GPT-6.1 Terra 對決 Muse Wonder：四個指數點，八倍的帳單

GPT-6.1 Terra與Muse Wonder在同時評測過兩者的公開排行榜上相差四分，而在該排行榜上完成一項任務的成本則相差約八倍。OpenAI 於 2026 年 10 月 26 日發布 Terra，價格為每百萬個輸入 token 1 美元、每百萬個輸出 token 5 美元；它在 Artificial Analysis Intelligence Index 上得分 48，每項 Intelligence Index 任務成本為 0.40 美元。Meta 於 10 月 12 日發布 Muse Wonder，輸入與輸出價格分別為 4 美元與 20 美元；它得分 52，每項任務成本為 3.27 美元。兩者均列出一百萬 token 的上下文視窗。只要依排行榜排序，一行就能定案，而這正是排行榜不該是決策終點的原因：分數更高、帳單也更高的模型同時也是更快的那一個，而便宜模型的優勢完全取決於答錯會讓你付出什麼代價。

以下數據來自 Artificial Analysis（於 2026 年 10 月 27 日讀取）以及兩家供應商的發布文件。供應商的主張均標示為「主張」。本文中唯一一項任務層級基準測試由 DualEntry 執行；該公司販售會計自動化產品，因此這屬於帶有商業利益的第三方證據，而非中立審計；本文也以此方式看待。

為不同任務打造的兩款模型

Terra 是 OpenAI 的主打大量型號，用來取代 GPT-5.6 Terra，也是以最低成本取得當前 OpenAI 系列通用能力的方式。它接受文字與圖像輸入、輸出文字，記載了 1,050,000 token 的上下文與 128,000 token 的輸出上限，並提供從 none 到 max 的推理強度設定。OpenAI 也在發布當天將它上架 Amazon Bedrock，並導入 ChatGPT Work 與 Codex，但並未放進消費版 ChatGPT 的聊天視窗。就採購層面而言，它是純 API 產品：不支援微調、沒有 Realtime、沒有 Assistants。

Muse Wonder 是 Meta 首個足以躋身前沿討論的模型，而它問世時帶著一個大多數比較頁面都會模糊掉的區分。API 模型是 Wonder，輸入每 $4、輸出每 $20。得分更高的檢查點 Muse Wonder Full 在同一指數上為 56 分，僅在 Muse Code 訂閱中販售，月費 $50 或 $200，且不透過 API 提供。標題基準測試列往往描述的是 Full。開發者實際能呼叫的模型比 Terra 高四分，而非八分。

• 價格 — GPT-6.1 Terra 每百萬輸入 $1.00／輸出 $5.00；Muse Wonder $4.00／$20.00。

• 快取輸入 — Terra $0.05，享 95% 折扣；Wonder $0.20，享 95% 折扣。

• 上下文視窗 — Terra 記載為 1,050,000；Wonder 記載為 1,000,000。

• 最大輸出 — Terra 有紀錄為 128,000；Meta 尚未公布 Wonder 的上限，而第三方追蹤機構回報的數字接近 943,000。

• 獨立智慧指數 — Terra 48，221 個中第 25；Wonder 52，221 個中第 10。

• 每項索引任務的成本 — Terra $0.40；Wonder $3.27。

• 輸出速度 — Terra 每秒 90.9 個 token；Wonder 每秒 207.8 個。

• 首個 token 的生成時間 — Terra 77.96 秒；Wonder 31.62 秒。

• 輸入 — Terra 的文字與圖像；根據追蹤器，Wonder 則有文字、圖像、影片與音訊，而 Meta 自家的發表素材則強調文字與圖像。

• 權重 — 雙方皆封閉。Meta 的開放權重選項是 Muse Spark，這是另一個模型。

該帳單是指數差距的八倍

每項任務成本這個數字，才應該改變我們如何解讀那四點差距。Artificial Analysis 並不是單純把牌價乘以固定 token 數量；它會測量每個模型完成同一組索引任務時消耗多少 token，再依此為該消耗計價。Terra 平均每項任務 $0.40，Wonder 則為 $3.27，在能力差距不到 8% 的情況下，成本卻相差 8.2 倍。

單看價目表上的費率無法解釋這一點。以一個包含 1 億個輸入 token 和 1,000 萬個輸出 token 的工作負載為例：Terra 收費 150 美元，Wonder 收費 600 美元，相差 4 倍。每項任務的差距又擴大一倍，這意味著索引評估實際消耗的 token 並不是按 10 比 1 分配；Artificial Analysis 會對每個模型實測的輸入與輸出量計價，而那個每項任務數字反映的是實際評估，而不是一個固定示例。每 token 的價格是燃料價格，不是旅程成本。

這種區別在 Terra 所瞄準的用量規模下最為重要。一條每月執行 100,000 項任務的管線，按 Artificial Analysis 測得的費率計算，會花 40,000 美元在 Terra 上、327,000 美元在 Wonder 上。工作負載變動時，兩者之間的能力差距並不會隨之變成八倍；帳單才會。若你的任務是分類、擷取、表單判讀或有界代理步驟，舉證責任落在昂貴的模型那一方。

關於計算有一點要提醒：該指數會定期重新正規化，每項任務成本數字也會隨之變動。請以同一份讀數來比較模型（這些數字正是如此），而不是從較舊的文章中減去某個數字。

Wonder 速度更快，而 Terra 的速度宣稱經不起這番比較。

OpenAI 的發布資料稱 Terra 比 GPT-6 Astra 以及 GPT-6.1 Sol 快得多。在 OpenAI 家族中，這似乎是真的，而這正是該模型存在的原因：一個便宜、快速的視覺與文件工作通用模型。與 Meta 的模型相比，它差得遠了。Wonder 每秒產生 207.8 個輸出 token，而 Terra 為 90.9；Wonder 在 31.62 秒內回傳第一個 token，而 Terra 則需 77.96 秒。

兩者在絕對意義上起步都慢，這是大型推理模型的特性，而非醜聞。但這個排序與價格排序正好相反，而這有實際後果。對於通宵執行的批次作業，Terra 的延遲無關緊要，成本才是決定性因素。對於使用者會等待第一個 token 的互動式產品，78 秒的起步是產品決策，不是基準測試數字，而 Wonder 的 32 秒即使輸入費率高出五倍，也是更好的體驗。

速度數據也削弱了人們對便宜模型的一個常見假設：它們預設就是快速的選項。Terra 每個 token 便宜，每項任務也便宜。它並不是每秒速度快。這些是不同的說法，而其中只有一個成立。

一場便宜模型落敗的任務層級測試

在發布時可取得的最廣泛第三方檢驗，是 DualEntry 的會計基準測試：涵蓋交易分類、日記帳分錄、應付帳款、應收帳款、對帳、報表、月結與會計知識的 101 個合成案例，每個模型執行三次，並採用固定參考答案而非 AI 評分器。共有二十二個模型受測。DualEntry 銷售會計自動化產品，因此這項基準測試並不中立，但其方法比綜合指數更為具體。

Terra 整體得分為 78.2%，在 22 個模型中並列第 18。其表現輪廓不均衡，而綜合分數掩蓋了這一點。交易分類完美，13 項全數正確。應付帳款為 53.8%，並列最後。銀行對帳為 83.3%，落後於 Kimi K3.1 Pro 和 Muse Wonder，不過發行說明並未公布 Wonder 的確切對帳分數。Terra 是該基準測試中最快的 OpenAI 模型，整體第三快，每項任務 16.1 秒，每項任務 $0.042——約為 GPT-6.1 Sol 的一半，GPT-6 Astra 的十分之一。

另一個獨立評測平台 Vals AI 在其自家測試套件上，將 Terra 排在 60.17%、28 個中的第 10 名，強項是程式設計與終端機作業，弱項則是法律、稅務與金融。不同的測試套件、不同的量表，因此這個數字無法與 Artificial Analysis 指數相比；但表現型態可以相比。Terra 是快速、便宜的通用型模型，在不同任務類別之間差異很大，並非全面優秀。

這種變異正是反對僅憑每任務成本做選擇的論據。在一個 53.8% 的子分數意味著人要重做一半應付帳款佇列的工作流程中，每任務省下的 2.87 美元並不是節省；而是把成本從代幣預算轉移到薪資預算。Muse Wonder 的四點指數優勢並不證明它能跨越那道門檻——目前公開可取得的共同基準測試並未證實這一點——但在兩者都出現的唯一一項任務層級測試中，它正是在 Terra 最弱的地方領先。

模態、輸出長度，以及 Meta 尚未在文件中記載的內容

Wonder 的輸入列是最明顯的結構性差異。Trackers 列出文字、圖像、影片與音訊輸入，文字輸出；Meta 的發布素材在部分方面較狹窄，但影片與音訊輸入正是團隊會考慮它而非 Terra 的原因。Terra 接受文字與圖像。如果你的流程會接收通話錄音、螢幕錄影或產品影片，Terra 就不能是其中唯一的模型。

輸出長度是第二點。Terra 記載為 128,000 個輸出 token。Meta 尚未公布 Wonder 的上限，而流傳的約 943,000 這個數字來自第三方觀察，而非官方規格。應將其視為待驗證的線索，而非據以設計的數字。同樣的謹慎也適用於知識截止日期：Terra 記載為 2026 年 6 月 1 日；Meta 尚未公布 Wonder 的知識截止日期。

這兩款型號都不在我們的目錄中。以下是

在任何產品說明之前，先講一個誠實的限制：截至 10 月 27 日，GPT-6.1 Terra 和 Muse Wonder 都尚未列入 OrcaRouter 的 214 款模型目錄。Terra 可透過 OpenAI 自家的 API 取得，且自推出當天起也可透過 Amazon Bedrock 取得。Wonder 則在 Meta 的 Model API 上販售。今天若有人聲稱可透過我們路由其中任一模型，那是在描述路線圖，而不是目錄。

型錄確實收錄的是兩側最接近的託管方案：GPT-6.1 Sol，輸入 $2、輸出 $10，在該指數上得分 52，每項任務成本 $0.72，以及 Muse Spark 1.2，Meta 的 Spark 系列。如果你需要衡量的是 Terra 型工作負載——大量文字與圖像工作，其中每完成一項任務的成本決定是否採購——Sol 就是能力更強、每項任務成本約兩倍的託管替代方案，而這項比較能告訴你，Terra 省下的成本是否值得遷移。兩者皆按供應商定價提供，無加成，使用同一把金鑰並具備自動容錯移轉，因此供應商中斷不會演變成產品中斷。

當任一款模型進入型錄時，切換就只是換一個模型字串，而不是再訂一份契約。這正是為什麼要現在就先對工作負載做基準測試，而不是等到那篇敲定對決結果的發布文章出爐。

誰應該選哪個？

當工作量龐大、規格明確，且以文字或圖像為主時，就選 Terra：文件擷取、分類、表單與螢幕截圖判讀、草擬、有界線的代理步驟。每項任務 $0.40 是本次比較中最低的，而且大幅領先；128K 輸出是有文件記載的，並非傳聞；至於參差不齊的子任務分數，在終究會由人工審查輸出的情況下是可以接受的。

當輸入比文字和圖片更豐富、代理必須在一次呼叫中回傳長篇成品，或錯誤答案的代價遠高於 2.87 美元時，就選 Muse Wonder。每秒 207.8 個 token 與 32 秒的首個 token，讓它成為更好的互動式模型；而四點指數優勢確實存在，即使它小於 Muse Wonder Full 與 Terra 之間的差距。請將 20 美元的輸出費率計入預算，並確認你所閱讀的基準測試實際測量的是哪個檢查點。

在這場對比中，四個百分點是最不值得關注的數字。真正左右上線決策的是帳單、首個 token 延遲與任務層級變異——而在這些方面，較便宜的模型並不單純是較遜色的那一個。