审计 GPT-6.1 Terra：一份完整的发布数据表与一个 9× 单任务成本声明

关键要点

• GPT-6.1 Terra 于 10 月 26 日随发布一次性印出全部披露信息：标准 API 定价 $1 每百万输入 token、$0.05 缓存、$5 输出，benchmark 结果与安全评估都在同一张发布页上（OpenAI 的发布博文）。
• $1/$0.05/$5 的价格带比 GPT-6.1 Sol 与 GPT-5.6 Terra 的标准 API 价格低 50%，且缓存输入费率是已印出的 95% 折扣 — Kimi K3.1 Pro 与 MiniMax M3.1 Flash 在各自档位印出的是 90% 缓存折扣（发布博文；Kimi 定价；M3.1 Flash 定价）。
• 在最大推理力度下，OpenAI 测得 Terra 的 token 效率是 Claude Opus 5.5 的 3 倍以上，而单价只有其四分之一 — 即厂商自家 harness 上“约 9× 更低单任务成本”的声明（发布博文）。
• Terminal-Bench 4.0 在最大力度下读数 50.3%，是 GPT-5.6 Terra 已印出的 21.5% 的两倍多，而数据表本身就注明最难的编码工作仍应交给 GPT-6.1 Sol 与 GPT-6 Astra（发布博文）。
• 事实性一行是整张表中单列幅度最大的一次移动：低力度下易错提示的错误率从 53.6% 降至 16.7%，最大力度下为 4.3%（发布博文）。

本周两次发布把同一个买方测试跑向了相反的方向。10 月 23 日，Moonshot 印出 Kimi K3.1 Pro 的发布数据表 — benchmark 得分与一行行可核对的定价页 — 但把能裁决自托管的工件推迟到供应商确认的 11 月 4 日权重日期，且许可证在发布时仍未命名（这篇表先行的审计）。一天之后，OpenAI 的 GPT-6.1 Terra 在第一个 token 计费之前就把一切都放上了发布页：$1/$0.05 缓存/$5 每百万 token 的标准 API 定价、五个 agentic benchmark 的结果、以及同一页上的安全评估。这个体裁的预期被颠倒了：闭源模型反而是那张表随发布印齐的一方，而需要买方等待的变成了开放权重发布。

本文以一次采购评审的方式读 Terra 的数据表。逐项点出成本模型当天就能使用的定价与缓存行，区分 OpenAI 自测的 benchmark 行与独立列才能裁决的部分，读一读如今随表一并交付的安全披露，并点出即便是完整的数据表也印不出来的两件事 — 第三方校准列，以及永远不会到场的权重。它承接Kimi K3.1 Pro 发布数据表审计 — 那篇文章为“表先到”的发布覆盖了五项检查的权重日方法；这里是同一个问题的另一角：当根本没有权重日时，拿什么做采购依据。

这张表，逐行读

定价页很短，而且完整。 标准 API 定价是 $1 每百万输入 token、$0.05 每百万缓存输入 token、$5 每百万输出 token，发布博文声明这些标准价格比 GPT-5.6 Terra 与 GPT-6.1 Sol 低 50%（发布博文)。三行数据、没有档位脚注：一个成本模型可以在页面出现的当天就建立在它之上。这不只是方便。当某聚合器的 Terra 预发布卡片 — 更新于 10 月 24 日，早于模型存在 — 带着不同的价格点与发布页相矛盾的“ChatGPT 默认”状态流通时，那份混乱的文案只活了一天不到，在与页面接触时即告失效。一手数据表就是审计工件，而 Terra 的表完整到足以立刻纠正各种转抄。

缓存行是这个集合里印出的最深折扣。 Terra 的缓存输入是其输入牌价的 5% — $0.05 对 $1。90% 折扣这一档，是本月 flash-tier 与旗舰发布所印出的档位：Kimi K3.1 Pro 的 $0.20 缓存费率对 $2.00 的输入价（表先行的审计），以及 MiniMax M3.1 Flash 的 $0.015 对 $0.15（发布日速读）。95% 的折扣本身并不意味着更便宜的工作 — DeepSeek 的 1017 快照表明决定有效成本的是缓存命中率，而不是牌价 — 但对一个输入高度重复的路由型模型（同一段系统提示、同一组工具 schema、跨表单字段的同一份屏幕上下文），复用按什么费率计账，正是决定工作负载落点的那一行。

可用性是宣告出来的，不是承诺出来的。 Terra 自 10 月 26 日起对 ChatGPT Work 与 Codex 中的全部 Plus、Pro、Enterprise 与 Edu 用户开放，开发者则经由 OpenAI API 以 gpt-6.1-terra 调用 — 发布博文并注明同样的用量额度覆盖的工作比 GPT-5.6 Terra 时代更多，且显著多于 Sol 或 GPT-6 Astra（发布博文）。这一交付状态也顺带关上了该体裁的一个问题：这个模型永远不存在“权重即将到来”那一行。闭源供应商的完整不费权重日的任何成本，因为它没有权重日。

benchmark 行，以及每一行用的是什么测量

计算机操作的头牌行是在 Agents' Last Exam v1 上测的 — 数据表描述这些任务是把建筑图纸变成 3D 模型、把影片逐镜头复核成带时间码的日志。中等推理力度下，Terra 以约三分之一的成本高出 GPT-5.6 Terra 15 个百分点；以约十分之一的价格与 GPT-6 Astra 打平；最大力度下，OpenAI 测得 token 效率是 Claude Opus 5.5 的 3 倍以上而单价只有其四分之一 — 数据表把它约整为“约 9× 更低单任务成本”（发布博文）。那句话里的每个数字都是厂商在自家 harness 与自家力度设置上的测量。该声明在结构上可核 — 价格已印出，因此单任务数字可以还原成一个 token 计数声明 — 但这些 token 计数目前还没有任何独立复现。

编码行自带边界。 在 Terminal-Bench 4.0 上，Terra 在最大推理力度下解决 50.3% 的任务，是 GPT-5.6 Terra 已印出的 21.5% 的两倍多 — 同一段话还写明最复杂的编码任务，GPT-6.1 Sol 与 GPT-6 Astra 仍是更好的选择（发布博文）。数据表把自家模型输掉的工作负载印了出来。这与该体裁在 Kimi 数据表上记录的披露形态相同 — 那次发布以自己输掉 0.7 分的那个 bench 开头 — 也是一张路由表需要的诚实标注：Terra 是工作日的计算机操作档，不是前沿编码档。在 Terminal-Bench-Science 0.1 上，Terra 以更低成本超过 Sol，并在不到五分之一的估算成本下距 Opus 5.5 五分以内（发布博文）。

事实性行是整张表中单列幅度最大的一次移动。 在 OpenAI 内部的易错提示基准上，错误率从 GPT-5.6 Terra 的 53.6% 降到低力度下的 16.7%，最大力度下降到 4.3% — 数据表称这一降幅已接近 GPT-6 Astra 与 Sol 的水平（发布博文）。对常驻舰队，运营读数很具体：一个可以低力度运行、在对抗性提示上错误率 16.7% 的模型，其定价与画像面向的是规模化工作，而 4.3% 的最大力度列，才是验证密集型工作流中应当引用的那一列。

任何数据表都不会替自己印出的是第三方列。 Kimi 审计交叉核对所用的人工智能分析（Artificial Analysis）快照早于 Terra（更新于 10 月 24 日），而本审计所用的各表面中尚不存在针对 gpt-6.1-terra 的独立指数行 — 既没有 Intelligence Index 综合分，也没有 AA 级校准列。在它落地之前，约 9× 的单任务成本数字与 ALE 得分只站在 OpenAI 自家测量之上。这不是这张表的缺陷；它是发布日的常态，也恰是常驻经济学框架提醒买方在第一张账单之后用自家 token 日志去填补的空位。

安全披露如今随表交付

Preparedness 一行就印在发布页上，不在脚注里。 数据表载明 GPT-6.1 Terra 在 OpenAI 的 Preparedness Framework 下达到网络安全维度的 Critical 阈值，保留为 GPT-6 Astra 开发的防护，并携带 GPT-6 系列的对齐改进 — 发布博文并报告 Terra 比 GPT-5.6 Terra 更倾向于保持在任务范围内、诚实披露自身局限，在 OpenAI 的评估中对提示注入有强抗性，完整细节见system card 附录（发布博文）。

由此得到两读。其一，“网络安全 Critical”是能力披露，不是部署拦阻 — 它告诉买方该模型在 cyber 任务上强到值得框架的最高标注层级，这正是风险评审在把模型接入带工具的工作流之前需要的信息。其二，披露随发布日的表一并交付，意味着买方的治理评审有了一份可注明日期、可归档的文件：随模型发布的 system card 附录。发布数据表审计这个体裁之所以存在，是因为十月各次发布落地的工件先后不一；Terra 的不同在于什么都没有推迟 — 与此同时，也正因为模型是闭源的，除厂商自己的工件之外一切皆无从验证。

反例：开放权重发布仍在往后推迟什么

十月的三次审计如今读作三种披露模式。MiniMax M3.1 Flash 在 API 发布四天后交付了权重，并把采购条件留给许可证文件去承载 — 一条带归属条款的 $2000 万年营收线（权重日审计）。Kimi K3.1 Pro 以表先行的姿态发布了完整的能力与价格，而权重与许可证要到 11 月 4 日才见分晓。GPT-6.1 Terra 一次性印出了所有内容 — 并且永远不提供权重。有趣的后果是不对称的：开放权重发布让买方承担一个可在购买之后改写自托管经济学的读许可事件（那条 $2000 万线），闭源发布则让买方承担可在续约时重新定价的单供应商依赖。两条路都躲不开；两条都可审计。而一张第一天就完整到场的表 — 价格、得分、安全各行都可对照页面核对 — 正是让这个比较诚实起来的披露形态。这是分阶段发布先例论点的成本侧兄弟：各次发布之间的差异不在能力声明，而在哪些工件先落地，买方的尽调必须跟着工件走。

还有一个值得归档的市场质感：围绕发布的聚合器目录不是表。一张带着错误价格与错误状态的 Terra 预发布卡片，在一手页面面前只撑了不到 48 小时，却足够长到进了一份路由备忘。从追踪器引用模型数字的买方，买到的是追踪器的误差棒；发布页才是承载发布方自身承诺的唯一表面。

这张数据表及其缺口的分钟图：

两个面板正是买方尽调划出的分界：青绿一侧是发布本身在 10 月 26 日就变得可核对的内容，紫色一侧是只有时间或第三方才能裁决的内容，珊瑚色横带则是十月全部披露模式的台账。底部那张卡就是这一体裁沉淀下来的规则：按表下单，按工件审计。

本周在路由上改变什么

廉价档的账本补上了它的 OpenAI 原生行。 子代理与计算机操作的成本坍缩弧线如今是：Haiku 5.5 → GPT-6.1 Sol/Luna → GLM-5.3 Flash → DeepSeek 的 1017 快照 → MiniMax M3.1 Flash → Terra（该档的账本文章）。Terra 在这份账本里的辨识点不是更低的数字 — Kimi 与 MiniMax 的 flash 档列出的绝对价格更低 — 而是它声明的工种：面向桌面应用的精确计算机操作，即 OSWorld 2.1 的工作负载，落在 $1/$5 价格带上并配已印出的 95% 缓存折扣。一家闭源供应商加入成本坍缩档，就推倒了“廉价档只属于开放权重模型”的最后借口：这个档位如今从两个方向同时定价。

决定框架仍然是完成任务的成本，而不是 token 单价（单任务框架）。Terra 的价格带在乘上任务运行时长与命中率之前说明不了任何事。表里给出的是计算它的输入 — token 价格、缓存费率，以及两个在两种力度设置下代理 tokens-per-task 的 benchmark 得分。力度是账单的另一根轴：16.7% 的事实性行是低力度下的产能列，而 4.3% 的费率藏在最大力度之后，规模化的工作很少需要它。

数据表印出的工种边界就是路由边界。 Terra 是工作日档 — 报价提案、技术图纸、表单、视频剪辑日志（发布博文）— 更难的编码由 OpenAI 自己的文字明确路由给 Sol 与 Astra。拿着一张完整的表、买方最容易犯的便宜错误，是把它的赢面行读成全局：Terminal-Bench 4.0 上的 50.3% 不去竞争前沿最难编码档，表上自己写着。

相关阅读

• Kimi K3.1 Pro 与 0.7 分的差距：在 11 月 4 日权重落地前读懂发布数据表 — 这个体裁的母本审计：本文章与之对照的表先行发布，以及 11 月 4 日执行五项检查的方法
• 授权条款上那条两千万美元的线：权重发布日审计 MiniMax M3.1 Flash — 开创该体裁的权重日审计：购买之后可能改写自托管经济学的许可事件
• 推理经济学：为何常驻生产代理现在已可负担 — 把已印出的价格带与缓存行变成路由决策的单任务成本框架

一个代表型落地

一家 300 人的工业设备分销商的运营台，每周要跑约 2,500 个计算机操作智能体任务 — 向 NetSuite 录入发票明细、跨四个供应商门户查询价格、以及为设备报价解读技术图纸。Terra 的表在本周移动了两个路由：高批量可视化表单类（OSWorld 2.1 所代理的发票录入与门户填报工作）转向 Terra 的中等推理力度，那里 +15 分的 Agents' Last Exam 行与 $1/$5 价格带、以及对其重复前缀流量有收益的 $0.05 缓存输入费率相匹配；终端与代码的维护作业留在 Sol 与 Astra，按表自身的边界执行。文档审计舰队留在 Kimi K3.1 Pro，等 11 月 4 日的检查；路由表上还带着一列表答不出的东西 — 独立测量的单任务成本 — 团队在第一个计费周期后用自家 token 日志去填，并在任何验证密集型工作流落到 Terra 之前，先按 16.7%/4.3% 的事实性列对其 max 力度经济学重新定价。

申请一次划定范围的落地。 一周的需求发现。你得到系统清单、工作流地图和固定范围 — 无论最终是否与我们共建。