GPT-6.1 Terra Pro 与 GPT-6.1 Sol：按工作需求选择，而非看价格表

GPT-6.1 Terra Pro 与 GPT-6.1 Sol 是人们搜索的对决，但这个名称中只有一半是真实的：OpenAI 的模型是 GPT-6.1 Terra，而“Pro”是 ChatGPT 的套餐标签，不是模型变体。真正重要的比较是 GPT-6.1 Terra 与 GPT-6.1 Sol，这两个模型来自同一代，具有相同的 105 万 token 上下文窗口、相同的 128,000 token 输出上限，以及 2:1 的价格差距。有用的问题不是哪一个更好，而是哪一个更擅长你即将交给它的工作。

换个框架看，答案就变了。在独立指数上，Sol 领先四分。在价格上，Terra 的價格只有一半。在速度上，按 OpenAI 自己的测量，Terra 快三倍以上。这三个事实中任何一个都不能单独决定胜负，因为它们分别对应工作负载的不同部分：质量、成本和延迟。哪个模型胜出，取决于你的任务真正缺的是其中哪一项。

简短的回答

如果工作是浏览器或桌面代理在应用程序中点击操作、表单填写流水线、发票队列、必须转化为模型的技术图纸，或必须根据所提供材料清晰撰写的文档，请从 GPT-6.1 Terra 开始。如果工作是长期重构、多文件功能、艰难的调试会话、内容密集的专业文档，或持续数小时的研究任务，请从 GPT-6.1 Sol 开始。如果你需要 OpenAI 出售的最快付费层级，Sol 是两者中唯一提供 Ultrafast 选项的。

情况大致如此。本文余下部分是证据、这一格局被打破之处，以及可能改变答案的设置。

两种模型，两种工作

GPT-6.1 Terra 的定位是日常工作：视觉推理、计算机控制，以及读起来像是有人根据他人提供的材料亲手写出的文字。OpenAI 的公告提到了起草提案、解读技术图纸、填写表单和编辑视频。GPT-6.1 Sol 的定位是更困难、更长期的工作：接近 Astra 水平的编程和专业文档；即使在 Terra 发布帖中，OpenAI 也建议最复杂的编程任务使用 Sol 或 Astra。

OpenAI的Ted Sanders在发布当天的多家报道中被引用，他对这一取舍说得更直白：Terra在技术沟通上优于Astra和Sol，在视觉和计算机使用方面相近但速度快得多，而在大多数其他方面则稍逊一筹。这属于厂商自述而非独立发现，但仍有其价值，因为它点明了取舍所在，而不是将其掩盖。

两个模型共享相同的骨架：105 万 token 的上下文、92.2 万 token 的最大输入、12.8 万 token 的最大输出、文本与图像输入、Chat Completions 与 Responses 端点，且不支持微调。差异在于知识截止日期（Terra 为 2026 年 6 月 1 日；Sol 为 2026 年 4 月 30 日）、推理下限（Terra 可接受 none；Sol 最低从 low 起步）、速度档位（Sol 提供 Ultrafast；Terra 没有）以及价格表。

基准测试的分界处

Artificial Analysis 是最清晰的独立解读：Terra 在最大投入下为 48，Sol 为 52；二者在 221 个中分别排名第 25 和第 13；每个索引任务成本分别为 0.40 美元和 0.72 美元。四个索引分的差距确实 real，但这种差距正是任务特定评估可能朝任一方向抹平的那类差距。

• 综合指数 — Terra 48 对 Sol 52（Artificial Analysis）。

• 编程智能体指数 v2.0 — Terra 48 对 Sol 54，GPT-6 Luna 为 31（Artificial Analysis）。

• Terminal-Bench 4.0——Terra 在最高努力程度下达到 50.3%；OpenAI 在发布 Terra 时并未公布 Sol 的相关数据（厂商自报）。

• {{1}}Terminal-Bench-Science 0.1{{/1}} — OpenAI 称，Terra 在最高强度下以更低成本超越 Sol，并以不到估计成本五分之一的成本，与 Claude Opus 5.5 的差距在五个百分点以内（厂商报告，也是此次发布中最令人惊讶的说法）。

Plotly 数据分析考试——Terra 40/43，Sol 43/43，Luna 38/43，费用为 1.31 美元，而该考试为 2.61 美元；Terra 是达到 40 分或以上的最快模型，每题约 15 秒（第三方评估）。

• OSWorld 2.1 — OpenAI 表示，在中等投入下，Terra 以一小部分成本击败了 GPT-5.6 Terra 的最佳成绩，但没有公布与 Sol 的正面对比数字，因此对 Terra 的定位最重要的计算机使用主张，反而是直接证据最少的那一个。

把那份清单当作一张地图，看看这四个点各自位于何处。Sol 的优势集中在编码和长时程推理上。Terra 的优势在于速度、价格和更新的知识截止日期。在 OpenAI 选择直接针对 Sol 发布的唯一一个基准测试 Terminal-Bench-Science 0.1 上，Terra 以更低的成本获胜，这要么是真正的爆冷，要么是基准选择效应。OpenAI 之外没有人复现过这一结果。

努力程度调节所决定的东西比模型更多。

两个模型都提供推理强度设置，而这项设置带来的成本可能超过模型选择本身。Terra 的最低档是 none，这让它在抽取和分类任务上异常便宜；Sol 的最低档是 low，因此每次调用 Sol 都要为一定量的推理付费。在最高档，Terra 在 xhigh 下可能比 low 档的 Sol 消耗更多 token、成本更高，却在同一任务上得分更低——这是 Hacker News 评论者在发布后数小时内提出的观察。我们尚未自行测量，但从算术上看是合理的：推理强度会以乘法方式改变 token 数量，而价格差距只有 2 倍。

实用规则是：根据评估来确定投入强度，而不是凭习惯。让两个模型分别在两个投入级别下运行五十个真实任务，设定质量门槛，然后选择能达标的最便宜组合。在相同名义投入水平下比较 Terra 和 Sol，是这种对比中最常见的错误，也是最容易得出错误答案的错误。

完成一项任务的成本是什么

• 输入 — Terra 每百万 token $1.00，而 Sol 为 $2.00。

• 缓存输入 — $0.05 vs $0.10。

• 输出 — $5.00 对比 $10.00。

• 缓存写入 — Terra 为 $1.25（保留 30 分钟）或 $2.50（保留 12 小时）；Sol 为 $2.50。

• 长提示词——当输入 token 超过 272,000 时，整个请求的输入费用和缓存费用均按两倍计费，输出费用按 1.5 倍计费。

• 实测每个索引任务成本——Terra 为 0.40 美元，Sol 为 0.72 美元，节省了 44%，而非价目表所暗示的 50%，因为 Terra 在最大投入下会消耗更多 token。

一个采用清晰假设的完整示例：每份文档 2,000 个输入 token 和 500 个输出 token，无缓存。Terra 的输入成本为 $0.002，输出成本为 $0.0025，即每份文档 $0.0045。Sol 为 $0.009。一百万份文档就是 $4,500 对 $9,000。如果一半输入被缓存，Terra 的输入成本会再减半；Sol 也按相同比例下降，因此比例保持不变。差距只会在 Terra 的 none 设置可用时扩大，并在 Sol 用更少 token 完成任务时缩小。

访问权限是比较的一部分

Terra 可在 API 中使用，也可在 Plus、Pro、Enterprise 和 Edu 套餐的 ChatGPT Work 和 Codex 中使用；OpenAI 的公告未列出主 Chat 选择器。Sol 可在 API 和 ChatGPT 中使用，并且是两者中唯一提供 Ultrafast 模式的；两者都提供 Fast，价格为标准价格的两倍。在 Pro 500 套餐中，Ultrafast 消耗包含用量时按标准费率的八倍计算，消耗购买额度时按六倍计算，因此“更快”既关乎延迟，也同样关乎计费。

在路由方面，这种不对称很简单。GPT-6.1 Sol 以标价列在 OrcaRouter 目录中，输入 2 美元、输出 10 美元，没有加价，因此供应商价格变动会以相同条件传导。截至 10 月 27 日，GPT-6.1 Terra 尚未进入该目录，所以 Terra 调用必须走 OpenAI 自己的 API；这是当前目录的事实，而不是永久定位。对我们确实承载的模型进行自动故障转移，正是即使某个模型明显更便宜也要配置第二条通道的原因。

一条本周就能执行的筛选规则

• 按任务的需求分类：屏幕控制和文档制作指向 Terra；代码、长推理和密集型研究指向 Sol。

• 在看价格卡之前，先为你自己的数据设定好质量门槛。四个指数点算不上质量门槛；你的评估才是。

• 要在两个努力等级上测试，而不是只测一个。Terra 在 none 下与 Sol 在 low 下的对比，和 Terra 在 max 下与 Sol 在 max 下的对比是不同的比较。

• 按已完成的任务计价，包括重试和工具调用。按 token 逐项计算会低估需要更多轮次的模型。

• 把落选的那个留作故障转移备选。被限流的最便宜模型并不便宜。

如果你通过 OrcaRouter 进行路由，最后一步是配置而不是代码：一个密钥、按任务类别设置的路由规则，以及当某个提供商性能下降时进行故障转移。一旦接入 Terra，这两个模型就可以位于同一个端点之后；目前只有 Sol 是这样。

什么会改变答案

三件事。一项独立编程评估若能让 Terra 逼近 Sol，就会推翻付双倍价钱的主要理由。一份公开发布的 OSWorld 2.1 正面对比，将给 OpenAI 未明说的计算机使用主张一个定论。而在路由平台上架 Terra，会让故障转移方案成为现实，而不只是愿景。在此之前，站得住脚的默认选择是：大批量任务和屏幕操作选 Terra，代码和长推理选 Sol，两者之间靠评估而非口号。