GPT-6.1 Terra 上线:输入 $1 的「打工模型」满档反超自家旗舰,第三方指数却还低 4 分

10 月 26 日美东时间,OpenAI 发布 GPT-6.1 Terra,北京时间 10 月 27 日凌晨开始推送。距离 GPT-6.1 Sol 在 DevDay 亮相 27 天;同一天,Anthropic 向 SEC 递交了招股书。

它被讲成了两个故事。一个是"价格腰斩":每百万 token 输入 $1、输出 $5,只有 GPT-6 Astra 的十分之一。另一个是"中杯反杀":官方榜上,拉满推理的 Terra 在 Agents’ Last Exam 里拿到 60.0 分,压过自家 Sol 的 58.6 和 Astra 的 59.3。

两个故事都成立,但都少了半句。这篇把流传最广的五个说法逐个对账,把发票、内容、Agent 三个真实场景的月账单算到分,再给两条上手路径和五条硬限制。

一、它是什么:一条按"干完多少活"计价的中端线

• 位置在中间,不在顶端。OpenAI 现在的谱系是 Luna < Terra < Sol < Astra:Terra 接的是 GPT-5.6 Terra 的中端位,负责高频、可批量、步骤固定的活;复杂推理和最难的那部分编程仍然交给 Sol 与 Astra。官方博客自己写了这句话,不是媒体的解读。
• 三个能力捆在一个模型里:细致的视觉推理、跨软件的电脑操作、更清晰的写作。官方举的例子很具体——把建筑图纸转成 3D 模型、逐镜头审看动画并生成带时间码的修复记录、读发票把金额和抬头录进财务软件、起草提案、填表单、剪视频。
• 入口只有两个。ChatGPT 那边是 ChatGPT Work 和 Codex,面向 Plus、Pro、Enterprise、Edu 四类用户;开发者走 API,模型标识 gpt-6.1-terra。免费用户不在这次推送名单里。
• 参数沿用这一代。官方模型页把 Astra、Sol、Terra、Luna 四款的上下文都写成 105 万 token、单次最大输出 12.8 万 token,输入支持文本和图片。真正会改变账单的是那条老规矩:单次请求输入超过 27.2 万 token,整单转长上下文价。
• 命名和市场定位是两回事。名字里的 Terra 是地球,按行星排序确实该在中间;但这次的定价把它推到了"性价比位"——比 Sol 便宜一半,能力在特定任务上贴着 Astra。

二、五个说法,逐个对账

说法一:“价格只有旗舰的十分之一”——对 Astra 成立,对 Sol 是一半。 Astra 是 $10 输入 / $50 输出,Terra 是 $1 / $5,正好十分之一;Sol 是 $2 / $10,Terra 是它的一半。官方原话是"比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%",媒体标题里的"十分之一"比的是 Astra。两个都对,比的对象不同。

说法二:“满档跑分反超 Astra”——成立,但只在一个基准、一种设置下。 Agents’ Last Exam 满档:Terra 60.0、Astra 59.3、Sol 58.6;中档:Terra 57.6,和 Astra 的 57.6 打平,单任务成本 $0.29 对 $4.82,差 16 倍多。数字来自 OpenAI 自己的测试,不是第三方复现。第三方 Artificial Analysis 的综合智能指数给 Terra 48 分,Sol 52 分,Astra 更高,Opus 5.5 是 58 分。两个榜单不矛盾:一个专考"用专业软件把活干完",一个考综合知识与推理。

说法三:“比 Opus 5.5 省 9 倍”——省的是单任务成本,不是单价。 单价上,Terra $1/$5 对 Opus $4/$20,只有四分之一。官方说"token 使用效率是 Opus 5.5 的三倍以上",两个数乘起来才是九分之一:满档跑一个 Agents’ Last Exam 任务,Terra 花 $1.01,按官方口径 Opus 约 $9.09。如果你按同样的 token 量去比,差距就是 4 倍,不是 9 倍。这个区别在自建流水线里很要命——你的 prompt 长度是自己定的,token 效率不一定跟官方一样。

说法四:“速度快 3 倍”——是任务完成速度,不是每秒吐字。 官方口径是"完成测试任务的速度是 Astra 和 Sol 的 3 倍以上",包含了工具调用、多轮往返和思考时间。网友实测的生成速度在每秒 450 token 左右,也有人在不同任务上测到 130 token/s;流传的"600 token/s"目前没有可复现的出处。任务级快 3 倍和 token 级快 3 倍是两件事,别拿去估你的批处理时长。

说法五:“免费用户也能用”——不成立。 推送名单只有 Plus、Pro、Enterprise、Edu,入口只有 Work 和 Codex。免费版和 Go 版这次没提。

三、价格横评:六款摆在一张表上

单位:美元 / 百万 token;人民币按 1 USD ≈ 7.1 CNY 折算。

三个不能跳过的数字:

• 缓存读取 $0.05,约 ¥0.36。是 Sol 的四分之一,但仍然是 Luna 的 5 倍、DeepSeek V4.1-Flash 闲时缓存价(¥0.02)的 17 倍。Agent 负载里缓存读取常常占九成以上的输入量,这一项比挂牌输入价更能决定账单。
• 27.2 万 token 是分水岭。Terra 的挂牌价对应的是"单次输入不超过 27.2 万 token";超过之后整单按长上下文价算,输入翻倍、输出加五成,折成 $2 / $7.5。105 万上下文是真的,$1 也是真的,但两个数不能直接乘。
• 人民币口径:输入 ¥7.1、输出 ¥35.5、缓存 ¥0.36。对做副业的小团队,这是第一次能用"每千次任务几块钱"来估算自动化成本。

四、账单:三个场景,算到分

假设都写清楚,方便你替换成自己的数字:

场景 A:发票批量录入,每月 3,000 张。 每张图加提示约 2,500 输入 token,其中 1,500 是固定的系统提示(走缓存),输出 400 token。

场景 B:内容批处理,每月 2,000 篇。 每篇 3,000 输入、1,200 输出,不用缓存。

场景 C:Agent 工作流,每月 4 次。 每次 25 轮,每轮读 8 万 token 的缓存前缀、新增 3,000 输入、输出 800 token。

• 纯按 token 算,Terra 对 Opus 是 1/4,不是 1/9。三个场景都差 4 倍左右。官方那个 9 倍靠的是"同样的活它用更少 token",这部分收益取决于任务形态,不能直接搬进预算表。
• Luna 永远是表里最便宜的,但它扛不住这些活。Luna 同样支持图片输入和电脑操作,给的是轻量任务;综合能力和视觉推理差一个量级,发票金额看错一个数字、图纸标注认错一行,省下的钱不够返工。纯文本分类、打标签、抽字段的批量任务,用 Luna 才是对的。
• Astra 的价钱不是线性贵。同样 3,000 张发票,$94.5 对 $9.2,贵 10 倍,而 Agents’ Last Exam 中档分数是一样的 57.6。除了极少数任务,这个差价买不到对应的效果。

五、能力:官方榜四项全胜,第三方指数输 4 分

• 满档不是免费的。从 57.6 到 60.0 涨 2.4 分,单任务成本从 $0.29 涨到 $1.01,3.5 倍。批量任务该用中档,只有"这一步错了整条流水线重跑"的环节才值得拉满。
• 第三方指数是这次最该看的一行。48 分意味着它在综合知识、纯推理上仍然排在 Sol 和 Opus 后面。官方的四项全胜集中在"带工具、带界面、要动手"的专业任务上,这正是它的定位;拿它当"什么都比旗舰强"的模型,会失望。
• 幻觉那一栏要连着看。上一代低档 53.6% 的错误率本身就很糟,16.7% 是大幅改善,不是"准确无误";满档 4.3% 才是能进自动化流程的水平。这也解释了为什么官方反复强调"最复杂的任务交给 Sol 和 Astra"。
• 视觉和桌面操作的分数官方只给了相对描述。MMMU-Pro 说"各档都超过上一代、接近 Astra 与 Sol";OSWorld 2.1 说"中档就超过上一代的最好成绩"。没有绝对值,第三方也还没复现,这两项建议自己拿真实工单试。

六、怎么上手:两条路,三个省钱动作

第一条,ChatGPT Work / Codex,适合先用起来。 Plus、Pro、Enterprise、Edu 用户在模型选择器里切到 GPT-6.1 Terra 即可,不用改订阅。额度是按任务消耗的,官方说同样的额度能完成比 Sol 和 Astra 更多的任务——重度用户先跑两天,看额度掉得多快,再决定要不要把它设成默认。

第二条,API,适合有稳定批量的。 模型标识 gpt-6.1-terra,和这一代其它型号同一套 Responses 接口:

1
2
3
4
5
6
7
8

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6.1-terra",
    "reasoning": {"effort": "medium"},
    "input": "读这张发票,输出 JSON:金额、抬头、税号、日期"
  }'

三个能立刻降成本的动作:

• 把固定部分放最前面,吃缓存。系统提示、字段说明、few-shot 示例全部前置且不改动,重复输入才会落进 $0.05 的缓存档。中途改一个字,这一轮的缓存就白建了。
• 先用中档跑通,再决定升档。发票、填表、抽字段这类结构化任务,中档 57.6 分已经够;只有"判断一步错就全废"的环节开满档,成本差 3.5 倍。
• 输出用 max_tokens 卡死。输出 $5 是输入的 5 倍,模型话多的时候,账单主要长在输出上。

七、五条硬限制

• 网络安全能力落在最高一档。OpenAI 的准备框架把 Terra 的网络安全能力评为 Critical,沿用 Astra 那套防护。一个 $1 一档的模型具备这种能力,意味着滥用的成本门槛也降了;做安全敏感业务,别把它接进无人值守的高权限环境。
• 复杂编程官方自己劝退。Terminal-Bench 4.0 的 50.3% 是历史级进步,但官方明确说最复杂的编程仍应交给 Sol 和 Astra。跨文件重构、长链路调试,拿它硬顶会返工。
• 一个基准撑不起"反超"。60.0 分来自 Agents’ Last Exam 一个集子,而且是厂商自测。第三方指数 48 分是同一时间的另一面,两个都要看。
• 长上下文会跳价。105 万 token 的窗口很诱人,但超过 27.2 万之后整单按 $2 / $7.5 计,输入翻倍、输出加五成。把整个代码库或全年合同塞进去的用法,成本会翻着涨。
• 覆盖面和速率还没定。免费用户用不上;API 的速率限制按账号层级走,官方发布页没有给新档位。批量上线前先压测,别等跑到一半撞限。

八、我的判断

该上的人:活是"重复、有界面、要动手"的。发票与单据录入、表单填写、图纸转模型、逐镜头做记录、视频粗剪、跨软件的日常操作——这些场景 Terra 在官方测试里贴着 Astra,价格却只有十分之一。还有一类是做 Agent 子任务的:主控用 Sol 或 Opus 规划,执行层全换成 Terra,账单能砍掉一大截。已经在用 GPT-5.6 Terra 的,这次是同价升级,没有理由不换。

可以再等等的人:主要做复杂编程和长程重构的,Sol 和 Astra 还是更稳;追求一次成稿质量、写长文和深度研究的,Opus 5.5 的综合指数仍然领先 10 分;需要单次塞进几十万 token 的,先算清长上下文价格再说。已经有一套跑得顺的 Luna 流水线、只做文本分类的,也没必要升。

别碰的人:免费用户,这次根本用不到;把"满档反超"当成"全面超越"去做采购决策的,第三方指数已经把差距摆在那里;要把它放进无人值守、高权限、能碰生产数据库的环境的,先看那条 Critical 评级。

最后一句判断:Terra 真正改变的不是"中端模型能不能打",而是定价单位——从"每百万 token 多少钱"变成"每件活多少钱"。$1 的输入价只是招牌,真正省钱的是任务级的 token 效率和缓存价。所以换之前别问"它比 Astra 强不强",问"我这条流水线,一件活跑完要几轮、多少 token、缓存命中多少"。答案在你的日志里,不在榜单上。

想把这条线连起来看:GPT-6 Sol 与 Luna 的三档横评里有 Astra 那档 $10/$50、272K 阶梯和 Luna 的 $0.01 缓存价的完整对照表;对标另一半是 Claude Opus 5.5 的换模型账,这次"省 9 倍"的说法就是拿它算的。

本文由拾光札记编辑部整理,勘误请联系我们