GPT-6.1 Terra 发布：50.3 分终端基准，API 砍到 1 美元

一句话结论：OpenAI 10 月 26 日上线 GPT-6.1 Terra，API 价格砍到每百万输入 1 美元、输出 5 美元，Terminal-Bench 4.0 最高推理档 50.3%，是上一代 21.5% 的两倍多。

GPT-6.1 Terra 的 API 模型 ID 是 gpt-6.1-terra。它是 GPT-6 系列里负责日常计算与视觉操作的高性价比档位，标准 API 定价为每百万输入 token 1 美元、每百万缓存输入 token 0.05 美元、每百万输出 token 5 美元。这个价格比 GPT-5.6 Terra 和 GPT-6.1 Sol 都低 50%。

价格降一半的同时性能往上走了一截，这组合在 2026 年的模型发布里并不常见。OpenAI 在官方博客里把 Terra 定位为一款兼顾视觉推理、精准计算机操作与更清晰写作的通用模型，主战场是读建筑图纸转 3D 模型、逐镜头审动画生成带时间码日志、读发票录入会计软件这类高频日常工作。

这篇按官方给出的数字逐项拆开：价格到底落在什么位置、和竞品比差多少、推理强度三档之间差在哪、以及哪些场景官方明确说 Terra 不该用。

价格结构：1 美元输入对 5 美元输出

先把三档单价摆清楚，因为这次调价真正影响成本的是输出侧的 5 美元和缓存侧的 0.05 美元，而不是看起来最抢眼的输入价。

Sol 的价格锚点是 9 月底那次发布定下的 $2 输入、$0.10 缓存、$10 输出。Terra 正好是它的一半。Astra 仍在更高的价格带上。

缓存输入的 0.05 美元值得单独看一眼。这个价位意味着重复上下文几乎可以当成免费，多次调用同一批文档的智能体场景里，实际付的钱主要由输出 token 决定。上一轮信通院发布的词元监测报告给过一个反向参照：国内大模型服务的归一化均价在 2026 年已经从 6.8 元涨到 13.46 元，接近翻倍，而国外典型模型的归一化价格约 117.8 元。OpenAI 这一刀把旗舰档位拉到了同一量级。

国内均价回升这件事本身不矛盾。报告把 2026 年定义为价格从大战走向能力跃迁的一年，定价策略从抢份额转向卖能力。Terra 属于后者，价格低但指标硬。

终端基准：21.5% 到 50.3%

Terminal-Bench 4.0 考的是编码智能体在命令行环境里解决真实任务的通过率，用任务专属的严格测试判定，不是选择题。

50.3% 这个数要放在同一量级里看。Kimi K3.1 Pro 拿到的 Terminal-Bench 4.0 是 65.7%，OpenAI 自己的 GPT-6 Astra 是 58.2%，Claude Opus 5.5 是 66.4%。另一头，BOSS 直聘 Nanbeige LLM Lab 开源的 Nanbeige4.3-33B 在这项上是 23.8%。Terra 的 50.3% 卡在开源 30B 稠密模型和闭源旗舰之间。

诱导错误提示词基准给的信息更实用。低推理档的错误率从 53.6% 掉到 16.7%，最高推理档进一步压到 4.3%，官方说这个水平接近 GPT-6 Astra 和 GPT-6.1 Sol。这项测试考的是模型会不会被诱导性提示带偏，错误率降一半意味着在自动化流水线里跑，失败重试的成本会明显下来。

视觉推理方面，MMMU-Pro 上 Terra 在所有推理档位都超过 GPT-5.6 Terra，接近 GPT-6 Astra 与 GPT-6.1 Sol 的分数。操作系统操作方面，OSWorld 2.1 在中等推理档超过 GPT-5.6 Terra 的最佳成绩，官方描述是每任务成本只有其一小部分。

对标 Claude Opus 5.5：每任务成本低约 9 倍

Agents’ Last Exam 这个基准考的是专业计算机操作任务，比如把建筑图纸转成 3D 模型，或者逐镜头审看动画电影并给修复团队产出带时间码的日志。

中等推理档下，Terra 比 GPT-5.6 Terra 高 15 个百分点，成本约为后者的三分之一。最高推理档下，对比对象换成了 Claude Opus 5.5：Terra 的 token 效率是它的 3 倍以上，每 token 价格只有它的四分之一，折算下来每任务成本约低 9 倍。

另一组对比在 Terminal-Bench-Science 0.1 上。最高推理档下 Terra 超过 GPT-6.1 Sol，成本还更低，与 Opus 5.5 的差距在 5 分以内，估算成本不到 Opus 5.5 的五分之一。

速度上，官方说法是 Terra 完成任务比 GPT-6 Astra 和 GPT-6.1 Sol 都要快 3 倍以上。这里没有给出每秒 token 数或端到端秒数，只有相对倍数。

把成本折算拉到具体业务上，这类数字才有意义。Carbon-X 的 DNA 解读任务把 240 万个 ClinVar 意义未明变异跑完的花费压到约 300 美元，折算下来单题成本约为 GPT-6.1 Sol API 的 1/1800。推理成本这一层决定了哪些任务能规模化做，哪些只能做样品。同一层逻辑下，MiniMax M3.1 Flash 定价 1 元每百万 token、KRAFTON 开源的 Raon-1 mini这类模型能在特定任务上以极低单价挤进生产环境，靠的都是同一条成本曲线。

推理强度三档之间差在哪

OpenAI 在发布材料里反复按推理档位给数据，说明这三档不是简单的算力开关，不同档位适用的工作类型差别很大。

低推理档关心的是出错率。Terra 在这一档的错误率 16.7%，比上一代的 53.6% 降了 37 个百分点。这一档适合高并发、容错率高的批处理，比如批量分类、格式转换、信息抽取。

中等推理档关心的是专业任务的完成质量。Agents’ Last Exam 高 15 个百分点、OSWorld 2.1 超过前代最佳成绩，都落在这一档。计算机操作类任务基本要开中等档。

最高推理档关心的是复杂编码与深度推理。Terminal-Bench 4.0 的 50.3%、Agents’ Last Exam 上对 Opus 5.5 的 3 倍 token 效率，都需要开到最高档。代价是 token 消耗上升，单任务成本也随之上去。

实际调用的思路因此是按任务类型分档，而不是全链路拉满。结构化抽取走低档，桌面操作走中档，复杂代码改动和长链路推理才上高档。

安全分级与官方划出的边界

GPT-6.1 Terra 在网络安全维度达到 Preparedness Framework 的 Critical 阈值，并沿用了为 GPT-6 Astra 开发的防护措施。官方在系统卡里说明，Terra 相比 GPT-5.6 Terra 更倾向于保持在任务范围内，也更诚实地披露限制和可能阻塞点。在提示注入测试中，Terra 对恶意指令表现出较强的抵抗力。

官方明确划出的边界有两条，都写在发布材料里。

第一条是最复杂的编码任务仍然更适合 GPT-6.1 Sol 和 GPT-6 Astra。官方没有回避这一点，Terra 的定位是日常计算与 AI 驱动的电脑控制，不是最难的工程任务。

第二条是模型切换的选择逻辑。Replit 从 Anthropic 全面转向 OpenAI那件事已经演示过成本如何反过来决定选型，Terra 把这条决策链的另一端补齐了：同一家供应商内部，从便宜到贵有多个档位，可以按任务难度分流，而不是一刀切。

可用范围上，GPT-6.1 Terra 从发布当天起向 ChatGPT Work 与 Codex 的 Plus、Pro、Enterprise、Edu 全部用户开放，所有开发者也可以通过 API 用 gpt-6.1-terra 这个 ID 调用。

常见问题

GPT-6.1 Terra 和 GPT-6.1 Sol 该选哪个？

按任务难度分流。日常计算、桌面操作、批量视觉处理选 Terra，价格是 Sol 的一半。复杂编码与最难的工程任务选 Sol，官方明确说这两类场景 Terra 不是更优解。混用同一个 API 入口即可，模型 ID 不同。

这次降价对已经在用 GPT-6.1 Sol 的团队意味着什么？

意味着成本基线整体下移一半，同一批任务在同一预算下能跑的量翻倍。已经在 Sol 上跑的逻辑可以先评估是否值得降到 Terra 做分流，而不是立刻全量切换。缓存输入 0.05 美元这一档对重复上下文多的智能体场景影响最直接。

50.3% 的 Terminal-Bench 4.0 成绩在什么水平？

高于开源 30B 量级稠密模型，低于 OpenAI 自家旗舰与 Claude Opus 5.5 的水平。对照数字：GPT-6 Astra 58.2%、Kimi K3.1 Pro 65.7%、Claude Opus 5.5 66.4%、Nanbeige4.3-33B 23.8%。这是第一梯队的门槛线位置，不是顶部。

小结

Terra 的价值可以拆成两层。价格层它把输入 1 美元、输出 5 美元、缓存 0.05 美元这组数字放进了通用档位，让高并发调用和重复上下文场景的账算得过来。

能力层它没有靠堆参数，而是靠推理效率把 Terminal-Bench 4.0 从 21.5% 抬到 50.3%，把诱导错误提示词的低档错误率从 53.6% 压到 16.7%。这两组数字的方向一致：单位成本下能稳定完成的任务变多了。

它没有覆盖的部分同样要说清楚。最复杂的编码任务依然属于 Sol 和 Astra，网络安全维度触到 Critical 阈值，多轮长链路的稳定性还需要更多第三方验证。这是一款把日常计算这条主线做到极致性价比的模型，不是全能旗舰。

相关阅读

• Kimi K3.1 Pro 发布：Terminal-Bench 4.0 拿 65.7%
• Nanbeige4.3-33B 开源：Terminal-Bench 80.9 分与 20 项基准
• 信通院词元监测报告：TPS 78.23，均价涨至 13.46 元
• Carbon-X：DNA 基准 66.7 分，成本仅 GPT-6.1 的 1/1800
• Replit 弃 Anthropic 全面转 OpenAI：成本倒逼下的模型商切换逻辑