OpenAI 在 2026 年 10 月 26 日發布 GPT-6.1 Terra。標準 API 每百萬 token 輸入 $1、輸出 $5，比上一代 Terra 和同代的 Sol 都便宜一半，主打快速、高效的視覺推理與電腦操作。
我的結論：low effort（低推理強度）的 Terra 可以接手我原本派給 Sol 的程式修補和派給 Astra 的對抗式審查，速度更快，也更省額度。但抓畫面上的簡繁錯字、判斷對話脈絡，還是要交給 Claude Sonnet。
每週一封，只挑跟你工作有關的 AI 動態。免費訂閱電子報 →
官方怎麼介紹
OpenAI 的發布文把 Terra 定位成大幅進步的快速模型，適合讀發票、把明細輸入會計軟體這類大量工作。Plus、Pro、Enterprise、Edu 用戶即日起都能用；在 ChatGPT Work 和 Codex 裡，同樣的額度能做的事比上一代 Terra、Sol、Astra 都多。
以下是官方自己的測試，以及第三方 Artificial Analysis 的評估：
| 比較對象 | 說法 |
|---|---|
| GPT-5.6 Terra | 電腦操作高 15 個百分點，成本約三分之一 |
| GPT-6 Astra | 電腦操作持平，單價只有十分之一，完成任務快三倍以上 |
| GPT-6.1 Sol | 成本較低、速度快三倍以上；官方寫明最複雜的程式工作仍是 Sol 和 Astra 較好 |
| Claude Opus 5.5 | 每個任務成本低約 9 倍；官方沒有拿 Sonnet 和 Haiku 比 |
| 第三方 Artificial Analysis | 比上一代 Terra 更聰明，每任務成本不到三分之一 |
各項基準的名稱與分數看附錄。
我怎麼測、測到什麼
題目全是我自己做的合成資料，每題 Terra 跑 1 到 3 次，Haiku、Sonnet、Opus 多半跑 1 到 2 次。Codex 內建的 computer_use 和 100 行以上的大型修補沒測。
- 對抗式審查：找 bug、紅隊審查、死指標檢查、逐條事實核對四種。Terra 全拿 1.00，和 Astra 同分，但快 1.5 到 2 倍，每次只用 Astra 約四分之一到五分之一的額度。技術細節
- 程式修補：3 題真實錯誤各修 2 次，Terra 和 Sol 都是 6 次全修好，Terra 約 50 秒，Sol 要 60 到 105 秒。但 repo 裡若留著參考解答，Terra 會直接拿來套用。技術細節
- 看畫面與操作瀏覽器：8 題，模擬我近兩個月的真實用法。6 題所有模型都滿分；分出高下的 2 題，Terra、Sol、Astra、Haiku 錯在同一處，只有 Sonnet 和 Opus 全對。拉高 effort 也沒用。技術細節
- 歷史錯題與長任務：用模型真的做錯過的案例出了 14 題。Terra 12 題滿分，2 題出錯：一題把提議歸錯人，一題整批替換時多改了不該改的值。技術細節
跟各家比
| 項目 | Terra | Sol／Astra | Haiku | Sonnet | Opus |
|---|---|---|---|---|---|
| 審查題分數 | 1.00 | Astra 1.00 | — | — | — |
| 審查平均秒數 | 17–32 | Astra 24–65 | — | — | — |
| 修補題（6 次） | 全過 | Sol 全過 | — | — | — |
| 看畫面：找簡體字 | 0.67 | 0.67 | 0.67 | 1.00 | 1.00 |
| 看畫面：算未回覆數 | 0.92 | 0.75 | 0.75 | 1.00 | 1.00 |
| 看畫面單次成本 | 約 0.6% 額度 | 約 2.3% 額度 | $0.01 | $0.17 | $0.37 |
- Sol：小型修補一樣全過，Terra 更快，看畫面用的額度只有 Sol 的約四分之一。有測試把關的修補可以換成 Terra；最複雜的程式工作留給 Sol。
- Astra：審查題同分，Terra 更快更省。Terra 的回答也更直接，每千字的保留語約 0.6 個，Astra low 是 5.1 個。
- Haiku：看畫面抽數字和操作網頁跟 Terra 同級，但歷史錯題 Haiku 全對，比 Terra 穩。
- Sonnet：簡體字和對話脈絡這類細節，要交給它。
- Opus：這批題目和 Sonnet 一樣全對，日常不必用。我另外有一組 GMAT 批判推理難題 8 題，Sonnet 0.29、Opus 0.96，要細比兩個強選項的難題才分得開。
建議
直接交給它（用 low effort）：
- 有測試或檢查器能判對錯的程式修補：原本派 Sol 的，改派 Terra。
- 對抗式審查、找反例、事實核對：原本派 Astra 的，改派 Terra。
- 看截圖抽數字、算圖表、找破圖、操作網頁取資料：Terra 和 Haiku 都能做。
交給它，但要驗收：
- 整批替換、改多個檔案：它曾多改不該改的值，改動清單也少列了檔案，要核對實際差異。
- 從逐字稿判斷誰說了什麼：它曾歸錯人，要對照原文。
- repo 裡有參考解答的修補：先隔離，不然它會直接抄。
不要交給它：
- 抓錯字、辨認簡繁、判斷對話脈絡：交給 Sonnet。
- 最複雜的程式工作交給 Sol 或 Astra；最後一關審查交給 Opus。
附錄：技術細節
審查與修補
- 對抗式審查 4 種任務：包含找 bug、公開版紅隊審查、死指標檢查、逐條事實核對。Terra low 每題跑 3 次、medium 跑 2 次，得分全部 1.00，與 Astra low 相同；medium 沒有比 low 好。
- 審查任務平均秒數（Terra low 對 Astra low）：找 bug 為 32 秒對 65 秒、公開版紅隊審查為 17 秒對 26 秒、死指標檢查為 25 秒對 35 秒、逐條事實核對為 24 秒對 24 秒。
- 真實修補回放 3 題：每題各跑 2 次，題目本身只有 10 到 20 行（100 行以上的大型修補沒測）。Terra low 6/6 修好且沒有動測試，Sol low 也是 6/6。Terra 每次約 50 秒，Sol 為 60 到 105 秒；修補 diff 行數 Terra 為 11 到 18 行，Sol 為 13 到 24 行。
- 踩到的坑（翻 git 歷史找答案）：當修補題的 repo 裡看得到未來的修正 commit 時，Terra 兩次都用
git log --all找到答案，一次直接git show | git apply，另一次照抄；過程訊息有寫「版本紀錄中已有對應的修正，我正在補回」，但最後回報沒明講。這兩筆紀錄我作廢，改在只有修補前快照、遮掉提交識別碼的獨立 repo 重考，Terra 2/2 自己修好，檢查 session 紀錄確認沒翻歷史。意思是它拿得到答案就會直接用，派它做事前要把參考解答隔離。
看畫面
- 測試設定與成本耗時：共 8 題，仿近 60 天真實使用場景，所有模型用同一個瀏覽器工具操作（Codex 內建的 computer_use 沒測）。Haiku 每次約 $0.01、13 到 43 秒；Sonnet 約 $0.17、11 到 48 秒；Opus 約 $0.37、16 到 26 秒；Terra 為 7 到 50 秒。
- 6 題全滿分項目：成績單截圖取最新、帳單堆疊圖算數、影片影格字幕檢查、後台對帳（含載入更早訊息與同名陷阱）、數字只畫在 canvas 的帳單後台、社群串找本人最終預測，這 6 題所有模型全拿 1.00。
- 2 題分出高下項目：這兩題各跑 2 到 4 次，Terra、Sol、Astra、Haiku 錯得一樣：
- 「UI 上線前找問題」：導覽列有一個簡體字「错题本」，Sonnet 與 Opus 每次都抓到；Haiku、Terra（6 次）、Sol、Astra 都沒看到。得分：Terra 0.67、Haiku 0.67、Sol 0.67、Astra 0.67、Sonnet 1.00、Opus 1.00。
- 「聊天截圖判斷誰還沒被回覆」：對方深夜問改時間、早上又追問同一件事，Sonnet 與 Opus 算 1 個未回覆問題，Haiku 與 GPT 三款常算成 2 個。得分：Terra low 0.92、Terra medium 0.75、Haiku 0.75、Sol 0.75、Astra 0.75、Sonnet 1.00、Opus 1.00。
- 推理強度影響：拉高 Terra 的 effort 沒用，因為落差在看不看得出字形，不在推理。Terra 主打看懂畫面，但在這組題目上沒有比 Sol、Astra 強，強在快和便宜。
難題組
- 題目設計：從近 75 天對話裡挖出 20 個模型真的做錯過的案例，做成 12 題單題，再把 5 個陷阱藏進 7 件日常工作、200 多個檔案的長任務（共 2 題）。
- 各模型得分：Haiku、Sonnet、Opus 在 12 題單題全 1.00，長任務 Sonnet、Opus 為 1.00。Terra low 各跑 1 次，長任務 1.00，12 題單題裡 11 題 1.00，真的答錯 2 處：
- 一題把一句提議歸錯人，得分 0.88。
- 另一題調整名額上限時，連數值同樣是 350 的重試毫秒數也改了，得分 0.93，而且回報的改動清單少列 6 個檔。
- 環境校正與限制：試做中所有失分都是評分器或環境的 bug（共 13 處，已修並重評），沒有一格是模型真的答錯。這組題目加重負荷沒用，因為模型用
grep直接找到相關檔案，60 到 105 秒做完。真實出錯發生在對話很長、上下文被壓縮過、同時做很多件事的情況，一次 headless 跑測模擬不出來。
額度與回答風格
- 5 小時額度與 token 數：審查題 Terra 每次約消耗 1.5% 的 5 小時額度，Astra 每次約 7%；未快取輸入 token 為 3.3 萬對 8.8 萬。看畫面題 Terra 約 0.6%，Sol、Astra 約 2.3%。
- 防禦語氣與字數統計：Terra 每千字約 0.6 個保留語，Astra low 為 5.1、Astra high 為 16.1；Terra 62 份回答只有 1 次範圍免責，Astra 28 份有 5 次。Terra 格式遵循率 100%，回答很短，平均約 110 字，Sonnet 約 300 字。
官方與第三方的各項基準
以下為 OpenAI 官方發布文公布的官方自家測試數據：
- Agents’ Last Exam（專業任務基準，例如把建築圖面轉成 3D 模型）：medium effort 比 GPT-5.6 Terra 高 15 個百分點，成本約三分之一；與 GPT-6 Astra 持平，每 token 價格只有 Astra 的十分之一。
- 對 Claude Opus 5.5 效率：max effort 下，Terra 的 token 效率是 Claude Opus 5.5 的 3 倍以上，每 token 價格是它的四分之一，每個任務成本低約 9 倍。
- MMMU-Pro 與 OSWorld 2.1：MMMU-Pro 視覺推理在每個 effort 都贏 GPT-5.6 Terra，幾乎追平 Astra 和 Sol，成本低很多；OSWorld 2.1 在 medium effort 超過 GPT-5.6 Terra 的最佳成績，每任務成本只是一小部分。
- 官方內部誘錯題組（幻覺）：low effort 錯誤率從 53.6%（GPT-5.6 Terra）降到 16.7%，降近 37 個百分點；max effort 降 18 個百分點到 4.3%，接近 Astra 和 Sol。
- Terminal-Bench 4.0 與 Terminal-Bench-Science 0.1：Terminal-Bench 4.0（max effort）解出 50.3%，是 GPT-5.6 Terra（21.5%）的兩倍以上；Terminal-Bench-Science 0.1（max effort）超過 Sol 且成本較低，離 Opus 5.5 不到 5 分，估計成本不到它的五分之一。
- 安全門檻：達到 Preparedness Framework 的網路安全 Critical 門檻，沿用 Astra 的防護；官方表示比 GPT-5.6 Terra 更會留在任務範圍內、更誠實說明限制與阻礙，提示注入測試表現強。
以下為第三方 Artificial Analysis 評測公布的數據：
- 每百萬 token 價格對照（GPT-6.1 Terra 對 GPT-5.6 Terra）：輸入 $1 對 $2、輸出 $5 對 $12、快取輸入 $0.05 對 $0.20、寫入快取 $1.25。low 與 medium effort 落在智慧與成本的 Pareto 前沿，其他 effort 檔位在前沿後面。
- Intelligence Index 與 Coding Agent Index v2.0（max effort）：Intelligence Index 比 Sol 低 4 分；Coding Agent Index v2.0 為 48 分，比 Sol（54 分）低 6 分，比 GPT-6 Luna（31 分）高 17 分，對上一代 Terra 高 6 分，每任務成本為 $0.40 對 $1.40。
- AA-Omniscience 與 Terminal-Bench 4.0：AA-Omniscience 幻覺率為 38%（上一代 88%），準確率只升 2 分；Terminal-Bench 4.0 進步約 20 分。
就這樣。