GPT-6.1 Terra 規格與實測：6 題 JavaScript、36 次執行的時間與成本比較

重點摘要

• GPT-6.1 Terra 已於 2026 年 10 月 26 日正式發布，官方主打視覺推理、精準電腦操作與自然寫作；複雜程式工作仍建議使用 Sol 或 Astra。
• Standard 短上下文 API 單價為每百萬輸入 token 1 美元、快取讀取 0.05 美元、輸出 5 美元。「比 5.6 Terra 便宜 50%」不能直接套用到每個價格欄位。
• 本站用 6 題範圍明確的 JavaScript 小題目測試，每題每模型跑 2 次，共 36 次。6.1 Terra 與 6.1 Sol 都是 12/12 次通過，5.6 Terra 為 11/12。
• 這批測試中，6.1 Terra 平均完成時間為 20.1 秒、平均估算成本為 1.53 美分，均低於另兩個模型。但樣本很小，不能推成整體能力排名。

GPT-6.1 Terra 是什麼？

依 OpenAI 發布文與 API 更新紀錄，GPT-6.1 Terra 於 2026 年 10 月 26 日推出，承接 GPT-5.6 Terra 的用途。官方定位著重視覺推理、電腦操作與自然寫作，例如辨識畫面、操作應用程式及撰寫或修改文字。

它支援文字輸入與輸出，以及圖片輸入；知識截止日期為 2026 年 6 月 1 日。推理努力值可選 none、low、medium、high、xhigh、max，預設為 medium。API 工具呼叫須使用 Responses API。官方模型文件

官方發布文列出的使用管道是 ChatGPT Work、Codex 和 API。要注意 Work 和一般的 Chat 是不同的模型選單，一般 ChatGPT 對話不一定選得到 Terra。

和 Sol、上一代 Terra 的定位與規格比較

OpenAI 將數字世代與 Sol、Terra 等能力層級分開演進，所以同為「6.1」不代表同一天發布。名稱也不足以推斷參數量或模型架構。

API 價格怎麼看？

下表採 2026 年 10 月 28 日官方文件的 Standard、短上下文單價，單位為美元／每百萬 token；這不是 ChatGPT 訂閱價格。

Terra 發布文使用「Standard 價格低 50%」的說法，但對照目前模型頁，輸入從 $2 降到 $1 符合半價，輸出從 $12 降到 $5 則不是剛好一半。研究文件未找到官方對這個差異的解釋，因此本文保留各欄實際單價，不把舊版輸出價改寫成 $10。

5.6 Terra 上市文章原先列的是輸入 $2.50、輸出 $15，同頁另註明 7 月 30 日降價 20%；這與目前的 $2／$12 是不同時間點的價格。

6.1 Terra 的長上下文也有加價條件：輸入超過 272K token 時，整筆請求的輸入與快取費率乘以 2，輸出費率乘以 1.5。Batch、Flex 與 Fast 等處理模式另有不同價格，不能一律套用上表。官方價格頁

官方效能數字與本站測試要分開看

OpenAI 自行公布的 Terminal-Bench 4.0 成績，6.1 Terra 在 max 努力值下為 50.3%，同篇列出的 5.6 Terra 已公布成績為 21.5%。這是廠商評測，並非本站重現；也不能和不同版本的 Terminal-Bench 分數混用。OpenAI Terra 發布文

本站以下只測 medium 下的小型 JavaScript 任務，與上述評測的題型、工具及努力值都不同。

發布前的線索：dotnet/efcore 評測設定

在正式發布之前，公開程式碼已出現 Terra 名稱。不過，PR 活動日期、固定版本內容與模型上市日期，需要分開看。

固定 commit 的 eng/harness-evaluation/skills/change-tracking/eval.yaml 包含以下設定：

model: ${MODEL=gpt-6.1-sol}
judge_model: ${JUDGE_MODEL=gpt-6.1-terra}
judge_reasoning_effort: ${JUDGE_REASONING_EFFORT=medium}
judge_timeout: ${JUDGE_TIMEOUT=10m}
executor: copilot-sdk

這能證明設定指定 Sol 執行任務、Terra 擔任評審；單靠設定檔，無法證明當時已成功呼叫，也無法證明一般使用者已能使用或推斷價格。原始 PR、固定 YAML 與兩篇當時報導均列於文末。

本站實測：6 題、3 個模型、36 次執行

測試方法

本站於 2026 年 10 月 28 日，在一台 Linux VPS 上透過 Codex CLI 0.164.0 執行，使用 ChatGPT 帳號登入。三個模型的 reasoning effort 都設為 medium。

題目涵蓋以下 6 種小型 JavaScript 工作，每題每個模型跑 2 次，三個模型輪流執行，合計 36 次。每次都使用全新的資料夾與起始檔案。

評分使用模型看不到的隱藏測試，每題 9～28 個案例；測試都先用參考解答驗證過。執行程式在模型完成後，才把測試複製到工作資料夾評分。

本站也從 Codex 的 session 紀錄確認，36 次實際回應的模型都是指定的模型，也沒有任何一次讀取到隱藏測試。

時間從送出任務算到 Codex 回報完成，包含工具啟動和執行指令的時間，並非單純模型生成時間，也不含完成後另外執行的隱藏測試評分。

成本依官方 API Standard 價格，以紀錄中的輸入、快取輸入與輸出 token 換算，包含快取折扣。輸入總數已含快取輸入，因此先扣掉快取部分再套一般輸入價；輸出總數已含推理 token，不會重複加算。透過 ChatGPT 方案使用 Codex，不會照這個金額計費。

總表

「通過率」以一次任務的全部隱藏測試都通過為準；「測試案例通過」則累計各次案例。每個模型都只有 6 個不同題目，192 個案例包含第二次執行的重複測試，不能當成 192 道獨立題目。

完成時間

6.1 Terra 在這批測試的平均完成時間最短，為 20.1 秒，中位數 19.4 秒。5.6 Terra 和 6.1 Sol 的中位數分別是 39.4 秒和 34.5 秒，平均則是 45.6 秒和 36.0 秒。5.6 Terra 的平均比中位數高出不少，是因為有幾次跑得特別久（最久 94 秒）。

圖中每個題目的數值，都只是該模型兩次執行的平均。這些時間仍會受到工具執行、網路與服務狀態影響。

輸出 token

6.1 Terra 平均輸出 893 token，5.6 Terra 為 1569，6.1 Sol 為 1284。這裡包含推理 token，並非只有最後呈現給使用者的回答文字。

平均推理 token 分別為 33、250、69。這只能描述本次紀錄的用量差異，無法僅憑數量推論思考品質；較少輸出也不必然代表解法較好。

API 估算成本

6.1 Terra 平均每次估算為 1.53 美分，5.6 Terra 為 4.66 美分，6.1 Sol 為 3.64 美分。這是單價、輸入與快取用量，以及輸出量共同作用的結果。

這張圖適合比較本次工作量按 API 單價換算的差異，不代表 ChatGPT 訂閱方案的實際帳單，也不能直接推估其他提示長度或快取命中情況的成本。

唯一失敗：星期格式少了兩個字

5.6 Terra 在「民國日期」第一次執行，只通過 11 個案例中的 2 個。題目範例要求 民國115年10月28日（星期三），該次卻輸出 （三），未符合完整格式；第二次執行就通過了全部案例。

這裡也有出題端的限制：同一份題目寫著「星期用『日一二三四五六』」，可能被理解成括號內只放單一星期字元。雖然範例有完整的「星期三」，文字仍可能造成誤解。

所以這次失敗算是格式不符合要求，但題目本身也有不夠清楚的地方。只憑這一次，不能說 5.6 Terra 不會處理民國日期，也不能放大成它普遍不遵守指令。

這次測試的限制

這批題目都是範圍明確的小題目，重點在局部函式實作、除錯與邊界條件，沒有測大型程式庫理解、跨檔案重構、長時間代理工作，也沒有測 Terra 官方主打的視覺推理、電腦操作或自然寫作。

每個模型每題只有 2 次，且三個模型依固定順序輪流執行，沒有隨機化順序，也沒有足夠重複次數估計穩定的誤差範圍。單一日期、單一環境與相同 effort 設定，無法代表不同時段、不同設定的表現。

隱藏測試通過，代表符合這組測試的檢查，並不保證沒有其他缺陷，也未完整衡量程式可維護性。民國日期題目的措辭疑義，更會影響如何解讀唯一一次失敗。

因此，這次能支持的結論是：在本站這批小型 JavaScript 任務中，6.1 Terra 同樣完成全部測試，且平均時間、輸出量與 API 估算成本較低。這不代表它在整體能力上超越 Sol 或 Astra。

該怎麼選？

如果你的工作類似這次題目：需求明確、修改範圍小、能用測試驗收，可以先把 6.1 Terra 納入候選，再用自己的真實任務確認品質、等待時間與成本。這批結果提供了一個值得進一步驗證的起點。

如果工作涉及複雜程式設計或較長的代理流程，仍應依官方定位考慮 Sol 或 Astra。本次 Sol 同樣全部通過，測試也沒有涵蓋足以區分複雜工作能力的題目。

若你正從 5.6 Terra 評估升級，建議保留原有測試集，特別檢查格式、例外處理與時區等細節，再比較完成時間及用量。使用 API 時要依實際快取與處理模式估價；使用 ChatGPT 方案時，則應以方案內的實際使用體驗評估。

資料來源

以下資料的查核日期都是 2026 年 10 月 28 日。官方定位和效能數字是廠商自行公布的；發布前的聚合站報導只當作時間線的背景。

• OpenAI：Introducing GPT-6.1 Terra：定位、可用性與官方自行公布的 benchmark。
• OpenAI API 更新紀錄：各模型正式發布日期。
• GPT-6.1 Terra 模型文件：規格、推理努力值、工具呼叫與價格條件。
• GPT-6.1 Sol 模型文件、GPT-5.6 Terra 模型文件：比較表的上下文、輸出上限與單價。
• OpenAI API 價格頁：Standard 與其他處理模式的價格。
• OpenAI：Introducing GPT-6.1 Sol、GPT-5.6 發布文：定位、命名層級及舊版價格調整。
• OpenAI 模型選擇指南：依工作需求選擇能力層級。
• OpenAI Help Center：GPT-6 與其他 ChatGPT 模型：Work、Codex 與 Chat 模型選項的區別。
• GPT-6.1 Terra 系統卡增補：正式發布的安全文件。
• dotnet/efcore PR #39217、合併 commit、固定版本評測 YAML：發布前名稱出現的原始證據。
• ArtificialWatch，2026-10-19、AREX，2026-10-20：當時的聚合站報導，設定數量未經本站逐檔獨立驗證。

本站實測的 36 筆原始紀錄（每次的模型、時間、token 用量和測試結果）都有完整保存，總表和三張圖都直接由這份紀錄計算產生。