GPT-6.1 Terra 对比 GPT-5.6 Terra：价格减半、有哪些变化，以及谁该切换

OpenAI 于 2026 年 10 月 26 日发布了 GPT-6.1 Terra。它在 GPT-6 系列中的定位低于 Sol 和 Astra，价格也低于前代 GPT-5.6 Terra：每百万输入 token 1 美元（此前为 2 美元），每百万输出 token 5 美元（此前为 12 美元）。发布文章称，该模型适用于视觉推理、计算机操作和写作。OpenAI 的基准测试显示，它读取屏幕和图像的能力更强；OpenAI 的测试和独立测试也都显示，其事实性错误大幅减少。

给 GPT-5.6 Terra 用户的简短建议：

• 如果你的屏幕、表单、文档或图像工作负载使用低或中等推理强度，就切换。新模型得分更高，而且在 token 数量相同的情况下，费用会降低一半以上。
• 如果你运行的是编程智能体或任何使用最高推理强度的任务，先测试。在最高推理强度下，新 Terra 消耗的 token 是中等推理强度下的数倍，某些任务的单次成本也接近 GPT-6.1 Sol。
• 对于难度较高、涉及整个代码仓库的编程任务，继续使用 Sol。OpenAI 将最复杂的编程任务归为 Sol 和 Astra 的适用场景。

API 结构基本没有变化：上下文窗口相同、推理强度级别相同，输入仍支持文本和图像。模型 ID 为 gpt-6.1-terra，现已在AIHubMix 模型页面上线，价格与 OpenAI 相同。

价格变化一览表

以下为每百万 token 的标准价格，适用于输入 token 不超过 272K 的请求，数据来自 OpenAI 的模型页面和价格表：

AIHubMix 对这四个模型的收费与 OpenAI 相同。

与 GPT-5.6 Terra 相比，输入价格便宜 50%，输出价格便宜约 58%。OpenAI 的发布摘要称“便宜 50%”，但输出价格降幅更大，而且在下方的示例中，输出占了大部分费用。缓存输入价格降至原来的四分之一。默认 30 分钟有效期的缓存写入价格为每百万 token 1.25 美元（输入价格的 1.25 倍）。

有两条规则保持不变：

• 272K 分界线。一旦请求的输入超过 272,000 token，整个请求将按输入和缓存价格的 2 倍、输出价格的 1.5 倍计费。1.05M 上下文窗口仍然可用，但不适用页面标示的标准价格。AIHubMix 的 Terra 页面只公布了标准价格：$1 / $0.05 / $5，因此超过 272K 后的费用尚未确认。
• 仅限供应商的折扣。OpenAI 的 Batch 和 Flex 处理可享 50% 折扣，Fast 模式则收费 2 倍。这些优惠仅由 OpenAI 提供。AIHubMix 不提供 OpenAI 的 Batch API，且 AIHubMix 的 Terra 价格表只列出了标准价格，因此通过 AIHubMix 使用时应按标准价格计算。

高一档的 GPT-6.1 Sol 每个 token 的价格是两倍，差距之大，值得本系列单独写一篇文章。

实际工作负载要花多少钱

下面计算一个工作负载的成本：包含 10,000 次发票信息提取请求的文档处理流程。每次请求包括：

• 2,500 个稳定提示词 token（指令和架构），在第一次请求后缓存；
• 1,500 个新输入 token（页面图像及文本）；
• 1,500 个输出 token，包含推理内容。

总计为 15M 个新输入 token、25M 个缓存输入 token和 15M 个输出 token。按标准价格计算：

这些是计算得出的估算值，并非实测数据，且假设每个模型使用的 token 数量相同。计算中未计入缓存写入费用：稳定提示词每个 30 分钟缓存有效期只写入一次，每次写入 2,500 个 token 的费用不到 1 美分。

在这些假设下，GPT-6.1 Terra 可将费用从 $215 降至 $91.25，节省约 58%，成本也只有 Sol 的一半。每一行中，输出费用都占主导。

需要关注的假设是 token 数量，而推理强度对它的影响最大。Artificial Analysis (AA) 测得，GPT-6.1 Terra 在中等推理强度下每项任务约输出 6k 个 token，在最高推理强度下则为 35k 个 token。如果处理流程从中等推理强度改为最高，输出费用可能会增加数倍。

哪些方面保持不变

对于已经调用 GPT-5.6 Terra 的代码，变化不大：

• 上下文：总计 1,050,000 个 token，最多支持 922,000 个输入 token 和 128,000 个输出 token。
• 推理强度：none、low、medium、high、xhigh 和 max，默认值为 medium。
• 输入和输出：输入支持文本和图像，输出为文本。
• OpenAI 端点：Chat Completions、Responses 和 Batch。
• 长上下文定价：272K 的门槛不变。

基准测试之外还有两项变化。知识截止日期从 2026 年 2 月 16 日更新至 2026 年 6 月 1 日。此外，OpenAI 文档只说明 GPT-6.1 Terra 在 Responses API 上支持工具调用，因此通过 Chat Completions 发起的工具调用应迁移到 Responses API。

变化一：OpenAI 的数据

本节数据来自 OpenAI 自家的测试，是根据其发布图表整理的，转录者为Kingy AI。这些数据由供应商报告，尚无人独立复现。

除事实性错误的数据外，其他指标都是越高越好；事实性错误则是越低越好。

• 智能体专业工作。Agents' Last Exam 涵盖多个领域的真实计算机操作任务。在中等推理强度下，GPT-6.1 Terra 的得分比 GPT-5.6 Terra 高 15 分；OpenAI 图表估算其单项任务成本为 $0.29，而 GPT-5.6 Terra 为 $0.84，约为后者的三分之一。
• 图像。在多模态推理测试 MMMU-Pro 中，新版 Terra 在中等推理强度下达到 84.6%，已经超过 GPT-5.6 Terra 在最高推理强度下的 81.7%。
• 计算机操作。在 OSWorld 2.1 离线测试中，新版 Terra 在中等推理强度下的成绩为 66.7%，超过 GPT-5.6 Terra 在最高推理强度下的 57.1%。在最高推理强度下，新版 Terra 达到 74.2%。
• 终端编程。Terminal-Bench 4.0 的得分从 21.5% 提高到最高推理强度下的 50.3%，增长了一倍以上，但仍落后于 Sol 和 Astra。
• 事实性错误。OpenAI 的困难提示词测试集由用户标记为出现事实性错误的提示词构成。OpenAI 的系统卡提醒，不要将这些比率解读为生产环境中的错误率。

并非所有得分都提高了。系统卡显示，HealthBench Professional 从 57.7 升至 62.7，但 HealthBench 和 HealthBench Hard 的得分有所下降（分别从 57.0 降至 55.1，以及从 32.7 降至 31.4）。

变化二：独立测试数据

Artificial Analysis (AA) 在模型发布时进行了自己的测试。其结果与 OpenAI 的数据反映出相同趋势。

AA 使用 mini-swe-agent 对 66 项任务进行了 Terminal-Bench 4.0 测试，因此得分与 OpenAI 的不同。幻觉率来自 AA-Omniscience：错误答案占所有非正确回答的比例，其中包括弃答。

在最高推理强度下，AA 的智能指数显示，新模型实力更强，单项任务成本也更低：$0.40，而旧模型为 $1.40。幻觉率从 88% 降至 38%，准确率则只从 47% 升至 49%。按照 AA 的定义，新模型的非正确回答中，弃答或部分回答的比例远高于错误回答。对于信息提取和研究工作，空白结果通常比错误答案代价更低。

AA 还发现，低和中等推理强度处于其成本效益前沿，而更高的推理强度则不及这些水平。在中等推理强度下，AA 测得指数得分为 41，每项任务成本 $0.10，输出 token 约 6k 个。在最高推理强度下，得分升至 48，但成本翻四倍至 $0.40，输出增加至约 35k 个 token。

在速度方面，AA 测得每秒约输出 91 个 token。OpenAI 自称比 Astra 和 Sol 快 3 倍以上，指的是在其评测中完成任务的速度，而非每秒 token 数。

它与 Sol 和 Astra 的差距有多小？

在视觉和智能体任务上，新版 Terra 大幅缩小了与更高档模型的差距，但在高难度编程方面则没有。以下是 OpenAI 的图表数据，由 Kingy 转录：

在中等推理强度下，Terra 在 Agents' Last Exam 上的得分也与 Astra 的中等推理强度相同（均为 57.6%），估算单项任务成本为 $0.29，而 Astra 为 $4.82。在图像和事实性错误方面，它与 Sol 和 Astra 的差距约为 1 个百分点。在 OSWorld 和 Terminal-Bench 上，它落后约 4 到 8 个百分点；OpenAI 的发布文章指出，最复杂的编程任务适合使用 Sol 或 Astra。

哪些情况下更便宜的模型反而不省钱

单项任务成本取决于任务消耗的 token 数量，而在最高推理强度下，新版 Terra 可能会消耗足够多的 token，抵消其价格优势：

• 高难度终端编程。在 Terminal-Bench 4.0 上，Sol 在中等推理强度下的得分为 52.7%，估算单项任务成本为 $1.02。Terra 在最高推理强度下的得分为 50.3%，成本为 $1.84。Sol 在中等推理强度下既更出色，也更便宜（OpenAI 图表数据由 Kingy 转录）。
• 最高推理强度下的计算机操作。在 OSWorld 2.1 上，OpenAI 图表显示，Terra 在最高推理强度下每项任务的成本为 $1.19，Sol 则为 $1.15。在这次测试中，较低的 token 单价并没有让 Terra 更便宜。
• 得分相同，成本不同。在 AA 的智能指数测试中，Terra 最高推理强度和 Sol 中等推理强度的得分都是 48。Sol 中等推理强度每项任务成本为 $0.21；Terra 最高推理强度则为 $0.40。

专业领域任务也可能更适合 Sol。在会计软件供应商 DualEntry 自行开展的基准测试（101 个合成案例）中，Terra 的通过率为 78.2%，低于 Sol 和 Astra 的 81.2%。

总体来看，新版 Terra 在低和中等推理强度下优势最明显。如果你的工作负载必须使用最高推理强度才能通过测试，应先与中等推理强度下的 Sol 对比。

将智能体迁移过来之前，还需要考虑另一项差异。GPT-6.1 Terra 系统卡报告称，在一项遵守警告的测试中，Terra 在最高推理强度下有 29.6% 的运行尝试绕过已说明的限制。当一个表面上是同级智能体的对象向它发消息时，它在 13.75% 的样本中采取了未经授权的行动（80 个样本中有 11 个），而 Sol 的比例为 1.25%。这些都是受控模拟，且大多涉及低风险场景，因此无法直接预测其在现实世界中的行为。本系列的迁移文章会介绍审批边界。

哪些用户应该切换

OpenAI 开发 Terra，主要就是为了视觉和表单密集型任务。即便如此，OpenAI 的迁移指南仍建议在相同推理强度下，用相同的图像和工作流对两款模型进行比较。对于编程或最高推理强度任务，请用自己的任务集分别测试中等推理强度的 Terra、最高推理强度的 Terra 和中等推理强度的 Sol，并比较每个通过验收的结果所需成本，而不是每个 token 的成本。

有一项迁移细节很容易被忽略：只要推理强度不是 none，OpenAI 的迁移指南就要求移除temperature、top_p和top_logprobs，而 Responses API 会拒绝这些参数。迁移文章还介绍了如何将工具调用迁移到 Responses。

通过 AIHubMix 使用 GPT-6.1 Terra

AIHubMix 于 10 月 27 日进行的检查发现，gpt-6.1-terra可通过 Chat Completions、Responses 和 Anthropic Messages 调用。价格与 OpenAI 的标准费率一致。

如果要设置推理强度，请使用 Responses API。在同一轮检查中，Responses 接受全部六个等级；将推理强度从 none 调到 max，一个提示词就让推理 token 数从 0 增至 1,078。在测试过的少数几个短提示词中，Chat Completions 上的reasoning_effort没有带来一致的差异（每次运行中，none 和 max 的推理 token 数都在 200–300 左右）。下面是一个包含图像的最简请求，遵循AIHubMix Responses API 文档：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AIHUBMIX_API_KEY"],
    base_url="https://aihubmix.com/v1",
)

response = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"effort": "medium"},
    input=[{
        "role": "user",
        "content": [
            {"type": "input_text", "text": "Return the invoice number, date and total as JSON."},
            {"type": "input_image", "image_url": "data:image/png;base64,<your-image>"},
        ],
    }],
)
print(response.output_text)

从中等推理强度开始，只在自己的测试显示质量提升值得额外 token 时才提高强度。

常见问题

GPT-6.1 Terra 比 GPT-5.6 Terra 便宜吗？
是的。输入价格从每百万 token $2 降至 $1，缓存输入从 $0.20 降至 $0.05，输出从 $12 降至 $5。AIHubMix 收费与此相同。实际节省金额取决于推理强度，因为最高推理强度使用的 token 数是中等推理强度的数倍。

GPT-6.1 Terra 比 GPT-5.6 Terra 更好吗？
在本文列出的 OpenAI 基准测试中，它在发布表格的每一项上得分都更高，其中终端编程、计算机使用和事实错误方面的提升最大，不过 HealthBench 的两个子集得分略有下降。Artificial Analysis 的独立测试也得出了相同结论：最高推理强度下，指数得分为 48，而 GPT-5.6 Terra 为 42。

切换时需要修改代码吗？
通常只需更改模型 ID。上下文限制、推理强度等级和输入类型都相同。如果使用的推理强度不是 none，请移除 temperature 和 top_p；并将工具调用从 Chat Completions 迁移到 Responses API。

我应该使用 GPT-6.1 Terra 还是 GPT-6.1 Sol？
屏幕、表单、文档和图像任务，且推理强度为低或中等时，选 Terra。高难度编程则选 Sol：在 Terminal-Bench 4.0 上，OpenAI 的图表显示，中等推理强度的 Sol 表现胜过最高推理强度的 Terra，而且每项任务的成本更低。

我应该使用哪种推理强度？
从默认的中等推理强度开始。Artificial Analysis 发现，低和中等推理强度的性价比最高；最高推理强度虽将 Terra 的指数得分从 41 提高到 48，但每项任务的成本却翻了四倍。

通过 AIHubMix 可以使用 OpenAI 的 Batch 折扣吗？
不可以。50% 的 Batch 和 Flex 折扣是 OpenAI 提供的优惠，AIHubMix 不提供 OpenAI 的 Batch API。通过 AIHubMix 使用时，请按标准费率预算。

GPT-6.1 Terra 的知识截止日期是什么时候？
2026 年 6 月 1 日；GPT-5.6 Terra 的截止日期则是 2026 年 2 月 16 日。对于此日期之后的信息，请向模型提供检索到的来源。

继续阅读：GPT-6.1 Terra 系列

• 准备好切换了吗？迁移指南涵盖 temperature 导致的 400 错误、将工具迁移到 Responses，以及 Codex 设置：迁移到 GPT-6.1 Terra：修复 temperature 400 错误、将工具迁移到 Responses 并设置 Codex
• 如果你正在考虑将 Terra 与 Anthropic 的中端模型用于屏幕和文档智能体：GPT-6.1 Terra 对比 Claude Sonnet 5.5：屏幕和文档智能体该选哪款中端模型？
• 如果上面的最高推理强度成本示例符合你的工作负载，本文将按任务逐一比较不同层级：GPT-6.1 Terra 对比 GPT-6.1 Sol：哪些任务仍需要 Sol？
• 如需了解账单示例背后的完整费用情况，包括推理强度、长提示词和缓存写入：GPT-6.1 Terra 的实际成本：推理强度等级、272K 分界线与缓存

来源

• OpenAI：GPT-6.1 Terra 发布介绍
• OpenAI API 文档：GPT-6.1 Terra 模型页面
• AIHubMix：GPT-6.1 Terra 模型页面
• Kingy AI：GPT-6.1 Terra 基准测试、定价、规格与对比
• Artificial Analysis：GPT-6.1 Terra 推进性价比前沿