GPT-6.1 Terra 与 GPT-6.1 Sol：5 美元输出在何处不再更划算

大多数人所做的 GPT-6.1 Terra 与 GPT-6.1 Sol 之间的比较是错的，而且这种错法偏袒了更便宜的那个模型。他们把两者都设为最高推理强度，注意到 Terra 得分略低，也注意到 Terra 的价格只有一半，于是得出结论：Terra 是合理的默认选择。但没人会在生产流水线中每次调用都以最高强度运行。真正的选择是 xhigh 的 Terra 对 low 的 Sol——而在这个比较中，Hacker News 上的评论者在发布后数小时内就指出，Terra 可能比 Sol 花费更多，同时得分更差。选哪个模型，没有你把它固定在哪个推理强度那么重要；而这个推理强度，是两个发布页面都没有放进标题的变量。

两款模型同属一代、同月发布：GPT-6.1 Sol 于 2026 年 9 月 29 日上线，GPT-6.1 Terra 则是 10 月 26 日。它们共享 1.05M 上下文窗口、128K 输出上限、相同的三个端点，以及同样的文本与图像输入。将二者区分开的，是独立指数上 4 分的差距，以及价目表上 2 倍的差距——而这 4 分是否值双倍价钱，完全取决于你的工作负载如何用上最后这 4 分。

同一个模型，两种价格方案

摘自 OpenAI 模型文档的规格说明，查阅于 2026 年 10 月 27 日。

• 价格——GPT-6.1 Terra 每百万 token 输入 $1 / 输出 $5；GPT-6.1 Sol $2 / $10。Terra 的缓存输入为 $0.05，Sol 为 $0.10。

• 上下文 — 各 1,050,000 个 token，最大输入 922,000，最大输出 128,000。完全相同。

知识截止日期——Terra 为 2026 年 6 月 1 日；Sol 为 2026 年 4 月 30 日。更便宜、更新的那款模型掌握的世界知识反而新了大约一个月。

• 推理强度 — Terra 提供 none、low、medium、high、xhigh、max；Sol 提供 low 到 max。Terra 额外多出的“none”档位是 Sol 不具备的真正成本下限。

• 价格调整项 — 两者都有 batch 和 flex，比标准价低 50%；fast 为标准价的 2×；regional 加价 10%；以及 272K 输入阈值。仅 Sol 提供 Ultrafast 层级，为标准价的 6×；按标价计算，每百万输入 $12、输出 $60。

• 工具与端点——完全相同的一组。Responses API 支持工具调用，Chat Completions 不支持工具，Batch 两者都支持，两者均不支持微调。

四点，双倍价格

Artificial Analysis 目前将 GPT-6.1 Terra 的 Intelligence Index 列为 48——在 221 个模型中排名第 25——并将 GPT-6.1 Sol 列为 52，排名第 13。这就是全部独立能力差距：在最大努力下，在一个综合指数上，相差四分。这并非无关紧要。但它也不是“旗舰与中端”这种说法所暗示的巨大鸿沟，而且这两个模型共享同一代际、同一架构系列和同一上下文窗口。

成本差距更容易说明：在标准费率下，输入和输出都恰好是 2 倍。Terra 不是廉价档模型；它是 Sol 的价格减半并去掉四个指数点。

按已完成任务计费，而非按词元

真正应该驱动决策的数字是每完成一项任务的成本，因为它把每个模型花在思考上的 token 数量也计算在内。在 Artificial Analysis 的 Intelligence Index 上，GPT-6.1 Terra 每项任务成本为 $0.40，GPT-6.1 Sol 为 $0.72——Terra 节省了 44%，低于 50% 的头条降幅，因为在最大努力下完成同样的工作，Terra 会多消耗少量 token。

把规模放大来看。每月一百万项任务时，差距约为 320,000 美元。每月一万项任务时，差距是 3,200 美元——这是实打实的钱，但小于重建一套评测工具链所花费的一个工程师周。Terra 的价格优势足以证明迁移合理的门槛，是一个用量问题，而不是质量问题，也是在阅读任何基准测试表之前要计算的第一个数字。

对 Terra 有利的还有一个二阶效应，它并未体现在任一价格中：知识截止时间。Terra 的训练数据截止到 6 月 1 日，比 Sol 的 4 月 30 日新一个月。对于依赖近期 API、库版本或文档的工作负载，这一个月价值超过四个指数点，而获得它的成本只有一半。

努力程度陷阱：完整推演

具体来说，失效模式是这样的。Terra 在 xhigh 努力级别下，每个任务消耗的 token 比 Sol 在 low 努力级别下更多。如果 Terra 的 token 单价只有一半，但用量却超过两倍，那这个“更便宜”的模型就不再便宜了——而且在最难的任务上，xhigh 本就是比 Sol 的 low 更弱的设置，你等于花了更多钱却换来更差的答案。Hacker News 的评论者在 Terminal-Bench 4.0 发布后不到一天，就原样描述了这一现象。

修复方法不是避开 Terra，而是在同等花费下比较，而不是在同等设置下比较。具体来说：先选定你的质量门槛——你的产品在你自己的评估中需要的通过率——然后找到能过线的最便宜（模型、努力程度）组合。这个搜索空间在这两个模型上共有十二个可行点，而不是两个，答案通常也不是“Terra 拉满”或“Sol 拉满”。

OpenAI 自己的数据说明了这一设置的影响有多大。Terra 在供应商内部错误诱导集上的错误率，从低推理强度下的 16.7% 降至最高推理强度下的 4.3%——同一模型内相差 12 个百分点。在独立指数上，Terra 与 Sol 的差距为 4 个百分点。推理强度旋钮比模型选择是更大的杠杆，而且调节它无需额外成本。

Sol 仍能赚取加价的地方

OpenAI 对 Sol 的定位是“以更低的成本，为复杂工作提供接近 Astra 的性能”，而厂商基准测试中它与 Terra 拉开差距的地方也与此一致：长周期智能体任务、最难的编程任务，以及高密度的专业文档。这些也正是这样一类任务——一次失败的运行所付出的代价远超 token 成本，而这恰恰是 2 倍价格溢价很容易被合理化的时候。

Terra 的反驳论点比营销所暗示的更狭窄，但比该指数所暗示的更尖锐。OpenAI 报告称，在 Terminal-Bench-Science 0.1 上，Terra 与 Claude Opus 5.5 的差距在 5 分以内，而估计成本不到后者的五分之一；在 Agents' Last Exam 上，Terra 比 GPT-5.6 Terra 高 15 分，成本约为后者的三分之一。这些数字来自厂商自行选定的测试，并由厂商自行运行，因此它们确立的是方向而非量级——但这个方向是“在科学相关和智能体任务上足够好，而且便宜得多”，这是一个真实的利基市场。

诚实的划分是这样的：Sol 适用于质量下降四分你会察觉到的任务，而 Terra 适用于你会注意到账单的任务。很少有工作负载完全属于其中一种，这就是为什么路由问题比模型问题更重要。

在质量决定胜负之前，延迟可能已经先一步决定了结果。

Artificial Analysis 测得 GPT-6.1 Sol 在 max effort 下输出速度为每秒 65.9 个 token，首 token 时间为 325.58 秒。这个首 token 时间并非笔误，对于任何交互式场景都是不合格的。Terra 目前尚无独立吞吐量测量；OpenAI 称其快得多，如果这一点成立，那么无论指数分数如何，这一差距都足以让聊天形态或 agent 循环产品的争论见分晓。

对于批处理任务，这种权衡则会发生反转：如果任务要运行一整夜，那么 325 秒的思考时间就无关紧要，而 Sol 更高的能力上限值得为之付出成本。延迟是工作负载的属性，而不是模型的属性，因此在决策中应优先于基准排名加以考虑。

将双臂同时按在同一个琴键上

OrcaRouter 以 $2/$10 的目录价提供 GPT-6.1 Sol，0% 加价，并与200 多个其他模型共用同一个密钥。截至 10 月 27 日，GPT-6.1 Terra 尚未收录在我们的目录中——它刚发布一天，可通过 OpenAI 的 API 使用——因此如今切实可行的做法是：在我们这边测量 Sol 这一分支，并将其设为升级目标：在 Terra 胜出的场景运行 Terra，当请求需要额外四个百分点或某个提供商出现故障时段时，故障转移到 Sol。两者属于同一代，具有相同的上下文窗口和相同的端点形态，因此路由规则只是一个模型字符串和一项推理强度设置，而不是重写。

路由 DSL 在这里之所以重要，有一个具体原因。真正有意思的生产配置不是“Terra 或 Sol”，而是“Terra 用高配置，在置信度低时升级到中配置的 Sol”——这种组合原本意味着两套集成、两套重试策略和两份账单。这正是这对模型所引出的那类决策，也是应当把这两个模型作为阶梯来评估、而非二选一的原因。

决策规则

• 高吞吐量、规格明确、对延迟敏感——截图、表单、抽取、浏览器自动化和常规草拟。Terra，以能通过你的评测的最低推理力度。4 个百分点的差距不会显现，而每项任务 44% 的节省会显现出来。

高难度编码、长周期智能体、高密度专业文档，以及任何一次失败运行的成本高于 token 开销的场景。Sol。这正是 2× 溢价所对应的负载。

• 具有严格首令牌时间预算的交互式聊天。使用 Terra，除非你已测量过低推理投入下的 Sol 并发现延迟可接受。最高推理投入下的 Sol 是一台披着聊天界面的批处理仪器。

• 对时效性敏感的工作——较新的 API、库版本、最新文档。Terra 的六月截止时间胜过 Sol 的四月截止时间，而且价格只有一半。

• 不确定。应在同等支出下做基准测试，而不是在同等设置下。仅这一改变，就会比任何基准测试表都更能推动更多团队转向 Terra。

悬而未决的问题不是 Terra 是否足够好到可以取代 Sol——在唯一可用的独立衡量标准上，它显然不够。真正的问题是，四分差距能否在 GPT-6.1 Astra 到来后依然存在；Astra 尚未发布，而它会像 Sol 当初把 Astra 往下推那样，把 Sol 也沿着阶梯往下推。当这种情况发生时，真正有意思的比较将是 Terra 对阵降价后的 Sol，而“努力度”旋钮将比今天更加重要。