GPT-6.1 Terra 的真实成本：推理强度、272K 分界线与缓存

GPT-6.1 Terra 于 2026 年 10 月 26 日发布，输入价格为每百万 token $1，输出价格为每百万 token $5。输入价格是 GPT-5.6 Terra 的一半，输出价格也远低于其 $12 的价格。标价只是起点。实际的 Terra 工作负载账单由三件事决定：

• 推理强度。推理 token 按输出计费，不同推理强度之间的成本相差数倍。
• 272K 分界线。请求输入超过 272,000 个 token 后，整个请求都会按更高费率计费。
• 缓存。命中缓存的前缀按正常输入价格的 5% 计费；未命中或被改写的前缀则按全价或更高价格计费。

下文将逐项列出一个明确说明所有假设的工作负载价格、容易忽略的计费规则、与 GPT-6.1 Sol、Claude Sonnet 5.5 和 GPT-5.6 Terra 的单任务成本对比，以及一段记录账单相关用量字段的 Python 示例。AIHubMix 以 gpt-6.1-terra 提供 Terra，价格与 OpenAI 相同。

价格表

所有价格均为每百万 token 的美元价格，数据来自OpenAI 模型页面。AIHubMix 的模型页面列出了相同的标准输入、缓存读取和输出价格，但未列出缓存写入或长上下文价格；其缓存文档只给出统一的 1.25 倍写入费率，因此没有公布 12 小时缓存的溢价。

OpenAI 列出了一组费率，其余情况则以规则说明：输入 token 超过 272K 后，整个请求的输入和缓存费率翻倍，输出费率提高至 1.5 倍，因此 12 小时缓存写入价格为 $5.00。AIHubMix 未公布 Terra 的长上下文费率，因此无法确认网关在输入超过 272K 后的收费标准。

OpenAI 还提供 Batch 和 Flex 处理，折扣为 50%；Fast 模式收费为 2 倍；区域处理则加价 +10%。这些是 OpenAI 的条款。AIHubMix 不提供 OpenAI 的 Batch API（AIHubMix 于 10 月 27 日进行检查时，GET /v1/batches 返回了 404）。同一轮检查发现，service_tier "flex" 可以被接受并回显为 "flex"，"priority" 也可以被接受并回显为 "fast"；按 OpenAI 的条款，后者对应收费为 2 倍的 Fast 模式。AIHubMix 的 Terra 价目表只列出标准费率，因此这两种计费费率都无法确认。请查看用量日志，不要想当然地认为自己享受了折扣。

以下是稍后会进行比较的模型及其官方价格（在 AIHubMix 上也相同）：

容易忽略的计费规则

推理 token 按输出 token 计费。如果一个请求在生成 8,000 个推理 token 后返回 2,000 个可见 token，就会按 10,000 个输出 token 计费。请从 usage 对象读取成本相关用量，而不是根据回答长度估算。

272K 分界线会对整个请求重新定价。这不是只对超过 272,000 的 token 按边际费率计费。请求中的每个输入 token 价格都会翻倍，每个输出 token 的价格都会提高 50%。以下是在分界线附近的计算示例，两种情况下都不使用缓存，且均有 20,000 个输出 token：

输入仅增加 11%，账单就会大致翻倍。Terra 最多接受 922,000 个输入 token（上下文为 1,050,000）；只是超过 272K 后收费会更高。

缓存写入并非免费。在 GPT-5.6 及之后的模型中，写入缓存的前缀按输入费率的 1.25 倍计费，默认有效期为 30 分钟；若有效期为 12 小时，则按 2.5 倍计费，且这一选项仅适用于 Responses API。无论选择哪种有效期，Terra 的缓存读取费率都是输入费率的 0.05 倍。根据 OpenAI 的提示词缓存指南，这些是总费率，而非额外附加费：每个输入 token 只计费一次，按普通输入、缓存读取或缓存写入计费。可缓存前缀至少需要 1,024 个 token。

在 AIHubMix 上，Chat Completions 与 Responses 不共享缓存。在 AIHubMix 的检查中，一个包含 9,623 个 token 的开发者前缀在第一次 Responses 调用时写入缓存，并在第二、第三次调用时命中。随后将相同前缀发送到 Chat Completions，却再次写入缓存，没有命中。混用这两种请求会为两份缓存写入付费。

在 AIHubMix 上，推理强度设置只对 Responses 生效。在 Responses API 上，一个素数求和提示词在 none 推理强度下生成了 72 个输出 token，在 max 下生成了 1,153 个（其中 1,078 个是推理 token）。在 Chat Completions 上，对同样的测试设置 reasoning_effort 并未带来一致的差异（none 和 max 每次运行都产生约 200-300 个推理 token），这表明该路由使用固定的推理强度。如果想通过降低推理强度省钱，请将这些请求发送到 Responses。

内置网页搜索按调用次数计费。AIHubMix 列出的 web_search_requests 价格为每次调用 $0.01，token 费用另计。

一个真实月份的费用明细

假设有一个支持服务或文档处理工作负载，每月通过 Responses API 发送 10,000 个请求。假设条件如下：

• 每个请求都包含一个 2,500-token 的稳定前缀（系统提示词、工具定义、参考规则），并命中缓存；
• 每个请求再添加 1,500 个新的输入 token（用户消息或文档）；
• 每个请求返回 1,500 个输出 token，其中包括推理 token，推理强度为 medium（Terra 的默认设置）；
• 每个请求的输入都不超过 272K，因此适用标准费率；
• 总费用中不计缓存写入（见表格下方的说明）。

一个月下来，总计为 25M 个缓存 token、15M 个新输入 token和 15M 个输出 token。

缓存写入在这里只会增加少量费用。每次写入这个 2,500-token 前缀时，这些 token 按每百万 $1.25 计费，而非 $0.05，每次写入大约多花 $0.003。

两个变化示例可以说明费用流向何处。

不使用缓存。如果前缀从未命中缓存（每个请求的前缀都不同，或流量分散到不同路由），全部 40M 个输入 token 都按 $1 计费：输入费用为 $40，加上 $75 的输出费用，总计 $115。使用缓存每月可节省 $23.75，约为账单的五分之一。

推理强度为 max。Artificial Analysis 在其 Intelligence Index 测试中测得，每项任务在 medium 推理强度下约生成 6,000 个输出 token，在 max 下约生成 35,000 个，比例约为 5.8 倍。将 1,500 个输出 token 按 35/6 倍放大，每个请求就会生成 8,750 个输出 token，每月合计 87.5M。输出费用为 87.5M x $5 = $437.50，每月总费用为 $1.25 + $15.00 + $437.50 = $453.75，约为 medium 账单的五倍。推理强度设为 max 的成本远高于缓存未命中。

在所有情况下，输出费用都占大头。medium 下，输出费用为 $75，占总账单 $91.25 的 82%。因此，首先应该关注的设置是推理强度，而不是输入价格。

与 Sol、Sonnet 5.5 和 GPT-5.6 Terra 的单任务成本对比

使用相同的工作负载和 token 数量（25M 个缓存 token、15M 个新输入 token、15M 个输出 token），分别按每个模型的官方价格计算：

在 token 数量相同的情况下，Terra 的成本是 Sol 和 Sonnet 5.5 的一半，约为 GPT-5.6 Terra 的 42%。但前提是 token 数量相同：不同模型在同一任务上消耗的推理 token 数量不同，而且推理强度较高的 Terra 可能比推理强度较低的 Sol 消耗更多 token。

测得的单任务成本也说明了这一点。以下数据来自 Artificial Analysis，这是一项独立基准测试，按指定的推理强度对每个模型进行了 Intelligence Index 测试。

Sonnet 5.5 这一行采用的是 Artificial Analysis 默认的 max 推理强度设置。

可以得出三点结论。Terra 的 medium 档是表中成本最低的选项，Artificial Analysis 也认为 Terra 的 low 和 medium 推理强度位于帕累托最优前沿。在这次测试中，关闭推理并没有省钱：不启用推理时，每项任务成本为 $0.11，得分为 33。另一方面，Terra 的 max 档（$0.40）与 Sol 的 xhigh 档（$0.39）成本相近，但得分更低；而且几乎花费双倍价格，得分却只与 Sol 的 medium 档持平。Sonnet 5.5 得分最高，但在 max 推理强度下，每项任务消耗了约 197,000 个输出 token。

其他已发布的测试也指向同一结论。在通过 OpenRouter、使用默认推理强度运行的 Plotly 数据分析基准测试中，Terra 得分为 40/43，每次完整运行费用为 $1.31；Sol 得分为 43/43，费用为 $2.61，每道题约生成 1,460 个输出 token。OpenAI 自行发布的启动图表属于自报数据，本文所用数据由 Kingy AI 转录：在 OSWorld 2.1 离线测试集上，Terra 的 max 推理强度单任务成本为 $1.19，Sol 则为 $1.15。在代理任务中，如果推理强度设为 max，Terra 的单 token 价格优势可能不复存在。

哪些用户的账单会高于预期

• 默认使用 max 推理强度的团队。相同流量下，账单可能达到 medium 档的五倍。Reddit 上的 Codex 用户称，Terra 在 high 推理强度下会很快耗尽套餐限额；一位用户表示，五小时限额的 40% 在 20 分钟内就用完了。这些只是个别反馈，但与上文的 token 数量相符。
• 接近 272K 的长上下文 RAG。检索步骤有时只需多添加几个内容块，就会让一些请求超过分界线，而这些请求的成本大约会翻倍。
• 混合使用 Chat Completions 和 Responses 的流量。在 AIHubMix 上，这两个路由使用独立缓存，因此相同的前缀会被写入两次，而且 Chat 路由上的推理强度设置不会产生明显效果。

降低账单的做法

1. 按工作负载设置推理强度，而不是按账户统一设置。从 Terra 的默认设置 medium 开始，并在提取、分类和格式整理等简单任务上测试 low 或 none。使用自己的提示词同时衡量质量与成本，因为在 Artificial Analysis 的测试中，none 并不比 medium 便宜。只有在 medium 下无法完成任务时，才使用 high 或 max。

2. 将稳定前缀放在最前面，并固定使用同一路由。每次请求都以相同顺序放入系统提示词、工具定义和参考资料，再将所有变化内容（用户输入、时间戳、检索到的内容块）放在后面。前缀至少需要 1,024 个 token 才能缓存。将工作负载发送到同一个路由；在 AIHubMix 上，请使用能够应用推理强度设置的 Responses。

3. 使用显式模式，避免为不会复用的内容付写入费。将 prompt_cache_options.mode 设为 "explicit" 后，只有你标记的断点会被写入缓存。最后一个断点之后的内容按普通输入费率计费，不收取写入费，适合用户问题等每次请求都不同的内容。显式模式下如果没有设置断点，就完全不会缓存；AIHubMix 的测试也确认，此类请求没有写入任何内容。

4. 用具体计算来选择缓存有效期。每百万个前缀 token，30 分钟写入费为 $1.25，12 小时写入费为 $2.50；两种情况下读取费都是 $0.05。如果流量间隔较长，导致在 12 小时内使用 30 分钟缓存时需要写入该前缀三次或更多次（费用至少为 $3.75），那么写入一次 12 小时缓存更划算。写入两次（$2.50）时两者费用持平。如果流量稳定，能让 30 分钟缓存条目持续有效，就继续使用 30 分钟缓存。AIHubMix 的测试确认，12 小时设置在 Terra 上可用：首次调用时，9,020-token 前缀被写入为 ttl_12h_tokens，第二次调用读取了其中的 9,007 个 token。

5. 将输入控制在 272K 以内。按 token 预算限制检索内容，而不要按分块数量限制；删除过时的对话轮次，并在长历史记录越过界限前进行摘要。OpenAI 还为长上下文记录提供了压缩功能，但 AIHubMix 尚未在 Terra 上测试该功能。

6. 通过 configuration_update 调整推理强度，而不要修改请求字段。OpenAI 的 GPT-6 模型指南建议保持请求级推理强度不变，并添加 configuration_update 输入项，在对话过程中提高或降低推理强度。AIHubMix 在 10 月 27 日的测试中确认，Terra 接受 configuration_update 项（200）。

7. 记录每个响应中的用量字段。能解释 Terra 账单的字段包括 input_tokens_details.cached_tokens（计费的缓存读取量）、cache_write_tokens 及其 ttl_30m_tokens 和 ttl_12h_tokens 分类，以及 output_tokens_details.reasoning_tokens。将缓存 token 总数除以输入 token 总数，即可得出缓存命中率；可以按日期或功能分组统计。

用 Python 记录每次请求的费用

示例使用 OpenAI SDK 调用 AIHubMix 的 Responses 端点。它会设置推理强度，通过 extra_body 传入 prompt_cache_options，并按标准费率估算费用后打印用量字段。设置步骤见 AIHubMix 的Responses API 文档，网关上的缓存行为见AIHubMix 缓存文档。

import os
from openai import OpenAI

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

# Keep this identical across requests so it can be cached (1,024+ tokens).
STABLE_PREFIX = open("support_rules.txt").read()

# Terra standard rates, USD per 1M tokens, input up to 272K.
PRICE = {"input": 1.00, "cached": 0.05, "write_30m": 1.25,
         "write_12h": 2.50, "output": 5.00}

resp = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"effort": "low"},  # none, low, medium, high, xhigh, max
    input=[
        {"role": "developer", "content": STABLE_PREFIX},
        {"role": "user", "content": "Classify this ticket: refund not received."},
    ],
    extra_body={"prompt_cache_options": {"ttl": "30m"}},  # or "12h"
)

u = resp.usage.model_dump()
inp = u["input_tokens_details"]
cached = inp.get("cached_tokens", 0)
writes = inp.get("cache_write_tokens", 0)
by_ttl = inp.get("cache_write_tokens_details") or {}
w12 = by_ttl.get("ttl_12h_tokens", 0)
w30 = writes - w12
ordinary = u["input_tokens"] - cached - writes
reasoning = u["output_tokens_details"].get("reasoning_tokens", 0)

cost = (ordinary * PRICE["input"] + cached * PRICE["cached"]
        + w30 * PRICE["write_30m"] + w12 * PRICE["write_12h"]
        + u["output_tokens"] * PRICE["output"]) / 1_000_000

print(f"input={u['input_tokens']} cached={cached} writes={writes} (12h={w12})")
print(f"output={u['output_tokens']} reasoning={reasoning}")
print(f"estimated cost=${cost:.6f}")

计算公式遵循 OpenAI 的缓存指南：普通输入量等于 input_tokens 减去 cached_tokens 和 cache_write_tokens；写入总量不应在其组成部分之外再次累加。输入 token 超过 272,000 时，应改用长上下文费率（输入 $2、缓存读取 $0.10、30 分钟写入 $2.50、12 小时写入 $5、输出 $7.50）。在 30 分钟内发送两次相同前缀，第二个响应应在 cached_tokens 中显示该前缀；若没有，说明前缀中的某些内容发生了变化。

常见问题

在 AIHubMix 上使用 GPT-6.1 Terra 比在 OpenAI 上更便宜吗？
不是。AIHubMix 列出的标准费率相同：每百万 token 的输入费为 $1、缓存读取费为 $0.05、输出费为 $5。AIHubMix 没有公布 Terra 的缓存写入费或长上下文费率，因此在用量日志确认网关的实际计费方式之前，$1.25 和 $2.50 的写入费率以及超过 272K 后的 2 倍费率都应视为 OpenAI 的条款。

通过 AIHubMix 可以享受 Batch 或 Flex 折扣吗？
目前没有经过确认的选项。50% 的 Batch 和 Flex 折扣属于 OpenAI，且 AIHubMix 不提供 OpenAI 的 Batch API。AIHubMix 的测试中，Flex 请求得到了接受，但 AIHubMix 的价格表对 Terra 只列出了标准费率，因此在将更低价格计入预算前，请先检查用量日志。

推理 token 会产生额外费用吗？
推理 token 作为 output_tokens 的一部分，按输出费率计费，即每百万 token $5。用量对象会将其作为 reasoning_tokens 单独报告，让你了解输出中有多少用于思考。

输入为 280,000 个 token 的请求会怎样计费？
整个请求都按长上下文费率计费：每百万 token 的输入费为 $2、缓存费为 $0.10、输出费为 $7.50，而不只是超过界限的 8,000 个 token。

12 小时缓存值得用吗？
只有当 30 分钟缓存条目在 12 小时内原本需要写入三次或更多次时才值得。每百万 token 的 12 小时写入费为 $2.50，30 分钟写入费为 $1.25；两者的读取费都是 $0.05。

为什么 max 推理强度的费用高出这么多？
Artificial Analysis 测得，max 推理强度下每项任务大约生成 35,000 个输出 token，而 medium 下为 6,000 个；每项任务的费用从 $0.10 升至 $0.40。在上文的计算示例中，从 medium 切换到 max，月费会从 $91.25 升至 $453.75。

Terra 的价格总是 Sol 的一半吗？
按 token 计算，是的。但按任务计算则不一定：在 Artificial Analysis 的测试中，max 推理强度下 Terra 的每项任务费用与 xhigh 推理强度下 Sol 大致相当，而 Sol 的得分更高。

继续阅读：GPT-6.1 Terra 系列

• 了解与它取代的模型相比，价格减半能带来什么变化：GPT-6.1 Terra 对比 GPT-5.6 Terra：价格减半，发生了哪些变化，哪些用户应该切换
• 在将流量迁移到 Responses、以便启用推理强度设置和缓存之前：迁移到 GPT-6.1 Terra：修复 temperature 400 错误、将工具迁移到 Responses，并设置 Codex
• 如果你正在考虑选择 Terra，还是 token 价格翻倍的竞争模型：GPT-6.1 Terra 对比 Claude Sonnet 5.5：屏幕与文档智能体该选哪款中端模型？
• 当 max 推理强度下的 Terra 每项任务费用与 Sol 相当时：GPT-6.1 Terra 对比 GPT-6.1 Sol：哪些任务仍需要 Sol？

来源

• OpenAI，GPT-6.1 Terra 模型页面：价格、长上下文规则、上下文限制和推理强度。
• OpenAI，提示词缓存指南：写入和读取费率、缓存有效期、显式模式及用量字段。
• AIHubMix，GPT-6.1 Terra 模型页面：AIHubMix 的定价与访问方式。
• Artificial Analysis，GPT-6.1 Terra 推动成本效益边界：不同推理强度下每项任务的费用和输出 token 数量。
• Kingy AI，GPT-6.1 Terra：基准测试、定价、规格及对比：定价层级、272K 边界示例，以及转录自 OpenAI 图表的数据。