GPT-6.1 Terra 怎么选：价格、适用任务与升级建议

如果工作涉及看懂图片、操作应用，或根据已有材料写出清晰的内容，GPT-6.1 Terra 值得优先评估。OpenAI 于 2026 年 10 月 26 日发布的这款模型，处理这些任务时的标准 API token 单价只有 GPT-6.1 Sol 的一半。复杂项目仍交给 Sol，最棘手的工作交给 GPT-6 Astra，简单且重复性高的任务则继续用 GPT-6 Luna。

本文于 2026 年 10 月 27 日对照厂商当时的在线文档核验。模型切换建议基于这些资料作出分析；费用示例为计算结果，并非实际工作负载的实测数据。

GPT-6.1 Terra 是什么，适合做什么？

GPT-6.1 Terra 是 OpenAI 面向视觉推理、计算机操作和自然写作推出的快速、高效模型。 视觉推理指理解图片呈现的内容，包括元素之间的关系和布局；计算机操作则是通过软件界面执行动作。OpenAI 将其定位为 GPT-5.6 Terra 的升级版，面向撰写提案、处理技术图纸和表单等日常专业工作。OpenAI 发布公告

可以把两者的区别理解为“看懂地图”和“按地图走到目的地”。能识别图片的助手可以描述屏幕内容；能操作计算机的智能体还要选择下一步动作、查看操作后的屏幕，并判断是否达到了预期结果。Terra 的定位，就是把这种视觉理解与实际操作结合起来。

对运营人员而言，可以先尝试边界明确的任务，例如将供应商图片与现有商品目录匹配，再准备商品信息更新。对创业者而言，可以尝试根据提供的产品笔记起草提案。这些都只是值得测试的工作流程，并不意味着无人值守运行时，每条记录、每句话都会正确。

模型还需要运行环境提供工具和权限。选中 Terra，并不会自动接通财务系统，也不会自动获得浏览器访问权。OpenAI 的 Work 文档明确区分了模型是否可用，以及浏览器和计算机操作功能是否配置就绪。Work 更新说明

GPT-6.1 Terra 与 Sol 怎么选？哪些任务值得迁移？

边界清楚的视觉和写作任务，可以先用 Terra 试跑；复杂且环环相扣的项目，先留在 Sol，等测试结果足以支持切换再调整。 OpenAI 的模型选择指南建议，在相同输入、相同推理强度下比较模型。推理强度控制的是模型投入多少思考。对于既要处理复杂工作，又要兼顾时间和成本的场景，OpenAI 仍推荐 Sol。OpenAI 模型选择指南

规格来源：Terra 模型文档和 Sol 模型文档。上下文窗口是模型工作时可用的 token 容量，并不保证其中每个细节都会被正确使用；最大输出额度也不是在此基础上额外增加的空间。

开发者： 独立开发者可以拿一个复现步骤清楚、配有回归测试的 bug 来试用 Terra。如果改动同时涉及身份验证、计费和数据迁移，各项决策彼此牵连，就先交给 Sol。这是将 OpenAI 对局部修复与复杂编程的区分应用到实际工作中，并不是说 Terra 无法尝试更大的任务。

运营人员： 资深运营人员可以测试 Terra 能否根据给定文档填写已知字段。验收要看实际保存的记录，也要检查本应保持不变的字段。模型自信地表示“已完成”，本身不能证明任务成功。

采购决策者： 中型企业的 CTO 应先调整某个工作流程使用的模型，再考虑修改全公司的默认设置。已获融资的创业者可以把依据现有资料撰写提案初稿的工作纳入测试，同时将证据相互矛盾的战略项目继续交给 Sol 或 Astra。比较速度时，也要一起记录审核和返工所花的时间。

什么情况下仍该选 Astra 或 Luna？

GPT-6 Astra 仍适合需要高强度推理、问题边界不清的工作；GPT-6 Luna 仍是任务集中、处理量大时更经济的起点。 这正是 OpenAI 公布的定位。Terra 的版本号更大，并不意味着它全面强于 GPT-6 家族的其他模型。OpenAI 的 GPT-6 指南

如果 Luna 已能准确完成请求分类或少量字段提取，就继续用它。只有当视觉理解、应用交互或写作质量成为较便宜方案的短板时，才值得试试 Terra。对于棘手的调查或交付物，如果质量差异足以抵消更多用量，就保留 Astra。选择原则是：在能通过实际验收的方案中，找成本最低的那个，而不只是看单次尝试最便宜的是谁。

想了解更完整的模型家族及准确的模型标识符，可以参考本站的 GPT 模型指南。

正在用 GPT-5.6 Terra，要不要升级？

如果你已用 GPT-5.6 Terra 处理视觉任务或日常应用操作，现在就可以启动迁移测试。 OpenAI 的迁移指南建议，选取有代表性的图片和工作流程，在相同推理强度下比较。先从 medium 开始，建立基线后再调整强度。如果应用目前通过 Chat Completions 调用工具，接入 GPT-6.1 Terra 时必须把这些请求迁到 Responses。迁移指南

此前的 GPT-5.6 家族指南介绍了上一代产品阵容。现有依据足以支持试用新版 Terra，却不足以支持不经评估就直接替换旧版。测试期间应保留原有调用路径，并覆盖布局特殊的文档、内容不易判断的产品图片、不完整的输入以及工具故障。这些是建议选择的测试案例，并非本次评估中实际观察到的失败情况。

OpenAI 的基准成绩能说明什么？

已公布的成绩支持开展试用，但它们能预测什么，也有明确边界。 以下结果均为 OpenAI 厂商自行报告，并非独立测试：

• 在 Agents' Last Exam 中，Terra 以 medium 推理强度运行时，比 GPT-5.6 Terra 高出 15 个百分点，成本约为后者的三分之一。OpenAI 报告，在这项评估中，其任务完成速度超过 Sol 和 Astra 的三倍。
• 在 MMMU-Pro 视觉推理测试中，OpenAI 表示 Terra 以更低成本取得了接近 Sol 和 Astra 的成绩。
• 在 Terminal-Bench 4.0 中，Terra 以最高推理强度解决了 50.3% 的任务，GPT-5.6 Terra 公布的成绩则为 21.5%。对于最复杂的编程任务，OpenAI 仍推荐 Sol 或 Astra。

来源：OpenAI 发布时公布的基准测试

基准测试使用固定的任务集和评估设置。实际工作流程中的提示词、权限、工具和失败代价，都可能不同。桌面操作任务上的成绩，不能证明 Terra 可以替代 Sol 处理所有研究或工程问题。

换用 Terra 能省多少钱？算一笔账

在 token 用量结构相同的情况下，Terra 的标准模型 token 费用是 Sol 的一半，但 Luna 仍更便宜。 OpenAI 为 gpt-6.1-terra 公布的标准短上下文费率为：** 每百万 token，输入 $1、缓存输入 $0.05、输出 $5**。其他模型对应的输入/输出费率分别是：Sol 为 $2/$10，Astra 为 $10/$50，Luna 为 $0.10/$0.50。OpenAI API 定价

这笔计算假设没有缓存写入或读取、单独的工具费用、速度或地区附加费，且没有请求超过长上下文计费门槛。Terra 模型文档规定，输入超过 272K token 后，整个请求适用更高费率。因此，拥有百万 token 上下文窗口，并不意味着百万 token 请求仍按基础费率计费。Terra 计费条件

实际运行时，不同模型消耗的推理 token 和工具上下文可能不同，重试也会影响总成本。应先测出每个通过验收的结果需要多少钱，再判断 token 费用下降是否真的转化为工作流程的成本下降。完整计费说明可见本站的 OpenAI API 定价指南。

在哪些平台可以使用 GPT-6.1 Terra？

OpenAI、Amazon Bedrock 和 GitHub Copilot 均已提供 Terra；Microsoft 自身的文档也将其列入 Azure 的 Foundry 模型产品。 应先选择组织能够管理和评估的接入渠道，再确认该渠道的具体使用条件。

ChatGPT Work 和 Codex：哪些套餐支持？

ChatGPT Work 和 Codex 均列出 Plus、Pro、Business、Enterprise 和 Edu 套餐支持 Terra。 当前 Work 更新说明明确包含 Business，尽管发布公告的套餐列表没有列出它。在桌面应用或网页版 Work 中，可从 Advanced 选项选择 Terra；Work 移动端也支持。** 常规 Chat 中不可用。** Enterprise 的使用权限取决于工作区和管理员设置；更新说明还明确排除了要求推理在阿联酋境内进行的配置。OpenAI 的 Work 文档

采购时要分清“有权使用”和“能完成多少工作”：套餐包含某个模型，不代表承诺可完成固定数量的任务。OpenAI 表示 Terra 能让现有额度更耐用，但发布公告没有给出适用于所有场景的任务数量倍数。API 价格比不能直接当作订阅额度比。订阅方面可参考 Codex 定价与套餐权限。

OpenAI API：如何调用？

开发者应使用模型标识符 gpt-6.1-terra；工作流程涉及工具调用时，要用 Responses API。 该模型接受文本和图片输入，输出文本。模型文档未列出原生音频或视频支持。模型能够协助操作视频剪辑软件，与 API 能否直接接受视频输入，是两回事。Terra API 文档

Amazon Bedrock：通过 AWS 接入

AWS 的托管模型服务 Amazon Bedrock 于 2026 年 10 月 26 日宣布 Terra 正式可用。 AWS 表示，可以通过 Bedrock API 调用，也可以配置 ChatGPT Work 和 Codex，让它们使用 Bedrock 上的 Terra。有关地区、端点、支持的功能、推理配置文件和定价，公告指引客户查阅 Bedrock 文档。AWS 公告

对已在 AWS 上开展运营的团队，这意味着可以沿用现有的 AWS 访问控制和审计设置来评估模型，但不能据此认定各提供方的功能和计费完全相同。

GitHub Copilot：支持哪些入口？

GitHub 的编程助手 GitHub Copilot 于 10 月 26 日宣布，Terra 面向 Pro、Pro+、Max、Business 和 Enterprise 正式可用。 GitHub 列出的入口包括 VS Code、Visual Studio、Copilot CLI、其云端智能体和应用、github.com、GitHub Mobile、JetBrains、Xcode 及 Eclipse。此次上线逐步推进；Business 和 Enterprise 管理员可通过模型策略控制访问权限。GitHub 公告

GitHub 表示，在按用量计费模式下，该模型采用提供方的标价。可以直接在开发者惯用的客户端中评估；如果模型选择器里还没有出现 Terra，先确认模型策略设置。

Microsoft Azure：文档列出了什么？

Microsoft Azure 的 Foundry 推理模型文档明确列出 gpt-6.1-terra，版本为 2026-10-26。 文档的可用性和功能表中均包含 Terra，并提供地区可用性与配额层级的相关指引。这足以支持将 Azure 纳入接入渠道，但不能证明它在所有地区或部署类型中都可用。Microsoft 模型文档

哪些说法夸大了 Terra 的能力？

最容易被夸大的，是把“价格更低、视觉成绩出色”理解成“可以替代所有模型”。 Terra 是否合适，要看具体任务、配套工具，以及最终保存结果的质量。

基准测试跑得更快，不代表每项生产任务都会更快。token 单价更低，不代表订阅用量扣减也会按同样比例下降。模型出现在选择器里，也不代表智能体已经能访问所需的全部应用。

对运营人员来说，最关键的限制在于结果核验：模型可能把任务描述得像是已经顺利完成，实际却没有正确保存目标记录。OpenAI 的选择指南明确建议，重新打开受影响的记录，检查不相关的数据，并将完成报告与实际结果对照。试用时就应纳入这些检查，而不是只凭“回答听起来多可信”来打分。OpenAI 的评估标准

下周就能开始：先试一个工作流程

选一个反复执行、结果可核验的工作流程，让 Terra 与目前使用的模型对比。 保持源材料、权限和推理强度一致，比较才有实际意义。

1. 1

   运行前，先定好验收标准

   商品目录任务应要求匹配正确商品、按要求保存字段，并且不做无关修改。提案应准确使用所给事实，符合目标受众和语气。代码任务则要明确预期行为与回归检查。

2. 2

   检查完整结果

   记录完成时间、计费用量、审核投入和返工情况。重新打开已保存的记录，或检查交付物本身，不要只给最后一条聊天回复打分。

3. 3

   通过验收后，再正式切换

   如果 Terra 达到质量要求，并降低了总成本或缩短了总用时，就将该流程迁过去。简单且已稳定运行的任务留在 Luna，复杂项目保留 Sol，最棘手的工作交给 Astra。工作流程变化后，再重新评估选择。

订阅邮件通讯，获取模型选择与业务工作流程的实用建议。