帳號密碼，送一個特製請求就能在伺服器上執行任意指令，意思是你網站的所有數據都可以被其他人下載；網站也有可能因此變成殭屍，被拿去發垃圾信；或是直接竄改你的內容變成色情業面等等，非常嚴重。這組漏洞被命名為「PHP2Shell」，由資安公司 Calif、Google 旗下的 Wiz 和 OpenAI 用 AI 模型先後找到。

PHP 是 1995 年誕生的網頁伺服器語言，WordPress 的架站系統就是用它寫的，據 Wiz 估計全球約七成網站在用。所以如果你有一個 WordPress 部落格、一個小電商站，或公司官網是外包用 PHP 做的，這次就和你有關。

順手自我檢查（WordPress 站長）
到「工具 → 網站健康狀態 → 資訊 → 伺服器」查看 PHP 版本，再確認有沒有陌生的管理員帳號、wp-content/uploads/ 裡有沒有 .php 檔。發現異常就換掉所有密碼。

觀察筆記

坦白說，我也不是很懂 PHP。這次是 AI 陪著我一步步搞懂 PHP 在日常生活中扮演的角色。而我自己唯一跟 PHP 沾得上邊的，是在 Oracle 租的那台伺服器，這次也收到了要重開機更新的通知信。原來這種「看起來只是例行維護」的信，背後可能是一場全球等級的搶修。

很明顯，在 AI 時代，軟硬體裡每一顆小螺絲都變得極其重要。AI 找漏洞的成本低、範圍廣、精度細，攻擊方可以同時從很多點下手。也難怪 Anthropic 對 AI 被拿來發動攻擊這件事如此警戒。

Claude Duet：Anthropic 推出會主動找你的 agent app，付錢、寄信前都要你按同意

Anthropic 在 10 月 21 日推出 Claude Duet 研究預覽版，這是一個獨立的 agent app，以 Claude Opus 5.5 驅動，在 Anthropic 提供的雲端虛擬機上背景執行任務，有結果或需要你決定時才傳訊息給你。目前只開放給美國的 Pro 與 Max 訂閱者排候補名單，支援 iOS、Android 和 claude.ai 網頁，台灣用戶暫時用不到，但依照近期呼聲如此大的雲端 Agent，我想非常快就可以提供台灣做使用。

用過 Claude app 的人應該知道，之前的 agent 功能要你在對話裡下指令、看著它做，關掉視窗就停了。Duet 換了一種相處方式：你交代一件長期的事，例如「每天早上整理昨天的訂單和客訴給我」，它就在自己的虛擬機上定時執行，讀資料、整理後做成儀表板，主動把建議送到你手機上。據 TechCrunch 的報導，Duet 可以接上 Claude Marketplace 裡 6,000 多個連接器與外掛，連到你的信箱、行事曆和 Stripe 帳號。

它的目標客群也很明確。TechCrunch 與 Stripe 的公告都把 Duet 定位成給小企業主與專業人士用的工具，幫忙追蹤需要注意的事、把交辦的工作做完。Anthropic 也承認它不擅長跑腿、訂票這類個人雜事，還可能誤讀對話或誤判緊急程度。

付款是這次最受關注的設計。Duet 可以替你在網路上買東西，例如買廣告、印名片，或訂團隊午餐和辦公用品，結帳時由 Stripe 的 Link 錢包產生一張只能用一次的虛擬卡，你的真實卡號不會交給 AI；每一筆購買都要你先按同意，Claude 才會完成交易。Duet 也支援 Shopify 的 Shop Pay，透過 Stripe 的 MCP 連接器，還能在 app 裡開發票、寄付款連結，也能看營收分析和處理退款。

Apollo 經濟學家 Torsten Slok：AI 對科技業以外的美國企業「零財務回報」

Apollo Global Management 首席經濟學家 Torsten Slok 在 10 月 24 日的 Daily Spark 短評〈No Signs of AI Payoff Outside the Tech Sector〉裡寫道，AI「對科技業以外的美國企業帶來零財務回報」。他用五張圖對比美股七大科技股和 S&P 500 其餘 493 家公司，結論是前者的人均營收與利潤率持續往上，後者幾乎沒動，總體生產力數據也看不到 AI 的影子。

Apollo 是美國大型另類資產管理公司，Slok 每天發一頁式的 Daily Spark，一個論點配幾張圖，在華爾街流傳很廣。他把 S&P 500 拆成兩組：「Mag 7」指 Apple、Microsoft、Alphabet、Amazon、Meta、Nvidia、Tesla；扣掉它們剩下的「S&P 493」，常被拿來代表傳統的美國大企業。

過去 AI 熱潮的說法是：先由科技巨頭賣鏟子，之後效益會擴散到所有企業。Slok 的圖表顯示，賣鏟子的那一端確實賺到了，Mag 7 的利潤率從 2023 年約 14% 升到接近 30%，經通膨調整的人均營收也從約 69.5 萬美元升到約 78 萬；S&P 493 的利潤率自 2023 年起一直在 9% 到 10% 之間，人均營收停在約 52.7 萬美元。

另外兩張圖談 AI 支出的分布。Slok 引用企業費用管理公司 Ramp 的資料：模型推論的支出有 99.5% 來自前 10% 的公司，付給 OpenAI 和 Anthropic 的錢有 95.6% 也集中在這群公司；AI 支出最高的前 1% 公司裡，八成有創投支持，中位數的公司只有一成三。換句話說，大量 AI 花費來自拿創投錢的新創，傳統企業花得少，自然也還看不到回報。Slok 的判斷是，主流企業開始把 token 支出當成成本而非成長來源，「不需要最新的模型，也不願意為它付錢」。他也強調，AI 也許是很棒的計算機，但在商業上，智慧大多是判斷，而 AI 不懂問責、信任、文化和不成文的規則。

觀察筆記

印象很深，Slok 在 8 月另一篇短評〈The Buyers of AI Are Still Waiting for the Payoff〉就說過，資本支出的效益出現在 AI 賣方的利潤率，不在買方。對傳統企業來說，AI 目前是一筆支出，對科技巨頭來說是一筆營收，在效益出現之前，錢只會單向流動。這個不對稱持續越久，傳統企業的財務長就越會問：這筆 token 帳單換到了什麼？在傳統產業工作的人，公司對 AI 的耐心大概就看這條線什麼時候翻轉。

Hallmark：Together AI 做的設計技能，專門擋掉一眼就看得出是 AI 做的網頁

叫 Claude Code 或 Cursor 做一個 landing page，常會拿到一眼就認得出來的版型：每個標題上面都有一行小標籤，標題裡只有一個字換顏色，首頁塞不下，頁尾還一定有 email 訂閱框。GitHub 上的開源專案 Hallmark 就是為了擋掉這些習慣而做的設計技能，標語寫著「拒絕看起來像 AI 生成」，支援 Claude Code、Codex、Cursor、OpenCode，MIT 授權，目前已累積約 3.9 萬顆星。

如果你用過 Claude Code 的 skill，就知道它是一包讓 AI 在特定任務上照規則做事的指令與參考檔。Hallmark 是一包「網頁設計」技能，由提供開源模型推論服務的雲端公司 Together AI 推出，裡面有 50 種視覺主題，每種主題只是一個 8KB 以內的檔案加一張預覽圖，另外有一套分三級的規則和一個叫 sloplint 的檢查腳本。「AI slop」是網路上對 AI 量產、千篇一律內容的貶稱。

過去要讓 AI 做出不那麼制式的頁面，只能在提示裡一條條叮嚀「不要用漸層」「不要放三欄卡片」，下次開新專案又得重講。Hallmark 把這些叮嚀整理成規則：Floor 是絕對不能出貨的問題，例如對比度不足或捏造事實，也包括表單按送出只顯示「謝謝」卻沒真的送出；Reflex 是模型的預設反射，像每個標題上方的小標籤、全大寫加寬字距的標籤，要有理由才能用；Finish 是不擋出貨的工藝細節。

它會先問你專案和內容是什麼，選一個主題（或不用主題、只照提示做），先做首屏並自我檢查，再用 sloplint 在八種螢幕寬度實際渲染截圖檢查，最後開一個沒有前文脈絡的新子代理做審查，避免同一個 AI 看不出自己的盲點。它也有 /hallmark audit 和 /hallmark redesign 模式，可以檢查或改造現有頁面，改的時候會追蹤連結、欄位和標題，避免內容在改版中弄丟。

安裝只要一行 npx skills add nutlope/hallmark -g（需要 Node 18 以上），Claude Code 也可以從 plugin marketplace 安裝；想跑截圖檢查，要另外裝 Chrome 和 puppeteer-core，沒裝的話只做靜態檢查。技能不一定會自動觸發，有時要在提示裡點名它。頁面照片只從 Wikimedia Commons 取用，每張的授權各自不同，示範網站可以先看各主題的實際樣子。

VoiceStudio：在自己電腦上複製聲音、把影片配成外語，開源免費，但預設模型不能商用

VoiceStudio 是一套開源的語音工作室 app，從聲音複製、聲音設計、影片配音，到語音輸入、轉錄和有聲書，全部在你自己的電腦上完成，不用註冊帳號，也不用 API 金鑰。它的預設語音引擎支援 600 多種語言，在 GitHub 上已累積約 9 萬顆星，被不少人稱作「本地版 ElevenLabs」。

如果你做 YouTube 或 podcast，可能用過 ElevenLabs：它是目前最知名的商用 AI 語音服務，上傳一段錄音就能複製你的聲音，再用這個聲音念出任何文字、配成其他語言，按字數或月費收費，聲音樣本則存在它的雲端。過去想用開源模型做同樣的事，得自己裝 Python 環境、把語音合成和轉錄模型一個個拼起來。VoiceStudio 把這些包成一個安裝檔，macOS（Apple Silicon）、Windows 10/11、Linux 都有穩定版，Android 與 iOS 版還在預覽。

它的預設語音引擎是 k2-fsa 團隊開發的 OmniVoice，一種「零樣本」語音合成模型：只要一段短錄音，不必另外訓練，就能用那個聲音說新的內容。OmniVoice 的模型卡寫明它用 600 多種語言的資料訓練，頁面標示的語言數是 646 種。轉錄用的是 whisper.cpp，也可以在 Model Manager 裡換成 CosyVoice 等其他引擎。給開發者的部分，它內建本地 API 和 MCP 伺服器，可以讓 agent 直接呼叫。

實際流程很直覺。安裝後在 Model Manager 下載想用的模型，app 會先詢問你；錄一段自己的聲音或匯入樣本；接著輸入文字做旁白，或匯入影片，選目標語言生成配音。硬體上支援 Apple Metal、NVIDIA CUDA、AMD ROCm 與 Vulkan，沒有獨顯也能用 CPU 跑，只是比較慢。

需要提醒的還有兩點。646 種語言是模型訓練資料涵蓋的範圍，各語言的品質差異很大，小語種最好自己先聽過。聲音複製方面，專案頁只寫了一句「只在聲音擁有者同意下複製」，沒有技術上的驗證或浮水印機制，責任完全落在使用者身上。

觀察筆記

VoiceStudio 本身是 AGPL-3.0，預設引擎 OmniVoice 的程式碼是 Apache-2.0，網路上不少介紹文章就寫它「Apache 授權、免費可用」，但模型卡寫明預訓練權重是 CC-BY-NC，只能非商業使用。對自己做 YouTube 玩玩的人，這幾乎沒差；對接案替客戶做配音的人，用預設設定交出去的成品，授權上其實站不住。支持寬鬆看待的人會說，個人創作者很難被追究，工具解放了所有人；嚴格看待的人會說，責任最後都落在交件的創作者身上，客戶不會替你扛。如果你用 AI 配音接案，交件前會去查每一個模型的授權嗎？

喜歡這期內容嗎？有哪一則讓你特別有感？
歡迎回信或是 Instagram 告訴我們，我們會偷偷讀大家的回覆的！

AI 郵報 Instagram

我們下週見
— AI 郵報編輯團隊