GPT-6.1 Terra实测：56秒建3D房，比Soul快5倍还便宜

OpenAI 新一代模型 GPT-6.1 Terra 发布后，官方宣称它比自家 GPT-6.1 Soul 和 GPT-6 Astra 快三倍，价格却只要 Soul 的一半。一位 B 站 UP 主把同一张悉尼老房子手绘平面图同时交给 Terra、Soul、Astra 和上一代 GPT-5.6 Terra，在 Codex 里跑了一场实测。结果有些出乎意料：Terra 56 秒第一个交卷，做出来的 3D 模型有模有样，成本却只有 Astra 的十五分之一。

四档模型怎么选？Terra 定位“又快又便宜”

OpenAI 现在把模型分成四档：最轻的 Luna 负责日常简单任务，Terra 是中间档主力，Soul 是主力旗舰，Astra 是最强档。Terra 的定位很明确——不追求最聪明，而是追求又快又便宜，主推电脑操作场景，也就是让 AI 自己看屏幕、点鼠标、打字，在不同软件之间来回跑。

价格按 Token 计算：Terra 每 100 万输入 Token 1 美元、输出 5 美元；Soul 是 2 美元和 10 美元；Astra 是 10 美元和 50 美元。最贵那档的单价整整差了 10 倍。ChatGPT Plus、Pro 等付费用户可以在 ChatGPT 和 Codex 里直接使用，开发者也能通过 API 调用。

推理档位（Reasoning Effort） 是 OpenAI 在 o 系列及后续模型中引入的可调参数，通常分为 low / medium / high 等几级。它控制模型在给出答案前进行内部“思考”的深度：档位越高，模型生成的思维链（chain-of-thought）越长，越可能尝试多种解法并自我检查，但耗时和 Token 消耗也成倍增加。同一模型在不同档位下，能力上限和成本可以差出数倍，因此“模型型号”和“推理档位”是两个独立维度。文中 Codex 里新模型默认最低档，UP 主统一调高到中档，正是为了让四个模型在同等“思考预算”下比较。

官方成绩单：快三倍，错误率大幅下降

OpenAI 给了一份内部评测成绩。在一个叫 Agent's Last Exam 的专业任务考试中，中等推理档的 Terra 比上一代高 15 个百分点，成本只有三分之一，表现与最强的 Astra 接近，而每个 Token 的价格只有 Astra 的十分之一。OpenAI 还点名对比了竞争对手：开到最高档时，每个任务的成本比 Claude Ocus 5.5 低大约 9 倍。

速度方面，Terra 比 Soul 和 Astra 都快三倍多。低推理档的事实错误率从 53.6% 降到 16.7%。在命令行编程测试中，最高档从上一代的 21.5% 涨到 50.3%。不过 OpenAI 自己也承认，最难的编程任务还是交给 Soul 或 Astra 更稳妥。

这些数字都是 OpenAI 自己出题自己打分，所以 UP 主决定亲自上手验证。

Agent's Last Exam 是继“Humanity's Last Exam”之后出现的一类 Agent 基准测试，考察的不是单轮问答，而是模型在专业工作流中自主调用工具、多步推理并交付成果的能力，题目通常由领域专家设计，覆盖编程、科研、财务分析等场景。与此前的静态问答基准相比，它更贴近“让 AI 真正干活”的评测目标。需要注意的是，这类基准多由模型厂商自建或参与，题目分布和评分标准未必中立，因此厂商公布的百分比提升更适合横向看趋势，而非当作绝对能力刻度——这也是原文 UP 主坚持自己动手实测的原因。

实测规则：同一张图、同一句话、统一中档推理

测试在 Codex 里进行，同一张手绘平面图、同一句指令——“做成一个能在浏览器里转着看的 3D 模型”。四个模型全部开到中档推理，因为 Codex 里新的三个模型默认都是最低档，UP 主统一调高了一格。每个模型自己读图、写代码、自己检查，最后交一个网页。

结果：Terra 56 秒第一个交卷，上一代 GPT-5.6 Terra 用了 2 分 29 秒，Soul 4 分 36 秒，Astra 最慢，5 分 45 秒。Soul 的耗时是 Terra 的约 5 倍，Astra 是 6 倍多。官方说快 3 倍，这次实测比官方说的还快。

成品对比：Terra 够用，Soul 和 Astra 更精致

速度之外，质量才是关键。上一代 GPT-5.6 Terra 翻车了：墙面竖起来挡住半个画面，鼠标一转整栋房子跟着翻跟头，上下方向搞反，后台还报了十几个错。

新的 Terra 交出的模型格局对得上，阳台、台阶、卫浴都有，窗户也画了，虽然有点糙，但一眼看得出是那栋房子。Soul 明显更讲究：沙发、床、壁炉砖色都做了，右上角还有开关可以切换平面图、调整墙高。Astra 再上一层，阳台一圈栏杆、宽台阶、家具摆放也最像样。

UP 主还算了一笔账：按 API 标价把消耗的 Token 折成钱，Terra 约 6 美分，Soul 约 20 美分，Astra 约 10 美分。同一张图，Astra 的花费是 Terra 的 15 倍左右。

最高档的 Terra 能追上 Astra 吗？

UP 主把 Terra 开到最高档又跑了一遍。这次它想了很久，到处找办法检查自己做的东西，8 分 23 秒才交卷，比 Astra 还慢。成品是玻璃窗、壁炉、木地板，每个房间编了号，旁边还列出使用的材质。跟 Astra 放在一起，UP 主个人觉得不相上下，甚至更好看一点。但账单是 35 美分。

为什么单价只有 Astra 的十分之一，账单却贵了？因为它读了 170 万个 Token，是 Astra 的 6 倍。单价便宜 10 倍不等于账单便宜 10 倍——想得越久，读得越多。

UP 主的结论是：中档 Terra 大概七八十分，但只用了 Astra 六分之一的时间、十五分之一的钱。要 100 分，Terra 开最高档也做得到，只是不再那么快。当然每一路只跑了一次，换一张图结果可能有出入。

陷阱题测试：四个模型全部识破

官方说“胡说八道少了”，UP 主出了八道陷阱题，题目本身就是假的，比如“Pixar 1998 年那部灯塔看守人的机器人讲了什么”（根本没这部电影）、“金星最大的卫星叫什么”（金星没有卫星）、“澳洲第七个州的首府在哪”（澳洲只有六个州）。四个模型都用最低档，结果全部识破，一道都没上当。这一项测不出谁更聪明，只看速度：Terra 7.6 秒答完八道，Soul 12 秒，Astra 13 秒，上一代 22 秒。

为什么电脑操作场景更看重快和便宜

账单里藏着另一个答案。中档 Terra 那一路，它自己只写了 4000 个 Token，读进去的却有 11 万——因为干活的 AI 每走一步，都要把前面的对话和图片从头再读一遍。今天这道 3D 建模题才走了几步，电脑操作那种活一个任务动不动几十步，每一步都要重新看一眼屏幕。

对干活的 AI 来说，快和便宜比“聪明那一点点”更要命。这也是 OpenAI 把电脑操作主推给中间档 Terra 的原因。

Agent 的上下文累积机制 是理解账单结构的关键。对话式 Agent 每一步行动（看屏幕、点击、输入）都会产生新的截图和文本，但模型本身是无状态的，所以系统必须把此前所有历史——包括每一张截图——重新拼进提示词再发送一次。这意味着第 N 步的输入 Token 大致与前面所有步骤的内容总量成正比，总消耗随步数呈近似平方增长。截图经视觉编码后占用的 Token 远高于纯文本，因此“读”的量往往几十倍于“写”的量。电脑操作任务动辄几十上百步，成本瓶颈几乎全在输入侧，这也解释了为何单价低十倍的模型，在高档位长时间思考后账单反而更贵。

选购建议：日常用 Terra，精细活换 Soul 或 Astra

UP 主的建议很直接：日常改文件、整理表格、看图跑腿，先交给 Terra，快还省；要做精致的成果或者最难的编程，再换 Soul 和 Astra。在 Codex 里 Terra 默认是最低档，活难一点就把档位往上调一格，但最高档别随手开——又慢又不一定省。

Terra 不是最强的，但它是最划算的。用对地方，它就是你最常用的那个。