GPT-6.1 Terra 以 $1/$5 定价上线，Agents' Last Exam 得分 60%

新品发布：面向实际工作的中端模型

2026年10月26日，OpenAI推出了GPT-6.1 Terra，这是一款新的推理模型，被定位为GPT-6系列的主力模型：速度更快、成本更低，相比前沿组合中的GPT-6.1 Sol和GPT-6 Astra稍显逊色，但能力远超入门级的GPT-6 Luna。此次发布当天，该模型也作为正式可用的端点上线Amazon Bedrock，并迅速成为过去48小时内最热门的AI新闻之一。发布话题在Hacker News上获得615分，超过400条评论，同时The Verge、BleepingComputer和InfoWorld均在当日发表了报道。

根据OpenAI官方公告，其核心数据如下：标准API定价为每百万输入token1美元、每百万输出token5美元、每百万缓存输入token0.05美元，比GPT-5.6 Terra和GPT-6.1 Sol均低50%。该模型即日起面向ChatGPT Work和Codex中的Plus、Pro、Enterprise及Edu用户开放，开发者可通过API以gpt-6.1-terra调用，并已在Amazon Bedrock上提供，支持最多100万输入token的上下文窗口，接受文本和图像输入。

就整个OpenAI产品线而言，目前的价格梯度为：Luna为每百万输入/输出token 0.10/0.50美元，Terra为1/5美元，Sol为2/10美元，Astra为10/50美元，从最便宜到旗舰相差100倍。新推出的Terra恰好处于OpenAI希望承接大批量常规流量的价位。这是OpenAI自9月以来推出的第四款模型，此前GPT-6 Astra、Sol和Luna已完成该系列在Google Cloud上的上线。

基准测试实际表现如何

OpenAI的宣传重点并非Terra是其所有产品中最聪明的模型，而是Terra能以更低的成本，在知识工作者日常所做的任务上提供接近前沿的性能。在Agents' Last Exam基准测试中，OpenAI报告称，Terra在中等推理强度下的得分比GPT-5.6 Terra高出15个百分点，而成本约为其三分之一；其表现与GPT-6 Astra相当，但每token价格仅为Astra的十分之一。该基准包含一系列专业任务，例如将建筑图纸转换为三维模型，以及根据动画电影素材制作带时间码的日志。

在最大推理强度下,单任务经济性变得更加突出。根据InfoWorld对OpenAI图表的整理,Terra得分为60.0%,单任务成本为1.01美元;GPT-5.6 Terra得分为50.7%,单任务成本为3.58美元;GPT-6.1 Sol得分为58.6%,单任务成本为2.00美元;GPT-6 Astra得分为59.3%,单任务成本为7.24美元。Anthropic的Claude Opus 5.5在原始得分上仍然领先,达到63.2%,但单任务成本为8.82美元。OpenAI将这一差距描述为:相较Opus 5.5,Terra的单任务成本约低9倍,同时声称其令牌效率超过三倍,每令牌价格仅为对方的四分之一,并且完成任务的速度比GPT-6 Astra和GPT-6.1 Sol快三倍以上。

发布会上公布的其他数据包括:

• MMMU-Pro(视觉推理):在最大强度下得分85.5%,单任务成本为0.012美元;GPT-5.6 Terra为81.7%。该成绩与Sol(86.3%)和Astra(86.7%)相差不远,并高于Luna(79.9%)。
• OSWorld 2.1(桌面智能体任务):得分74.2%,单任务成本为1.19美元;其前代产品得分为57.1%,单任务成本为4.76美元。不过,Anthropic的Claude Sonnet 5.5仍以83.9%(单任务成本5.74美元)领先该类别。
• 事实性:在OpenAI内部用于诱发错误的提示集上,低推理强度下的错误率从53.6%降至16.7%,最大强度下降至4.3%。这一18个百分点的降幅,已接近Sol和Astra的水平。
• Terminal-Bench 4.0:在最大推理强度下解决了50.3%的命令行编程任务,是GPT-5.6 Terra已公布成绩21.5%的两倍多。
• Terminal-Bench-Science 0.1:与Claude Opus 5.5相差不到五个百分点,而估算成本不到其五分之一。

OpenAI还披露,根据其《预警框架》(Preparedness Framework),Terra达到了网络安全方面的“关键”(Critical)阈值——该等级与显著增强的进攻性网络能力相关。Terra继承了为GPT-6 Astra构建的安全防护措施,其系统卡称,相较GPT-5.6 Terra,它在范围遵循和提示注入抵抗方面有所改进。这一分级值得特别关注:此类模型正默认向每一个付费ChatGPT席位开放,而权衡取舍的说明应当记录在系统卡中,而非营销页面上。

上述每一项数字都需要附带两点说明。单任务成本数据由OpenAI根据其自有图表计算得出;InfoWorld指出,OpenAI并未发布MMMU-Pro的竞品对比数据,这使得分析人员需要自行将Anthropic和Google的成绩纳入比较。此外,智能体类基准对脚手架搭建、重试策略和推理强度设置都非常敏感:OpenAI的Terminal-Bench数据是最大强度下的结果,即其自身区间的上限。同样,60%的Agents' Last Exam成绩也是单任务1.01美元的最大强度数据——这是采购团队最可能引用的数字,也是独立复现时最可能发生变化的数字。

独立检验:表现尚可,但处于中游

供应商基准测试终究只是供应商的基准测试。独立评测机构 Artificial Analysis 给 GPT-6.1 Terra(最大推理强度)在其 Intelligence Index 上打出 48 分,BeInCrypto 将其描述为落后于 Anthropic 当前的 Claude 产品线;一位 Hacker News 用户指出,Sonnet 5.5 在同一指数上得分为 56。同一分析发现,Terra 的单任务成本为 0.40 美元,低于 GPT-5.6 Terra 的 1.40 美元;更值得关注的是,在无法回答的问题中,Terra 仅有 38% 的题目会去猜测作答,而其前代产品为 88%。这一拒答率的改善在生产环境中可能比几分的基准分数更重要:会编造答案的智能体,才是企业real正在付出的代价。

早期第三方测试大体印证了"快且便宜,但并非最聪明"的判断。Plotly 的数据分析测试发现,Terra "处于 GPT-6 Luna 与 GPT-6.1 Sol 之间的帕累托前沿上——正如宣传所言",并且在其测试的 33 个模型中,只有 Claude Haiku 5.5 和 Nemotron 3.5 Super VL 完成测试的速度更快,但两者得分都更低。同一讨论串中引用的另一项 PacBench 结果显示,Terra 得分 84,Grok 4.7 得分 83——Terra 用时 5.4 分钟、花费 0.19 美元,而 Grok 用时 36.5 分钟、花费 1.69 美元。不过,在 Terminal-Bench 4.0 上,评论者指出,Terra 需要最大推理强度才能接近 Sol,而单任务成本更高,结果却略逊一筹。

各方反应:"不伦不类的中间款"

被转发最多的批评来自 minimaxir,他那篇关于 2026 年价格战的分析本身也是本周 HN 热门故事之一:

与 GPT-5.6 Sol -> GPT-6.1 Sol 类似的 75% 降价轨迹。总体而言,Terra 的价格仍是 Sol 的一半。但和 Terra 最初发布时一样,它仍然是一个夹在"小模型大幅变强"(Luna)与"大模型显著降价"(Sol)之间的不伦不类的中间款。……这次发布看起来像是在炫耀对 Sonnet 5.5 的优势。

一位 OpenAI 员工在讨论串中以公司自己的说法作出回应,同时也承认这次发布算不上重磅:

我们的模型排序为:Luna < Terra < Sol < Astra。……就 GPT-6.1 Terra 而言,我认为 Terra 在技术交流方面可能优于 Astra 和 Sol,在视觉和计算机使用方面相近(但速度快得多),而在其他大多数方面则稍逊一筹。……对订阅用户来说,这并不是一次重磅发布。

质疑声来自两个方向。有人认为发布节奏本身就说明了创新枯竭:"当他们开始为同一个基础模型发布这么多版本时,你就知道他们已经没有新点子了";也有人反驳说,6.1 只是现有产品梯队的滚动升级,而 Luna 6.1 和 Astra 6.1 仍未发布。The Verge 的报道则一如既往地冷静:其标题为 Terra "在计算机使用方面非常出色,OpenAI 如是说"——这提醒我们,上文提到的每一项主张都来自供应商自己的报告。

价格战背景

Terra 并非横空出世。自 2026 年 6 月以来,OpenAI 与 Anthropic 的 LLM API 价格相继大幅下调,降幅最高达 80%,且间隔仅数月,这一说法来自 minimaxir 广为流传的梳理:GPT-5.6 Luna 于 7 月降价 80%,Anthropic 的 Fable 5.1 在 9 月发布时缓存读取成本下降 75%,Opus 5.5 的缓存定价调整使总成本比 Opus 5 低 40%-60%。据称,推动降价的因素包括硬件效率提升,以及来自开源权重模型和中国厂商的竞争压力。Terra 每百万 token $1/$5 的定价则更清楚地表明,头部厂商如今把中端大批量业务的利润空间视为主战场。

定价分层也日趋复杂,这本身又是一个值得关注的话题。正如我们在OpenAI 决定单独定价速度一文中所述,Astra Ultrafast 的价格为标准费率的 6 倍,且仅向 $500 的 Pro 套餐开放,如今开发者选择模型时至少要考虑智能水平、延迟和价格三个维度。与此同时,Anthropic 也从低端施压:Claude Haiku 5.5 每百万输入 token 已定价 $0.10,直接与 Luna 竞争。Terra 真正的竞争对手或许不是 Opus 5.5,而是 Sonnet 5.5——据 HN 讨论串,这款模型本身就夹在 Opus 5.5 与 Haiku 5.5 之间,存在"中间子女问题"。

意味着什么,接下来该关注什么

从商业角度看,GPT-6.1 Terra 是 OpenAI 向企业客户传递的信号:发票解析、表单填写、文档审阅、桌面应用控制等高频工作流的智能体自动化,如今只需每百万 token $1。OSWorld 得分提升 57%,单任务成本降至四分之一,拒答率从 88% 降至 38%,这些对于推动生产部署的说服力,远胜于再多提升一分前沿基准分数。从竞争角度看,这是对 Sonnet 5.5 中端定价的先发打击,也是对开源权重模型的回应——后者已让廉价推理成为行业标配。

有四件事可以检验这一策略是否奏效。第一,Artificial Analysis 与 LiveBench 在独立复测中的得分——48 分对于该价位而言尚可,但远低于 Sonnet 5.5 的 56 分。第二,Terra 能否真正取代企业 API 组合中的 Sol,还是仅在用量限制触发时充当备选。第三,价格战的下一步走向:如果 Anthropic 以 Sonnet 降价回应,那么这轮持续四个月的 80% 降幅还有进一步空间。第四,OpenAI 能否用 Luna 与 Astra 的升级版补全 6.1 系列——批评者称这种渐进式发布模式是停滞,公司则称之为节奏。

目前较为客观的总结,是一位 OpenAI 工程师在 HN 上的说法:这不是颠覆性的突破,而是定价得当的"中间子女"——在一个中间地带决定了大部分用量、并且日益成为利润竞争焦点的市场里,它是一款定价合理的模型。