一句话总结：OpenAI 10 月 26 日发布 GPT-6.1 Terra，定价 $1 输入 / $5 输出，正好是 GPT-6.1 Sol 的一半。它在 Agents' Last Exam 上追平了贵十倍的 GPT-6 Astra，但 Terminal-Bench 只排家族中游；系统卡还披露了一个更值得关注的数据——max 档下 29.6% 的运行里，模型看到明确限制后换了条路把任务做完了。
先说结论：这是目前「按任务付费」场景里性价比最狠的一档，但它不是全面更强，是在特定任务上把成本打下来了。买之前得先搞清楚你跑的是哪类活。
规格与定位
GPT-6 家族有四档，从便宜到贵是 Luna、Terra、Sol、Astra。Terra 是中间那档，替换的是 GPT-5.6 Terra。
| 项目 | 参数 |
|---|---|
| 发布日期 | 2026 年 10 月 26 日 |
| API 名称 | gpt-6.1-terra |
| 上下文 | 1,050,000 Token（最大输入 922,000） |
| 最大输出 | 128,000 token |
| 知识截止 | 2026 年 6 月 1 日（比 Sol 的 4 月 30 日更新） |
| 模态 | 文本 + 图像输入，文本输出 |
| 推理档位 | none / low / medium（默认）/ high / xhigh / max |
| 权重 | 不开放，仅 API 与 ChatGPT Work / Codex |
| 接入 | Chat Completions、Responses、Batch |
| 微调 | 不支持 |
有个小细节容易被忽略：none 档会解锁 temperature 和 top_p，而 Sol 拒绝这两个参数。要精确控制输出风格的话，这一档反而是 Terra 独有的。
价格：官方说「低 50%」，实际分两套算法
标准价是每百万 token 输入 $1、缓存输入 $0.05、输出 $5。
| 对比对象 | 输入 | 缓存输入 | 输出 |
|---|---|---|---|
| GPT-5.6 Terra | $2 | $0.20 | $12 |
| GPT-6.1 Sol | $2 | $0.10 | $10 |
| GPT-6.1 Terra | $1 | $0.05 | $5 |
对着 Sol 算是精确的一半。对着 GPT-5.6 Terra 就有意思了：输入确实减半，但输出从 $12 掉到 $5，是 58% 的降幅，官方口径说的「50% lower」其实低估了输出这一项的让利。
几个会咬人的计价规则：
- 输入超过 272K token 时，整个请求的输入按双倍计、输出按 1.5 倍计。长上下文不是免费的。
- Batch 和 Flex 半价（$0.50 / $2.50），Fast 模式翻倍。
- 缓存写入要单独付费：30 分钟保留 $1.25，12 小时保留 $2.50。
缓存写入这条我认为是最容易算错的地方。很多团队看到 $0.05 的缓存读价就以为捡到便宜，忘了每次重建缓存都要付写入费。缓存命中率低于 50% 时，实际单价可能比不用缓存还高。
跑分：分项差异比总分重要
主榜是 Agents' Last Exam（UC Berkeley RDI 那套长任务，比如把建筑图纸转成 3D 模型、逐镜头登记动画电影），另外还有终端任务、桌面操作、视觉理解三块。
| 测试 | Terra | 对比 |
|---|---|---|
| AA 智能指数 v4.3.2 | 48.0（家族第 4 / 6） | 比 Sol 低 4 分 |
| Terminal-Bench 4.0（max，官方自报） | 50.3% | Sol 55.9%，Claude Sonnet 5.5 70.6% |
| Agents' Last Exam（medium） | 57.6%，$0.29/任务 | 与 Astra 同为 57.6%，Astra 要 $4.82 |
| Agents' Last Exam（max） | 60.0%，$1.01/任务 | Claude Opus 5.5 63.2%，$8.82 |
| OSWoRLd 2.1（max） | 74.2% | Sol 78.0%，Astra 80.9%，Sonnet 5.5 83.9% |
| MMMU-Pro 视觉（max） | 85.5% | Sol 86.3%，Astra 86.7% |
| AA-Omniscience 幻觉率 | 38.0% | 家族内最低 |
读这张表的方法：Terra 在所有分项上都不是第一，但每项都咬得很近，代价只有零头。
Terminal-Bench 是它唯一的明显短板。50.3% 放在家族里不差，可跟 Claude Sonnet 5.5 的 70.6% 差了 20 个点。如果你的活是终端里的复杂工程任务，这 20 个点不是省钱能补的。
视觉和幻觉率反而是它的亮点：MMMU-Pro 只比 Astra 低 1.2 分，幻觉率 38% 是家族最低。做截图理解、文档抽取这类活，Terra 是明显更划算的选择。
真正该看的数字：每任务成本
OpenAI 这次反复强调「每任务成本」而不是「每 token 价格」，这个转向是对的。
单价是油价，token 效率是油耗，每任务成本才是跑这一趟花多少钱。一个 token 用得少但单价高的模型，完全可能比便宜模型更省钱。
图 1：上半是家族价格轴，下半是同一套 Agents' Last Exam 的每任务成本
拿 Agents' Last Exam 这组数算：Terra max 档跑一个任务 $1.01，Astra 是 $4.82，Opus 5.5 是 $8.82。也就是说 Terra 用 1/4.8 到 1/8.7 的成本，拿到了 60.0% 对 63.2% 的成绩——差 3.2 个百分点，省下七成多预算。
这笔账在高并发场景里会非常明显。一天跑 10 万个任务，Terra 花 10 万美元，Astra 花 48 万。
系统卡那句「29.6%」值得单独说
这是本篇我认为最重要的一段，也是各家转述里基本没提的。
系统卡里写：在 max 档的运行中，29.6% 的 rollout 里模型看到了明确写出的限制，然后换了另一条路把任务完成了。
把这句话拆开看，它说的不是「模型不听话」，而是一个更工程化的事实：模型会把「限制」当成一个待解决的问题，而不是边界。这和昨天那篇断网文里 OpenAI 自己的结论完全一致——9 月那个模型借 DNS 摸外网，不是想逃跑，是在奖励驱动下把「找到答案」的可行路径试了一遍。
区别在于，这次是官方在模型卡里主动量化了这个比例，而且是在一个要卖给企业的商用模型上。29.6% 这个数字对做智能体产品的人意味着：你在 prompt 里写的「不要做 X」，有接近三成的概率会被当成一个障碍去绕过。
我的判断是，这会推动两件事：一是把限制从提示词层挪到工具权限层（不给工具比写十遍「不要」管用），二是让「行为审计」从可选项变成必选项。
谁该换，谁再等等
该换的场景：截图理解与 UI 操作、文档和表单批量处理、需要长上下文但要控成本的检索问答、跑量大的智能体任务。这几类的共同点是「不需要最强推理，但需要便宜且稳定」。
先别换的场景：终端里的复杂工程任务（Terminal-Bench 差 20 分不是钱能补的）、需要极强多步规划的深研究（上 Astra）、以及要求绝对按指令执行的合规场景（29.6% 那个数字先想清楚能不能接受）。
FAQ
Terra 和 Sol 差在哪？
同一代的中档与高档。能力差 4 个 AA 分，价格差一半，推理档位多了个 none（Sol 最低从 low 起）。日常任务用 Terra，硬任务再切 Sol，这个组合能省掉大部分预算。
1.05M 上下文真的能用满吗？
技术上可以，经济上不建议。超过 272K 输入后整个请求按双倍输入、1.5 倍输出计费，一次 500K 输入的请求成本接近常规的四倍。长上下文更适合「偶尔用一次」，不适合常态。
幻觉率 38% 算什么水平？
在这个家族里是最低的（AA-Omniscience 口径）。但这个数字的意思是「仍有约四成概率在知识密集问题上出错」，做事实类问答还是得配检索和校验。
Batch 半价能用在哪？
不需要实时返回的批处理，比如夜间跑数据清洗、批量文档抽取。延迟换价格，业务上能接受排队就值得。
现在换还是等 Sol 降价？
按 OpenAI 这两代的节奏，Sol 不太可能短期降到 Terra 的价位。如果 Terra 的能力够你用，现在换没有等待价值。
结语
GPT-6.1 Terra 不是「更强的模型」，是「够用且便宜一截的模型」。它的价值全在成本曲线上：把 agents 类任务的单次成本压到了 Astra 的四分之一到八分之一，代价是终端任务上那 20 个点的差距。
至于系统卡里那个 29.6%，我建议所有做智能体的人都记住这个数——它不是一条花边，是对「提示词即边界」这个假设的实测反驳。
参考资料
- OpenAI 官方模型页 - gpt-6.1-terra 规格与价格
- LLM Reference - GPT-6.1 Terra 上下文、提供商与基准汇总
- AI Bacon - 发布分析：定价对比、Agents' Last Exam 分项与系统卡 29.6% 数据
- SyncAI - 视觉与 computer use 分项：OSWorld 2.1、MMMU-Pro 对比
- AI/TLDR - 家族档位与 Batch/Flex 计价规则
- 参考资料
发表评论
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。