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

> OpenAI 称 GPT-6.1 Terra 任务成本约为 Opus 5.5 的九分之一，只在两边都开 max 时成立；分数相近时差 3.6 倍，最难任务仍需 Opus。

- URL: https://blog.laozhang.ai/zh/posts/claude-opus-5-5-vs-gpt-6-1-terra
- Published: 2026-10-28
- Updated: 2026-10-28
- Author: LaoZhang AI Team (https://blog.laozhang.ai/zh/about)
- Topic: 模型对比
- Tags: Claude Opus 5.5, GPT-6.1 Terra, 模型对比, API 价格, 推理强度, OpenAI API

---
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](https://blog.laozhang.ai/zh/about#laozhang)，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](https://openai.com/index/introducing-gpt-6-1-terra/)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](https://artificialanalysis.ai/models/releases/comparisons/claude-opus-5-5-vs-gpt-6-1-terra)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。

| 模型与推理强度 | AA 综合智能指数 v5.0 | 每任务成本 | 每任务用时 |
| --- | ---: | ---: | ---: |
| Opus 5.5 `max` | 58 | $10.04 | 1,133 秒 |
| Opus 5.5 `xhigh` | 57 | $6.05 | 779 秒 |
| Opus 5.5 `high` | 52 | $3.46 | 464 秒 |
| Terra `max` | 51 | $0.96 | 657 秒 |
| Opus 5.5 `medium` | 48 | $2.45 | 337 秒 |
| Terra `xhigh` | 45 | $0.40 | 287 秒 |
| Terra `high` | 42 | $0.26 | 182 秒 |
| Terra `medium` | 38 | $0.17 | 118 秒 |
| Opus 5.5 `low` | 35 | $0.98 | 147 秒 |
| Terra 不推理（`none`） | 30 | $0.23 | 104 秒 |
| Terra `low` | 29 | $0.07 | 48 秒 |

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。

![两个模型 11 档推理强度的 AA 分数与每任务成本散点图，Opus medium 和 low 都落在比 Terra max 更贵、分数更低的区域](https://blog.laozhang.ai/posts/zh/claude-opus-5-5-vs-gpt-6-1-terra/img/effort-score-cost.webp)

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》](https://blog.laozhang.ai/zh/posts/claude-opus-5-5-vs-gpt-6-sol)。

## 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。

| 你的工作 | 先用 | 依据 |
| --- | --- | --- |
| 需求写得清楚的单轮编码、解析、数据提取 | Terra `high`，不够再升 `max` | 同题测试中这类题 Terra `high` 全部通过 |
| 写代码的智能体任务、科研计算 | Terra `max`，和 Opus `high` 对照 | AA 编程和科研分项 Terra max 领先 |
| 命令行操作类任务 | 两者都可，按成本和等待时间选 | Terminal-Bench 4.0 两者持平；按 AA 综合指数的平均口径，Terra max 每任务更便宜，Opus high 用时更短 |
| 金融、法律、战略、经济分析，办公文件 | Opus `high` | AA 行业指数和知识类分项 Opus high 领先 |
| 最难、出错代价最高的任务 | Opus `xhigh` 或 `max` | AA 52 分以上只有 Opus |
| 现在开着 Opus `medium` 或 `low` | 先测 Terra `max` | Opus medium 分数更低、成本更高 |

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》](https://blog.laozhang.ai/zh/posts/gpt-6-1-terra-vs-gpt-6-1-sol)。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》](https://blog.laozhang.ai/zh/posts/claude-sonnet-5-5-vs-opus-5-5)。

## 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](https://blog.laozhang.ai/zh/about#laozhang)，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](https://docs.laozhang.ai/api-reference/claude.md)，`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。

| 题目（判定方式） | 输出 token（Opus / Terra） | Opus 单次花费 | Terra 单次花费 | Opus 是 Terra 的 |
| --- | ---: | ---: | ---: | ---: |
| 不用 eval 写表达式求值器（25 项隐藏测试） | 1,884 / 2,081 | $0.0389 | $0.0106 | 3.7 倍 |
| 不用 csv 库解析一行 CSV（16 项） | 871 / 564 | $0.0184 | $0.0030 | 6.2 倍 |
| 统计 100 万以内数位和为 27 的数（标准答案） | 877 / 413 | $0.0178 | $0.0021 | 8.4 倍 |
| npm 风格 semver 范围判断（36 项） | 3,066 / 3,294 | $0.0640 | $0.0169 | 3.8 倍 |
| 约 6,800 词英文长文里找三条备注再计算（标准答案） | 234 / 80 | $0.0667 | $0.0106 | 6.3 倍 |
| 辨认 Python 3.13 标准库函数真假（2 真 2 编造） | 244 / 128 | $0.0056 | $0.0008 | 7.3 倍 |
| 5 字段 cron 表达式求下次运行时间（41 项） | 3,391 / 3,763 | $0.0698 | $0.0192 | 3.6 倍 |
| 7 道题各取一次平均调用合计 | — | $0.2812 | $0.0632 | 4.5 倍 |

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](https://developers.openai.com/api/docs/pricing)和 [Claude API 定价页](https://platform.claude.com/docs/en/about-claude/pricing)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）：

```text
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》](https://blog.laozhang.ai/zh/posts/gpt-5-6-sol-vs-fable-5-vs-opus-4-8)。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。

| 场景 | Terra | Opus 5.5 | Opus 是 Terra 的 |
| --- | ---: | ---: | ---: |
| 1,000 次调用，每次输入 2K、输出 1K | $7.00 | $31.92 | 4.6 倍 |
| 一次请求输入 400K、输出 20K | $0.95 | $2.78 | 2.9 倍 |
| 智能体循环累计 50K 新输入、950K 缓存读取、30K 输出（每次请求都在 272K 以内） | $0.25 | $1.18 | 4.8 倍 |

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。

![账单倍数算法：4 倍单价乘中文输入 token 比 1.49，输入账单约 6.0 倍，三个算例分别差 4.6 倍、2.9 倍和 4.8 倍](https://blog.laozhang.ai/posts/zh/claude-opus-5-5-vs-gpt-6-1-terra/img/bill-multiple.webp)

### 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](https://developers.openai.com/api/docs/models/gpt-6.1-terra)。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](https://learn.chatgpt.com/docs/pricing)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》](https://blog.laozhang.ai/zh/posts/claude-opus-5-5-pricing-limit-reset)。

## 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](https://developers.openai.com/api/docs/pricing)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](https://developers.openai.com/api/docs/pricing)，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。

## 参考来源

本文引用的外部页面，按正文出现顺序排列。最后更新于 2026-10-28。

- [GPT-6.1 Terra 发布文](https://openai.com/index/introducing-gpt-6-1-terra/) (openai.com)
- [AA 的 Claude Opus 5.5 与 GPT-6.1 Terra 逐档对比页](https://artificialanalysis.ai/models/releases/comparisons/claude-opus-5-5-vs-gpt-6-1-terra) (artificialanalysis.ai)
- [OpenAI API 定价页](https://developers.openai.com/api/docs/pricing) (developers.openai.com)
- [Claude API 定价页](https://platform.claude.com/docs/en/about-claude/pricing) (platform.claude.com)
- [OpenAI 的 GPT-6.1 Terra 模型页](https://developers.openai.com/api/docs/models/gpt-6.1-terra) (developers.openai.com)
- [Codex 价格与用量文档](https://learn.chatgpt.com/docs/pricing) (learn.chatgpt.com)