2026 年 10 月 26 日，距离 GPT-6.1 Sol 上线刚过去不到一个月，OpenAI 就端出了专为智能体工作流打造的 GPT-6.1 Terra（API 模型 ID 为 gpt-6.1-terra），顺手把标准 API 价格砍掉了一半。紧接着在 10 月 27 日，OpenAI 员工 Ted Sanders 在 Hacker News 上拆解了公司内部从小到大的四档天体模型序列：Luna、Terra、Sol、Astra，甚至放话称更小更便宜的 Terra 在技术沟通上可能反超旗舰 Astra。
把官方战报和独立评测机构 Artificial Analysis 的实测账本放到一起对账，就能看穿这场降价与宣传的底牌。Terra 真正的杀手锏是用约十五分之一的基准任务成本去跑高频 Agent 循环，但谁要是信了越级打旗舰的宣传、把它当成全能主力，27.2 万 Token 的阶梯翻倍计费、低推理档位 16.7% 的事实错误率，以及 Max 推理下 77.96 秒的首字延迟，很快就会在生产环境里教做人。
先把核心参数与账本摊开：
- 天体序列定位.OpenAI 按预算给开发者划了四道，不差钱求上限选 Astra（恒星），价格轻度敏感选 Sol（太阳），高度敏感跑高频视觉与终端选 Terra（地球），极致低成本选 Luna（月球）。
- 基础规格与费率.Terra 支持 105 万 Token 上下文窗口和最高 12.8 万 Token 输出，需通过 Responses API 调用工具。在 272K 输入 Token 以内，标准定价为每百万 Token 输入 1 美元、缓存输入 0.05 美元、缓存写入（保留 30 分钟）1.25 美元、输出 5 美元，正好是 GPT-6.1 Sol（2 美元 / 0.10 美元 / 10 美元）的一半；Batch 与 Flex 模式再降 50%，极速 Fast 模式翻倍。
- 官方与独立跑分反差.在 Terminal-Bench 4.0（最大推理）上，Terra 拿到 50.3%，比前代 GPT-5.6 Terra 的 21.5% 翻了一倍多；在 Agents’ Last Exam v1（中等推理）上得分追平 GPT-6 Astra，单任务成本仅 0.29 美元（Astra 为 4.82 美元），完成速度比 Astra 和 Sol 快 3 倍以上。但在 Artificial Analysis 的 AA-Briefcase 知识工作与表达评测中，Terra（Medium）仅获 1191 Elo，远低于 GPT-6 Astra 的 1460 Elo。
把 Artificial Analysis 与 Zapier 的横向评测数据拉到同一张桌子上，OpenAI 内部代际与外部竞品的真实水位一目了然：
| 模型名称 | 标准输入/缓存/输出 (百万Token) | 单任务成本与综合智力 | 核心长板与跑分表现 |
|---|---|---|---|
| GPT-6.1 Terra | $1.00 / $0.05 / $5.00 | $0.40 加权 / $0.10 基准 (智力 48) | 91 t/s，Terminal-Bench 50.3%，AA-Briefcase 1191 Elo |
| GPT-6 Astra | 旗舰档（未公开明细） | $1.54 基准 (智力 53) | 57 t/s，AA-Briefcase 1460 Elo，AutomationBench-AA 65% |
| GPT-6.1 Sol | $2.00 / $0.10 / $10.00 | - | 太阳级均衡日常主力基座 |
| Claude Sonnet 5.5 | $2.00 / $0.10 / $10.00 | $5.46 加权 (智力 56) | Terminal-Bench 70.6%，AutomationBench 44.75% |
| Claude Opus 5.5 | $4.00 / $0.20 / $20.00 | $5.98 加权 (智力 58) | Terminal-Bench 66.4%，AutomationBench 42.47% |
| Gemini 4 Argon | $2.00 / $0.10 / $10.00 (促销) | $0.85-$1.70 (Zapier) | AutomationBench 51.29% (12月1日恢复$4/$0.20/$20) |
| Gemini 3.8 Flash | $0.75 / $0.075 / $3.75 (促销) | - | 轻量级高频任务 (促销截至12月31日) |
跨代际对比的口径错位与三家割据
新闻表面是降价和选型科普，底子却是 Agent 赛道的剧烈分化。不少开发者听完官方口径觉得 Terra 能平替旗舰，是因为掉进了跨代际与跨基准对比的文字游戏。
Ted Sanders 拿来跟 Terra 对比的 Astra，其实是上一代的 GPT-6 Astra。即便占了 6.1 世代的后发便宜，Terra 在衡量分析质量与文字表达的 AA-Briefcase 评测里依然被 Astra 拉开了近 270 分的 Elo 差距；在 SaaS 智能体工作流 AutomationBench-AA（Medium）中，Terra 的 58% 同样落后于 Astra 的 65%。所谓计算机界面操作（Computer Use）追平前代主力，也有口径错位：官方宣传 Terra 用的是 OSWorld 2.1（离线集），一个月前宣传 Sol 用的是 OSWorld 2.0，两套尺子根本不能直接画等号。
放到跨厂牌的牌桌上，偏科的事实更藏不住。
在考察终端与编程能力的 Terminal-Bench 4.0 上，Terra 的 50.3% 面对 Claude Sonnet 5.5 的 70.6% 和 Claude Opus 5.5（xhigh）的 66.4%，存在肉眼可见的代差。到了企业业务工作流基准 AutomationBench 上，领跑者换成了 Google，Gemini 4 Argon（high）以 51.29% 排在第一（单任务常规价 1.70 美元，促销价 0.85 美元），力压 Claude Sonnet 5.5（max）的 44.75%（1.14 美元/任务）和 Opus 5.5（max）的 42.47%（1.44 美元/任务）。
为什么硬实力没反超，开发者社区还是把 Terra 当成走量先锋？《史记》有云，智者千虑，必有一失；愚者千虑，必有一得。放到 AI 工程采购里，没有哪个企业会雇单价最贵的院士去填每天十万次的电子表格。
在中等推理力度下，Terra 能跑出 91 tokens/秒的吞吐速度，远快于 Astra 的 57 tokens/秒；跑完同一套 Artificial Analysis 基准测试，Astra 要花掉 1.54 美元，Terra 只需要 0.10 美元（加权复杂任务成本也仅为 0.40 美元，比 Claude 双雄的 5.46 美元和 5.98 美元低了一个数量级）。用 85% 到 90% 的可用度，换取十五分之一的基准账单和成倍的响应速度，这正是高频 GUI 循环和终端试错最渴求的工程置换比。
计费跳表、推理绑架与生产环境里的暗礁
便宜九成的算力账单背后，是对智力上限、计费红线与执行稳定性的诚实让渡。
我不太买账把 Terra 无脑吹成价格敏感者唯一解的叙事。OpenAI 这一刀切中的是高频截屏、读 DOM 树、单步推理难度不算顶尖的苦力活。一旦把它直接塞进缺乏管控的核心生产链路，计费表与推理机制里的四道暗礁就会立刻撞上来。
头一道暗礁藏在长上下文的阶梯跳表里。Terra 给出了 105 万 Token 的超大窗口，但开发者文档里埋了一条硬红线，只要单次请求的提示词超过 272,000 输入 Token，整张请求的输入和缓存费率就会直接翻倍（2×），输出费率也会涨到 1.5 倍。在 Agent 循环里塞入海量代码库或连续长视频截图时，只要越过 27.2 万这条线，降本神话当场就会变成账单爆表。
第二道暗礁是推理档位对准确率的剧烈绑架，以及随之而来的延迟撕裂。OpenAI 内部特定困难提示词评估表明，Terra 在低推理（Low）设置下的事实错误率高达 16.7%，每六次输出就可能夹带一次胡说八道；只有把推理档位拉满到 Max，错误率才能压降到官方重点宣传的 4.3%。
可一旦为了保准确率切到 Max 档，除了推理 Token 消耗激增，首字延迟（TTFT）更会从非推理模式下的 1.27 秒直接暴涨到 77.96 秒。再加上它 90.9 到 91 tokens/sec 的输出速度本来就慢于 Sonnet 5.5 的 141 和 Opus 5.5 的 98，以及部分开发者反馈的配额消耗异常和长文本章节指令遵循失败，在紧凑串联的实时业务流里干等一分多钟才吐出第一个字，前端体验根本撑不住。
剩下两道暗礁直接关系到业务安全底线。在 DualEntry 针对 101 项真实会计任务的测试中，Terra 的单次准确率为 78.2%（22 个参测模型中并列第 18 名），只有 65.3% 的任务能三次运行全部通过；近三分之一的波动概率，意味着省下的 API 差价全得贴给人工复核。同时，虽然它的综合幻觉率从 GPT-5.6 的 88% 压到了 38% 并标为关键（Critical）安全级别，但在自动化环境中仍有 13.75% 的样本会触发未授权动作。在没有严苛沙箱隔离的执行链条里，高效完成一个越权错误任务的代价是致命的。
告别单模型崇拜，按工作流重排算力路由
这幕戏在工业史上演过一回。十九世纪末电力刚进工厂时，厂主们总想在车间正中央装一台功率最大的巨型电动机，靠一根主传动轴带动所有车床；直到大家算清主轴空转的惊人损耗，才改成了按工位精配中小型电机的单元驱动。
今天的企业 AI 架构和当年的工厂车间不完全一样，但底层的成本算计如出一辙。天下熙熙，皆为利来。Ted Sanders 强调模型尺寸、推理力度和多智能体系统不能被压缩成一个单一智商分，本质上也是在劝开发者放弃一个旗舰模型包打天下的懒人思维。
这次产品更新与选型拆解，直接改变了两类人的操作台。
企业 AI 架构师必须立刻在网关层动手改路由：
- 高频视觉与桌面苦力活把点击屏幕、抓取网页这类高缓存输入（0.05 美元/百万 Token）任务从旧版 5.6 Terra 或昂贵的 Astra 切向 GPT-6.1 Terra（Medium 档），但必须在网关层写死 272,000 Token 的上下文截断告警，并在外围套上严苛的权限沙箱以防 13.75% 的越权动作。
- 深度商业分析與硬核代码长文撰写与复杂分析留给 1460 Elo 的 Astra；硬核终端与代码修复交给 Terminal-Bench 拿下 70.6% 的 Claude Sonnet 5.5。
- 跨系统工作流与核心账目趁 2026 年 12 月 1 日涨价前吃透 Gemini 4 Argon（0.85 美元/任务）的促销红利；核心数据库写入与财务核对严禁裸跑低推理档位的 Terra（16.7% 错误率），也别直接塞进 Max 模式被 77.96 秒延迟和 65.3% 连过率拖垮。
另一边是 Anthropic 和 Google 的定价团队，以及紧盯后续变量的买单人。OpenAI 把走量 Agent 模型压到 1 美元和 5 美元的水位，是一次不留情面的逼宫。等到 12 月 Gemini 4 Argon 恢复 4 美元/20 美元原价、年底 Gemini 3.8 Flash 促销到期后，四倍的挂牌价差会逼着所有高溢价模型交出更硬的投名状。
接下来最值得紧盯的变量有两个：一是同属 6.1 世代的 Astra 何时更新并重新拉开代差，二是更多独立盲测能否证实 Terra 在真实 GUI 环境里的抗干扰能力。在算力变成水电煤的时代，会按账本挑模型的架构师，永远比只会买最贵模型的架构师值钱。