结论先行
值得用，但只在一个明确的位置上：你要跑视觉理解、电脑操作和偏文字的沟通类任务，预算又卡在 Sol 和 Luna 中间。它是中端档，不是全能冠军——技术沟通比 Astra、Sol 好，视觉与电脑操作基本持平但明显更快，其余大多数任务略差。想要"最便宜又能干活"的答案不在它这里，它是 Luna 的十倍价。
实测环境
以下参数全部照抄 Simon Willison 的原文，未做补测：
- 信息发布日期：2026 年 10 月 26 日
- 被测模型：GPT-6.1 Terra（OpenAI）
- 横向对照：GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna、GPT-5.6 Terra
- 测试方式：经典"鹈鹕骑自行车"绘图任务，按每个推理档位各跑一次，取
max档数据 - 关键参数：
max档单次花费 11.3161 美分，耗时 4 分 11 秒 - 定价：每百万输入 token 1 美元，每百万输出 token 5 美元
- 硬件：原文未披露，全部为 OpenAI 侧 API 与订阅端调用，服务器配置无法复现
这一点必须先说清楚：本次没有可复现的本地硬件条件，也没有标准跑分。你能拿到的只有价格、单次调用耗时与成本，以及作者和 OpenAI 的 Ted Sanders 在 Hacker News 评论里给出的定性判断。凡是需要"跑分证明"的结论，这篇评测给不了，也不要硬凑。
数据对照
| 项目 | GPT-6.1 Terra | 对照说明 |
|---|---|---|
| 输入价格 | 1 美元 / 百万 token | 官方定价 |
| 输出价格 | 5 美元 / 百万 token | 官方定价 |
| 相对 GPT-5.6 Terra | 约一半 | 与 GPT-6.1 Sol 同档降幅 |
| 相对 GPT-6.1 Sol | 约一半 | 同代旗舰的一半 |
| 相对 GPT-6 Luna | 约 10 倍 | 便宜档的十倍 |
鹈鹕测试（max 档）耗时 |
4 分 11 秒 | 单次完整绘图 |
鹈鹕测试（max 档）成本 |
11.3161 美分 | 单次完整绘图 |
这张表最值得注意的是最后两行。11.3161 美分、4 分 11 秒，这不是一个能塞进交互式产品里的组合——用户不会为了一张图等四分钟。max 档的正确用法是离线批处理、夜间任务、或者你愿意为质量单独排队的场景。日常对话和表单填写，把推理档位降下来才有意义。
价格结构则是另一种信号：输入 1 美元、输出 5 美元，输出是输入的 5 倍。这意味着长上下文、短输出的任务（读技术图纸、读表单截图、读文档后给一句话结论）在成本上非常划算；反过来，让它长篇大论地写字，账单会比你预期的高。
踩坑与细节
第一，中间档最难选。 原文明确点出 Terra 的位置相当于 Anthropic 体系里的 Sonnet——不是最便宜也不是最贵，因此"什么时候该用它"反而更难判断。我的建议是不要按"任务重要性"选模型，按"失败代价"选：失败了重跑一次成本可忽略的任务，直接用 Luna；失败一次要人工返工的，才轮到 Terra 及以上。
第二，电脑操作恰恰是该用便宜模型的场景。 原文的判断是：电脑操作这类任务往往是自动化、重复性的，天然适合更便宜的模型来跑量。这跟直觉相反——很多人以为点鼠标的任务更"难"所以要用贵的，实际是这类任务次数多、单次价值低，单位成本才是决定因素。
第三，订阅端别期待大版本。 原文的说法很直白：对订阅用户来说这不是一次大版本发布，撞到用量上限时能让你多跑一点，或者你想要更清晰的表达、更快的电脑操作时，它是个可选档位。把它当"额度续命选项"而不是"能力跃迁"，预期才不会崩。
第四，模型 ID 不要凭猜写死。 接入时先用官方文档确认实际 ID，再用环境变量传，避免把猜测的字符串写进代码。
export OPENAI_API_KEY="你的密钥"
export MODEL="从官方文档确认的 GPT-6.1 Terra 模型 ID"
curl https://api.openai.com/v1/responses \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-H "Content-Type: application/json" \
-d "{\"model\": \"$MODEL\", \"input\": \"读出这张表单里的字段并填好\", \"reasoning\": {\"effort\": \"max\"}}"
成本自测脚本，价格常量就是上面那两个数，改都别改：
IN_PRICE = 1.0 / 1e6 # 美元 / 输入 token
OUT_PRICE = 5.0 / 1e6 # 美元 / 输出 token
def terra_cost(input_tokens: int, output_tokens: int) -> float:
return input_tokens * IN_PRICE + output_tokens * OUT_PRICE
# 用法：先跑一批真实样本，把 usage 里的 token 数灌进来
print(terra_cost(120_000, 800))
跑之前先想清楚一件事：输出的单价是输入的 5 倍，所以压输出长度比压输入长度更值钱。提示词里加一句"结论不超过三行"，省下来的钱比精简上下文更明显。
第五，max 档的等待时间会被低估。 4 分 11 秒是绘图这种重任务的数字，但它提醒你：高推理档的延迟不是线性的，不要拿低档的响应时间去推算高档。上线前必须按你实际要用的档位单独测延迟，否则超时设置一定写错。
适用与不适用
该用：
- 视觉理解类任务：读技术图纸、读截图、从图像里抽结构化字段
- 电脑操作类自动化：表单填写、重复界面操作，靠跑量而不是靠单次质量取胜
- 偏沟通的文字任务：起草提案、把技术内容讲清楚——这是它相对 Astra、Sol 明确更强的地方
- 需要比 Luna 明显更聪明、但又付不起 Sol 价格的中间地带
别碰：
- 追求极致质量的旗舰任务。原文说得很清楚，它在"大多数其他事情上"略差一点，硬上只会返工
- 需要秒级响应的交互场景。
max档 4 分 11 秒的量级摆在那里 - 大规模廉价批处理。它约是 Luna 的 10 倍价，量一大账单立刻失控
- 需要"跑分背书"的选型评审。当前公开信息里没有标准基准数据，拿定性判断去说服评审大概率被驳回
一句话收尾：把 Terra 当成"电脑操作和视觉任务的性价比档位"来用，而不是当成"便宜一点的旗舰"。前者能省钱，后者会让你在质量上失望。
参考来源
- Simon Willison, GPT-6.1 Terra（2026 年 10 月 26 日）：https://simonwillison.net/2026/Oct/26/gpt-61-terra/
- Simon Willison’s Weblog 首页（用于查阅后续更新与勘误）：https://simonwillison.net/