10月27日凌晨，OpenAI发布GPT-6.1 Terra，定位很明确：面向Agent批量自动化任务的高性价比中端模型。
但这次发布最值得看的，不是跑分，是官方把“单任务成本约为旗舰三分之一”直接写进了头条。一年前厂商发模型，第一行是SOTA分数；现在第一行是“这件事花多少钱”。
价格：$1/$5，Batch再打五折
标准API定价：输入每百万Token 1美元、缓存输入0.05美元、输出5美元。相比上一代GPT-5.6 Terra的$2/$12，输入减半，输出降幅接近六成；相比同代Sol的$2/$10，也是直接砍半。
如果任务能等，Batch和Flex档再打五折：输入$0.50、输出$2.50，缓存输入$0.025。这是OpenAI价目表上目前最便宜的通用型价格之一。
但有一个容易踩的阶梯：输入超过272K Token后，价格跳档——输入$2、输出$7.50、缓存$0.10。上下文窗口给到1.05M（922K输入），长任务跑起来之前，先算一下自己会不会触发这条线。
性能：电脑操作追平旗舰，编程翻倍
Agents‘ Last Exam是考察AI自主完成复杂专业任务的基准，覆盖从建筑图纸建模到逐步操作软件。满推理强度下，Terra得分60.0，超过GPT-6.1 Sol的58.6和GPT-6 Astra的57.6，而每任务成本只有0.29美元，Astra同等任务要4.82美元——约十六分之一。
中等推理强度下，Terra得分比GPT-5.6 Terra高15个百分点，单任务成本约为后者的三分之一，成绩与Astra持平，但每Token单价只有后者的十分之一。
Terminal-Bench 4.0是这轮提升最硬的一项。最高推理强度下，Terra解决了50.3%的任务，前代GPT-5.6 Terra是21.5%，翻了一倍多。
独立评测机构Artificial Analysis的数据也印证了这一点：max effort下Intelligence Index比GPT-5.6 Terra高6分，单任务成本$0.40对$1.40，不到三分之一；Coding Agent Index得分48，比Sol低6分，但比Luna高17分。
一个比价格更重要的数字
Artificial Analysis同时测了幻觉率：Terra在不知道答案时“硬猜”的比例是38%，上一代GPT-5.6 Terra是88%，降了50个百分点。OpenAI内部的诱导性错误测试也一致：低推理档错误率从53.6%降到16.7%，最高档降到4.3%。
对读发票、填表单、看图纸这类流水线任务来说，一个填错的字段意味着人工复核、回退、重跑，成本远高于调用本身的几分钱。幻觉率从88%掉到38%，等于把返工概率砍了一半——这部分从来不写在价目表上，但它决定了“干一件事”的真实成本。
但别把它当成全线降本
Terra的定位很清晰：高频、量大、难度不高的活。OpenAI自己建议，最难的编程任务仍用Sol或Astra。
AA也指出，Terra的效率前沿在低、中两档，max effort虽然分数最高，但不在成本效率的最优点上。把推理档一律拉满，多烧的Token换不回对等的质量提升。
选型的锚点，正在从“单价”往“单任务成本”挪
当同一个模型有六档推理强度、每任务成本从0.055美元铺到0.40美元、Batch还能再打五折的时候，看每百万Token的牌价已经算不出真实账单了。
你真正该问的是：手头这类任务，配哪个档位、走不走Batch、缓存命中率能到多少，跑完一件事多少钱。
当你在多个模型、多个档位之间做调度时，调用层的管理成本会悄悄吃掉一部分省下来的钱。EasyAPI这类聚合入口把多模型接入和费用明细收在同一层：一个Key接入所有主流模型，按任务类型分配路由，Batch和标准档的调用分别记录，账单按模型和调用方归集。Terra的$1/$5是明面上的价格，但“你的任务实际花了多少”，得在用量明细里对出来。
数据来源：
-
OpenAI官方发布及API定价页（2026年10月27日）
-
搜狐科技、TechWeb、36氪对Terra定价的报道
-
Artificial Analysis《GPT-6.1 Terra pushes the cost efficiency frontier》（2026年10月26日）
-
IT之家对Terra性能与成本的报道（2026年10月27日）
-
LiteLLM官方文档GPT-6.1 Terra pricing（2026年10月26日）
-
OrcaRouter对Terra与Sol的定价对比分析
转载自 CSDN-专业IT技术社区
原文链接：https://blog.csdn.net/Pin_Qing/article/details/169455870
