OpenAI新推出的GPT-6.1 Terra模型,改写了"氛围编程"的成本算式。所谓氛围编程,是指用自然语言描述软件需求,由AI智能体负责写代码。在一项涵盖八个软件项目的受控对比中,Terra通过Codex CLI完成全部项目仅花费$7.64的API费用,而Anthropic的Claude Opus 5.5通过Claude Code完成同一组项目花费$60.19。Terra的速度还快了约一倍。代价在于高端质量:在复杂3D场景、游戏机制和精致视觉设计上,Opus 5.5的成果仍明显更好。对于要决定token预算花在哪里的开发者来说,问题已不再是哪个模型更聪明,而是自己的工作中究竟有多大比例真正需要那个昂贵的模型。

变化背后的价目表

GPT-6.1 Terra在OpenAI产品线中位于GPT-6.1 Sol和Astra之下,其标准API定价正是它对成本规划如此重要的原因:

token类型 GPT-6.1 Terra价格
输入 每百万token $1
缓存输入 每百万token $0.05
输出 每百万token $5

OpenAI将Terra的API成本定位为比上一代GPT-5.6 Terra和GPT-6.1 Sol都低约50%。在智能体编程场景中,一个模型在几个项目里就可能生成数十万输出token,因此输出价格是决定账单的关键数字。

八项目测试如何进行

这项对比的设计目的是把模型行为与工具差异区分开来。两个模型接收完全相同的提示词,拥有相同的工具权限,同时运行,并都使用最高推理强度。每个模型都运行在各自的原生编程工具链中,即由其开发商自己打造的命令行智能体:GPT-6.1 Terra使用Codex CLI,Claude Opus 5.5使用Claude Code。

八个项目的汇总结果如下:

指标 GPT-6.1 Terra Claude Opus 5.5
平均构建时间 23分43秒 43分52秒
输出token总量 50.6万 155.8万
输出token成本 $2.53 $31.17
含输入的API总成本 $7.64 $60.19

Terra生成的输出token量大约只有Opus 5.5的三分之一,而且每个token的单价更低。这两个因素叠加,形成了十二分之一的成本比。速度也呈现同样的规律:在每一个有时间记录的项目上,Terra的用时都不超过Opus 5.5的一半。

Terra的低价输出在哪些场景站得住脚

逐个项目来看,可以看出哪些地方的节省不以质量为代价,哪些地方则不然。

Stormwatch:3D天气地球仪

第一个项目是一个追踪全球天气系统的实时交互式观测台。Terra用10分40秒完成:一个带昼夜循环的旋转地球、风向矢量,以及飓风追踪卡片。点击某个风暴,比如飓风Orion、Vela或Nami,就会显示预测路径、坐标、风速和气压。

Opus 5.5用了43分16秒,构建了风、云、风暴路径和城市灯光的可切换图层,还能深度缩放到涡旋中心,并以旋转的流体粒子进行渲染。即便如此,Terra的整体地球渲染和配色看起来更为协调,而且只用了约四分之一的时间就达到这一质量。这是最能体现Terra优势的案例:视觉丰富但结构常规的Web应用。

The Long Night:海上风暴模拟

第二个项目描绘了北海背景下一艘靠近离岸灯塔的船。Terra用21分31秒完成,带有一个从风平浪静到飓风级别的风暴滑块,以及摄像机角度控制。但它的水面有明显的贴图平铺痕迹和重复的网格图案。

Opus 5.5的版本名为Skerry Light,用了41分6秒,增加了体积光束、动态闪电和电影感的甲板视角模式。它的光照和海浪运动明显更胜一筹,不过两个模型都没有做出照片级真实的水体物理效果。

夜幕下的Minecraft:体素沙盒

两个模型都轻松应对了这项必考的方块世界测试。Terra实现了地形生成、河谷、植被以及实时方块放置和破坏。Opus 5.5做出了一个更温暖的场景,带有程序化日出光照、手持的剑和可放置的发光方块。更有价值的发现是,基础体素机制似乎已经成为一个饱和的基准:当前的前沿模型都能毫不费力地完成,所以这类任务已无法区分模型优劣,也不足以支撑溢价。

分屏赛道:一侧是平坦路面上朴素的悬浮载具,另一侧是带对手赛车的霓虹倾斜弯道

▲ 赛车项目中基础与精致设计的对比

Neon Drift:3D反重力赛车

到了这里差距拉大了。Terra用20分53秒搭建出一款赛博朋克风格的赛车游戏,有天际线几何体、加速板、漂移机制和AI对手车手。但操控和镜头感觉别扭,悬浮载具开起来很像平坦柏油路上的地面汽车。

Opus 5.5用了41分8秒,交付了开场倒计时、霓虹赛道拱门、倾斜弯道、灵敏的加速机制、粒子效果和有竞争感的节奏。成品像一款真正可玩的街机游戏。Terra用一半的时间写出了能运行的代码,但Opus 5.5做出的游戏要好得多。

Meridian:奢华腕表落地页

最后一场正面对决是一个围绕机械腕表爆炸视图打造的交互式产品页。Terra用14分1秒完成,带有一个把表盘和机芯层分离开的滚动动画,但它的部件大多是扁平的2D矢量剪影和预渲染的SVG素材。

Opus 5.5花了42分14秒,渲染出一块完全动态的3D腕表,包含312个独立的可交互部件。用户可以连续旋转它,展开带标注的爆炸视图,看到蓝宝石玻璃、摆轮等零件,还能在Platinum 950、18k玫瑰金和5级钛合金之间实时切换材质。滚动爆炸腕表这个创意或许已是用滥的设计潮流,但执行效果令人印象深刻。

解读规律

纵观全局,Terra擅长标准网页布局、2D图形和基础3D模拟,而Opus 5.5在复杂3D图形、精细的组件交互和手感出色的游戏设计上占据主导。Opus 5.5并非在每项指标上都好十二倍以匹配其价格比,但对于高保真工作,它的质量优势看来足以证明这笔开销的合理性。

对预算而言,诚实的说法是:大多数日常开发任务都落在这条线的Terra一侧。一个合理的估计是,Terra足以覆盖大约90%分位以内的常规开发工作,剩下的那一小部分留给旗舰模型。

ChatGPT中的强度控制

在ChatGPT界面中,GPT-6.1 Terra提供一个六档的强度选择器:Light、Medium、High、Extra High、Max和Ultra。Light模式对简单的日常问题几乎即时给出回答。更高的档位面向复杂推理和多步骤任务,Ultra档还附带警告,提示它会显著加快消耗账户的用量额度。界面的其他部分与GPT-6.1 Sol基本相同,但这个细分的滑块让用户可以直接在延迟、成本与推理深度之间取舍。

超越人类速度的计算机操作

除了代码生成,Terra的速度和低成本也体现在计算机操作上,即模型通过鼠标点击和拖拽来操作浏览器或应用程序。一位设计师兼创始人分享的片段显示,Terra在High强度下,在基于浏览器的Kleki Paint Tool里绘制了一幅萨姆·奥尔特曼的风格化肖像。录像以实时速度播放,并未快进,精细的操作动作十分迅速。

OpenAI联合创始人格雷格·布罗克曼在X上表示,Terra的计算机操作已跨过一个质的门槛,感觉比人类独立执行还要快。萨姆·奥尔特曼在X上写道,6.1 Terra以低得多的价位提供了快速而强大的计算机操作能力。如果笨拙的计算机交互问题能被低成本解决,大量知识工作的自动化就会变得切实可行。

白板散点图,左上角有一个被圈出的高位圆点,右侧远处另有一个圆点

▲ 智能体基准测试的分数与成本图

基准测试的成本曲线

OpenAI公布的基准测试数据以另一种形式讲述了同样的成本故事。在Agents' Last Exam v1图表上,任务成本与分数相互对照,理想位置是左上角:用最少的钱获得最高的准确率。

模型 分数 单任务成本
GPT-5.6 Terra 约50% 最高$4.00
GPT-6.1 Terra(低强度) 超过50% 约$0.10
GPT-6.1 Terra(最高强度) 60% $0.81-0.99
Claude Opus 5.5 63% $7.17-8.80

Terra定义了OpenAI模型中帕累托前沿的最前端,也就是说没有其他OpenAI模型能同时在分数和成本上胜过它;在大多数智能体任务上它的表现优于GPT-6.1 Sol,而成本更低。与Opus 5.5相比,Terra以约11%的成本,即大约九分之一,达到了其约95%到97%的分数。

在MMMU-Pro Vision基准上,Terra再次占据左上角前沿,领先于GPT-5.6 Terra、Astra和Sol,这表明它在图像输入和3D协调任务上具备很强的空间与视觉推理能力。事实错误率基准衡量的是模型在高难度提示词上的幻觉程度,它显示出最显著的代际跃升:

模型 低强度 最高强度
GPT-5.6 Terra 53.6% 22.3%
GPT-6.1 Terra 16.7% 4.3%

最高强度下4.3%的错误率,让Terra有望成为初步调研和报告起草的合理默认选择,不过基准分数永远无法完全反映模型在实际使用中的体验。

这对你的token预算意味着什么

务实的结论是:如今决定大多数编程和智能体工作默认工具的,是token价格而非原始能力。把这些发现应用到自己工作负载的一种方法:

  1. 估算自己的项目中有多大比例属于标准网站、2D界面、基础3D或智能体自动化。在这一类别中,Terra以约十二分之一的成本和两倍的速度交付了相当或可接受的结果。
  2. 找出那些视觉保真度、复杂3D机制或游戏手感本身就是产品的项目。把Claude Opus 5.5留给这些项目,因为它在这方面的优势很明确。
  3. 让每个模型留在其原生工具链中,OpenAI模型用Codex CLI,Anthropic模型用Claude Code,以发挥各自的最佳水平。
  4. 在ChatGPT中,快速提问用Light强度,只有多步骤工作才升到High、Extra High、Max或Ultra,因为Ultra消耗用量额度很快。
  5. 考虑把Terra用于计算机操作自动化和事实性调研草稿,它的速度和低错误率在这些场景看来最为突出。

上述数字来自一组八个项目的测试和OpenAI自己的基准图表,个体结果会有差异。但方向是一致的:一个以Claude Code为中心的预算,如果把大部分常规工作交给GPT-6.1 Terra,可能大幅缩减,而只在Opus 5.5确实更优的那一小部分项目上让渡质量。