Canonical: https://seo.whoops.com.tw/gpt-6-1-terra/
Author: Sliven 褚崇名
Source robots: follow, index, max-snippet:-1, max-video-preview:-1, max-image-preview:large
Content modified (WordPress): 2026-11-18T01:24:31+00:00
Representation modified (content/template/converter): 2026-11-18T01:24:31+00:00

# GPT-6.1 Terra 是什麼？OpenAI 新中階模型：規格、API 價格、評測與值不值得換

 

圖片：GPT-6.1 Terra 精選圖，呈現視覺理解、電腦操作與每百萬 tokens 輸入 1 美元、輸出 5 美元（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/10/gpt-6-1-terra-featured.webp）

 

撰文作者 

[Sliven 褚崇名](<https://seo.whoops.com.tw/about/#founder-title>)

 

Whoops SEO 創辦人

 

SEO 與 AI SEO 專家，專長涵蓋技術 SEO、內容策略與 GEO 優化。從搜尋排名到 AI 答案中的品牌呈現，協助企業找出優化機會、排定執行順序，並追蹤實際成效。

 

圖片：Sliven 褚崇名肖像（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/10/sliven-portrait-navy.webp）

 

[作者背景與專業領域](<https://seo.whoops.com.tw/about/#founder-title>) 更新 2026-11-18 約 20 分鐘閱讀

 

本篇內容

 

### 本篇內容

 

## 先看重點

摘自本文

- 如果你的任務需要模型對春夏之交的事件有印象，Terra 反而是目前 GPT-6 家族裡記憶最新的成員。

[GPT-6.1 Terra 是什麼：OpenAI 把中階檔位補回 GPT-6 家族](<https://seo.whoops.com.tw/gpt-6-1-terra/#GPT-6.1-Terra-%E6%98%AF%E4%BB%80%E9%BA%BC%EF%BC%9AOpenAI-%E6%8A%8A%E4%B8%AD%E9%9A%8E%E6%AA%94%E4%BD%8D%E8%A3%9C%E5%9B%9E-GPT-6-%E5%AE%B6%E6%97%8F>)
- 這套命名以 Luna、Terra、Sol、Astra 區分模型檔位；其中 Luna 指月球、Sol 指太陽，不能把它們解讀成嚴格的行星序列，也不能由名稱反推出未公開的參數量。

[Luna、Terra、Sol、Astra：Terra 名稱回歸的脈絡](<https://seo.whoops.com.tw/gpt-6-1-terra/#Luna%E3%80%81Terra%E3%80%81Sol%E3%80%81Astra%EF%BC%9ATerra-%E5%90%8D%E7%A8%B1%E5%9B%9E%E6%AD%B8%E7%9A%84%E8%84%88%E7%B5%A1>)
- 已在用 GPT-5.6 Terra 的團隊：值得優先安排對照測試：標準單價降低、官方公布的多項基準改善，上下文規格也相同。

[值不值得換：三種使用者的判斷](<https://seo.whoops.com.tw/gpt-6-1-terra/#%E5%80%BC%E4%B8%8D%E5%80%BC%E5%BE%97%E6%8F%9B%EF%BC%9A%E4%B8%89%E7%A8%AE%E4%BD%BF%E7%94%A8%E8%80%85%E7%9A%84%E5%88%A4%E6%96%B7>)

 

### 檢查網站的 SEO 基礎

從網站網址開始，檢視可讀性與頁面基礎訊號。

- 檢查標題與搜尋摘要標記
- 核對 canonical 與索引指令
- 整理公開 HTML 的待改善項目

[免費檢查網站](<https://seo.whoops.com.tw/free-seo-audit/>)

 

[將 Whoops 設為 Google 偏好來源（另開 Google 設定頁）](<https://www.google.com/preferences/source?q=seo.whoops.com.tw>)

 

OpenAI 在台灣時間 10 月 27 日（美國時間 10 月 26 日）發布 GPT-6.1 Terra，把 GPT-6 大改版時被跳過的中階檔位 Terra，直接補上 6.1 版本。一句話定位：它是 GPT-6 系列裡速度快、單價低的日常工作模型，主打視覺推理、電腦操作（computer use）與更自然的寫作，API 價格為輸入每百萬 tokens 1 美元、輸出 5 美元，比前代 GPT-5.6 Terra 的 2 美元與 12 美元大幅調降。ChatGPT Work、Codex 與 OpenAI API 在發布當天宣布提供，GitHub Copilot 也同步宣布漸進推出。它不是來取代旗艦 Astra 的：深度研究與複雜編碼，官方仍建議選 GPT-6.1 Sol 或 GPT-6 Astra；Terra 的價值在讓高用量的日常代理人工作流，用低一截的成本跑起來。若要比較同世代的高階選項，可對照 [GPT-6.1 Sol 的更新與 API 設定](<https://seo.whoops.com.tw/gpt-6-1-sol/>)。

 

> 定位：GPT-6 系列的中階檔（Luna＜Terra＜Sol＜Astra），主打視覺推理、電腦操作與自然寫作。
> 
>  
> 
> 價格：輸入 1 美元、輸出 5 美元（每百萬 tokens），輸入正好比 GPT-5.6 Terra 減半，輸出降幅更大。
> 
>  
> 
> 規格：105 萬 tokens 上下文、知識截止日 2026 年 6 月 1 日、reasoning effort 支援 none 到 max。
> 
>  
> 
> 取得：ChatGPT Work（Plus、Pro、Enterprise、Edu）、Codex、API（模型 ID 為 gpt-6.1-terra）與 GitHub Copilot 的五個付費方案。
> 
>  
> 
> 判斷：官方內部基準顯示錯誤率與電腦操作大幅進步，Artificial Analysis 發布當天已給出獨立分數，但深度第三方評測還很少，換模型前先用自己的任務對照測試。

 

## 影片解說：讀圖、電腦操作與 API 成本

 

 

## GPT-6.1 Terra 是什麼：OpenAI 把中階檔位補回 GPT-6 家族

 

OpenAI 在 [這次的發布公告](<https://openai.com/index/introducing-gpt-6-1-terra/>)裡，用「快速、高效率的模型，結合細緻的視覺推理與精準的電腦操作，以及更清晰、更自然的寫作」介紹 GPT-6.1 Terra，並稱其為明確的一步升級，鎖定的是填滿工作日的溝通與電腦任務：起草提案、解讀技術圖面、填寫表單、剪輯影片。這四個例子值得拆開看，因為它們各自對應一種工作型態：提案與文案是純文字產出，技術圖面考讀圖與比對，表單是跨欄位的資料搬移，影片剪輯則需要在時間軸上反覆下指令。把它們放在一起，官方想講的其實是同一件事：這些工作過去分散在人工與不同工具之間，Terra 的目標是用一個夠便宜、夠快的模型把它們接起來。

 

> GPT-6.1 Terra: delivering fast and capable computer use at a lower price.
> 
> GPT-6.1 Terra understands what’s on screen, takes action across apps, writes naturally, and is a more capable model for your whole workday with the efficiency to take on more of it. [pic.twitter.com/8JTN1yonmV](<https://t.co/8JTN1yonmV>)
> 
> — OpenAI (@OpenAI) [October 26, 2026](<https://x.com/OpenAI/status/2114780711664398349?ref_src=twsrc%5Etfw>)

 

模型文件頁給了四個更具體的使用情境：把商品照片對應到型錄條目、解讀技術圖面、在應用程式畫面上執行操作，以及草擬與修改文字。對電商營運、行政流程自動化或需要批次讀圖的團隊來說，這幾個例子比抽象的「智能提升」更容易對到自己的工作。輸入支援文字與圖片，模型原生輸出為文字；若要產生圖片，可透過 image\_generation 工具委派給生圖模型，語音則不在原生輸出範圍。

 

一個容易被忽略的細節是知識截止日：GPT-6.1 Terra 的訓練資料看到 2026 年 6 月 1 日，比 GPT-6 Astra 與 GPT-6.1 Sol 的 4 月 30 日都新。如果你的任務需要模型對春夏之交的事件有印象，Terra 反而是目前 GPT-6 家族裡記憶最新的成員。上下文視窗同樣是 105 萬 tokens（最大輸入 92.2 萬、最大輸出 12.8 萬），與兩個高階模型持平。

 

圖片：OpenAI 官方 GPT-6.1 Terra 發布頁的地球主視覺與模型名稱（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/10/gpt-6-1-terra-openai-announcement.webp）

OpenAI 官方發布頁主視覺。來源：OpenAI，Introducing GPT-6.1 Terra。

 

## Luna、Terra、Sol、Astra：Terra 名稱回歸的脈絡

 

要理解這次更新的意義，得先看 OpenAI 的模型檔位地圖。GPT-5.6 世代有小、中、大三檔：Luna、Terra、Sol，其中 Terra 大約對應早期 GPT-5 家族的 mini 定位，走的是智慧與成本的平衡路線。今年 9 月的 GPT-6 大改版先迎來最旗艦的 Astra，接著 Sol 與 Luna 升上 GPT-6，Terra 卻整批被跳過，中階檔位空了一個多月，直到這次直接從 5.6 跳到 6.1。社群對這段空窗的觀察是，GPT-6.1 Sol 的定價正好落在舊 Terra 的價格帶，中階定位一度被壓縮，Terra 回歸後四檔之間的價格梯度才重新拉開。想回顧這兩個世代的完整脈絡，可以參考站上先前的 [GPT-5.6 家族總覽](<https://seo.whoops.com.tw/gpt-5-6/>)與 [GPT-6 Astra 完整介紹](<https://seo.whoops.com.tw/gpt-6-astra/>)。

 

在 Hacker News 自述任職 OpenAI 的 tedsanders，於 [Hacker News 的討論串](<https://news.ycombinator.com/item?id=50248124>)裡親自解釋了這套命名：模型表現由很多維度組成，但大部分差異可以用模型尺寸解釋，四個檔位的排序是 Luna 小於 Terra 小於 Sol 小於 Astra。只看品質選 Astra，有點價格敏感選 Sol，非常在乎成本選 Terra 或 Luna。他對 Terra 的具體描述是：技術溝通（technical communication）可能比 Astra 和 Sol 都好，視覺與電腦操作相近但快得多，其他多數面向略遜一籌；對 API 開發者是想省錢又需要比 Luna 聰明的中間選項，對訂閱用戶則「不是震撼彈級的更新」。版本號的意義他也說明了：6.1 代表發布順序在 5.6 之後、與其他 6.1 模型共用部分訓練資料與個性，幅度不到需要叫 7 的程度。

 

這段說明對採購決策有兩個實際用處。第一，遇到「Terra 6.1 會不會贏過 Sol 6」這類問題時，這位員工在討論中提出的思考框架不是絕對排序，而是尺寸與世代兩個軸：尺寸決定可靠度與冷門知識的召回，世代決定訓練資料與新技術，新世代的中階模型在特定任務上超越舊世代高階模型是正常現象，就像手機新款標準版在部分規格勝過舊款旗艦。第二，他也提醒這種多維度差異「無法只用一個名字傳達」，選型最終仍要回到自己的任務實測，這與後文建議的對照測試方法一致。

 

Terra 是地球的拉丁文名稱。這套命名以 Luna、Terra、Sol、Astra 區分模型檔位；其中 Luna 指月球、Sol 指太陽，不能把它們解讀成嚴格的行星序列，也不能由名稱反推出未公開的參數量。對採購決策者的實際意義是：看到 Terra 就先想到單價減半的日常工，看到 Sol、Astra 才是往上限推的深度工。官方也釋出同名短片《GPT-6.1 Terra is now in orbit》，用衛星入軌的意象介紹這次發布。

 

 

## 能力重點：視覺推理、電腦操作與寫作，官方資料怎麼讀

 

發布公告的核心賣點有三塊：電腦操作、視覺推理、寫作品質。OpenAI 給的數字都來自內部基準，以下逐項拆解每個數字在測什麼、進步多大，以及哪些結論不能直接延伸。

 

圖片：GPT-6.1 Terra 從讀取商品圖片、比對型錄、跨應用填表到檢查結果的四步流程示意（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/10/gpt-6-1-terra-visual-computer-use-workflow.webp）

以商品建檔為例：模型讀取文字與圖片，再透過工具操作應用程式，最後以文字回報結果。圖中介面與商品資料為流程示意。

 

### 電腦操作：15 個百分點的提升與 Astra 十分之一的價格

 

電腦操作是這次的主秀。OpenAI 量測的方式，是讓模型在真實軟體環境裡看畫面、點按鈕、跨應用完成任務，模型要自己判斷目前在哪個畫面、下一步該對哪個元素動作，出錯時還要能自行復原。在 medium reasoning effort 設定下，GPT-6.1 Terra 的分數比 GPT-5.6 Terra 高 15 個百分點，而成本只有約三分之一。官方進一步宣稱，它的表現與旗艦 GPT-6 Astra 相當，每 token 價格卻只有十分之一，而且在 Agents’ Last Exam 這項「測代理人會不會用工作軟體」的測試中，公告列出的 max effort 結果顯示，完成任務速度比 Astra 與 GPT-6.1 Sol 快 3 倍以上。換句話說，OpenAI 把「便宜」和「快」包在同一個檔位裡，這對要跑千百次重複操作的代理人工作流，比單次智商分數更有感。

 

為什麼速度的影響比字面上更大，可以這樣算：如果一個資料登錄代理人每筆資料要點十次、每次操作之間都有畫面截圖來回，模型回應速度乘上操作次數就是每筆資料的等待時間，若模型等待時間是主要瓶頸，回應變快就有機會提高吞吐量；實際增幅還受工具延遲、限流、操作步數與重試率影響，不能直接把基準的速度倍數換成產量倍數。對內部流程自動化來說，吞吐量與延遲往往比單次正確率更容易左右導入成敗。

 

要留意的是這些都是官方宣稱：測試環境、任務挑選與評分方式都由 OpenAI 自己定義，獨立複驗要等第三方跑完自己的流程。「與 Astra 相當」只在公告所列的特定測試與設定下成立；缺少完整樣本與誤差資訊，不能只憑提升幅度判定統計顯著，也不能推論所有疑難操作都有相同排序。

 

### 視覺推理：MMMU-Pro 幾乎追平旗艦

 

視覺推理用 MMMU-Pro 衡量，這是一套以大學程度跨領域圖片題為主的基準，考的是看懂圖表、圖面與示意結構再推理的能力，題目設計刻意要求「先看懂圖、才能答對題」，而不是把圖當裝飾。OpenAI 的說法是 Terra 在 MMMU-Pro 上「幾乎追平最有能力的 GPT-6 Astra 與 GPT-6.1 Sol，成本低得多」。對照模型文件給的例子，這項能力直接對應到把產品照片歸到型錄、比對工程圖面這類一眼看起來簡單、其實很吃細節的工作。實務上還能延伸到發票與表單欄位辨識、庫存照片與品項清單對帳、設計稿與規格書的差異比對，這些工作的共同點是「重複、有明確答案、量大」，正好是便宜模型最能發揮的形態。若你的團隊過去因為 Astra 太貴而把讀圖工作留給人工，Terra 的價格帶讓這類自動化第一次有了夠低的進入門檻。

 

### 錯誤率：從 53.6% 到 16.7% 的進步與它的限制

 

可靠度方面，OpenAI 用一套內部的「易出錯提示」基準量測：低 reasoning effort 下，錯誤率從 GPT-5.6 Terra 的 53.6% 降到 16.7%，少了將近 37 個百分點；拉到最高 effort，錯誤率再降到 4.3%，比前代低 18 個百分點，已經接近 Astra 與 GPT-6.1 Sol 的水準。這組數字顯示，同一套內部測試下，新版在低 effort 已有明顯改善；日常批次是否需要提高 effort，仍應依任務成功率與成本測試。

 

但這套基準的題目本來就是挑出來誘發錯誤的，量到的絕對錯誤率遠高於一般使用情境，不能把它讀成「Terra 平時有 16.7% 機率出錯」。正確的讀法是拿它當前後代與不同 effort 之間的相對比較：同樣低算力設定，新版出錯的機會少了一大截，這才是決策可用的資訊。真正接近日常的參考，是搭配 [系統卡附錄](<https://deploymentsafety.openai.com/gpt-6-1-terra/addendum-to-gpt-6-astra-system-card-gpt-6.1-terra>)看長期測試：在標註過的 ChatGPT 對話幻覺測試上，Terra 的表現與 GPT-6.1 Sol 相當且明顯優於 GPT-6 Sol；心理與情緒對話的 MentalHealthBench 拿到 55.5 分，比前代的 46.2 高出一截。安全評估的部分，Terra 沿用與 Astra、Sol 相同的防護堆疊，在網安能力上被列為 Critical 等級管控，附錄也列出退步項目：Production Benchmarks 的 extremism、hate 等差異未達統計顯著，但圖像輸入安全評估中的 hate 與 extremism 出現統計顯著退步。官方綜合其他評估與人工複查後，認為整體表現與近期發布水準相當。

 

### 獨立評測現況：Artificial Analysis 發布當天就給了分數

 

獨立評測機構 Artificial Analysis 在發布當天就完成了第一輪量測。在其 [模型頁](<https://artificialanalysis.ai/models/gpt-6-1-terra>)上，GPT-6.1 Terra 以 max 推理設定拿到智慧指數 48 分，遠高於同價位帶的中位數 28；輸出速度 90.9 tokens/秒，略快於同價位比較組的中位數 89.7；跑完一次智慧指數任務的平均成本約 0.40 美元。該機構的總結是：這是 GPT-5.6 之後第一個 Terra 級模型，智慧提升的同時把性價比前沿再往外推。

 

> OpenAI has released GPT-6.1 Terra, pushing the cost efficiency frontier. It is the first Terra-class model since GPT-5.6, and is more intelligent for less than a third of the cost
> 
> Pricing per token is half or less that of GPT-5.6 Terra – at $1/$5 per million input/output tokens… [pic.twitter.com/b8EkKGqyk7](<https://t.co/b8EkKGqyk7>)
> 
> — Artificial Analysis (@ArtificialAnlys) [October 26, 2026](<https://x.com/ArtificialAnlys/status/2114781865811063259?ref_src=twsrc%5Etfw>)

 

讀這組數字有兩個訣竅。第一，48 分是 max effort 的成績，同機構的比較推文指出 Terra 在對等設定下比 GPT-5.6 Terra 高 6 分，單任務成本從約 1.40 美元降到 0.40 美元，所以「便宜變聰明」這句話有資料基礎，但幅度要看你用哪個 effort 檔。第二，max effort 的代價是思考時間：查閱時該頁列出的首 token 延遲約為 77.96 秒，對延遲敏感的即時互動仍需實測。要拿 Terra 做即時問答類產品，可先從 medium 或更低 effort 測起，再依首字延遲與品質決定；max 則可優先用在能容許較長等待的離線工作。

 

## API 價格總整理：四檔模型對照與計費細節

 

價格是這次更新最直接的訊息。依 [模型文件頁](<https://developers.openai.com/api/docs/models/gpt-6.1-terra>)刊載的標準費率，GPT-6.1 Terra 輸入每百萬 tokens 1 美元、輸出 5 美元，快取命中只要 0.05 美元。對照前代 GPT-5.6 Terra 的輸入 2 美元、輸出 12 美元，輸入正好減半，輸出降幅接近六成，官方口徑「標準 API 價格降 50%」甚至略為保守。下面把四個相關檔位放在同一張表：

 

圖片：GPT-6.1 Terra 每百萬 tokens 輸入 1 美元、快取命中輸入 0.05 美元、輸出 5 美元，對照 GPT-5.6 Terra 的輸入 2 美元與輸出 12 美元（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/10/gpt-6-1-terra-api-pricing-comparison.webp）

標準短上下文費率比較，單位皆為每百萬 tokens、美元。長上下文、快取寫入、工具與執行環境成本須另外計算；費率以 OpenAI 最新文件為準。

 

| 模型 | 輸入（每百萬 tokens） | 快取命中輸入 | 輸出（每百萬 tokens） | 上下文視窗 |
| --- | --- | --- | --- | --- |
| GPT-6.1 Terra | $1 | $0.05 | $5 | 105 萬 |
| GPT-6.1 Sol | $2 | $0.1 | $10 | 105 萬 |
| GPT-6 Astra | $10 | $1 | $50 | 105 萬 |
| GPT-5.6 Terra（前代） | $2 | $0.2 | $12 | 105 萬 |

 

標準費率之外還有幾條會改變帳單的規則，逐條看對工作流的影響：超過 27.2 萬輸入 tokens 的長提示，輸入與快取費率乘 2、輸出乘 1.5 全程計算，這對把整本手冊或程式庫塞進 context 的做法是實質懲罰，值得先做摘要或分段；Batch 與 Flex 打五折，適合可以等幾小時的離線批次，例如夜間跑的圖片標籤批次；Fast mode 兩倍價、區域化處理加收 10%，兩者都只在你主動選用時生效。快取命中與寫入分開計費：30 分鐘保留的寫入為每百萬 tokens 1.25 美元，12 小時保留為 2.50 美元，命中輸入則為 0.05 美元。重複請求必須符合可重用前綴與快取邊界等條件，不能只因文字相同就假設一定命中；是否省錢要一起計算寫入次數與實際重用量。web\_search 等工具可能另有呼叫費，搜尋內容也可能按模型輸入費率計算；computer use 還要計入畫面與回傳資料所用 tokens，以及執行環境成本。不同工具的計費單位不同，請逐項對照定價頁，不能假設每次點擊都有相同固定費。

 

圖片：OpenAI Developers 模型頁列出 GPT-6.1 Terra 的 105 萬 tokens 上下文、文字圖片輸入與 Responses API 工具呼叫要求（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/10/gpt-6-1-terra-model-specifications.webp）

OpenAI Developers 模型文件：105 萬 tokens 上下文、文字與圖片輸入、文字輸出；工具呼叫需使用 Responses API。來源：OpenAI Developers。

 

拿一個可重算的情境感受價差。假設一個讀圖代理人每月消耗 3,000 萬輸入 tokens（其中六成會命中快取）與 300 萬輸出 tokens：Terra 的月費是 1,200 萬乘 1 美元加 1,800 萬乘 0.05 美元再加 300 萬乘 5 美元，僅這三項合計約 27.9 美元（尚未計入快取寫入、工具與執行環境費用，且假設各次請求都適用短上下文標準費率）；同用量在 GPT-5.6 Terra 要約 63.6 美元；全跑 GPT-6 Astra 則要約 288 美元。在這組用量與費率假設下，Terra 的三項 token 費用約為 Astra 的十分之一；完整帳單還要加上各自的寫入、工具與執行費用。此估算未含長文加價與工具呼叫費，實際數字會隨你的快取命中率變動。

 

## 跟 GPT-6.1 Sol、GPT-6 Astra 差在哪：選擇判準

 

公告裡官方把話說得很白：需要深度研究或複雜編碼，選 GPT-6.1 Sol 或 GPT-6 Astra；Terra 負責的是高量日常。在 ChatGPT Work 與 Codex 裡，同樣的用量額度用 Terra 會比用前代撐得更久，更遠高於 Sol 與 Astra 的消耗速度。價格階梯也延續同樣邏輯：Sol 的每 token 價格是 Terra 的兩倍，Astra 是十倍。

 

功能面有一個反向差異值得開發者注意：Terra 支援把 reasoning effort 設成 none，Astra 與 GPT-6.1 Sol 都不支援，最低只能到 low。要做純分類、抽欄位、格式轉換這種不需要思考的工作，Terra 可以完全關掉推理直接省錢，這在兩個高階模型上做不到。先前對 [GPT-6.1 Sol 的更新重點](<https://seo.whoops.com.tw/gpt-6-1-sol/>)有興趣的讀者，可以把這點視為兩者最實用的分工線。

 

很多開發者會卡在另一個問題：調高 effort 和換更大的模型，到底差在哪？兩者作用在不同地方。effort 控制的是單一模型在回答前願意花多少推理 tokens，把難題想久一點；模型檔位決定的是基礎能力、冷門知識召回與可靠度。同一個 Terra 從 low 拉到 max，錯誤率從 16.7% 降到 4.3%，這是 effort 的槓桿；但遇到 Terra 檔位本身就答不動的罕見知識或開放式研究，effort 拉再高也只是把錯誤想得更仔細，這時才需要換 Sol 或 Astra。實務上的順序是：先用中階模型配適當 effort 跑，把答不動的任務挑出來集中給高階模型，成本結構會比全程用旗艦健康得多。

 

社群的看法比官方宣稱保守。Hacker News 上有人整理測試結果後認為，除了 Agents’ Last Exam 這項電腦操作測試，GPT-6.1 Sol 在其餘基準幾乎全面勝過 Terra，而每任務成本的差距沒有牌面單價那麼大，因為 Sol 往往用更少的推理 tokens 完成同一件事。這個提醒合理：牌面價格是每百萬 tokens 的單價，真正該比的是「完成你的任務」的總成本，而這只能用你自己的工作負載量出來。若也在評估較新的 6.2 Sol，可用[Terra 與新一代 Sol 的月成本試算](<https://seo.whoops.com.tw/gpt-6-2-sol/>)當起點，換成團隊的 Token 用量和快取命中率重算。

 

把選擇判準收斂成三條，依序檢查比逐個比價快：

 

- 任務形態：要看懂畫面並反覆操作軟體、量大、對速度敏感，選 Terra；官方把它對準的就是這種工作日的重複工，成本與速度都站在你這邊。 
- 難度上限：開放式研究、難除錯的程式、需要最強把關的文件，轉向 Sol 或 Astra；Terra 在多數非操作類基準仍落後兩個高階檔，省下的錢可能要花在重試上。 
- 中間地帶：同一批任務在 Terra 與 Sol 上跑對照，用品質差距是否值得價差來決定，不要只看牌面單價，要看完成任務的總成本。

 

至於跨廠的比較，例如與同樣主打中階性價比的 Claude Sonnet 5.5 對比，可以從 [Claude Sonnet 5.5 的評測與 effort 設定](<https://seo.whoops.com.tw/claude-sonnet-5-5/>)一文取得對照基準，本文不展開。

 

## 哪裡能用：ChatGPT Work、Codex、API 與 GitHub Copilot

 

供應範圍是漸進推出的。還不熟悉兩個工作入口，可以先看 [ChatGPT Work 與 Codex 的分工](<https://seo.whoops.com.tw/chatgpt-work/>)。OpenAI 的說法是：GPT-6.1 Terra 正在陸續上線，ChatGPT Work 與 Codex 裡所有 Plus、Pro、Enterprise 與 Edu 用戶都可使用，開發者也能透過 OpenAI API 以 gpt-6.1-terra 這個模型 ID 呼叫。Codex 是 OpenAI 的工程代理人產品，可用性仍以帳號方案、管理者設定與實際推出狀況為準。免費方案用戶何時拿到，公告未提及，截稿前也查不到補充資料，這一項先視為未取得，不替官方推測時程。

 

> GPT-6.1 Terra is also coming to the API and Codex.
> 
> Use Terra to build apps and agents that interpret images, navigate software, and take action. You get fast computer use at a lower cost, ideal for high-volume workflows. [https://t.co/kYjK7mn4Bq](<https://t.co/kYjK7mn4Bq>)
> 
> — OpenAI Developers (@OpenAIDevs) [October 26, 2026](<https://x.com/OpenAIDevs/status/2114780986613682473?ref_src=twsrc%5Etfw>)

 

企業與開發者端的動作比消費端更快。GitHub 在同一天宣布把 GPT-6.1 Terra 帶進 Copilot，依 [官方 changelog](<https://github.blog/changelog/2026-10-26-gpt-6-1-terra-in-github-copilot/>)，範圍涵蓋 Pro、Pro+、Max、Business、Enterprise 五個付費方案，採漸次推出，使用者會在模型選單裡看到 Terra，用量的計費跟著供應商牌價走，不是方案內含。GitHub 的早期測試回報，Terra 解掉的終端機與 C# 任務明顯多於 GPT-5.6 Terra，定位是範圍明確的代理人編碼與終端機工作；Business 與 Enterprise 的管理者可以用 model policy 關閉它，新模型預設是開啟的。想在台灣的團隊流程裡接上 OpenAI 的代理人工具，可回頭參考站上的 [Codex 工程代理人的用法](<https://seo.whoops.com.tw/openai-codex/>)。

 

API 端的通路也不只 OpenAI 官方一條。依 Artificial Analysis 的統計，發布當天已有六個 API 供應商提供 gpt-6.1-terra，聚合平台通常會在官方價之外加價或提供統一帳單，多人共用的團隊可以比價後再決定走哪條路。無論走哪條，費率基準仍以 OpenAI 模型頁的牌價為參考原點，第三方供應商的加價幅度與帳單週期是比價時的兩個主要變數。

 

圖片：GitHub 官方 changelog 的 GPT-6.1 Terra in GitHub Copilot 公告標題與模型選單畫面（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/10/gpt-6-1-terra-github-copilot-announcement.webp）

GitHub 官方公告 GPT-6.1 Terra 逐步提供給 Copilot Pro、Pro+、Max、Business 與 Enterprise。來源：GitHub Changelog。

 

## API 遷移筆記：從 gpt-5.6-terra 換到 gpt-6.1-terra

 

對已經在用 GPT-5.6 Terra 的服務，先處理端點與推理設定，再估算遷移工作量。依 [GPT-6 遷移指南](<https://developers.openai.com/api/docs/guides/latest-model>)：模型 ID 直接換成 gpt-6.1-terra，兩代都支援 Chat Completions 與 Responses 兩種介面；不過工具呼叫（function calling、computer use、web\_search 等）在 Terra 上必須走 Responses API，若你原本在 Chat Completions 裡掛工具，這部分要改寫。推理設定方面，Terra 支援 none、low、medium（預設）、high、xhigh、max，官方建議從 medium 起測，品質提升值得時間與 tokens 時再往上加；從 5.6 Terra 遷移時，用相同的 effort 與代表性圖片、流程做對照測試，成績才可比。

 

圖片：GPT-6.1 Terra API 遷移四步：盤點依賴、調整 Responses API 端點、比較成功率重試率與成本、逐步切流並保留回退（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/10/gpt-6-1-terra-api-migration-checklist.webp）

遷移先確認工具端點，再以相同任務與 reasoning effort 比較成功率、重試率與每任務成本。Terra 的工具呼叫需使用 Responses API。

 

把遷移整理成四個步驟，按順序做可以少走回頭路：

 

1. 盤點依賴：列出目前用到的端點與工具，確認沒有即時語音、微調這類 Terra 不支援的項目，有的話該流程留在原模型。 
2. 改寫工具呼叫：把 Chat Completions 的工具流程搬到 Responses API，先用少量樣本驗證行為一致。 
3. 對照測試：固定同一批任務與 reasoning effort，量成功率、重試率與每任務成本，兩代各跑一輪。 
4. 漸進切流：先切一成流量觀察一週，輸出解析與帳單都穩定後再全切，中途隨時可退回。

 

端點支援有得有失。Chat Completions、Responses 與 Batch 都可用，Batch 還有半價，適合離線大量處理；Realtime、語音相關端點與微調（fine-tuning）不支援，依賴這些的工作流不能搬過來。速率限制依帳戶用量層級自動調升，最低的 Build 層就有每分鐘 5,000 次請求與 100 萬 tokens 的上限，對多數代理人的初期導入夠用，量大時往 Launch、Grow 層爬即可，不必預先申請。長內容工作流要注意超過 27.2 萬輸入 tokens 的加價規則，RAG 塞整本文檔的場景記得先試算；有資料落地需求的企業則有一個小利多：Fast mode 的 EU 資料駐留支援 Terra，而 Astra 與 GPT-6 Sol 反而沒有。目前模型只有一個預設 snapshot，要鎖版本行為的團隊關注後續別名更新即可。

 

## 值不值得換：三種使用者的判斷

 

訂閱用戶（ChatGPT Work、Codex）：模型選單裡試用 Terra 的門檻是零。日常文書、看圖說明、表單整理這類工作，它更快也更省額度；但若你買 Plus、Pro 是為了最難的研究與編碼，主力留在 Astra 與 Sol，把 Terra 當成額度吃緊時的備援。例如每天要整理幾十張表單截圖的營運同事，切到 Terra 之後額度消耗速度會立刻有感，這正是官方說額度會走得更遠的實際場景。前述 Hacker News 討論者對訂閱端的形容是「不是震撼彈」。

 

API 開發者：如果你的產品有高量的影像理解或軟體操作流程，這次降價讓單位經濟模型直接翻新，前述情境估算的五六成成本降幅是合理預期。導入方式建議保守：先讓 10% 到 20% 的流量走 Terra，用相同驗收條件比對三個指標，任務成功率、重試次數與每任務總成本，三項都不輸前代再全切。輸出風格與前代不同（官方特別強調寫作更自然），對輸出格式敏感的解析邏輯要重測，JSON 解析失敗率這類小地方常常才是遷移後的實際成本來源。

 

已在用 GPT-5.6 Terra 的團隊：值得優先安排對照測試：標準單價降低、官方公布的多項基準改善，上下文規格也相同。工程側仍須檢查工具端點、快取設定、輸出解析與任務成功率，確認每個完成任務的總成本確實下降，再決定遷移。發布不足一天的現實也要放進判斷：Artificial Analysis 已有第一輪獨立數字，更深的第三方評測、各區域供應狀況與免費方案的開放時程都還沒有資料。把「換」當成一次有驗收的遷移專案，而不是按下就好的開關，才能確認單價優勢是否落實到自己的流程。

 

## GPT-6.1 Terra 常見問題

 

### GPT-6.1 Terra 是什麼時候發布的？

 

OpenAI 於台灣時間 2026 年 10 月 27 日（美國時間 10 月 26 日）發布，發布當天 ChatGPT Work、Codex 與 API 宣布提供，GitHub Copilot 也宣布漸進推出。它跳過 GPT-6 世代，直接從 GPT-5.6 Terra 升到 6.1，補回 OpenAI 中階檔位空了一個多月的缺口，也讓四檔命名在今年內補齊。想跟進後續細節，以官方公告與模型文件為準，第三方深度整理通常晚一至兩天才消化完成。

 

### GPT-6.1 Terra 的 API 價格多少？

 

標準費率為輸入每百萬 tokens 1 美元、輸出 5 美元，快取命中輸入 0.05 美元；對比 GPT-5.6 Terra 的 2 美元與 12 美元，輸入正好減半。Batch 與 Flex 再打五折，超過 27.2 萬輸入 tokens 的長提示全程加價，Fast mode 為兩倍價，web\_search 等工具呼叫另按次收費。換算成實例：多次請求合計一千萬未快取輸入與一百萬輸出 tokens，各次輸入都不超過 27.2 萬、且不含快取寫入與工具費時，標準價為 15 美元，Batch 為 7.5 美元。

 

### GPT-6.1 Terra 和 GPT-6.1 Sol 有什麼差別？

 

兩者上下文規格相同，但 Sol 每 token 單價是 Terra 的兩倍，官方定位 Sol 給深度研究與複雜編碼，Terra 給高量日常操作。Terra 支援把推理設成 none 而 Sol 不支援，適合純分類與格式化工作；Sol 則在其餘多數基準領先，兩者共用 6.1 家族的訓練背景。挑選原則是以任務形態分流，同一套流程讓兩個模型各跑一批真實樣本，用總成本對比品質最準。

 

### 免費版 ChatGPT 用得到 GPT-6.1 Terra 嗎？

 

官方公告只寫明 ChatGPT Work 與 Codex 的 Plus、Pro、Enterprise、Edu 用戶可用，免費方案並未出現在供應清單。截稿前也沒有免費版開放的補充資料，是否跟進仍屬未知，是否可選以帳號方案、管理者設定與實際推出狀況為準，可在應用內模型選單確認。若改用 API 小量測試，仍須另外支付 API 費用，並非免費方案的替代額度。

 

### GPT-6.1 Terra 的上下文與知識截止日是多少？

 

上下文視窗 105 萬 tokens，最大輸入 92.2 萬、最大輸出 12.8 萬，與 Astra、Sol 相同。知識截止日為 2026 年 6 月 1 日，比 Astra 與 GPT-6.1 Sol 的 4 月 30 日更晚，是目前 GPT-6 家族中訓練資料最新的成員，但較晚的知識截止日不保證個別事件的回答完整或正確。既有 5.6 Terra 流程仍須確認工具端點與輸出相容性；長文情境也要把加價規則納入試算。

 

### API 要怎麼改用 gpt-6.1-terra？

 

把請求裡的模型 ID 換成 gpt-6.1-terra 即可，Chat Completions 與 Responses 兩種介面都支援。要注意工具呼叫必須走 Responses API，原本在 Chat Completions 掛工具的程式需要改寫；遷移時沿用相同 reasoning effort（預設 medium），用代表性任務對照前後品質與成本最穩妥，第一批結果沒問題再把流量全數切換。若走 Batch 端點，費率減半但等待時間較長，適合離線工作。

 

### GPT-6.1 Terra 有獨立評測可以參考嗎？

 

Artificial Analysis 在發布當天已完成首輪量測：max 設定智慧指數 48 分，遠高於同價位中位數 28，輸出速度每秒 90.9 tokens，單任務成本約 0.40 美元。要注意 48 分是最高推理設定的成績，且首日數字可能隨樣本微調。更深入的第三方評測與長期實務回報仍在累積，採購決策建議輔以自家任務的對照測試再定案。

 

### 已在用 GPT-5.6 Terra 的團隊值得換嗎？

 

標準單價降低、官方公布的多項基準改善、上下文規格相同，值得安排對照測試；是否遷移仍要看實際任務成功率與完成成本。實務上把遷移當成小專案處理：工具呼叫搬到 Responses API，重跑輸出格式解析與驗收測試，再逐步放量。發布不足一天，先讓部分流量試跑一至兩週，成功率與單位成本穩定後全切最保險，期間新舊並行也不影響服務。

 

[AI Agent](<https://seo.whoops.com.tw/tag/ai-agents/>)[AI 模型](<https://seo.whoops.com.tw/tag/ai-models/>)[ChatGPT](<https://seo.whoops.com.tw/tag/chatgpt/>)[Computer Use](<https://seo.whoops.com.tw/tag/computer-use/>)[GitHub Copilot](<https://seo.whoops.com.tw/tag/github-copilot/>)[GPT-6.1 Terra](<https://seo.whoops.com.tw/tag/gpt-6-1-terra/>)[OpenAI](<https://seo.whoops.com.tw/tag/openai/>)[OpenAI Codex](<https://seo.whoops.com.tw/tag/openai-codex/>)

 

喜歡這篇內容？讓下次搜尋，更容易遇見 Whoops。

[將 Whoops 設為 Google 偏好來源（另開 Google 設定頁）](<https://www.google.com/preferences/source?q=seo.whoops.com.tw>)前往 Google 選取並確認，即可完成設定。

 

[## Sliven 褚崇名](<https://seo.whoops.com.tw/about/#founder-title>)

Sliven 褚崇名是 Whoops SEO 創辦人，負責技術 SEO、內容與關鍵字策略、WordPress 網站重建，以及 AI SEO、AEO、GEO 的量測與內容優化。作者頁可查閱由他署名的〈SEO 是什麼〉與〈AI SEO 是什麼〉等教學；內容中的自有量測、模型觀測與第三方來源應分開判讀，並以各頁標示的方法與限制為準。是否適合特定專案，仍需依網站現況、目標、執行範圍與可驗證成果判斷。

[查看作者文章 →](<https://seo.whoops.com.tw/about/#founder-title>)

 

## 討論與提問

 

### 發佈留言

 

WHOOPS / JOURNAL

## 更多值得一讀的文章

[探索知識庫 ↗](<https://seo.whoops.com.tw/blog/>)

[AI 工具與應用約 24 分鐘閱讀

### GPT-6.1 Sol 是什麼？OpenAI 新模型：更新內容、API 價格與值不值得換

GPT-6.1 Sol 是 OpenAI 的主力模型升級：標準 API 輸入 $2、輸出 $10，快取讀取降至 $0.10。本文比較跑分、快取成本與取用方案，整理 reasoning 設定和 Responses API 遷移檢查。

閱讀文章](<https://seo.whoops.com.tw/gpt-6-1-sol/>) [AI 工具與應用約 16 分鐘閱讀

### Muse Wonder 是什麼？Meta 首款前沿模型解析：兩款差異、價格、實力與台灣可用性

Meta 的 Muse Wonder 系列包含 Muse Wonder 與 Wonder Full。本文整理兩款差異、API 與 Muse Code 訂閱價格、官方基準與獨立評測、台灣可用性，以及 Contributor mode 的資料使用條件。

閱讀文章](<https://seo.whoops.com.tw/muse-wonder/>) [AI 工具與應用約 18 分鐘閱讀

### Gemini 4 Argon 可以用了嗎？App 開放、API 價格、評測與 Carbon 消息

Gemini 4 Argon 已在付費 API 正式可用，AI Pro／Ultra 的 App 與搜尋 AI 模式開始推送。整理台灣方案、11 月 30 日前 API 引進價、100 萬 token 限制、獨立評測、Antigravity、Copilot 與 Carbon 消息。

閱讀文章](<https://seo.whoops.com.tw/gemini-4-argon/>)
