GPT-6.1 Terra 對決 Gemini 4 Argon：一個更便宜，一個更常答對

在 2026 年 10 月 26 日發布的 DualEntry 會計基準測試中，Gemini 4 Argon得分 91.1%，而GPT-6.1 Terra得分 78.2%——而且 Terra 以 16.1 秒、4.2 美分完成，是該 22 款模型陣容中所有 OpenAI 模型裡最快、最便宜的一次執行。那一列就是這場對決的縮影。Google 的旗艦模型是更好的判斷引擎；OpenAI 的新中階模型是更好的吞吐量引擎；而這兩項工作之間的差距，才是金錢真正流向之處。單憑標價在兩者之間做選擇，無論往哪個方向都會得到錯誤答案。

規格並列比較，因為細節比表面數字更能決定一切：

• 價格 — GPT-6.1 Terra 每 100 萬輸入 token 1.00 美元、每 100 萬輸出 token 5.00 美元；一旦單次請求超過 272K 輸入 token，將調升至 2.00/7.50 美元；Gemini 4 Argon 推出期間優惠價 2.00/10.00 美元，優惠至 2026 年 11 月 30 日，之後為 4.00/20.00 美元。

• 背景 — Terra 具備 1.05M 個 token，輸出上限為 128K；Argon 的輸入約為 1M（Google 尚未公布數字；追蹤網站列出 1M），並可透過其 Long Decode Continuation 功能，在單次輸出中產生最多 1M 個 token。

• 輸入 — Terra 接受文字與圖片；Artificial Analysis 為 Argon 列出相同的兩種模態，而 Google 的公告及其長影片基準測試則顯示也支援影片輸入。

• 推理控制 — Terra 提供六種努力等級；Argon 提供三種。

• 知識截止日期 — Terra 2026 年 6 月；Argon 2026 年 3 月。

• 獨立智慧指數 — Terra 48、Argon 53，依 Artificial Analysis 現行評分尺度。

大家引用的價格差距是錯的那一個

上線報導將此描繪成兩倍價差：$1/$5 對上 $2/$10。這只有在 Argon 的首發期內、且僅以每 token 計算時才成立。11 月 30 日之後，輸出價格相對於 Terra 是變成四倍，而非兩倍。而且沒有人是按 token 來支付 agent 工作的。

Artificial Analysis 估計 Terra 每項 Intelligence Index 任務約 $0.40，而 Argon 為 $1.62——差距是四倍，不是兩倍。原因主要在於費率表，而非失控的冗長：在同一個評估中，Argon 產生了 1.10 億個輸出 token，而 Terra 為 1.30 億個，所以 Terra 其實是兩者中較多話的，卻仍以四分之一的成本完成。Terra 換來的是更便宜的 token 和更快的回答，而不是更簡短的回答。

還有第二道斷崖，而發布報導大多忽略了它。Terra 的 $1.00 輸入價格適用於一次請求的前 272K 個 token。超過之後，輸入價格會跳到 $2.00，輸出價格則跳到 $7.50。對聊天和程式碼審查來說，這從來都不重要。但對於 600K token 的合約審查或長時間的儲存庫掃描，Terra 的實際價格會在請求進行到一半時翻倍，與 Argon 的差距也會急劇縮小。請按照你實際送出的請求大小來編列預算，而不是定價表第一列的那個大小。

Argon 的領先優勢貨真價實，而非行銷噱頭

Argon 的優勢集中在那些錯誤答案的代價高於預防所需 token 的工作上。DualEntry 的結果是最清楚的公開範例：整體 91.1%，對上 Terra 的 78.2%，其中單一項目最大差距出現在應付帳款，Argon 得分 84.6%，Terra 為 53.8%。Terra 在該基準測試的 22 個模型中並列第 18 名。它也是最快的，這說明了它是哪種類型的模型：經過最佳化以清空佇列，而不是作為最後一道防線。

同樣的模式也出現在別處。在 Vals Index 上，Argon 以 68.9% 位居榜首，在約 41 個模型中排名第一。在 Artificial Analysis 的 Intelligence Index 上，它得分 53，而 Terra 為 48。在 AA-Omniscience 上，它的幻覺率約為 15%——是前沿模型中測得的最低值——而最常被拿來與它比較的 GPT-6 Astra 則接近 51%。Terra 自身的猜測率相較前代從 88% 降至 38%，這是實質性的進步，但這兩個數字並非同一指標，不應相互相減。誠實的解讀是：Argon 是較為審慎的模型，而 Terra 則是大幅改善、但仍較具推測性的模型。

Argon 的輸入範圍在某一個軸向上更廣：影片。Artificial Analysis 的技術面板只列出文字與圖像，但 Google 的公告闡述了擴展的多模態能力，並在 LVBench 上對長影片理解進行基準測試；而這只有在影片能作為輸入時才說得通。如果你的流程會接收通話錄音或螢幕擷取，在圍繞這些格式建立整合之前，請先對照 Google 的文件確認確切格式——在這些格式確實成立的地方，這是一項 Terra 的價格優勢也無法彌補的能力差異。

在哪些情況下，Terra 是理性的預設選擇

Terra 的優勢不在於它更聰明，而在於大多數生產流量並不需要最聰明的模型，而 Terra 異常擅長以低成本做到「夠好」。

它的快，是那種會改變系統設計的快：在 Artificial Analysis 的測量中，每秒輸出 90.9 個 token，而 Argon 為 80.9；OpenAI 並聲稱任務完成速度約為自家旗艦模型的三倍。一個每月執行一百萬次的支援分診佇列、日誌摘要器、初階程式碼審查器或文件分類器，並不會從 Argon 的判斷優勢中受益。它受益於一個能在數秒內回傳、每項任務 $0.40 而非每項任務數美元的模型。

Terra 在兩者之中也更具可控性。六個推理等級對上 Argon 的三個，意味著在影響成本與延遲最大的那個旋鈕上，提供更細緻的粒度。將簡單請求導向低投入、困難請求導向最大投入的團隊，往往能在成本僅為更大模型一小部分的情況下，達到與其準確率相差幾個百分點以內的表現。Argon 讓你能做這種取捨的空間較小。

而 Terra 較新的知識截止點——2026 年 6 月，相較於 2026 年 3 月——對於任何需要針對近期事件、程式庫版本，或今年夏天變動的價格進行推理的用途來說，都很重要。這是個小小的優勢，但卻是免費的。

決策規則

不要只選一個。證據支持一種劃分，而這種劃分異常乾淨俐落：

• 將 GPT-6.1 Terra 用於高產量、短輸出、受監督的工作，且錯誤答案會在下游被發現：分類、擷取、路由、初稿生成、日誌與告警分流、大量程式碼審查。

• 將 Gemini 4 Argon 用於量少、長期、錯誤成本高的工作：財務與會計對帳、法律與合規審查、在無人監督下操作工具的多步驟代理，以及任何需要影片、音訊或 PDF 輸入的工作。

• 以 Terra 作為第一輪處理，並以 Argon 作為尾段難題的升級方案。會計工作上 78.2 對 91.1 的差距，正是便宜的第一輪加上昂貴的複核能勝過單一模型的典型邊際效益所在。

• 請在 11 月 30 日之後重新試算。Argon 從 $2/$10 改為 $4/$20，會大幅改變交叉點，而且任何在促銷期間撰寫的比較都會過時。

如何執行其中任一個

實際可用性的差異，比基準測試所顯示的還要大。Terra 於 10 月 26 日透過 OpenAI 的 API、ChatGPT 與 Codex 推出，並未開放權重。Argon 自 9 月 30 日發布以來一直分階段推出——先透過 Google 的 Fairwind 計畫提供給經過審核的網路防禦人員，再提供給 AI Ultra 訂閱用戶與付費 API 客戶——而 Google 尚未承諾會廣泛免費釋出。

截至 10 月 27 日，這兩款模型都尚未列入 OrcaRouter 的目錄，因此這並非我們能為兩者提供單一端點的情況。我們可以告訴你的是，周邊堆疊通常如何建構：團隊會把便宜的执行器與昂貴的檢查器放在同一個 API 後面，而已經完成路由的模型——Claude Opus 5.5、GPT-6.1 Sol、Grok 4.7，以及 另外 200 多個模型——都位於同一把金鑰之後，並以 0% 加成轉嫁供應商牌價，且在供應商服務降級時自動容錯移轉。如果 Terra 或 Argon 進入目錄，它會接入同一把金鑰，而不會成為第二個整合。在那之前，請透過各自的供應商測試它們，並把路由決策留在任務層級，這才是它該待的地方。

值得關注的不是又一張基準測試圖表，而是 Argon 促銷結束後的價格，以及 Terra 首次獨立進行的 Terminal-Bench 測試；目前這項測試依據的是 OpenAI 自己宣稱的 50.3%，對上 Argon 的 57% 以上。如果 Terra 能以 Argon 每項任務成本的四分之一維持在該數字附近，上述分工就會成為許多團隊的預設架構。如果它出現偏差，這種便宜先試的策略就會比表面上看起來更貴。