Claude Opus 5.5 对比 GPT-6.1 Terra：同分时成本差 3.6 倍

截至 2026 年 10 月 28 日，Claude Opus 5.5 和 GPT-6.1 Terra 可以按工作类型分开用：需求写得清楚的单轮编码、解析和批量文档任务，先换到 gpt-6.1-terra 的 high 推理强度试；要接近 Opus high 的综合水平，用 Terra 的 max 档；金融、法律、战略这类知识密集的分析，以及最难、最怕出错的任务，继续留在 claude-opus-5-5。 依据是 Artificial Analysis（AA）综合智能指数 v5.0：Terra max 51 分，Opus high 52 分，分数几乎相同，Opus 每任务成本是 Terra 的 3.6 倍，但每道题用时更短。

OpenAI 在 2026 年 10 月 26 日发布 Terra 时说它“每项任务的成本约为 Opus 5.5 的九分之一”，那是两边都开最高推理强度 max 的比较，而 AA 测得那一档 Opus 58 分、Terra 51 分，并不是同一水平的活。2026 年 10 月 28 日用同一个 API 密钥让两者在 high 档做了 7 道单轮题，全部通过，按官方标价 Opus 花费是 Terra 的 4.5 倍；同一段中文，Opus 计的输入 token 是 Terra 的 1.49 倍，乘上 4 倍单价，同样的中文输入，Opus 的输入账单约为 Terra 的 6.0 倍；算上输出，每次 2K 输入、1K 输出的中文调用，整次账单约差 4.6 倍。

所以要不要换，最终看你自己的 20 道左右真实任务在两边的通过率和“每道通过题的成本”，而不是单价。有两种情况差距会缩小或要改调用方式：单次提示词超过 272K token 时 Terra 改按长上下文价计费，差距降到 2～2.7 倍；Terra 的工具调用要走 Responses API；2026 年 10 月 28 日经 LaoZhang API 网关测试，max 档也只能经 Responses API 使用，Chat Completions 最高只到 xhigh（直连 OpenAI API 未测）。在 ChatGPT 里，Terra 只出现在工作模式和 Codex，普通对话里选不到。

说明：laozhang.ai 是我们自己的服务，其价格是平台报价，不是独立比较的结论。

“九分之一”只在两边都开 max 时成立

OpenAI 的 GPT-6.1 Terra 发布文中文版原话是：“在最高推理强度下，Terra 的 Token 使用效率是 Claude Opus 5.5 的三倍以上，每个 Token 的价格为后者的四分之一，因此每项任务的成本约为后者的九分之一。”这句话出现在介绍计算机操作测试 Agents' Last Exam 的段落里，比的是两边都开名为 max 的推理强度档，测试由 OpenAI 自己跑。AA 的独立数据和它对得上：max 对 max，Opus 每任务 $10.04、Terra $0.96，差 10.5 倍；Opus 每任务输出约 173k token（其中推理 120k），Terra 约 60k（推理 39k），Opus 是 Terra 的约 2.9 倍。

问题在于这两档不是同一水平。AA v5.0 里 Opus max 58 分，Terra max 51 分，差 7 分，Opus 每任务用时 1,133 秒，Terra 657 秒。如果你的任务确实需要 58 分那一档，Terra 给不了；如果 51 分就够用，拿来比的就不该是 Opus max，而是分数相近、便宜得多的 Opus high。所以“九分之一”描述的是两个模型的顶档，不是你把现有工作换过去后的账单倍数。

另一个容易混的是 AA 的版本。AA 在 2026 年 10 月 27 日到 28 日之间把综合智能指数从 v4.3.2（10 项评测）换成了 v5.0（9 项评测）；旧版里 Terra max 是 48 分、每任务 384 秒，新版是 51 分、657 秒。所以“Opus 54 分对 Terra 48 分”“58 对 48”这类数字出自旧版，不能和下文的数字放在一起比。下文 AA 数字均为 Intelligence Index v5.0，截至 2026 年 10 月 28 日。

按 AA 同分比较：Opus high 对 Terra max，成本差 3.6 倍

把分数相近的两档放在一起，差距是 3.6 倍而不是 10.5 倍：Opus high 52 分、Terra max 51 分，Opus 每任务成本是 Terra 的 3.6 倍，但每道题快 3 分钟多（464 秒对 657 秒）。下表是 AA 的 Claude Opus 5.5 与 GPT-6.1 Terra 逐档对比页里每一档推理强度的结果，按分数从高到低排。“每任务成本”是 AA 跑一道指数题按官方标价算出的平均花费，“每任务用时”是平均耗时，反映的是 AA 那套测试的工作量，不是你的账单。

这张表里最值得注意的是 Opus 的中低档。Opus medium 48 分，比 Terra max 低 3 分，成本却是 Terra max 的 2.6 倍；Opus low 的每任务成本和 Terra max 几乎相同，分数却低 16 分。所以如果你现在为了省钱把 Opus 开在 medium 或 low，第一个该测的替代就是 Terra max。反过来，Terra xhigh 45 分，只比 Opus medium 低 3 分，而 Opus medium 的成本是它的 6.1 倍。

Terra 自己升档的代价也清楚：从 high 升到 max 多 9 分，每任务成本约 3.7 倍，用时从 182 秒拉长到 657 秒。52 分以上只有 Opus 的 xhigh 和 max。想要 53～55 分又不想付 Opus xhigh 的价，同一版指数里 GPT-6.1 Sol 的 max 是 55 分、每任务 $1.27，Opus 和 Sol 之间怎么取舍见《Claude Opus 5.5 对比 GPT-6 Sol 与 6.1 Sol：先看任务，再算合格交付成本》。

哪些工作交给 Terra，哪些留在 Opus 5.5

按 AA v5.0 的分项，Terra max 领先 Opus high 的是写代码和科研计算，Opus high 领先的是知识密集的专业分析和办公文件，命令行类任务两者基本持平。所以更合算的做法是按工作类型分流，而不是把所有调用一次性换掉。下表是按这些分项和 2026 年 10 月 28 日的同题测试给出的起点，每一行都应该用你自己的任务再验证一次。

具体数字如下，均为 AA 单次运行、Opus high 对 Terra max。Terra 领先的三项是 FrontierCode 2.0（35.9% 对 42.3%）、CritPt v2 难题子集（58.0% 对 64.5%）和 Terminal-Bench-Science 0.1（49.0% 对 57.6%）；Opus 领先的是 HLE-Diamond（55.6% 对 47.3%）、AA-Briefcase v1.1（1681 对 1402）和 AutomationBench-AA（63.2% 对 60.2%）；Terminal-Bench 4.0（56.6% 对 55.6%）和 GDP.pdf（28.8% 对 28.6%）几乎没有差别。AA 的行业能力指数也是 Opus high 全部领先：金融会计 53 对 49，战略运营 58 对 50，法律 52 对 46，工程 58 对 54，经济学 57 对 49。

OpenAI 给 Terra 的定位是快速、高效的视觉推理、计算机操作和清晰写作，并称它在 Terminal-Bench-Science 0.1 上与 Opus 5.5 的分差不到 5 分、估算成本不到五分之一，这些是 OpenAI 自测的结果。同一篇发布文也写明，最复杂的编程任务 GPT-6.1 Sol 和 GPT-6 Astra 仍是更好的选择；Terra 和 Sol 之间怎么分工见《GPT-6.1 Terra 和 Sol 区别：Codex 实测用时减半，要高分时 Sol 更省》。如果你只想在 Claude 内部降成本，先看《Sonnet 5.5 和 Opus 5.5 怎么选：半价未必更省》。

2026 年 10 月 28 日同题实测：7 道题两边全部通过

2026 年 10 月 28 日，用 LaoZhang API（laozhang.ai）的同一个 API 密钥让两个模型做了同样的 7 道单轮题，结果 Opus 11 次调用全部通过，Terra 15 次调用全部通过，没有一道题拉开两者。claude-opus-5-5 走 Anthropic Messages 接口，设 thinking: {"type": "adaptive"} 和 output_config.effort: "high"；gpt-6.1-terra 走 Chat Completions，设 reasoning_effort: "high"。每次调用都是流式、一条用户消息、不带工具，每道题的判定方法（隐藏测试或标准答案）都在看到任何回答之前写好。

说明：laozhang.ai 是我们自己的服务，其价格是平台报价，不是独立比较的结论。

当天该网关的 /v1/models 同时列出了两个模型，gpt-6.1-terra 前一天还没有；Terra 按 OpenAI 标价计费、只提供 OpenAI 兼容接口，Opus 按每百万 token 输入 $4、输出 $20 计费，Anthropic 和 OpenAI 兼容接口都能用。经这个网关调用 Claude 有一条和 Anthropic 官方接口不同的限制：单次输出上限 32,768 token，max_tokens 设得更大时按上限处理，而官方上限是 128K，需要很长输出的任务要分段。下表的成本是“接口返回的 usage × 官方标价”，不是网关实际扣费，因为同一个密钥上还有其他调用。

倍数大小主要看回答长短。semver 和 cron 这类长代码题，两边输出 token 接近，差距基本就是 4 倍单价；短题上 Opus 写的 token 约为 Terra 的两倍，倍数就升到 6～8 倍。长文题的输入有约 6,800 个英文词，Opus 计 15,495 个输入 token，Terra 计 10,198 个。每次调用的耗时两边相近（cron 题 32.2 秒对 27.5 秒，长文题 5.1 秒对 4.5 秒），但这是从亚洲一台 Mac 经网关测的，只能作参考。Opus 的思考内容没有流式返回，它的 output token 已包含思考部分。

这些题不算送分题：semver 和编造函数辨认两道，MiniMax M3.1 Flash 在 2026 年 10 月 26 日的同题测试里没做对。但它们都是规格写清楚的单轮任务，没有覆盖工具调用、多步智能体、图片、超过约 15K token 的长上下文检索，也没有测 max 和 none 档，每题只跑了 1～3 次。所以这组结果能说明的是：这类任务两边都能做对，Terra 便宜很多；Opus 领先在哪里，要看上一节 AA 的分项。

实际账单差几倍：4 倍单价，再乘 token 数

单次输入不超过 272K token 时，同样的 token 数，Opus 每一个计费项的单价都正好是 Terra 的 4 倍，所以你的账单倍数约等于 4 乘以“Opus 计的 token 数 ÷ Terra 计的 token 数”。输入侧的比值由分词方式决定，输出侧由推理强度和模型写多少决定。按 OpenAI API 定价页和 Claude API 定价页截至 2026 年 10 月 28 日的 Standard 标价，每百万 token 的计算式如下，U 是未命中缓存的输入，W 是缓存写入，R 是缓存读取，O 是输出（含推理 token）：

Opus 5.5（1M 以内同价）   = 4U + 5W + 0.2R + 20O      W 为 5 分钟缓存写入
Terra（输入 ≤272K）       = 1U + 1.25W + 0.05R + 5O   W 为 30 分钟缓存写入
Terra（输入 >272K，整次） = 2U + 2.5W + 0.1R + 7.5O

推理强度主要影响 O。AA 在 max 档测得 Opus 每任务输出约为 Terra 的 2.9 倍，同题测试里短题约 2 倍、长代码题接近，所以同样的任务 Opus 的输出账单通常不止 4 倍。缓存也要留意：OpenAI 从 GPT-5.6 起默认开启提示缓存，缓存写入照常计费，除非把 prompt_cache_options.mode 设为 "explicit"。

中文输入：同一段文字，Opus 多计 49% 的 token

2026 年 10 月 28 日把同一段文字分别发给两个模型，读接口返回的输入 token 数，中文是 265 对 178，Opus 多计 49%。再乘上 4 倍单价，同样的中文输入，Opus 的输入账单约为 Terra 的 6.0 倍。

中文不是差距最大的语言。同一天用同样方法测的其他语言里，英文的 token 数之比是 1.45（输入账单约 5.8 倍），日文 1.24（5.0 倍），俄文 1.55（6.2 倍），西班牙文 1.84（7.4 倍），韩文最高，1.87（7.5 倍）。每种语言只测了一段短文本，两边都含少量消息模板 token；约 6,800 词的英文长文测得 1.52，和短文本接近。这些比值和此前在 GPT-6 Astra 与 Claude Fable 5.1 上测得的几乎一致，分词差异的详细数据见《GPT-6 Astra 与 Claude Fable 5.1 怎么选：实测 token 与 API 成本》。输出 token 的比值取决于任务本身，不能用这些数字直接推算。

三个算例：以中文输入为准

下面三笔按上面的计算式算，token 数以 Terra 的计数为准，Opus 的输入 token 乘 1.49，两边输出 token 假设相同；实际 Opus 往往输出更多，倍数还会更高。

第一笔输出占了大头，所以倍数低于只算输入时的倍数：以百万 token 为单位，Terra 是 2 × $1 + 1 × $5，Opus 是 2 × 1.49 × $4 + 1 × $20。第三笔大部分输入是缓存读取，单价低，倍数又回到 4 倍以上。

提示词超过 272K：差距缩到 2～2.7 倍

Terra 单次输入超过 272K token 时，整次请求改按长上下文价计费，输入和缓存翻倍、输出变成每百万 $7.50；Opus 5.5 在 1M 上下文内全程同价。所以同样的 token 数，长请求里 Opus 的输入和缓存只贵 2 倍，输出贵约 2.7 倍。上表第二笔就是这种情况：Terra $0.80 输入加 $0.15 输出，Opus 中文输入 596K token 计 $2.38、输出 $0.40，合计只差 2.9 倍。经常把整本文档或整个代码仓库塞进一次请求的工作，Opus 的相对劣势最小。不过中文材料在 Opus 那边占的 token 更多，同样的原文会更早碰到 1M 上限；按 1.49 的短文本比值粗算，Terra 计约 67 万 token 的中文材料，在 Opus 那边就接近 100 万。

换到 Terra 之前，用自己的 20 道题做同题对比

7 道题两边全过，说明靠几道示例题分不出高下，要看的是你自己工作里容易出错的那类题。2026 年 10 月 28 日那组测试 26 次调用按标价合计 $0.64，可以拿来估算你这次对比的花费量级。按下面的顺序做一次：

1. 从最近的真实工作里挑 20 道左右，刻意多放你担心 Terra 做不好的那类（长文档、专业分析、多步任务）。每道题先写好判定方法，比如单元测试、标准答案或核对清单，再看任何模型的回答。
2. 固定配置。Opus 保持你现在用的推理强度，在 Messages 请求里写明 thinking: {"type": "adaptive"} 和 output_config.effort，让档位确定可查；Terra 跑 high 和 max 两档，max 要用 Responses API（POST /v1/responses，reasoning: {"effort": "max"}）：2026 年 10 月 28 日经同题测试所用的网关，Chat Completions 带 reasoning_effort: "max" 返回 HTTP 400，提示只支持 none 到 xhigh，同样的请求改走 Responses API 则正常返回 max 档。同一天还发现，非流式 Chat Completions 调 Terra 时带 max_tokens 会返回 HTTP 400 Unsupported parameter: 'max_tokens' is not supported with this model. Use 'max_completion_tokens' instead.，要改用 max_completion_tokens。需要工具调用时，Terra 同样要用 Responses API。
3. 每道题、每种配置至少跑 2 次，记下返回 usage 里的输入、输出、缓存读写 token 和耗时。
4. 用上一节的计算式算出每种配置的总花费，除以通过的题数，得到每道通过题的成本。
5. Terra 某一档的通过率不低于 Opus、每道通过题成本更低，这类工作就换过去；只在某一类题上掉分，就只把那一类留在 Opus。

在 ChatGPT、Codex 和 Claude 里用：Terra 不在普通对话中

截至 2026 年 10 月 28 日，GPT-6.1 Terra 在 ChatGPT 里只出现在工作模式和 Codex 中，普通对话里选不到；发布文写的是 Plus、Pro、Enterprise 和 Edu 用户可用，Codex 文档还列了 Business。API 里直接用 gpt-6.1-terra，Responses API 的 reasoning.effort 可选 none、low、medium（默认）、high、xhigh 和 max，见 OpenAI 的 GPT-6.1 Terra 模型页。Opus 5.5 则在 Claude 应用（Pro、Max、Team、Enterprise）、Claude Code、Claude API 以及 AWS、Google Cloud、Azure 上都能用。

订阅额度不能按 API 单价换算：Codex 价格与用量文档给 Plus 和标准 Business 每 5 小时 Terra 35～285 条本地消息，Anthropic 没有公布 Opus 5.5 在 Claude 套餐里的消息数，Opus 这一侧的 API 账单和订阅用量见《Claude Opus 5.5 价格与用量重置：API 账单怎么算，重置卡怎么用》。

GPT-6.1 Terra 与 Opus 5.5 的其他问题

GPT-6.1 Terra 和 GPT-5.6 Terra 是同一个模型吗？

不是。GPT-6.1 Terra 于 2026 年 10 月 26 日发布，API ID 是 gpt-6.1-terra，知识截止 2026 年 6 月 1 日，上下文 1.05M token、单次最多输出 128K；价格也不同：按 OpenAI API 定价页的 Standard 标价，GPT-5.6 Terra（gpt-5.6-terra，仍在列）每百万 token 输入 $2、输出 $12，GPT-6.1 Terra 是 $1 和 $5。OpenAI 说的“低 50%”对应输入，输出其实降了 58%。看到只写“Terra”的价格或评测，先确认是哪一代。

GPT-6.1 Terra 有 Batch、Fast 这些档吗？

截至 2026 年 10 月 28 日，按 OpenAI API 定价页，Terra 的 Batch 和 Flex 是 Standard 价的一半，Fast 是 2 倍（272K 以内每百万 token 输入 $2、输出 $10），没有 Ultrafast。Claude API 定价页给 Opus 5.5 的 Fast 模式标价是每百万 token 输入 $8、输出 $40。