便宜一半的新模型，先問帳單會不會跟著減半
OpenAI 在 10 月 26 日發布 GPT-6.1 Terra。ChatGPT Work 與 Codex 對 Plus、Pro、Enterprise、Edu 用戶開放，API 的模型 ID 是 gpt-6.1-terra。Hacker News 的討論串發文約兩小時就有 286 points、148 則留言。
公告裡最直接的數字是價格：標準 API 每百萬輸入 token 1 美元、快取輸入 0.05 美元、輸出 5 美元。OpenAI 說，這比 GPT-5.6 Terra 和 GPT-6.1 Sol 的標準 API 價格低 50%。
如果你用 OpenAI API 或 Codex 跑自動化流程，每個月的帳單看得到起伏，這篇想回答兩件事：換成 Terra 會不會真的省錢？品質會不會掉？先講結論：每 token 的牌價確實便宜，但 Terra 回答時用的 token 偏多，帳單能省多少，要用你自己的任務重算。最難的 coding 工作，OpenAI 自己也建議繼續用 Sol 或 Astra。
以下數字分成兩類：OpenAI 自己量的，以及第三方 Artificial Analysis 量的。我們沒有實測 Terra。
OpenAI 自己量的：每個比較的對象都不一樣
讀完公告全文後，最需要小心的是比較對象。OpenAI 在不同段落裡，分別拿 GPT-5.6 Terra、GPT-6 Astra、GPT-6.1 Sol 和 Claude Opus 5.5 來比，推理強度也各不相同。推理強度（reasoning effort）會改變模型想多久、用多少 token，同一個模型開 low 和開 max，成本與錯誤率都不同。所以每個數字都得連同比較對象和推理強度一起看。
| OpenAI 的說法 | 比較對象 | 推理強度 |
|---|---|---|
| Agents’ Last Exam 分數高 15 個百分點，成本約三分之一 | GPT-5.6 Terra | 中等 |
| Agents’ Last Exam 分數相當，每 token 價格為十分之一 | GPT-6 Astra | 中等 |
| token 效率三倍以上、每 token 價格四分之一，每個任務成本約低 9 倍 | Claude Opus 5.5 | 最高 |
| Terminal-Bench 4.0 解出 50.3% 任務，對方公布成績 21.5% | GPT-5.6 Terra | 最高 |
| Terminal-Bench-Science 0.1 超過 Sol 且成本較低；與 Opus 5.5 差五分以內，估計成本不到其五分之一 | GPT-6.1 Sol、Claude Opus 5.5 | 最高 |
| 完成任務速度快三倍以上 | GPT-6 Astra、GPT-6.1 Sol | 未載明 |
幾個地方值得多看一眼。
第一，「每 token 價格」和「每個任務成本」不是同一件事。和 Astra 相比的十分之一是每 token 價格；和 Opus 5.5 相比的 9 倍，則是 OpenAI 把 token 效率和每 token 價格乘在一起算出的任務成本。後者是廠商對競品的比較，我們沒有核對 Opus 5.5 的價格，也沒有獨立來源驗證這個倍數。Terminal-Bench-Science 的成本，OpenAI 自己也寫明是「估計」。
第二，「便宜 50%」同樣是 OpenAI 的說法。公告文字沒有列出 Sol 和 GPT-5.6 Terra 的牌價，我們無法自己算出這個 50%。
第三，速度方面，OpenAI 說 Terra 完成任務比 Astra 和 Sol 快三倍以上，但我們找不到獨立的速度數據。Artificial Analysis 頁面上的速度欄位目前顯示 N/A。
品質方面，OpenAI 用一個內部的「誘發錯誤提示」基準來說明 Terra 比較不容易出錯：低推理強度下，錯誤率從 53.6% 降到 16.7%，少了將近 37 個百分點；最高推理強度下降了 18 個百分點，到 4.3%。這個基準沒有公開，53.6% 也代表拿來比較的舊模型在這組題目上本來就錯得很多。我們能確定的是 OpenAI 這樣宣稱，不能據此推估你的流程錯誤率會降多少。
還有一點：公告裡的圖表我們沒有讀到原始數值，所以本文只引用內文寫出來的數字。
第三方量的：價格一致，指數第 25 名，輸出偏長
接著我們拿 Artificial Analysis 的 Terra 頁面對照。這是獨立評測機構，它列的價格與 OpenAI 一致：輸入每百萬 token 1 美元、輸出 5 美元，快取折扣 95%。另外也列出 1M token 的 context window、可輸入文字與圖像、輸出文字，屬於閉源的推理模型。
在它的 Intelligence Index（v4.3.2）上，Terra 的 max 版本拿到 48 分，在 221 個模型中排第 25。跑這個指數，每個任務的成本是 0.40 美元。
這裡有一個 OpenAI 公告沒有強調的數字：跑完整個指數，Terra 產出了 1.3 億個 token，中位數是 8,100 萬。換句話說，Terra 的輸出量約是中位數的 1.6 倍，回答偏囉嗦。
要注意，我們只看到 max 版本的數字，沒有拿到 Sol、Astra 或 Opus 5.5 在同一頁上的並列成績，所以不能說 Terra 在這份榜單上贏過或輸給誰。
輸出偏多，會吃掉一部分牌價優勢
把兩邊的數字放在一起，對成本判斷最有用的是這件事：輸出 token 每百萬 5 美元，是輸入的五倍。模型多寫的每一段推理和回答，都算在比較貴的那一側。
Artificial Analysis 也列了全體模型的價格中位數：輸入 2 美元、輸出 10 美元。Terra 的牌價剛好是中位數的一半。以下是我們自己的粗算，只是示意：如果某個任務在 Terra 上的輸出量，和指數結果一樣是一般模型的 1.6 倍，那麼光看輸出這一側，Terra 的花費約是中位數價格模型的八成，而不是牌價看起來的一半。實際比例會隨任務、推理強度和你原本用的模型而變。
這也是為什麼 OpenAI 說的「低 50%」不能直接套到帳單上。牌價低 50% 是每 token 的比較；如果 Terra 做同一件事比你現在用的 Sol 多寫不少 token，省下的比例就會縮小。Terra 和 Sol 在同一任務上各用多少 token，我們手上沒有資料，這要靠你自己的流程量出來。
ChatGPT Work 與 Codex 的訂閱額度也有類似情況。OpenAI 說，同一份額度可以跑比 GPT-5.6 Terra 更多的任務，比 Sol、Astra 又更多，但沒有給具體倍數。
哪些先試，哪些別急著換
依目前的資料，我們的判讀如下。這是編輯建議，不是 OpenAI 的說法。
可以先小流量試的：量大、結果容易驗證的自動化任務。OpenAI 在 Agents’ Last Exam 這類 agent 任務上，拿中等推理強度做比較，分數高於 GPT-5.6 Terra、和 Astra 相當。這類工作出錯時，測試或規則抓得出來；就算 Terra 的實際品質與公告有落差，你也會在小流量階段發現。如果你現在用的是 GPT-5.6 Terra，Terminal-Bench 4.0 的成績也是 OpenAI 拿來和它比的，換過去的理由比較直接。
官方自己說別換的：最複雜的 coding。OpenAI 在公告裡寫明，這類工作仍建議使用 Sol 和 Astra。如果你的 Codex 流程主要在處理大型、跨檔案的改動，這是官方劃下的界線，不必等第三方來證明。
試的時候要記的：同一批任務，記下 Terra 與現用模型各自的輸入、輸出 token 數，以及通過率；推理強度要固定，不要拿 Terra 的 medium 去比對方的 max。算出每個成功任務的實際花費，再決定要不要擴大。
安全方面，OpenAI 披露 Terra 達到其 Preparedness Framework 網路安全的「Critical」門檻，並沿用 Astra 的防護措施，也說 Terra 在提示注入測試中抗性強。相關細節在系統卡附錄，我們只確認了附錄存在與章節目錄，沒有逐段讀完，這裡不展開這個門檻的含義。
還沒有答案的幾件事
有幾項資訊，目前的來源都回答不了，導入前要自己確認：
- Terra 與 Sol、Astra、Opus 5.5 在同一套獨立評測上的並列分數。
- 實際延遲。OpenAI 說快三倍以上，第三方速度欄位還是 N/A。
- API 的速率限制。
- 台灣地區的價格與資料落地條件。
回到開頭的兩個問題。會不會省錢？每 token 的牌價確實是第三方確認過的 1 美元／5 美元，但 Terra 輸出偏多，省下的比例要用你的任務量出來，不會自動等於一半。品質會不會掉？OpenAI 自己的測試說，在 agent 任務上不輸 Astra、明顯勝過 GPT-5.6 Terra，但這些是廠商自測，最難的 coding 它自己也不推薦 Terra。比較穩妥的做法，是挑一條量大、容易驗證的流程先切一小部分流量；等第三方補上速度數據和並列評測，再回頭看這筆帳。
