GPT-6.1 Terra 與 GPT-6.1 Sol：$5 輸出從哪裡開始不再是最便宜的答案

大多數人對 GPT-6.1 Terra 與 GPT-6.1 Sol 所做的比較是錯的，而且這種錯法還抬舉了較便宜的模型。他們把兩者都設成最高推理強度，注意到 Terra 分數略低，也注意到 Terra 價格只要一半，於是得出 Terra 是合理預設選擇的結論。但沒有人會在每次呼叫時都以最高強度跑生產流程。真正的選擇是 xhigh 的 Terra 對上 low 的 Sol——而在這項比較中，Hacker News 的留言者在發布後幾小時內就指出，Terra 可能比 Sol 花費更多，分數卻更差。你選哪個模型，不如你把它固定在什麼強度等級來得重要，而這個強度等級正是兩個發布頁面都沒放進標題的變數。

兩款模型屬於同一個世代、同一個月份：GPT-6.1 Sol 於 2026 年 9 月 29 日推出，GPT-6.1 Terra 則於 10 月 26 日推出。兩者共享 1.05M 上下文視窗、128K 輸出上限、相同的三個端點，以及相同的文字與圖片輸入。區隔兩者的是獨立指數上的四分差距，以及價目表上的 2 倍差距——而四分是否值得兩倍價格，完全取決於你的工作負載如何運用最後這四分。

同一款機型，兩張價格卡

取自 OpenAI 模型文件的規格，查閱於 2026 年 10 月 27 日。

• 價格 — GPT-6.1 Terra 每百萬輸入 $1 / 輸出 $5；GPT-6.1 Sol $2 / $10。Terra 的快取輸入為 $0.05，Sol 為 $0.10。

• 上下文 — 各 1,050,000 個 token，輸入上限 922,000，輸出上限 128,000。完全相同。

• 知識截止：Terra 為 2026 年 6 月 1 日；Sol 為 2026 年 4 月 30 日。較便宜、較新的模型，其世界知識反而新了大約一個月。

• 推理強度 — Terra 提供 none、low、medium、high、xhigh、max；Sol 提供 low 到 max。Terra 多出的「none」檔位，是 Sol 所沒有的真正成本下限。

• 調整項目 —— 兩者都有 batch 和 flex，價格比標準低 50%；fast 為標準的 2 倍；regional 加收 10%；以及 272K 輸入的門檻。只有 Sol 提供 Ultrafast 層級，為標準的 6 倍，依定價計算相當於每百萬 token 輸入 $12、輸出 $60。

• 工具與端點 — 完全相同的組合。工具呼叫使用 Responses API，不使用工具時使用 Chat Completions，兩者皆支援 Batch，兩者皆不支援微調。

四點，兩倍價格

Artificial Analysis 目前將 GPT-6.1 Terra 列於 Intelligence Index 48 分——在 221 個模型中排名第 25——而 GPT-6.1 Sol 則為 52 分，排名第 13。這就是獨立能力差距的全部：四分，在最高投入下，於一項綜合指數上。這並非微不足道。但這也不是「旗艦對中階」這種說法所暗示的鴻溝，而且這兩個模型共享同一世代、同一架構家族，以及相同的上下文視窗。

成本差距更容易說明：在標準費率下，輸入與輸出都正好是 2×。Terra 不是廉價出清型號；它是把 Sol 的價格砍半，再減去四個指數點。

每完成一項任務的成本，而非每詞元的成本

應該驅動決策的數字是每完成一項任務的成本，因為它納入了每個模型花在思考上的 token 數量。在 Artificial Analysis 的 Intelligence Index 上，GPT-6.1 Terra 每項任務成本為 $0.40，GPT-6.1 Sol 為 $0.72——Terra 節省 44%，比 50% 的頭條數字小，因為 Terra 在最大努力下完成相同工作會多消耗一點 token。

把規模放大來看。每月一百萬個任務時，差距約為 $320,000。一萬個任務時，則是 $3,200——這是實實在在的錢，但比花一個工程師週重建評估測試框架還少。Terra 的價格優勢是否足以正當化遷移，取決於用量問題，而非品質問題；而這是在閱讀任何基準測試表之前，首先要計算的數字。

有一個對 Terra 有利的二階效應，並不會顯示在兩者的價格中：知識截止日期。Terra 的 6 月 1 日訓練截止點比 Sol 的 4 月 30 日更新一個月。對於依賴近期 API、函式庫版本或文件的工作負載，這一個月比四個指數點更有價值，而且取得成本只要一半。

「努力程度」陷阱，完整拆解

具體來說，失效模式是這樣。Terra 在 xhigh 努力程度下，每個任務花費的 token 比 Sol 在 low 努力程度下更多。如果 Terra 的 token 單價只有一半，但用量卻是兩倍以上，那麼這個較便宜的模型就不再便宜了——而且在最難的任務上，xhigh 是比 Sol 的 low 更弱的設定，你反而花更多錢得到更差的答案。Hacker News 的留言者在 Terminal-Bench 4.0 推出後一天內，就精確描述了這個情況。

修正方法不是避開 Terra，而是以相同花費而非相同設定來比較。具體來說：先選定你的品質門檻——你的產品在你自己的 eval 上所需的通過率——然後找出能達到該門檻的最便宜（模型、effort）組合。這個搜尋空間在這兩個模型中共有十二個實用點，而不是兩個，而且答案通常不是「Terra 開到最大」或「Sol 開到最大」。

OpenAI 自家的數據說明了這項設定影響有多大。Terra 在廠商內部的誘發錯誤資料集上，錯誤率從低努力程度時的 16.7% 降到最高努力程度時的 4.3%——同一個模型內就相差 12 個百分點。Terra 與 Sol 在獨立指數上的差距是四個百分點。努力程度旋鈕是比模型選擇更大的槓桿，而且轉動它不花錢。

Sol 仍能賺取利潤加成的地方

OpenAI 對 Sol 的定位是「以更低成本為複雜工作提供接近 Astra 的效能」，而官方基準測試中 Sol 與 Terra 拉開差距的項目也與此一致：長時程的代理式工作、最艱鉅的程式設計任務，以及高密度的專業文件。這些也正是執行失敗的代價高於 token 成本的任務，而這恰恰是 2 倍價格溢價最容易合理化的情況。

Terra 的反駁論點比行銷宣傳所暗示的更狹窄，但比指數所隱含的更為犀利。OpenAI 指出，在 Terminal-Bench-Science 0.1 上，Terra 與 Claude Opus 5.5 的差距在 5 分以內，而估計成本不到其五分之一；在 Agents' Last Exam 上，Terra 則比 GPT-5.6 Terra 高出 15 分，成本約為其三分之一。這些都是廠商自行執行、且在廠商自行挑選的測試上所得的數字，因此它們確立的是方向而非幅度——但這個方向是「在科學相關與代理式任務上夠好，而且便宜得多」，這確實是一個真實的利基。

坦白說，劃分是這樣的：Sol 適用於那些你會注意到品質下降四分的任務，而 Terra 則適用於那些你會注意到帳單的任務。很少有工作負載完全屬於其中一邊，這就是為什麼路由問題比模型問題更重要。

延遲可能比品質更早決定結果。

Artificial Analysis 測得 GPT-6.1 Sol 在最大努力模式下每秒輸出 65.9 個 token，首個 token 耗時 325.58 秒。這個首 token 時間不是筆誤，對任何互動式用途而言都是致命缺陷。Terra 目前尚無獨立的吞吐量測量；OpenAI 稱它快得多，若此言屬實，這個差距足以在聊天型或代理迴圈產品上定論，無論指數分數如何。

對批次作業來說，權衡會反轉：如果工作要跑整夜，325 秒的思考時間就無關緊要，而 Sol 更高的上限值得付出代價。延遲是工作負載的特性，不是模型的特性，而且在決策中應優先於基準排名被納入考量。

雙臂同時按住同一個鍵

OrcaRouter 以 $2/$10 的定價、0% 加價提供 GPT-6.1 Sol，並與下列共用同一把金鑰：200 多個其他模型。截至 10 月 27 日，GPT-6.1 Terra 尚未列入我們的目錄——它才問世一天，且可透過 OpenAI 的 API 取得——因此目前實務上的做法，是在我們這邊量測 Sol 這一方，並將其設為升級目標：在 Terra 勝出的情境使用 Terra，當請求需要多那四分，或供應商狀況不佳時，就容錯切換到 Sol。兩者屬於同一世代、具有相同的上下文視窗與相同的端點形式，因此路由規則只是模型字串與 effort 設定，而不是改寫。

路由 DSL 在這裡之所以重要，有其特定原因。真正有趣的生產配置並不是「Terra 或 Sol」，而是「Terra 使用 high，並在信心低時升級到 medium 的 Sol」——這種組合否則就意味著兩套整合、兩套重試策略和兩筆帳單。這正是這對模型所促成的決策類型，也是為什麼應該把這兩個模型當成階梯來評估，而不是二選一。

決策規則

• 高頻、規格明確、延遲敏感——截圖、表單、擷取、瀏覽器自動化、例行草擬。用 Terra，選擇能通過你評估的最低 effort 即可。四分的差距不會顯現，而每項任務省下 44% 則會。

• 高難度程式設計、長時程代理、內容密集的專業文件，以及任何一次失敗執行成本高於 token 成本的工作。Sol。這正是 2 倍溢價所針對的工作負載。

• 具備嚴格首個 token 時間預算的互動式聊天。Terra，除非你已測量過低努力模式的 Sol，並發現延遲可接受。處於最高努力模式的 Sol，只是披著聊天介面的批次處理工具。

• 對時效敏感的工作——近期的 API、函式庫版本、最新文件。Terra 的六月截止日勝過 Sol 的四月截止日，而且價格只要一半。

• 不確定。以相同支出而非相同設定來做基準測試。單是這項改變，就能讓更多團隊轉向 Terra，勝過任何基準測試表格。

真正的未解問題不是 Terra 是否好到足以取代 Sol——就唯一可取得的獨立衡量標準來看，它顯然不夠。問題在於，這四點差距能否在 GPT-6.1 Astra 到來後依然存在；Astra 尚未發布，而它會把 Sol 往下擠，就像 Sol 當初把 Astra 往下擠一樣。當那發生時，更有意思的比較將是 Terra 對上降價後的 Sol，而投入程度調節鈕的重要性會比今天更高。