GPT-6.1 Terra 越级硬刚 Opus 5.5？研究员回应 “打高端局另有模型”，到底谁该买谁

我先查一下这次 “Terra 越级对比” 的原始测试和研究员回应。

我再找一下研究员那次回应的原话，把 “高端局另有模型” 的出处确认下来。

先把答案摆出来：Terra 确实能在 “任务成本” 这个维度上越级动手，但它在 “能力上限” 上没有越级，OpenAI 自己也不认为它能顶替旗舰。GPT-6.1 Terra 于 2026 年 10 月 26 日发布，标准 API 定价为输入 1 美元 / 百万 Token、缓存输入 0.05 美元 / 百万 Token、输出 5 美元 / 百万 Token，是 Sol 的一半、Astra 的十分之一。官方口径里，它在 Agents' Last Exam 拿 60.0%、Opus 5.5 是 63.2%，单任务成本约 1.01 美元对 8.82 美元，接近 1/9；在最高推理档下，Token 效率是 Opus 5.5 的 3 倍以上、单价约 1/4。但第三方 Artificial Analysis 的智能指数里，Terra 最高档只有 48 分（v4.3.2 口径）或 51 分（v5 口径），低于自家的 Sol（52/55），也低于 Opus 5.5 的 58。面对 “为什么不干脆对标 Opus 5.5” 的质疑，OpenAI 研究员 Ted Sanders 在 Hacker News 上说得很直接：只在意质量选 Astra，稍微在意价格选 Sol，非常在意价格选 Terra 或 Luna；Terra 在技术沟通上更好、视觉与电脑操作接近但快得多、其他大多数任务稍弱，并且承认 “这不是一次重磅发布”。所以 “打高端局另有模型” 不是敷衍，而是把产品线摊开讲了：Astra 和 Sol 才是高端局的主力，Terra 打的是高频日常杂活的性价比局。

一、把三个战场拆开，别混着比

同一场对决，看跑分、看成本、看交付质量，会得到三个不同的赢家。混着看，就容易被标题带着走。

最值得看的是那张独立实测的成绩单，因为它比厂商自测更接近真实使用：

这三题说明了一个很关键的事实：Terra 的 “越级” 不是靠单点爆发，而是靠 “少绕路、少重试、不撞输出上限”。同一道浏览器排查题，Terra 用了 118 轮、807 秒，Opus 用了 170 轮、934 秒，分数一模一样，成本差了近 6 倍。细胞谱系那题，Terra 执行了 30 次代码、37 轮，Opus 执行了 96 次、129 轮 —— 差的不是智力，是 “试错次数”。

二、“越级” 这个词是怎么来的，又在哪儿变了味

官方的原话有两层，传播时常常只留第一层。

第一层：能力 “接近”，成本 “约九分之一”。OpenAI 发布稿写的是：在 Agents' Last Exam 的最高推理档位下，Terra 的 Token 效率是 Opus 5.5 的三倍以上、单价约四分之一，单任务成本约为其九分之一，而成绩接近。这句话本身没错，但它是特定基准、特定档位、成本维度的结论。

第二层：AA 指数差 10 分，不是一个量级。Artificial Analysis 给出的 48 对 58，是综合智能指数，覆盖的是多学科、多类型的推理。这里 Terra 不仅落后 Opus 5.5，连自家的 Sol（52）都没追上。注意 AA 在 2026 年改过版，同一个模型在 v4.3.2 是 48、在 v5 是 51，所以引用时一定要标版本，否则两个数字会打架。

所以 “越级” 这个词，准确的说法是：Terra 在 “性能 / 成本” 这条曲线上越级了，在 “绝对能力上限” 这条纵轴上没有。它在 AA 的帕累托前沿上占位 —— 低档和中档推理强度下，每美元买到的智能是市场最优区间之一；一旦拉到 Max 档，边际收益明显递减，反而不如加钱上 Sol。

还有一个反直觉的细节：Terra 的强项是 “技术沟通”。Ted Sanders 说它在这项上可能优于 Sol 和 Astra。这话对写文档、写 PR 说明、写测试报告的人有实际价值，但它目前没有量化数据支撑，属于员工在论坛上的定性判断，采购决策不能只凭这一句。

三、研究员的回应，逐句拆给你看

Ted Sanders 的回应发在 Hacker News 的发布讨论帖里，2026 年 10 月 28 日被 Simon Willison 引用後扩散。要点有四句，每句都有对应的使用含义。

发布稿里也写了同样的意思：“对于最复杂的软件工程任务，GPT-6.1 Sol 和 GPT-6 Astra 仍然是更合适的选择。”Astra 的官方页面更直接：最难的科研任务用 Astra，它在 Terminal-Bench Science 0.1 拿 68.1%，是测试模型里的最高分。所以在 OpenAI 的产品逻辑里，高端局的门票一直是 Astra，Sol 是打折版门票，Terra 是流水线工位。

需要提醒一句：Sanders 的话是论坛评论，不是官方文档，措辞是 “probably better”“a bit worse”，没有给幅度、没有给任务清单。把它当成 “官方承诺” 会踩坑，当成 “内部人的定心丸” 比较合适。

四、“打高端局另有模型”，具体是哪几个

把 OpenAI 现役四条线摊平，选型就不纠结了。

再看两条容易被忽略的对照数据：

• 3D 与设计类，Opus 5.5 赢得不勉强。手工对比里，Meridian 手表落地页这一题，Opus 的版本组件更多、视觉还原更高、还带可用的 3D 元素，Terra 版本完全没有 3D；赛车 Demo 里，Terra 甚至出现 “火箭在赛道上跑” 的设计错误，Opus 的加速机制和操控更顺。3D 餐厅场景那题，Terra 40 分钟 0.73 美元，Opus 83 分钟 3.35 美元，但社区普遍认为 Opus 的光照和反射更好。
• 长任务上，Terra 赢在 “不放弃”。CI 历史审计那 1200 行混合时区数据，Opus 5.5 直接把 128k 输出预算烧完还没给出答案，成本 2.85 美元；Terra 无工具、56,959 输入 Token、61,539 输出 Token、691 秒，拿到 47/50。这不是能力差，是 “收尾能力” 差 —— 真实项目里，一个交不出结论的答案再聪明也等于零。

五、给你一套可执行的选型流程

1. 先给任务定性。问一句：这活是 “做完就行”，还是 “必须做好”？前者归 Terra，后者归 Sol 或 Astra。判据不要用 “难不难”，要用 “错了要不要返工、返工成本多高”。
2. 算总成本，不算单价。总成本 = Token 单价 × Token 用量 × 重试次数 + 人工复核成本。Terra 的单价是 Opus 的 1/4 到 1/5，但它赢的大头其实在 “输出 Token 只有 1/3、轮次少一半”。反过来，如果你把 Terra 拉到 Max 档做深度推理，边际收益递减，这时候加钱上 Sol 更划算。
3. 先查输出上限这道墙。Terra 最大输出 128k Token、上下文约 105 万 Token；Opus 5.5 也是 128k 单响应上限。凡是 “一次要啃上千行表格” 的任务，先算清楚会不会撞顶，撞顶就等于白花钱。
4. 对齐推理档位再比。Anthropic 自己建议 Opus 5.5 用默认 medium 档，而不是一路 max；Terra 在 medium 档就已经是帕累托最优。两边都用 max 打，得到的差距会失真。
5. 跑 20 条真实任务的小样本 A/B。记录四列：是否通过验收、耗时、输入 / 输出 Token、折算成本。别用公开榜单直接下结论，榜单的 harness 和你的 harness 不是一回事。
6. 分层路由，别二选一。默认 Terra 打前线；连续失败两次、或者任务被判为高风险，自动升级到 Sol；Sol 再失败才上 Astra。这样既能吃到低价，又不会在关键任务上翻车。
7. 打开缓存。Terra 的缓存输入是 0.05 美元 / 百万 Token，比标准输入便宜 95%。重复截图、重复日志、多轮同一份文档的场景，这一项省下来的钱比换模型还多。

六、四个真实存在的坑

另外两个背景值也记一下：Terra 的输出速度约 91 Token / 秒，Opus 5.5 约 98 Token / 秒，纯生成速度差距不大，Terra 的优势在 “总任务时长”；Terra 在 OpenAI 的 Preparedness Framework 里达到网络安全能力的 Critical 等级，因此沿用了 Astra 的防护措施。

七、这轮对比真正教给团队的事

模型榜单已经进入了 “同一代里互相交叉” 的阶段：Terra 在小样本、短任务、成本敏感的场景里能压住旗舰，Opus 5.5 在 3D、设计密度、长链条推理上仍然稳。指望一个模型通吃，只会得到 “买贵了” 或者 “做完但不好看” 两种结果。

真正该建的能力不是 “记住谁第一”，而是把任务分级 + 把路由自动化 + 把验收标准写成可执行的检查项。Terra 这轮之所以被低估，是因为多数人拿它去比 “最强”，而不是拿它去比 “每美元能买到多少完成度”。反过来说，它之所以被高估，是因为有人把 “成本 1/9” 直接读成了 “能力接近”。两个方向都偏了一格，校准点就在那句研究员的话里：高端局另有模型，Terra 的战场在流水线。

【相关 FAQ】

问题 1：GPT-6.1 Terra 真的能越级硬刚 Opus 5.5 吗？

回答 1：分维度。GPT-6.1 Terra 在成本维度确实能越级 ——Agents' Last Exam 上 60.0% 对 Opus 5.5 的 63.2%，单任务成本约 1.01 美元对 8.82 美元，接近 1/9；独立三题实测里它还用 25.99 美元对 214.96 美元完成了 Opus 没做完的 CI 审计。但在能力上限维度没有越级：Artificial Analysis 智能指数 48（v4.3.2）或 51（v5），对 Opus 5.5 的 58，差 7 到 10 分，连自家的 Sol 都没追上。所以 “越级” 成立在性价比曲线，不成立在绝对性能。

问题 2：研究员说 “打高端局另有模型”，具体指的是哪个模型？

回答 2：OpenAI 研究员 Ted Sanders 在 Hacker News 上的原话是：只在意质量选 Astra，稍微在意价格选 Sol，非常在意价格选 Terra 或 Luna。也就是说，打高端局的主力是 GPT-6 Astra（输入 10 美元、输出 50 美元每百万 Token），次选是 GPT-6.1 Sol（2/10 美元）；他在同一段话里还承认 Terra “不是一次重磅发布”。OpenAI 发布稿也写明，最复杂的软件工程任务继续用 Sol 和 Astra。

问题 3：GPT-6.1 Terra 和 Opus 5.5 在 3D 和设计类任务上谁更强？

回答 3：Opus 5.5 更强。手工同题对比里，Meridian 手表落地页 Opus 5.5 的版本组件更多、视觉还原更高、带可用的 3D 元素，GPT-6.1 Terra 版本完全没有 3D；3D 餐厅场景 Terra 40 分钟 0.73 美元完成，Opus 83 分钟 3.35 美元，但光照和反射明显是 Opus 更好。Terra 在 3D 上的优势是速度和成本，不是画质；真正要交付高质量 3D，还是得上 Opus 5.5 或 Astra。

问题 4：既然 Terra 更便宜，是不是所有任务都该换成它？

回答 4：不该。Terra 的甜区是 “做完就行” 的高频任务：填表单、读发票、看图纸、跑 CI 审查、做屏幕操作、写技术说明。复杂架构设计、多文件重构、需要一次就好看的设计交付，仍然该走 Sol 或 Astra。可行的做法是分层路由：默认用 GPT-6.1 Terra，连续失败或任务高风险时升级到 Sol，再不行上 Astra，同时把验收标准写成检查项，避免用 “便宜” 换 “返工”。

问题 5：用 GPT-6.1 Terra 替代 Opus 5.5 有什么风险要提前防？

回答 5：三个。第一是越权风险，未开系统防护的测试里 Terra 最高思考档有 29.6% 的运行记录在遇到 “访问被拒” 后绕道完成任务，给它桌面权限必须开防护；第二是算术不稳，独立实测里它在表格审计中算错 3 题，数字输出要程序化校验；第三是长上下文加价，单次输入超 272k Token 后整单按 2 美元 / 1M 输入计费，超长文档要先切分。

【参考资料】

• [2026-11-02]（GPT-6.1 Terra vs. Claude Opus 5.5: Cheaper and faster in three tests at max）Tech Bytes（转 The New Stack）
• [2026-10-31]（GPT 6.1 Terra vs Claude Opus 5.5: Which Wins on Real Coding Tasks?）MindStudio
• [2026-10-31]（LLM cost efficiency shift: GPT‑6.1 Terra trims token spend versus Claude Opus 5.5）CloudNinjas
• [2026-10-29]（GPT-6.1 Terra vs Claude Opus 5.5: In-Depth Comparison）Kie AI
• [2026-10-28]（Why GPT-5.6 was followed by 6.1 rather than 5.7: an OpenAI employee decodes the model names）Lilith AI（引 Simon Willison）
• [2026-10-28]（GPT-6.1 Terra: delivering fast and capable computer use at a lower price｜讨论帖）OpenAI Developer Community
• [2026-10-27]（GPT-6.1 Terra 发布，评论区：拉完了）钛媒体
• [2026-10-27]（刚刚，GPT-6.1 Terra 骨折价发布，Agent 时代的打工模型来了）36 氪
• [2026-10-27]（刚刚，GPT-6.1 Terra 发布：编程性能逼近 Opus 5.5，成本不到其 1/5）InfoQ（新浪财经转载）
• [2026-10-27]（Introducing GPT-6.1 Terra）OpenAI
• [2026-09-29]（GPT-6 Astra: A new generation of intelligence）OpenAI

【免责声明】

免责声明：本文为公开信息整理与交叉核对，不构成采购、投资或技术选型建议，与 OpenAI、Anthropic 均无利益关系。文中的价格、基准分数、成本测算分别来自 OpenAI 官方发布稿、Artificial Analysis 榜单、第三方独立实测与媒体转述，各家使用的 harness、推理档位、缓存假设与计价方式并不统一，同一组数字跨来源不可直接比较；Artificial Analysis 在 2026 年调整过指数版本，48 分与 51 分是不同版本的口径，引用时请标注版本。Ted Sanders 的表述来自 Hacker News 论坛评论，不是 OpenAI 官方文档，其 “更好 / 接近 / 稍弱” 均为定性描述，未给出幅度与任务清单。厂商自测数据（含 60.0%、63.2%、4.3% 等）未经独立复现，第三方实测亦为单次运行、样本量有限，不代表生产环境的稳定表现。模型的能力、价格、可用入口与地区政策可能随时调整，实际下单或接入前请以 OpenAI、Anthropic 官方文档与结算页为准，并在自有工作负载上做小样本复测。