GPT-6.1 Terra 定价：$1 和 $5 究竟能买到什么

GPT-6.1 Terra 的价目表一共四个数字，其中三个是人们常引用的：每百万输入 token 1 美元、每百万输出 token 5 美元、每百万缓存输入 token 5 美分。第四个数字——每百万缓存写入 token 1.25 美元——才决定你的账单是减半，还是仅仅小幅下降。这是一篇定价页，不是发布报道：它逐行拆解整张价目表，为三类真实工作负载分别在 GPT-6.1 Terra、GPT-6.1 Sol、GPT-5.6 Terra、GPT-6 Astra 和 GPT-6 Luna 上测算成本，并展示“半价”说法在何处经得起真实生产账单的检验，又在何处悄然不再成立。

以下每个数字都来自 OpenAI 针对 GPT-6.1 Terra 的模型文档（查阅于 2026 年 10 月 27 日），以及 Artificial Analysis 上实时列出的独立每任务成本数据。凡是厂商报告的数字，文中都会注明。这里没有任何内容是把预测伪装成测量结果。

这张卡片，逐行解读

GPT-6.1 Terra 的标准费率为每百万输入 token 1.00 美元、每百万输出 token 5.00 美元。缓存输入为每百万 0.05 美元。这些数字出现在每一则头条中，而且就它们所涵盖的范围而言是正确的。

标题没有提到的是，填充缓存并非免费。写入缓存的费用为每百万 token 1.25 美元（保留 30 分钟），或每百万 token 2.50 美元（保留 12 小时）。如果你的工作负载是一个长系统提示在数千个短请求中重复使用，那么缓存只需几次调用就能回本。如果你的工作负载是每次都是一个不同的 40,000 token 文档，那么你就是在 1.00 美元的输入费率之上再付 1.25 美元，只为存储一些你永远不会再读的内容——而每次五美分的缓存输入根本无从谈起。

其他修饰符的叠加方式很容易被忽略：

• 长上下文——任何超过 272,000 个输入 token 的请求，都会对整次请求按 $2.00 的输入价格和 $7.50 的输出价格计费，而不只是对超出部分计费。在该层级，缓存输入价格翻倍至 $0.10，缓存写入价格为 $2.50。

• Batch 和 Flex — 比标准价格低 50%，即输入 $0.50、输出 $2.50。这是 OpenAI 价目表上最便宜且足够可靠的通用型价格。

快速模式 — 标准速度的 2 倍，或输入 $2.00、输出 $10.00。

• 区域处理——在提供某个区域的情况下收取 10% 的溢价。Terra 不支持阿联酋的推理驻留，因此并非每位想要这一溢价的买家都能享有它。

• 推理强度 — none、low、medium、high、xhigh 和 max。默认值为 medium。推理强度不会改变每 token 的价格；它改变的是模型用于思考的 token 数量，因此同一提示词在 max 下的成本可能是 low 下的三倍。

换句话说，按 token 计费的卡片就是一份带有六个旋钮和两道断崖的菜单。两道断崖是 272K 阈值和缓存写入费。六个旋钮则是 effort、batch、fast、regional，以及缓存输入与未缓存输入。

三个工作负载，三张账单

以一个支持工单分诊流水线为例：2,000 个 token 的系统提示词、1,500 个 token 的工单，以及 400 个 token 的答案。未缓存时，这是 3,500 个输入 token，按每百万 $1.00 计价；以及 400 个输出 token，按每百万 $5.00 计价——即 $0.0035 加 $0.0020，也就是每张工单 $0.0055。每天一万张工单的成本是 $55。将系统提示词缓存，并让缓存保持热态后，输入降至大约 1,500 个未缓存 token，加上 2,000 个按每百万 $0.05 计价的缓存 token，同一张工单的成本约为 $0.0037。节省为 33%，而不是 50%，因为输出始终是更昂贵的那一半。

现在看一个文档处理流水线：8 万个输入 token 的合同文本，以及 2,000 个输出 token 的摘要。输入是 $0.08，输出是 $0.01——每份文档 9 美分。在 GPT-5.6 Terra 上按 $2.00 和 $12.00 计，同一项工作输入为 $0.16、输出为 $0.024，即 18.4 美分。账单减半，而输出才是更大比例降幅所在：降了 58%，而不是 50%。

然后就是浏览器智能体，也就是 Terra 实际销售所面向的工作负载。每一步都会发送一张屏幕截图和任务状态，并要求执行一个动作。假设每一步有 3,000 个输入 token 和 150 个输出 token，每个任务有二十步。也就是每个任务有 60,000 个输入 token 和 3,000 个输出 token——输入 $0.06，输出 $0.015，重试前每个已完成任务为 7.5 美分。再加上 30% 的重试率，就达到约 9.8 美分。这时，每个任务的成本，而不是每个 token 的成本，成为唯一重要的数字。

272K 断崖，完整拆解

由于长上下文倍率适用于整个请求，因此越过 272,000 个输入 token 并不是边际成本。一个 300,000 输入、3,000 输出的请求按每百万 $2.00 和 $7.50 计费：输入 $0.60，输出 $0.0225，总计 $0.6225。同一请求在 270,000 个输入 token 时计费为输入 $0.27、输出 $0.015，总计 $0.285。你增加了 30,000 个 token，却多付了 118%。

这很重要，因为 GPT-6.1 Terra 的上下文窗口为 1,050,000 个 token，最大输入为 922,000 个 token。这样的窗口会吸引那些会被价格表惩罚的工作负载。如果你的流水线经常发送 300K 到 500K 个 token，那么诚实的比较并不是 Terra 的 $1 对 Sol 的 $2，而是 Terra 的 $2 对 Sol 的 $4，以及 Terra 的 $7.50 输出对 Sol 的 $15。50% 的差距仍然存在，但绝对数字是标题数字所暗示的两倍：一个 400,000 输入、4,000 输出的请求在 Terra 上是 $0.83，在 Sol 上是 $1.66。

半价说法的边界在哪里

Fast mode 就是最清楚的例子。GPT-6.1 Terra 在 2× 下为输入 $2.00、输出 $10.00——恰好是 GPT-6.1 Sol 的标准标价，而 Artificial Analysis 给 Terra 的评分却低了四个指数点。如果你的工作负载对 Terra 的速度需求足够强烈，以至于你愿意支付快速模式的倍率，那么支持 Terra 而非 Sol 的价格理由就完全消失了。剩下的只有延迟论据，而只有当实测速度差距确实存在时，它才成其为论据。

它第二个失效之处在于投入程度。在 xhigh 或 max 下，Terra 为了得到相近的答案，花费的 token 可能比处于 low 或 medium 的 Sol 更多。Hacker News 的评论者在发布后数小时内就提出了这一点：“Terra 在 xhigh 下比 Sol 在 low 下花费更多，得分却更低”是反复出现的说法。价格卡回答不了这个问题，因为价格卡给 token 定价，而工作量决定用多少 token。

第三种是缓存写入密集的流量。按每百万写入 token 收费 1.25 美元计算，一个在每次请求时都重建 50,000 token 上下文的流水线，在读取哪怕一个 token 之前，每次请求就要支付 0.0625 美元。在 GPT-5.6 Terra 上，同样的写入成本为 2.50 美元——所以新模型仍然更便宜——但缓存这一项现在占输入账单的 55%，而不是 20%。

每个已完成任务的成本才是编制预算时应依据的数字。

Artificial Analysis同时发布智能指数和每项指数任务成本。在其实时榜单上，GPT-6.1 Terra以48分位列，每项任务成本为{{1}}0.40美元{{/1}}。GPT-6.1 Sol为52分，成本0.72美元。GPT-5.6 Terra为42分，成本1.40美元。GPT-6 Astra为53分，但每token价格高得多，而GPT-6 Luna为38分，价格还要更低。

有参考价值的解读不是“Terra 每项任务比其前代便宜 71%”——这话没错，但那是拿一个你本来就要淘汰的模型作比较。真正有用的是：Terra 的 $0.40 位于 Sol 的 $0.72 和 Luna 不到十美分的区间之间，这就把决策归结为一条分界线：任务是否难到四个指数点就能改变结果？对于表单填写、发票提取和截图筛选，不能。对于长周期编程，能。

在这次发布中，有一个数字值得结合这一背景重新读一遍。OpenAI 自己的对比显示：在 Agents' Last Exam 上，GPT-6.1 Terra 在最高努力档位下的表现，大致与 GPT-6 Astra 在中等努力档位下持平，而每 token 价格约为后者的十分之一。这是一个披着“每 token”外衣的“每任务”声明，也是本次发布中最有力的成本论据——比“半价”更有说服力，因为它把每个模型消耗多少 token 也计算在内。

你现在真正能买到的东西

GPT-6.1 Terra 在撰写本文时并未收录于 OrcaRouter 的产品目录中。该目录收录了 GPT-6.1 Sol（$2/$10）、GPT-5.6 Terra（$2/$12）、GPT-6 Astra（$10/$50）和 GPT-6 Luna（$0.10/$0.50），均按供应商标价 0% 加价，但不包括新的 Terra。如今任何通过路由器向你报出 Terra 费率的人，要么是领先于供应商的文档，要么是在猜测。

这样一来，接下来几周就有了一个务实的方案。先对当前可调用的各条线路按工作负载计价——Sol 和 Luna 都已上线，共用一把密钥，并支持自动故障转移——同时通过 OpenAI 的 API 直接试用 Terra 做并行对比。由于我们的目录按提供商标价原样透传、不加价，供应商一旦降价，当天就会体现在 Sol 和 Luna 这两条线路上，且以 OpenAI 发布的价格为准；无需重新谈判。如果 Terra 之后进入目录，迁移不过是改一个模型字符串，而你在 Sol 线路上建立的度量，就是用来对比的基线。

经得起现实考验的预算模板

• 将输入、缓存输入、输出和缓存写入分开列出。四行，而不是一行。

• 标记每一个超过 272K token 的请求。如果有超过几个百分点的请求越过该阈值，就按长上下文档位为整个工作负载重新定价，而不是按标称档位。

• 单独为投入定价。在低、中、最高三档运行同一评测；真正变动的是 token 数量，而不是费率。

• 模型重试。重试率为 30% 的浏览器智能体，其单任务成本比按算术推算的高出 30%，而通常正是那个便宜模型才需要重试。

• 比较每项已完成任务的成本，而不是每百万个 token 的成本。在你没有更好的指标时，Artificial Analysis 的索引任务数值是一个合理的替代指标；你自己的评估更好。

半价这个标题是真的。它也是卡片上最没意思的数字，因为它描述的是费率，而不是账单。账单取决于投入程度、272K 断崖、你重建缓存的频率，以及一项任务需要尝试多少次——而在这四项中的三项上，OpenAI 自己的文档只给了你旋钮，却没给设定值。