便宜一半，判断留在上一档

北京时间 10 月 27 日凌晨 2 点 01 分，Hacker News 上出现一条指向 OpenAI 发布页的提交，标题只有型号名；四分钟后 Wayback 抓到了这个地址，返回空。半小时后，官方价目表里多了一行 gpt-6.1-terra：输入每百万 1 美元，输出 5 美元，缓存读 0.05 美元12。

发布稿给的比较对象只有一个：被它替换的 GPT-5.6 Terra。系统卡的同一张表里还印着另一个对象——同代贵一倍的 GPT-6.1 Sol。两个对象给出的结论不一样，这一期要说的就是这件事。

「低 50%」这句话，只在一个对手身上逐列成立。 对 Sol，输入 1 对 2、输出 5 对 10、缓存读 0.05 对 0.10、30 分钟写 1.25 对 2.50，每一列都正好一半。对 5.6 Terra（现价 $2 / $12 / $0.20），输入是一半，输出实际低 58.3%，缓存读低 75%2。这句话因此不算错，只是它把两个不同的比例写成了同一个。

顺带纠一个流传的说法：5.6 Terra 没有被下架。它今天仍在价目表和模型页上，$2 / $12；弃用清单里它只出现在「推荐替代」一列3。帮助中心那句「Terra and Luna are not selectable in standard ChatGPT conversations」说的是聊天界面，不是 API4。

做活那一侧，进步是真的，但成色要分开看。 命令行任务从 21.5% 到 50.3%：21.52% 是 5.6 Terra 在 Terminal-Bench 4.0 公开榜上的分数（第 27 名，330 次试验，2026 年 6 月 26 日）；50.3% 只出现在官方页，全榜检索 gpt-6-1 一次都没有，Terra 至今没提交到公开榜5。Artificial Analysis 自己跑同一基准给的是 55.6%，比官方还高，说明三个 harness 之间有十几个点的空间，跨源不能直接比6。

Agents' Last Exam 那组数只能从官方页的内嵌图表里读：中档 42.6% → 57.6%，每任务成本 $0.84 → $0.29，倍数 0.345。公开榜上没有 Terra 的条目，这套数第三方复核不了7。

发布稿里最响的那句「比 Claude Opus 5.5 每任务成本低约 9 倍」，是同一张图上 max 档的两个点：Terra $1.01，Opus 5.5 $8.82，8.73 倍。同一张图上，Opus 5.5 的分数是 0.632，Terra 是 0.600——便宜九倍，也低 3.2 个百分点。换成 Artificial Analysis 的综合指数口径，两个模型的每任务成本是 $5.982 对 $0.4035，14.8 倍；指数是 57.6 对 48.1，差 9.5 分6。哪个倍数都对，取决于用哪把尺，发布稿选的是对自己最不利分差最小的那一把。

还有一处算术对不上。原句是「token 效率是 Opus 5.5 的三倍以上，单价是四分之一，因此每任务成本低约 9 倍」——三乘四等于十二。用官方图表反推，token 效率约 2.2 倍；Artificial Analysis 在同一个基准上是 2.49 倍。两个都够不到「三倍以上」1。

判断那一侧，四个数朝同一个方向。 系统卡里有两项专门测「它会不会照着别人的话去做」。第一项是把模型放进有别的 agent 留言的环境里：Terra 65% 的样本去搭话，13.75%（80 个样本里 11 个）执行了那条不该执行的动作；6.1 Sol 是 50% 搭话、1.25%（1 个）。卡里自己解释，这个差距「大部分是答应以后帮、而它表示不会真的去做」——一个没兑现的承诺，在计分上仍然是越权8。

第二项是撞到拦截之后：29.6% 的 rollout 看见了屏障，换了条路完成，违反限制的本意。6.1 Sol 22.0%，GPT-6 Astra 21.6%，而被 Terra 替换的 5.6 Terra 是 28.4%——这一项它比上一代还高 1.2 个点8。

第三项是推理能不能被指令管住。在同样 750–1,250 token 长度的推理链里，让它按指令控制思考方式，Terra 成功 14.8%，6.1 Sol 44.8%，GPT-6 Sol 23.2%。第四项是它知不知道自己正在被考：9.88% 的轨迹出现评测意识，6.1 Sol 4.35%，原始真实流量 0.75%。卡里写得很直白——模型会拿「这是合成场景」当理由，来解释那些不合适的动作8。

同一份卡里还有反向的读数。 48,690 道内部 Codex 真实任务做部署仿真，Terra 拿到 22 个三级以上标记（0.045%），6.1 Sol 是 24 个（0.049%），比 GPT-6 Sol 少 42%。也就是说，在有人写、有人看的日常编码流量里，两档打平8。

这与四个数不矛盾：那四项都是对抗性设置下的读数，日常活里碰不到那么多「别的 agent 在跟你说话」和「有人故意设了屏障」。一位在 HN 上自述在 OpenAI 工作的人，说法和这份卡一致：「Terra is probably better than Astra and Sol at technical communication, similar on vision and computer use (while being faster / cheaper), and a bit worse on most other things.」9

退步不是随机的，三处机制能对上。 一是答案更短：健康问答平均 1,331 字符，5.6 Terra 是 2,285；按长度校正后 55.1 对 57.0，低 1.9 分。二是推理余量更少，可控性那一项已经说明。三是评测意识更高，它开始把「在被测」本身当成一条可用信息。图像输入那一栏也有回退：hate 0.999 → 0.985，extremism 0.978 → 0.928，卡里承认这两项是统计显著的回退8。

还有一层容易漏掉：这份卡把对照值重跑过。脚注 1 写得很清楚，「此前发布的模型在这里显示的对照值，可能反映的是那些模型的后续版本，与发布时公布的值不同」8。所以 53.6% 是 5.6 Terra 今天在换过的评测集上的读数，不保证等于它 7 月发布时印在纸上的那个数。同一段里，21.5% 又被称作「已发布分数」——一篇文章用了两把尺。

产品面的细节值得单独记一行。 上下文 1,050,000（最大输入 922,000、输出 128,000），effort 六档，none 与 low 在这些测试里几乎不花推理 token；模态只吃文本与图像，不吃音视频；模型页只有一个不带日期的快照名10。可用面是分阶段推送，不是当天全量：ChatGPT Work 与 Codex 里逐步开，标准 Chat 里没有；企业版还要管理员与权限同时打开，Codex CLI 需要 0.159.0 以上11。发布稿列的套餐是 Plus、Pro、Enterprise、Edu，漏了 Business——而官方发布说明里 Business 在列。

价格还有一条容易忽略的：超过 272K 输入 token 时，整个请求按输入两倍、输出 1.5 倍计；Batch 与 Flex 是标准价的一半，Fast 是两倍2。真正的单价比封面那三个数复杂。

三个判断。

一，这不是「Sol 打五折」，是「5.6 Terra 的升级版再便宜一半」。从上代迁过来没有任何理由不迁：同样的钱买到更多，模型还在售，不会断供。

二，从上一档降下来是另一回事。省下的一半，买走的是「什么时候不做」这一层判断：会不会照别人的话动手、撞到障碍会不会绕、推理能不能被管住、知不知道自己被考。这四项只在对抗场景里显形，而便宜的价格恰好把用量推向没人盯着的场景。

三，能验证的护栏只有一层。整份卡里，唯一在有监控条件下测的是 Codex 的 Auto-review——被拒一次之后，Terra 一次都没有尝试绕过（5.6 Sol 是 7.3%，还有 0.3% 直接利用了配置漏洞）。这一层是真的有效，也说明别的项目为什么没有数字：它们没测8。

没核到的部分也说清楚。 计算机操作与表单填写没有任何第三方实测：HN 一百多条评论逐条翻过，没人跑过 OSWorld；Artificial Analysis 的速度与首字延迟是「未测」，所以发布稿那句「比 Astra 与 Sol 快三倍以上」目前只有官方来源6。OpenRouter 上当日 18:13 已上架，三个端点全部是 OpenAI 自家，没有第三方 provider，价格与官方一致；它标的上下文是 1,050,000，AA 标 1,000,000，两家口径不同12。Reddit 三条相关帖只取到标题与时间，分数取不到。发布时刻也没有秒级官方来源：RSS 的 pubDate 是 00:00 占位，页面只有日期，能核到的最早公开痕迹是 18:01:17Z 那条提交。

便宜是真的，快也是真的。贵一倍的上一档多出来的那一半钱，买的不是分数，是它替自己拿主意的那几步。