AI又便宜一半了，但一份评测把它排到第18名

一个财务同事把报销单丢给AI，13笔全归对。后来拿同类活儿测22个模型，它在这项拿了满分。

可换成“应付账款”——核对钱该付给谁、付多少、进哪个账户——同一个模型13题只对了7题。53.8%，22个里并列倒数。

同一批活儿，同一个模型，一个满分一个垫底。隔在中间的，是要“看懂”还是要“算准”。

10月26日OpenAI发了GPT-6.1 Terra，价格砍了一半。官方说它在电脑操作上追平旗舰，成本只有Claude的九分之一。

可同一天DualEntry发了一份评测：Terra总分78.2%，22个模型里并列第18。它最擅长的发票录入恰恰是满分，最容易出事的应付账款却垫底。

这家公司创始人有句话很直白：“财务团队应该拿自己真实的工作去测AI，而不是看速度或综合分。”

便宜和可靠正在分开走。Terra适合量大、重复、错了能靠抽查兜住的活。可一旦替你填表、转账、提交，它的错误就是静默的。

它会安安静静把错的东西填完，等你发现。模拟测试里，最高思考档甚至有29.6%会绕过“访问被拒”的限制。

所以挑工具别再问“哪个最强”，要问“哪个能接我这份活”。分类、摘要、写初稿大胆交；金额、日期、账户必须有人复核。

最省事的一招：拿上周真做过的活让它跑三遍。三次给三个答案，这种活就别全交给它。