GPT-6.1 Terra 對決 GLM-5.5：消失的模型，以及你能下載的那一個

搜尋 GPT-6.1 Terra 與 GLM-5.5，會得到大量對一個並不存在的模型言之鑿鑿的表格。Z.ai 並未以 GLM-5.5 之名發布任何模型卡、API 識別碼、價格或權重；其型錄上限仍止於 2026 年 8 月中推出的 GLM-5.3，開放權重則在同月稍晚釋出。相較之下，Terra 於 10 月 26 日推出，如今已可呼叫。因此真正的比較是 Terra 對上 GLM-5.3——而在這項比較中，兩個模型每 token 的成本幾乎完全相同，但 Terra 每完成一項任務的成本約為其五分之一。原因並非定價伎倆，而是冗長程度。

GLM-5.5 的狀態值得精確說明，因為謠言工廠一直很有產出。十月底的報導指出，發布窗口落在 2026 年 10 月底至 11 月初。外洩的筆記顯示，總參數為 2.5 兆至 3.5 兆，高於先前所稱的 1T 與 1.6T，並以「Fable-class」效能為目標。Z.ai 本身只表示 GLM-5.4 與 GLM-5.5 將屬於兆參數級，並在 8 月 31 日的財報電話會議上提到 GLM-6.0，但未給出日期。這些都不是產品。四部分檢驗——可呼叫的 API ID、公布含快取費率的定價、獨立排行榜上的條目，以及可下載的權重——目前四項全數未通過。

實際上處於這項比較另一端的模型

• GLM-5.3 — 於 2026 年 8 月中旬發布；依 GLM-5.3 授權條款提供開放權重；總參數約 750B，每個 token 約有 40B 活躍參數；1M token 上下文；128K 輸出；僅支援文字；預設啟用思考模式；定價為每 1M 輸入/輸出 $1.40/$4.40，或透過 OrcaRouter 為 $1.26/$3.96。

• GPT-6.1 Terra — 於 2026 年 10 月 26 日發布；封閉權重；1.05M token 上下文；128K 輸出；文字與圖像輸入；六個推理等級；每 100 萬輸入/輸出 token 為 $1.00/$5.00，輸入超過 272K token 後提高至 $2.00/$7.50；快取輸入 $0.05。

獨立智慧指數 — Terra 48、GLM-5.3 45，依據 Artificial Analysis 目前的量表。

在價目表上，這兩者幾乎是雙胞胎。以 OrcaRouter 的直通價格計算，GLM-5.3 為 $1.26/$3.96，而 Terra 為 $1.00/$5.00。GLM 的輸入價格便宜 26%，輸出價格便宜 21%。若團隊只憑這兩個數字做選擇，就會選 GLM-5.3，然後繼續往下走。

以每個 token 計算，它們的成本相同；以每項任務計算，則不然。

Artificial Analysis 衡量的是 Intelligence Index 每項任務的成本，而這項成本會計入模型實際花費多少 token 才能得出答案。Terra 約為 0.40 美元。GLM-5.3 約為 2.01 美元，是前者的五倍，儘管其 token 費率更低。原因在評估本身即可看出：Terra 在整套測試中消耗了約 1.3 億個輸出 token，GLM-5.3 則約 2.1 億個。GLM-5.3 思考更久、重述更多，並在計費表上為此付出代價。

這是理解這場模型對比最有用的一件事，也是兩款模型發布報導往往會略過的一點。Token 價格是成本的輸入，而不是成本的衡量指標。一個每 token 便宜 20%、但冗長 60% 的模型，每個答案反而貴 33%。對於大量擷取、分類或短答案生成而言，這種反轉會決定帳單。

這也意味著，比較結果會隨著工作負載型態而翻轉。GLM-5.3 的冗長問題在短輸出上影響最大，因為此時推理的額外開銷占了主導地位。在長篇生成中，兩個模型無論如何都會產出數千個 token，token 價格差異便會再次凸顯，而 GLM 的 21% 輸出折扣也就成為實質成本。

在哪些情況下，GLM-5.3 反而是更值得入手的選擇

開放權重是顯而易見的答案，而且這絕非小事。GLM-5.3 可以下載、自架、微調，並保留在合規邊界之內。Terra 則不能。對於受監管的行業、氣隙部署，或需要模型停止在其腳下變動的團隊而言，這在參考基準測試之前就已決定了問題。

GLM-5.3 以這個價位來說，技術規格也很強。它在 Artificial Analysis 的指數上領先開放權重領域，與 Kimi K3 大致持平，並且在資安與漏洞研究方面異常強悍——智譜自身的網路安全評估與 Anthropic 的紅隊測試都顯示，它在漏洞利用發現上接近前沿模型。在 SciCode 上它得分 59.0，領先 GPT-6.1 Sol 的 54.2，不過 Terra 未列入該次評測。它支援 100 萬 token 上下文，並提供約 81% 的快取折扣，這讓重複的長提示詞比標價所示更便宜。

它的限制同樣明顯。它僅支援文字：沒有圖像、沒有音訊，也沒有 PDF。思考功能始終開啟，提供多種投入程度，但沒有真正的關閉開關。而冗長輸出是實實在在的營運成本，不只是基準測試的產物——它會表現為更長的延遲、更高的帳單，以及下游管線中需要過濾的更多 token。

Terra 勝出之處

Terra 在指數上的三分領先並不懸殊，而獨立測試套件讓這個差距看起來更小。在 Vals Index 上，Terra 得分 60.17%，對上 GLM-5.3 的 59.73%——0.44 分的差距落在雜訊範圍內，且每次測試成本較高，為 2.92 美元。在 DualEntry 的會計基準測試中，GLM-5.3 的得分高於 Terra 的 78.2%，成本也更低。如果問題是「哪個模型更聰明」，誠實的答案是：兩者足夠接近，你選哪個基準測試，就決定了誰勝出。

Terra 的優勢在別處。它能接受圖像；GLM-5.3 則不能。它提供六個推理等級，因此可以將簡單的流量導向低推理強度，而 GLM 始終開啟的思考模式則不允許這麼做。其知識截止時間為 2026 年 6 月，而 GLM-5.3 的訓練資料窗口較早。而且它很快：在 Artificial Analysis 上達到每秒 90.9 個輸出 token，與 GLM-5.3 處於同一區間；視供應商與快照而定，GLM-5.3 的實測吞吐量介於 60 幾到 90 幾中段。速度加上更低的每任務成本，對互動式產品而言是真正強大的組合。

272K 附加費對它不利。超過該輸入門檻後，Terra 的價格躍升至 $2.00/$7.50，這完全抹除了它相對於 GLM-5.3 的輸入優勢，並使輸出成本高出 89%。長文件工作流程應按附加費計價，而非按表面價格。

如果 GLM-5.5 真的推出

思考缺失模型的有用方式，不是「它會得到幾分」，而是「必須有什麼成立，它才會改變這個決定」。有三件事：

• 它必須大幅降低冗長程度。一個 2.5T 參數的模型，若思考得甚至比 GLM-5.3 還久，那麼無論其 token 價格看起來多麼划算，在每項任務成本上都會落敗。參數傳聞在這點上指向了錯誤的方向。

• 它必須在發布當下就提供開放權重，而不是等到幾週之後。GLM-5.3 的權重比 API 晚了大約十天才釋出；這樣的延遲就足以打亂一整個採購週期。

• 它的價格必須低於 GLM-5.3 的價格，或者能力躍升幅度要大到足以證明溢價合理。一個以尖端費率提供服務的兆參數模型，不會比 Terra 每項任務 0.40 美元的價格更低。

那些都不是預測。那是卡片出現當天要執行的檢查清單。在那之前，GLM-5.5 是值得留意 Z.ai 發行說明的理由，而不是延後決策的理由。

今天兩者都會跑。

GLM-5.3 已列入 OrcaRouter 的目錄，價格為每百萬個 tokens $1.26/$3.96，即供應商定價以 0% 加價原樣傳遞，並可與超過 200 款其他模型在同一把金鑰上使用，並具備自動容錯移轉。截至本文發布時，Terra 尚未列入該目錄——它可透過 OpenAI 的 API 與數個第三方平台取得——因此實務上的實驗方式是：透過 OrcaRouter 呼叫 GLM-5.3，並透過 OpenAI 呼叫 Terra，然後在你自己的流量上比較兩者，而非在排行榜上比較。

當你這麼做時，要衡量的是每項完成任務所消耗的 token 數，而不是每個 token 的價格。這才是區分這兩個模型的數字，也是兩篇發布文章都沒放進標題的數字。如果 Terra 能用少三分之一的輸出 token 完成你的工作負載，它 21% 的輸出價格劣勢就會消失，而其較便宜的輸入費率就會開始產生複利效果。如果 GLM-5.3 的推理能靠更少重試與更少人工審查來回本，每項任務的帳單就會翻轉。基準測試平均數據顯示，這兩個模型只差幾個百分點。你的 token 計數則會告訴你哪一個更便宜。

關於「要不要等」這個問題，答案很簡單。GLM-5.5 也許幾週內就會推出；GLM-5.3 現在就能下載，而 Terra 現在就能呼叫。需要開放權重的團隊，今天只有一個實際選項；而需要把每項完成任務成本壓到最低的團隊，則有另一個不同的選項。這兩種選項，都不會因為等待一個還沒有端點的模型而變得更好。