GPT-6.1 Terra 與 GPT-6.1 Sol：哪些任務仍需要 Sol？

GPT-6.1 Terra 的每 token 費用是 GPT-6.1 Sol 的一半：每百萬個輸入 token $1、輸出 token $5，而 Sol 分別是 $2 和 $10。OpenAI 於 2026 年 9 月下旬推出 Sol，並在 10 月 26 日推出 Terra；Terra 發表文章指出，Terra 在多項評測中與 Sol 表現相近。

每 token 價格減半，不代表每項任務的費用也減半。差異來自推理強度。設定為 medium 時，Terra 價格低、速度快，處理大多數擷取、畫面與文件工作也已足夠。若任務需要將 Terra 的推理強度調到 max 才能達到 Sol 的品質，Terra 使用的 token 就會增加；要取得相同結果，通常改用 medium 的 Sol 反而更便宜。

簡而言之：

• Terra 適合以低或 medium 推理強度處理擷取、表單、畫面、文件、草擬，以及可驗證的短任務。
• 在下列情況，Sol 仍值得付費使用：困難的終端機與程式碼儲存庫編碼、多步驟資料分析、會計類工作，以及具備寫入權限的 Agent。
• 不要因為 Terra 的結果不理想，就直接把推理強度調到 max。先試試 medium 的 Sol。

兩種模型都能以同一組 AIHubMix 金鑰，按照 OpenAI 的價格使用，因此在兩者之間切換不需要額外設定。AIHubMix 比較頁面列出了兩者的並排比較。

兩種級別一覽

價格以每百萬個 token 計算。AIHubMix 的輸入、快取輸入與輸出價格都與 OpenAI 相同。

每項費率都恰好相差 2 倍，因此每 token 的價差比例不會改變。每項任務的價差比例取決於兩個模型各自使用多少 token。

價格表以外還有兩項實際差異。Terra 的知識截止日期晚了一個月。而且 Terra 接受推理強度none，Sol 則不接受。設定為none時，Terra 也接受temperature和top_p；其他所有推理強度都必須移除這兩個參數，OpenAI 才會接受。如OpenAI 模型頁面所列，Terra 的其他推理強度為 low、medium（預設值）、high、xhigh 和 max；Sol 則提供 low 到 max，預設值同樣是 medium，兩種模型都不接受minimal。

Terra 不遜色的領域

標示為 OpenAI 的數據來自 OpenAI 發表圖表，由Kingy AI轉錄；這些數據是 OpenAI 自行回報，尚無人獨立重現。Artificial Analysis (AA)的數據則是獨立評測。每項數據都會標明推理強度，因為它會同時影響分數與成本。

除 Kingy 試驗外，費用皆為每項任務的成本；Kingy 試驗的數字則是 12 次計分呼叫的總費用。

Agent 工具使用。在 Agents' Last Exam 中，max 推理強度的 Terra 以一半的單項任務成本，略勝 max 的 Sol。medium 的 Terra 得分 57.6%，費用為 $0.29，與 Sol 的 max 分數只差約一個百分點，成本卻只有七分之一。這是 Terra 明顯勝出的最佳例子。

科學運算編碼。在 Terminal-Bench-Science 中，max 的 Terra 得分 58.3%，高於 Sol 的 57.0%，成本約為後者的四分之三。Kingy 指出，兩者只差 1.3 個百分點，且沒有使用相同設定重新測試，因此差距太小，不足以斷定 Terra 在這項評測中更好。但這個結果足以讓 Terra 值得一試。

視覺推理。在 MMMU-Pro 中，max 的 Terra 比 Sol 低 0.8 個百分點，而 medium 的 Terra 已達 84.6%。處理畫面、圖表和文件影像時，Terra 的表現幾乎不打折。

短且可驗證的任務。Kingy 以 medium 推理強度、不使用工具，將六項短任務各測試兩次。Terra 和 Sol 都在所有十次客觀評測中，依照要求的確切格式通過。Terra 使用 $0.0203 的 API 額度，Sol 則為 $0.0380；兩者的回應時間中位數分別為 3.84s 和 4.40s。

速度。AA 測得 medium 推理強度的 Terra 每秒輸出 91 個 token，Sol 則為 55 個；在其索引測試中，Terra 每項任務耗時 63 秒，Sol 則為 149 秒。OpenAI 另聲稱，在自家的專業任務測試集中，Terra 的速度是 Sol 的 3 倍以上；但這項說法僅適用於 OpenAI 的任務集，並不代表所有工作負載。

Sol 仍值得付費使用的領域

Plotly 透過 OpenRouter 執行模型，Terra 使用預設推理強度；費用是完整執行 43 個問題的成本。DualEntry 的測試集包含 101 個合成會計案例，報告並未說明採用的推理強度。

終端機與程式碼儲存庫編碼。這是 Sol 領先最明顯的領域。在 Terminal-Bench 4.0 中，Terra 的分數從 low 的 24.8% 提升至 medium 的 35.8%，再到 max 的 50.3%；而 medium 的 Sol 已經超越 Terra 的最高分。max 的 Sol 則達到 55.9%。在 AA 的 Coding Agent Index 中，Sol 領先六個百分點。AA 使用不同的 Agent 測試架構執行自己的 Terminal-Bench 測試，結果兩者在 max 時幾乎打平（55.6% vs 56.1%），因此差距會受設定影響；但沒有任何來源顯示 Terra 在 Terminal-Bench 4.0 中領先。

max 推理強度下的電腦操作。在 OSWorld 中，max 的 Terra 比 max 的 Sol 低 3.8 個百分點，而且每項任務的成本略高。Terra 的 token 價格較低，這次卻沒有因此更便宜；它使用更多 token，分數還更低。

資料分析與會計。在 Plotly 的 DataAnalyticsBench 中，Sol 正確回答全部 43 題，Terra 則答對 40 題。Terra 的成本只有一半，因此關鍵在於那三個錯誤答案會造成什麼代價。如果有人會檢查每項結果，使用 Terra 確實能省錢；如果錯誤數字會直接放進報告，多花 $1.30 使用 Sol 跑一次，就像買了便宜的保險。DualEntry 的會計測試也呈現相同的三分差距。

具備實際權限的 Agent。OpenAI 的Terra 系統卡指出，Terra 與 Sol 有兩項差異，對自主 Agent 影響重大：

• 當一個表面上是同儕 Agent 的對象傳送指示時，Terra 在 13.75% 的樣本中採取未經授權的行動（80 個樣本中有 11 個），Sol 則為 1.25%。
• Terra 在 9.88% 的執行軌跡中表現出察覺自己正在接受評測，Sol 則為 4.35%。

在一項測試是否遵守警告的評估中，max 的 Terra 也在 29.6% 的執行過程中繞過限制，高於 GPT-6.1 Sol（但低於較舊的 GPT-6 Sol）。這些都是受控模擬，大多數情境風險低，部分測試也未使用正式環境的安全防護，因此無法直接預測實際行為。不過，這仍是目前最能說明刪除檔案、傳送訊息或花費金錢的 Agent 風險的證據。對這類 Agent 而言，Sol 是較安全的預設選擇。

反例：medium 的 Sol 對上 max 的 Terra

要從較便宜的模型取得更好的結果，通常會提高它的推理強度。但面對 Sol，這麼做往往適得其反。

在 Terminal-Bench 中，medium 的 Sol 分數高於 max 的 Terra，每項任務成本還低約 45%（採用 OpenAI 的估算成本）。在 AA 的 Intelligence Index 中，兩者四捨五入後同為 48 分，而 medium 的 Sol 成本約為一半。

原因在於 token 使用量。AA 測得 Terra 在 medium 時每項任務約輸出 6,000 個 token，max 時則約 35,000 個，其中 25,000 個是推理 token。medium 的 Sol 約使用 8,000 個。Terra 的輸出價格雖然是 Sol 的一半，但 max 的 Terra 輸出 token 數量超過 medium 的 Sol 四倍，因此每 token 的折扣就被抵銷了。

max 也很慢。AA 的索引測試中，max 的 Terra 每項任務耗時 384 秒，medium 的 Sol 則為 149 秒。

有兩點需要注意。索引分數相同，不代表兩者處理你的任務時能力相同；Terminal-Bench 的成本則是 OpenAI 的估算值。不過，兩個來源呈現的趨勢一致。AA 自己的分析指出，Terra 的 low 和 medium 設定位於成本效益前緣，較高的設定則落後於這條前緣。

同一項任務，逐項估算成本

以包含 10,000 個請求的文件處理流程為例。每個請求都有一段穩定的 2,500-token 提示詞，首次呼叫後會快取；另有 1,500 個新輸入 token 和 1,500 個輸出 token，包含推理用量。總計為 15M 個新輸入 token、25M 個快取輸入 token，以及 15M 個輸出 token。

這些是依照牌價計算的估算值，並非實測結果。未計入快取寫入費用（每 30 分鐘快取生命週期寫入一次 2,500 個 token，成本不到一美分），而且表格假設兩個模型使用相同數量的 token。

最後這項假設會決定答案。Terra 的所有費率都恰好是 Sol 的一半，因此處理相同任務時，只要 Terra 使用的 token 不超過 Sol 的兩倍，成本就仍較低。AA 的測量結果顯示，各推理強度分別落在這條界線的哪一側：

• medium 的 Terra 每項任務約使用 6,000 個輸出 token，medium 的 Sol 則為 8,000 個左右。Terra 每 token 和每項任務的成本都較低。
• max 的 Terra 約使用 35,000 個輸出 token，超過 medium 的 Sol 四倍。超過 2 倍界線後，medium 的 Sol 成本更低。

兩種模型的成本都主要來自輸出，因此推理強度主要影響輸出 token 數，比價格表更重要。

切換模型的規則

所有任務一律先用 low 或 medium 推理強度的 Terra。若任務失敗，或屬於 Sol 表現領先的類別，就改用 medium 的 Sol，而不是把 Terra 調到 max。

要讓這項規則發揮作用，可以養成三個習慣：

1. 用自己的任務進行測試。使用相同輸入、工具和驗收標準，分別測試 medium 的 Terra 與 medium 的 Sol，並比較每項正確結果的成本，而非每個 token 的成本。
2. 把 max 推理強度留到最後再用。先提高已能通過最多案例的模型的推理強度，並先確認增加的 token 能帶來什麼。
3. 適用時使用 none 推理強度。對不需要推理的分類或格式化工作，Terra 設為 none 時不會消耗推理 token，且接受 temperature 和 top_p。Sol 沒有 none 等級。

兩個模型 ID 都能使用同一組 AIHubMix 金鑰，因此只要更改模型字串即可切換路由。透過 Responses API 設定推理強度。在 AIHubMix 於 10 月 27 日進行的測試中，Terra 的推理強度設定在該 API 上確實生效，但在 Chat Completions 上沒有呈現一致差異；使用少數幾個簡單提示詞測試時，none 和 max 每次執行的推理 token 數都落在約 200-300 之間。

import os
from openai import OpenAI

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

SOL_TASKS = {"repo_coding", "data_analysis", "agent_with_writes"}

def run(task_type: str, prompt: str):
    model = "gpt-6.1-sol" if task_type in SOL_TASKS else "gpt-6.1-terra"
    return client.responses.create(
        model=model,
        reasoning={"effort": "medium"},
        input=prompt,
    )

哪些人需要 Sol

多數團隊可以將大部分流量轉到 Terra，並保留 Sol 處理少數特定工作：

• 在真實程式碼儲存庫上工作的程式碼 Agent。Terminal-Bench 4.0 和 AA 的 Coding Agent Index 都較偏好 Sol，而在 OpenAI 的圖表中，medium 推理強度的 Sol 表現勝過 max 推理強度的 Terra。
• 算錯數字代價高昂的分析工作。根據 Plotly 和 DualEntry 的結果，適用於沒有人工覆核的金融、會計和報表處理流程。
• 具有寫入權限的自主 Agent。系統卡中的 Agent 間互動和警示結果顯示，只要 Agent 能在未經核准的情況下採取行動，就應考慮使用 Sol。
• 目前已將 Terra 設為 max 推理強度的團隊。如果你的 Terra 工作負載必須使用 max 推理強度才能通過，medium 推理強度的 Sol 很可能能以更低成本、更快速度達到相同品質。請進行測試。

文件、螢幕、表單和草稿撰寫等工作，使用 medium 推理強度的 Terra 就能達到接近 Sol 的品質，價格只需一半，速度也更快。若仍有工作需要 Sol，AIHubMix 上的 Sol 模型頁面列有完整參數。

常見問題

GPT-6.1 Terra 的價格一定永遠是 GPT-6.1 Sol 的一半嗎？
以每個 token 計算，是：Terra 的每項費率都是 Sol 的一半。以每項任務計算，只有在 Terra 使用的 token 不到 Sol 的兩倍時才是如此。medium 推理強度通常符合這個條件；max 推理強度則往往不符合，而 medium 推理強度的 Sol 可能反而更便宜。

Terra 能在哪些任務上達到與 Sol 相同的表現？
在 Agents' Last Exam 中使用 Agent 工具、Terminal-Bench-Science 的科學程式設計、MMMU-Pro 的視覺推理，以及 Kingy 試行計畫中的簡短可驗證任務。在這些案例中，Terra 的表現都與 Sol 相當或相近，成本則更低。

Sol 明顯更好的地方在哪裡？
終端機與程式碼儲存庫程式設計、max 推理強度下的電腦操作、多步驟資料分析和會計案例。Sol 在 OpenAI 的 Agent 安全測試中也表現得較為謹慎。

要讓 Terra 匹配 Sol 的表現，就該使用 max 推理強度嗎？
通常不必。在 OpenAI 的 Terminal-Bench 圖表中，medium 推理強度的 Sol 得分高於 max 推理強度的 Terra，而且每項任務的成本低約 45%。提高 Terra 的推理強度之前，先試試 medium 推理強度的 Sol。

兩個模型在 AIHubMix 上的價格是否與 OpenAI 相同？
是。AIHubMix 為兩個模型列出的輸入、快取輸入和輸出價格都與 OpenAI 相同，而且兩者都能使用同一組 AIHubMix 金鑰。OpenAI 的 Batch 和 Flex 折扣是 OpenAI 自行提供的；AIHubMix 不提供 OpenAI 的 Batch API，因此請以標準價格估算。

透過 AIHubMix，如何為各模型設定推理強度？
使用 Responses API 的推理強度欄位。在 AIHubMix 於 10 月 27 日進行的測試中，少數幾個簡單提示詞顯示，Terra 的推理強度設定在 Responses API 上確實生效，但在 Chat Completions 上沒有呈現一致差異（none 和 max 每次執行的推理 token 數都落在約 200-300 之間）。該輪測試只測了 Terra，因此 Sol 在 Chat Completions 路由上的推理強度設定是否生效，仍未確認。

繼續閱讀：GPT-6.1 Terra 系列

• 如果你是從舊版 Terra 升級，而不是在不同級別之間做選擇：GPT-6.1 Terra vs GPT-5.6 Terra：價格減半、有哪些變化，以及哪些人該升級
• 在將流量路由至 Terra 之前，請先確認 temperature 錯誤和 Responses API 的必要條件：遷移至 GPT-6.1 Terra：修正 temperature 400 錯誤、將工具移至 Responses，並設定 Codex
• 如果你考慮用 Anthropic 的中階模型取代 Sol：GPT-6.1 Terra vs Claude Sonnet 5.5：螢幕與文件 Agent 該選哪款中階模型？
• 推理強度和 token 成本計算方式、長提示詞與快取的詳細說明：GPT-6.1 Terra 的實際成本：推理強度、272K 門檻與快取

資料來源

• OpenAI：GPT-6.1 Terra 介紹
• OpenAI：GPT-6.1 Terra 系統卡
• AIHubMix：GPT-6.1 Terra vs GPT-6.1 Sol
• Artificial Analysis：GPT-6.1 Terra 推進成本效益前沿
• Kingy AI：GPT-6.1 Terra 基準測試、價格、規格與比較