GPT-6.1 Terra 和 Claude Sonnet 5.5：medium 档以下 Terra 便宜五倍还略胜，拧到 high 分数就被反超

“十分之一的单价，打平旗舰。”GPT-6.1 Terra 发布不到一天，这句话已经被转成了各种版本，最常见的一种是：中端模型从此可以换成 Terra，Claude Sonnet 5.5 该让位了。

这个结论我不同意，至少不同意它不加条件的样子。

它成立的前提是你把推理档位停在 medium 或更低。一旦往上拧到 high，两边的分数曲线就交叉了，而且交叉之后差距拉得很快。下面拿三个流传最广的说法，一个一个对着数据看。

说法一：“Terra 和 Sonnet 5.5 能力差不多”

只说对了一半。

Artificial Analysis 智能指数 v4.3 在 10 月 27 日读到的分数，按档位摆开是这样的（每题花费按当天汇率换成美元，四舍五入）：

推理档位	GPT-6.1 Terra 分数 / 每题	Sonnet 5.5 分数 / 每题
low	36.2 / 0.06 美元	35.9 / 0.34 美元
medium	41.3 / 0.10 美元	40.8 / 0.49 美元
high	43.9 / 0.13 美元	46.8 / 0.89 美元
xhigh	45.4 / 0.20 美元	51.9 / 2.01 美元
max	48.1 / 0.40 美元	56.0 / 5.46 美元

low 和 medium 两档，Terra 比 Sonnet 5.5 还高出零点几分，每题花费只有对方的五分之一到六分之一。“能力差不多”说的就是这一段，而且这一段确实是事实。

问题出在 high 往后。Terra 从 medium 拧到 max，分数只涨了 6.8；Sonnet 5.5 同样的区间涨了 15.2。到 max 档，两边差了 7.9 分。Terra 拉满也只有 48.1，还不如 Sonnet 5.5 开 high 的 46.8 多出多少。

换个角度说：Terra 的天花板很矮，它多想一会儿换不来多少东西。

OpenAI 自己也没回避这一点，发布文档里写得很清楚，最复杂的编程任务推荐用 GPT-6.1 Sol 或 GPT-6 Astra。顺带一提，Sol 开 high 是 50.2 分、每题 0.45 美元，比 Terra 开 max 分数更高、价格差不多。所以如果你发现自己总想把 Terra 拧到 xhigh 以上，该换的是模型，不是档位。

说法二：“Terra 写代码已经追上来了”

看你拿什么基准、拿谁的数字。

Terminal-Bench 4.0 上，OpenAI 公布 Terra 开 max 解决 50.3%，上一代 GPT-5.6 Terra 是 21.5%，翻了一倍还多，进步是实打实的。但 Anthropic 给 Sonnet 5.5 报的同一个基准是 70.6%。差了 20 个百分点，这不是档位能补回来的距离。

两家的数字都是自报的，测试脚手架不一样，严格说不能直接相减。可就算打个折扣，方向也很清楚。

我更愿意参考第三方的小规模实测。之前我们在 Sonnet 5.5 和 Opus 5.5 那篇对比里提过一个案例：11 个文件的 PHP 仓库，修舍入 bug、跨 5 个文件改类名、写计价脚本、抽重复校验，各跑三遍，Sonnet 5.5 开 medium 12 次全过，总共花了 0.88 美元。这种范围明确的改动，Terra 的价格优势能放大到极致，按上表的比例估算，同样的活大概一两毛钱就能跑完。

可一旦任务需要读懂整个代码库、在几十个文件之间来回推理，Terra 那条平缓的分数曲线就会让你很难受。

Sonnet 5.5 这边也有自己的坑。它是第一个带网络安全防护的 Sonnet，遇到被判定为高风险的安全类请求，会明着回落到 Sonnet 5 去答。做安全研究、写渗透测试脚本的人，实际拿到的可能是一个旧模型的回答。还有用户反映，用 Pro 订阅让 Sonnet 5.5 在 medium 档审查一遍代码，五小时的额度两分钟就见底了，原因是它更爱调用 Claude Code 里那个会拆出一堆子代理并行审查的技能。

说法三：“操作电脑，Terra 更强”

这是我觉得最需要泼冷水的一条。

Terra 这次的主打卖点就是看屏幕、点鼠标。OpenAI 的说法是：在 OSWorld 2.1 上，中等推理强度就超过了 GPT-5.6 Terra 的最好成绩。注意，比较对象是自家上一代，不是 Sonnet。

发布页上没有和 Claude 正面对比 OSWorld 的数字。

而 Anthropic 给 Sonnet 5.5 报的 OSWorld 2.1 是 80.1%，上一代 Sonnet 5 是 57.0%。网上有些评测站转述 Terra 的成绩时，把 OSWorld-Verified 和 OSWorld 2.1 混在一起写，那是两个不同的测试集，数字不能放在一张表里比。我翻了几篇，能确认来源的 Terra 具体分数并不多，所以这里不写一个我核实不了的数。

OpenAI 唯一拿 Claude 做的对比，是说 Terra 开 max 时 token 效率是 Opus 5.5 的三倍多、单价约四分之一，折算单任务成本低大约 9 倍。比的是 Opus，不是同档的 Sonnet。连 DataCamp 的评测作者都觉得这个对比“有点挑着比”。

我的判断：报销单录入、表单填写这类流程固定、页面结构稳定的电脑操作，Terra 够用且便宜得多；遇到弹窗、页面布局变了、需要随机应变的场景，在拿到可信的第三方对比之前，我不会默认 Terra 更强。

账单上没写在首页的几行字

标价大家都会背了：Terra 每百万 token 输入 1 美元、缓存命中 0.05 美元、输出 5 美元；Sonnet 5.5 是 2 美元、约 0.10 美元、10 美元。单价正好一半。

但有三处细则会改变这个比例。

第一，长上下文加价。Terra 的上下文窗口是 105 万 token，可一旦单次请求的输入超过 27.2 万 token，整个请求的输入和缓存按 2 倍计费、输出按 1.5 倍。是整单加价，不是超出部分加价。Sonnet 5.5 在 100 万 token 以内都按标准价。也就是说，把整个代码库或一整套合同塞进去的场景，Terra 的价格优势会缩水一大截。

第二，缓存写入的有效期。Terra 写缓存每百万约 1.25 美元，缓存保留 30 分钟；Sonnet 5.5 写缓存约 2.50 美元，只保留 5 分钟。做长时间运行的智能体，两次调用间隔经常超过 5 分钟，Sonnet 的缓存会反复失效、反复重写。这一项上 Terra 是实打实地占便宜，而且比单价表上看起来更多。

第三，关掉推理不等于更省。Terra 把推理关掉（none）跑智能指数，分数 33.5，单题花费反而比开 low 还高。原因大概是不思考时它会用更多输出 token 去兜圈子。想省钱就开 low，别开 none。

另外 Batch 和 Flex 模式能把 Terra 价格再砍一半，Fast 模式翻倍。

速度：一个反直觉的地方

Terra 首字更快，吐字更慢。

medium 档下，Terra 大约 1.5 秒出第一个字，Sonnet 5.5 要 3.1 秒左右。可开始输出之后，Terra 稳定在每秒 91 个 token 上下，Sonnet 5.5 在 104 到 141 之间。

短回复、聊天式交互，Terra 感觉更跟手；要生成几千字报告或一大段代码时，Sonnet 5.5 反而先写完。

在 ChatGPT 和 Claude 里怎么用到它们

这一点很多人没注意。ChatGPT 里 Terra 并不在普通聊天界面，它只出现在 ChatGPT Work 和 Codex 里，面向 Plus、Pro、Enterprise、Edu 用户，还得在模型列表的“高级”里手动选。免费用户和 Go 套餐目前用不到。

Sonnet 5.5 在 Claude 里对所有人开放，包括免费账号。

默认档位也不一样：Terra 走 API 默认是 medium；Sonnet 5.5 在 Claude 开发者平台默认 high，在 Claude 应用里默认 medium。同样一句“用默认设置测一下”，两边跑的其实不是同一档，很多网上的对比截图就是这么得出“差不多”的。

如果你处理的是个人数据，还有一个硬条件：Terra 的 API 数据驻留只有美国或欧盟两个选项，零数据保留需要单独申请，默认会保留滥用监测日志最长 30 天；Sonnet 5.5 可以直接开零数据保留，限定美国处理要加价 10%。

两个模型的版本节奏

Sonnet 5.5 是 9 月 28 日发的。上线头一周，它开 max 档每题要 7.62 美元，到 10 月 19 日降到 5.46 美元。标价没动，变的是每题消耗的 token，Anthropic 没解释原因。

GPT-5.6 Terra 是 7 月 9 日发的，当时输入 2 美元、缓存命中 0.20 美元、输出 12 美元。这次 6.1 Terra 宣传的是“降价 50%”，可拆开看，输入降了一半，缓存命中降了 75%，输出降了约 58%。重度使用缓存的用户，实际降幅比宣传的更大。

三个半月就换代、价格砍过一半，OpenAI 在中端档的节奏明显比 Anthropic 快。代价是接口行为变化也多，生产环境上跟版本要锁死模型名。

我会怎么分

按任务量和出错代价分，不按“谁更强”分。

每天跑成千上万次、规则清楚、错了能回滚的活：读发票、填表单、抽字段、整理工单、固定流程的网页操作。Terra 开 low 或 medium，成本是 Sonnet 5.5 的五分之一左右，分数还略高。这是 Terra 最好的位置。

错一次代价就很大的活：跨文件的代码重构、需要长链推理的分析、要给客户看的长文档。Sonnet 5.5 开 high 起步。Terra 在这里拧到 max 也追不上，还不如直接换 Sol。

单次请求超过 27 万 token 的长文档场景，先算一遍 Terra 的整单加价，再决定。

更便宜的分类、路由、短文本抽取，两个都不用，GPT-6 Luna 或 Claude Haiku 5.5 就够了，单价大约是 Terra 的十分之一。

最后提醒一句：上面所有分数都是 10 月 27 日读到的，Terra 才发布一天，第三方数据会持续修正。拿自己的真实文档跑一遍，比看任何一张表都靠谱。

相关对比：《Claude Sonnet 5.5 和 Opus 5.5：写代码的 bug 率 Opus 垫底，抓 bug 又是 Opus 赢》、《Kimi K3.1 Pro、GPT-6 Astra、GPT-6.1 Sol：和 Sol 标价一分不差的 K3.1 Pro，每道题贵了 2.9 倍》