GPT-6.1 Terra 定價：$1 與 $5 實際上能買到什麼

GPT-6.1 Terra 的價目表只有四個數字，其中三個是人們常引用的：每百萬輸入 token 一美元、每百萬輸出 token 五美元、每百萬快取輸入 token 五美分。第四個——每百萬快取寫入 token 1.25 美元——才是決定你的帳單會減半，還是僅僅略降的關鍵。這是一篇定價頁面，不是發布故事：它逐行拆解整張價目表，針對 GPT-6.1 Terra、GPT-6.1 Sol、GPT-5.6 Terra、GPT-6 Astra 與 GPT-6 Luna 計算三種真實工作負載的價格，並展示「半價」說法在哪些地方經得起生產帳單的考驗，又在哪些地方悄悄不再成立。

以下每個數字都來自 OpenAI 的 GPT-6.1 Terra 模型文件（查閱日期為 2026 年 10 月 27 日），以及 Artificial Analysis 上即時列出的獨立每項任務成本數字。若某個數字是廠商回報的，文中會註明。這裡沒有任何內容是把預測包裝成測量結果。

這張卡片，逐行來看

GPT-6.1 Terra 的標準費率為每百萬輸入符元 1.00 美元、每百萬輸出符元 5.00 美元。快取輸入則為每百萬 0.05 美元。這些就是每個標題中出現的數字，而就其所涵蓋的範圍而言，它們是正確的。

新聞標題沒有告訴你的是，快取並不是免費就能填滿的。寫入快取每百萬個 token 要花 1.25 美元，保留 30 分鐘；或每百萬個 token 要花 2.50 美元，保留 12 小時。如果你的工作負載是一段很長的系統提示詞，並重複用於數千個短請求，那麼快取在幾次呼叫內就能回本。如果你的工作負載是每次都不同的 40,000 個 token 文件，你就是在 1.00 美元的輸入費率之上再多付 1.25 美元，換來儲存某個你永遠不會再讀到的東西的特權——而每百萬個 token 只要 5 美分的快取輸入也根本不會列入考慮。

其他修飾符會以容易忽略的方式疊加：

• 長上下文 — 任何超過 272,000 個輸入權杖的請求，整個請求都會以每輸入 $2.00、每輸出 $7.50 計費，而不只是超出部分。在該級別，快取輸入加倍至 $0.10，快取寫入則為 $2.50。

• 批次與 Flex — 比標準低 50%，因此輸入為 $0.50、輸出為 $2.50。這是 OpenAI 價目表上最便宜且夠用的通用費率。

• 快速模式 — 標準的 2 倍，或輸入 $2.00、輸出 $10.00。

• 區域處理 — 若該區域有提供服務，則收取 10% 附加費。Terra 不支援阿聯酋的推論駐留，因此並非所有希望享有此服務的買家都能使用該附加費。

• 推理強度 — none、low、medium、high、xhigh 與 max。預設為 medium。強度不會改變每個 token 的價格；它改變的是模型花在思考上的 token 數量，因此同一個提示在 max 下的成本可能是在 low 下的三倍。

換句話說，按 token 計費的價目卡是一份有六個旋鈕和兩道懸崖的菜單。兩道懸崖是 272K 門檻和快取寫入費。六個旋鈕則是 effort、batch、fast、regional，以及快取與非快取輸入。

三種工作負載，三份帳單

以一個客服分流流程為例：2,000 token 的系統提示、1,500 token 的工單，以及 400 token 的回答。在未快取的情況下，這相當於 3,500 個輸入 token、每百萬 $1.00，加上 400 個輸出 token、每百萬 $5.00——$0.0035 加 $0.0020，也就是每張工單 $0.0055。一天一萬張工單要花 $55。若把系統提示快取起來、且快取持續保持熱度，輸入便降到約 1,500 個未快取 token，加上 2,000 個以 $0.05 計價的快取 token，同一張工單的成本約為 $0.0037。省下的是 33%，不是 50%，因為輸出一直都是較貴的那一半。

現在是一個文件處理流程：80,000 個輸入 token 的合約文字，以及 2,000 個輸出 token 的摘要。這樣是輸入 $0.08、輸出 $0.01——每份文件九美分。在 GPT-5.6 Terra 上，以每百萬 token $2.00 和 $12.00 計算，同樣的工作是輸入 $0.16、輸出 $0.024，也就是 18.4 美分。帳單減半，而輸出正是比例降幅更大的部分：降 58%，不是 50%。

接著是瀏覽器代理，這才是 Terra 當初實際販售所針對的工作負載。每個步驟會傳送一張螢幕截圖加上任務狀態，並要求執行一個動作。假設每個步驟有 3,000 個輸入 token 和 150 個輸出 token，且每個任務有二十個步驟。那麼每個任務就是 60,000 個輸入 token 和 3,000 個輸出 token——輸入 $0.06、輸出 $0.015，在尚未重試前，每個完成的任務是 7.5 美分。加上 30% 的重試率，就會達到約 9.8 美分。此時，唯一重要的數字會是每個任務的成本，而不是每個 token 的成本。

272K 斷崖，逐步拆解

由於長上下文倍率適用於整個請求，跨過 272,000 個輸入 token 並非邊際成本。一個 300,000 輸入、3,000 輸出的請求，按每百萬 $2.00 和 $7.50 計費：輸入 $0.60、輸出 $0.0225，總計 $0.6225。同樣的請求在 270,000 個輸入 token 時，輸入計費 $0.27、輸出 $0.015，總計 $0.285。你增加了 30,000 個 token，卻多付了 118%。

這件事很重要，因為 GPT-6.1 Terra 的上下文視窗是 1,050,000 個 token，最大輸入為 922,000 個 token。這個視窗會吸引那些會被價目表懲罰的工作負載。如果你的管線經常送出 300K 到 500K 個 token，誠實的比較不是 Terra 的 $1 對上 Sol 的 $2，而是 Terra 的 $2 對上 Sol 的 $4，以及 Terra 的 $7.50 輸出對上 Sol 的 $15。50% 的差距依然存在，但絕對數字是標題所暗示的兩倍：一個 400,000 輸入、4,000 輸出的請求，在 Terra 上是 $0.83，在 Sol 上是 $1.66。

半價宣稱止步之處

快速模式是最清楚的例子。GPT-6.1 Terra 在 2× 模式下是每百萬代幣 $2.00 輸入、$10.00 輸出——正好是 GPT-6.1 Sol 的標準定價，而 Artificial Analysis 給這個模型的評分還低了四個指數點。如果你的工作負載對 Terra 的速度需求大到讓你願意支付快速模式的倍數價格，那麼 Terra 相對於 Sol 的價格論據就完全消失。剩下的只有延遲論據，而唯有實測的速度差距確實存在，這個論據才站得住腳。

第二個失效點是努力程度。在 xhigh 或 max 下，Terra 可能比處於 low 或 medium 的 Sol 花費更多 token，才能得到類似的答案。Hacker News 的留言者在推出後數小時內就提出了這一點：「Terra 在 xhigh 下比 Sol 在 low 下更貴，分數還更差」是反覆出現的說法。價格卡無法回答這點，因為價格卡是為 token 定價，而工作量決定要用多少 token。

第三項是快取寫入量大的流量。以每百萬個寫入 token 收費 $1.25 計算，若某條管線在每次請求時都重建 50,000 個 token 的上下文，那麼在讀取任何一個 token 之前，每次請求就要花 $0.0625。在 GPT-5.6 Terra 上，同樣的寫入成本是 $2.50——所以新模型仍然更便宜——但快取部分現在占輸入費用的 55%，而不是 20%。

每項已完成任務的成本，是編列預算時應依據的數字。

Artificial Analysis 同時公布 Intelligence Index 與每項索引任務成本。在其即時列表中，GPT-6.1 Terra 為 48，每項任務成本為 $0.40。GPT-6.1 Sol 為 52，$0.72。GPT-5.6 Terra 為 42，$1.40。GPT-6 Astra 為 53，但每 token 價格高得多，而 GPT-6 Luna 為 38，且更便宜。

真正有用的解讀不是「Terra 每項任務比前代便宜 71%」——這沒錯，但那是拿你本來就要淘汰的模型來比。真正有用的是，Terra 的 $0.40 介於 Sol 的 $0.72 與 Luna 的不到十美分區間之間，這把決策放到一條界線上：任務是否難到四個指數點會改變結果？就表單填寫、發票擷取與螢幕截圖分流而言，不會。就長程編碼而言，會。

這次發布中有一個數字，在這個角度下值得重讀。OpenAI 自己的比較顯示，GPT-6.1 Terra 在最高效能下，於 Agents' Last Exam 上大致與 GPT-6 Astra 在中等效能下持平，而每 token 價格約為後者的十分之一。這是一個按每項任務計算的主張，卻披著每 token 的外衣；這也是本次發布中最強的成本論點——比「半價」更強，因為它考慮了每個模型會消耗多少 token。

你今天實際能買到的東西

GPT-6.1 Terra 在撰寫本文時並未收錄於 OrcaRouter 的型錄中。該型錄列有 GPT-6.1 Sol，價格為 $2/$10；GPT-5.6 Terra，價格為 $2/$12；GPT-6 Astra，價格為 $10/$50；以及 GPT-6 Luna，價格為 $0.10/$0.50，皆以供應商定價 0% 的加價幅度提供，但不包含新的 Terra。今天任何人透過路由器向你報出 Terra 的價格，要嘛是領先於供應商的文件，要嘛是在猜測。

這為接下來幾週提供了一個實務上的安排方向。先針對你現在就能呼叫的分支估算工作負載成本——Sol 與 Luna 都已上線，共用同一把金鑰，並具備自動容錯移轉——同時直接對照 OpenAI 的 API 試用 Terra。由於我們的產品目錄是依供應商定價原價轉供、不加價，供應商一旦降價，會在 OpenAI 公布當天反映在 Sol 與 Luna 分支上；無須重新議價。若 Terra 之後納入目錄，遷移只是改一個模型字串，而你在 Sol 分支上建立的量測，就是拿來比較的基準。

經得起實際考驗的預算範本

• 將輸入、快取輸入、輸出與快取寫入分開列出。四行，而非一行。

標記每一個超過 272K token 的請求。若有超過幾個百分點跨過這條線，就把整體工作量依長上下文層級重新定價，而不是採用主打的層級。

• 分開計算投入程度的成本。以低、中、最高設定跑同一個評估；真正會變動的是 token 數量，而非費率。

• 模型重試。重試率達 30% 的瀏覽器代理，每項任務的成本會比算術上看起來的高出 30%，而便宜的那個模型往往正是需要重試的模型。

• 比較每項「完成任務」的成本，而不是每百萬的成本。當你沒有更好的依據時，Artificial Analysis 的索引任務數字是合理的替代指標；你自己的評估更好。

半價的頭條是真的。它也是價目卡上最不有趣的數字，因為它描述的是費率，而不是帳單。帳單取決於投入程度、272K 斷崖、你多常重建快取，以及一項任務需要多少次嘗試——而在這四項中的三項上，OpenAI 自家的文件只給你旋鈕，卻沒給設定。