Claude Sonnet 5.5 和 GPT-6.1 Terra 对比：同分时成本差 4.3 倍

GPT-6.1 Terra（2026 年 10 月 26 日发布，API 模型 ID gpt-6.1-terra）的标价是 Claude Sonnet 5.5 的一半，但账单差距通常比一半更大。截至 2026 年 11 月 3 日，在 Artificial Analysis 的 Sonnet 5.5 与 Terra 发布对比页上，按智能指数（Intelligence Index）v5.0，Terra 的 high 档得 42 分，Sonnet 的 high 档得 41 分；要拿到和 Sonnet xhigh 相当的分数，Terra 得开到 max，每任务成本仍只有 Sonnet 的约四分之一（4.3 倍差距）。所以，API 里用 Sonnet 默认 high 跑的单轮、要求明确的工作，可以先拿同一批提示词换到 gpt-6.1-terra 的 medium 或 high 试跑。

Sonnet 仍有 Terra 够不到的地方。Sonnet 的 max 档得 54 分，高于 Terra 的上限 51 分；在多步终端操作、办公自动化这类分项评测里，分数相近时 Sonnet 也领先。这两类工作建议先留在 Sonnet，换之前用自己的任务复测。

账单为什么不止差一半：同一段中文，Sonnet 计出的输入 token 是 Terra 的 1.41 倍，再乘上 2 倍单价，输入部分约按 2.8 倍计费。2026 年 11 月 3 日用同一批 12 道带隐藏测试的题目实测，Sonnet high 通过 11 题、按标价花 $0.178，Terra medium 通过 12 题、花 $0.063。例外有两个：提示超过 272K token 时 Terra 整次请求涨价，差距缩到只剩 token 数之差；Sonnet 不加 cache_control 跑长循环时，差距反而会拉大到十几、二十倍。

标价一半，账单不是一半：同一段中文按约 2.8 倍计费

按每百万 token 计，截至 2026 年 11 月 3 日，OpenAI API 定价页上 GPT-6.1 Terra 的 Standard 价格是输入 $1、输出 $5（单次输入不超过 272K），Claude 官方定价页上 Sonnet 5.5 是输入 $2、输出 $10。单价确实正好是 2 倍，但账单等于"单价 × token 数"，而两家的分词方式不同，同样的文字计出的 token 数也不同。

2026 年 11 月 3 日，把同一段 6,000 字符的文字分别发给两家 API，扣掉只含指令时的基数后比较输入 token：中文 Sonnet 4,940、Terra 3,501，是 1.41 倍；英文 1.43 倍，Python 代码 1.46 倍，一份约一万 token 的长英文文档 1.50 倍。每种语言只测了一段文字，换一段内容比值会有小幅浮动，但方向一致。所以在 272K 以内，同一份中文提示放到 Sonnet 上，输入费用约是 Terra 的 2 × 1.41 ≈ 2.8 倍。

输出这一侧取决于推理强度（effort）。推理 token 按输出计费，档位越高写得越多：在下文的 12 道题里，两边都用 high 时输出量几乎一样（Sonnet 11,155、Terra 11,375 token），Terra 降到 medium 后输出只有 7,149 token。因此"换到 Terra 能省多少"，要看你换过去用哪一档，而不是只看单价。

Sonnet 5.5 和 Terra 怎么选：按工作类型定 effort

先说结论：多数单轮、目标明确、能自动检查结果的工作，可以试着从 Sonnet 换到 Terra；Terra 的档位要按你原来在 Sonnet 上用的档位往上对，不要按同名对。两家的 effort 名字不是同一把尺子，同叫 high，耗的 token 和得到的分数都不一样。另外，"Sonnet 默认档"要分场景：Claude API 默认 high，Claude Code 和 Claude 应用默认 medium（见 Anthropic 的 Sonnet 5.5 发布公告）；Terra 的默认是 medium。

需要 Opus 级别的分数时，Terra 不是 Opus 的替代，Claude Opus 5.5 对比 GPT-6.1 Terra：同分时成本差 3.6 倍单独算了这一组。想要和 Sonnet 同价的 OpenAI 模型，看 Claude Sonnet 5.5 和 GPT-6.1 Sol 对比：同价，同分成本差 7～8 倍；在 OpenAI 内部 Terra 和 Sol 之间选，看 GPT-6.1 Terra 和 Sol 区别：Codex 实测用时减半，要高分时 Sol 更省。

AA v5.0 逐档对照：同名档位 Terra 到 high 都不落后

截至 2026 年 11 月 3 日，Artificial Analysis 智能指数 v5.0 对两款模型的每一档都给了分数、每任务成本和每任务用时。同名档位从 low 到 high，Terra 的分数都不低于 Sonnet，每任务成本只有 Sonnet 的约七分之一到五分之一；到 xhigh 和 max，Sonnet 的分数反超。这里的每任务成本是 AA 按它自己测到的 token 用量乘以官方标价算出的，不是你的账单，但能用来比较两家在同一套题上的相对开销。

按默认档对默认档读：在 API 里，Sonnet 默认 high（41 分）对 Terra 默认 medium（38 分），Terra 低 3 分，Sonnet 的每任务成本是 9.6 倍、用时是 2.9 倍。在 Claude Code 和 Claude 应用里，Sonnet 默认 medium 只有 30 分，比 Terra medium 低 8 分，成本还是 4.6 倍。

按分数对分数读，结论更清楚。Sonnet xhigh（50 分）和 Terra max（51 分）几乎同分，Sonnet 每任务 $4.09、Terra $0.96，差 4.3 倍，用时差 1.35 倍。Sonnet medium 的 30 分，Terra 不推理就能拿到，成本差 3.4 倍。唯一 Terra 够不到的是 Sonnet max 的 54 分，代价是每任务 $10.02、约 21 分钟，是 Terra max 的 10.4 倍成本和 2.4 倍用时。

如果你看到"两者在 low 36 分、medium 41 分打平，xhigh 时 Sonnet 以 52 对 45 领先"这类说法，那是 AA 旧版指数 v4.3.2 的数字。AA 在 2026 年 10 月 27 日到 28 日之间换成了 v5.0，题目和分数都变了，新版里同名档位已经没有打平的情况。引用 AA 的数字时，带上版本号和日期。

能力区别：Sonnet 领先代理与办公评测，Terra 领先科研题

总分接近时，两者擅长的方向并不一样。拿几乎同分的 Sonnet xhigh（50 分）和 Terra max（51 分）逐项比，截至 2026 年 11 月 3 日的 AA v5.0 分项里，Sonnet 在偏代理和办公的三项上领先：命令行代理评测 Terminal-Bench 4.0 是 57.1% 对 55.6%，办公自动化 AutomationBench-AA 是 65.5% 对 60.2%，商务文档评测 AA-Briefcase v1.1 是 1744 对 1402。Terra 则在 FrontierCode 2.0 编程题（42.3% 对 35.6%）、科研推理题 CritPt v2 Hard（64.5% 对 54.0%）和 Terminal-Bench-Science 0.1（57.6% 对 52.4%）上领先。

这些都是 AA 对每种配置跑一次的结果，方向比具体数字更值得参考：如果你的工作主要是让模型在终端里连续执行命令、操作办公流程，Sonnet 的优势在这里；如果是独立的算法题或偏科研的推理，Terra 不吃亏。OpenAI 把 Terra 定位为擅长视觉推理、计算机操作和写作的快速模型，同时在 GPT-6.1 Terra 发布公告里说，最复杂的编程任务仍是 GPT-6.1 Sol 和 GPT-6 Astra 更合适。公告里"每任务成本约为九分之一"的说法，比较对象是 Claude Opus 5.5，不是 Sonnet，公告里没有和 Sonnet 的对比。

同一批 12 道题实测：通过率持平，Sonnet 贵 2.1～2.8 倍

2026 年 11 月 3 日，经 LaoZhang API 网关（laozhang.ai）用同一个 key 跑了同一批 12 道单轮题目。Sonnet 5.5 走 Anthropic Messages 接口，显式设置 thinking: adaptive 和 output_config.effort: "high"；Terra 走 Chat Completions，reasoning_effort 分别用 medium 和 high，max_completion_tokens 设为 32,000。题目都有隐藏测试或唯一答案，包括表达式求值（25 个测试）、CSV 行解析（16 个）、语义化版本比较（30 个）、npm 风格版本范围（36 个）、在约 6,700 词长文里找三条备注并算出 $76.80，以及问几个编造出来的 CPython 函数是否存在。费用按两家官方标价乘以接口返回的用量计算。

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。

这组结果能说明的是成本：通过率几乎相同时，Sonnet high 的费用是 Terra medium 的 2.84 倍、Terra high 的 2.12 倍，单题从 1.1 倍到 5.8 倍不等。两边都用 high 时输出量相当，差距主要来自 2 倍单价和 Sonnet 多计的约五成输入 token（这批题以英文和代码为主，33,300 对 21,977）。它不能说明谁更聪明：12 道题没把两者拉开，两处失误是同一个格式小错，"5 条要点、每条不超过 25 词"那题各写出了一条 26 词的要点，每种配置只跑了一次。

另外两点和 AA 的结论方向不同，或者 AA 没有覆盖。在这条线路上，Sonnet 每次调用反而更快，12 题里有 11 题快于 Terra medium、12 题全部快于 Terra high，这与 AA 的每任务用时方向相反；两者的题目和计时方式不同，线路负载也会影响，不宜据此判断哪边更快。还有，两道约一万 token 的长提示在请求里没有任何缓存设置，Terra 返回的用量里仍出现了 10,103 和 10,195 个缓存写入 token，Sonnet 则没有缓存字段。工具调用、多轮代理、图片输入、Responses API，以及 Sonnet 的其他档位和 Terra 的 xhigh、max，这次都没有测，这些情况下的判断来自 AA 和两家文档。

估算自己的账单：公式和四个算例

把用量换成百万 token，Sonnet 5.5 的费用 = 2 × 新输入 + 2.5 × 缓存写入（5 分钟）+ 0.1 × 缓存读取 + 10 × 输出（含思考），这个单价一直适用到 1M 上下文。GPT-6.1 Terra 在单次输入不超过 272K 时 = 1 × 新输入 + 1.25 × 缓存写入（30 分钟）+ 0.05 × 缓存读取 + 5 × 输出（含推理）。同一份内容在 Sonnet 上的 token 数，约等于 Terra 的 token 数乘以语言系数（中文 1.41、英文 1.43、代码 1.46）。

下表按 2026 年 11 月 3 日的官方标价，假设两边输出 token 相同，只让 Sonnet 的输入按系数放大。实际跑起来输出量会因模型和档位不同而变，所以它是估算框架，不是报价。

套用到自己的工作时，先用 Terra 的计费结果或 token 计数确定你的输入、输出量，再乘语言系数得到 Sonnet 的输入量。输出越多、输入越少，倍数越接近 2；中文或英文长输入占比越高，倍数越接近 2.8。再叠加 effort 的影响：如果 Terra 用 medium 就能完成原来 Sonnet high 的活，输出量还会再少三分之一左右，实测里 Sonnet high 对 Terra medium 的 2.84 倍就包含了这一部分。

超过 272K 或不开缓存：差距缩到 1.4 倍，或拉大到 20 倍

两个条件会让上面的倍数失效。第一个是长提示：截至 2026 年 11 月 3 日，单次请求输入超过 272K token 时，Terra 整次请求改按输入 $2、输出 $7.50、缓存读取 $0.10、30 分钟缓存写入 $2.50 计费，而 Sonnet 到 1M 都不涨价。两边每 token 单价在输入侧拉平，差距只剩分词系数：280K 输入 + 5K 输出时，Terra $0.598，Sonnet 按中文系数 $0.840，只差 1.41 倍；600K 输入时同样约 1.4 倍。注意 272K 是按 Terra 的 token 计的，换成中文内容在 Sonnet 上约是 384K token，所以别拿 Sonnet 的计数判断有没有越线。

第二个是缓存。OpenAI 对 GPT-5.6 及之后的模型默认开启缓存并对写入计费，实测里 Terra 在请求没写任何缓存设置时也产生了缓存写入；Anthropic 的缓存则要你主动开启，按 Claude 提示缓存文档，请求里不带顶层 cache_control 或显式的 cache_control 断点，就什么都不缓存。上面那个 50 轮代理循环，如果 Sonnet 一侧没加 cache_control，每轮都按全价重读 100K 前缀，token 数相同时是 Terra 的 14.9 倍（$10.70），中文内容是 20.7 倍（$14.88）。从 Sonnet 切到 Terra 做比较之前，先确认你现在的 Sonnet 请求有没有开缓存，否则会把缓存的差别算成模型的差别。

是哪个 Terra：GPT-6.1 Terra 不是 GPT-5.6 Terra

上面所有分数和倍数说的都是 gpt-6.1-terra。上一代 GPT-5.6 Terra（gpt-5.6-terra）截至 2026 年 11 月 3 日仍是可调用的模型，OpenAI 模型页上的价格是输入 $2、输出 $12，比 Sonnet 5.5 的输出还贵，弃用页也没有给它列停用日期。如果你在找的是 Sonnet 5.5 对 5.6 Terra，上面的倍数都不适用；GPT-6 全线与两个 Terra 怎么区分，见 GPT-6 Sol、Luna、Astra 与 Terra 怎么选？认清 6.1 Terra，再算成本。往下一档的 Luna，见 GPT-6.1 Terra 和 GPT-6 Luna 区别：实测每任务贵 2.7～6.3 倍。

ChatGPT、Codex 和 Claude 套餐里的入口与默认档

不走 API 的话，GPT-6.1 Terra 在 ChatGPT 里只出现在工作（Work）模式和 Codex，普通聊天里选不到；OpenAI 发布公告列出的是 Plus、Pro、Enterprise 和 Edu，Codex 文档另外列了 Business。Sonnet 5.5 在 Claude 应用和 Claude Code 里都能用，默认档是 medium，各模型在 Claude Code 里实际发送的默认档和改不动时的排查，见 Claude Code effort level 设置：各模型实测默认档与不生效排查。

套餐额度不能用 API 单价推算：截至 2026 年 10 月 27 日，Codex 文档给 Plus 和 Business 标准席位的 5 小时用量是 Terra 本地消息 35～285 条，并说明不是固定上限，Anthropic 则没有公布 Sonnet 5.5 的消息条数；Codex 里 Terra 与 Sol 的用量对比见上文链接的 Terra 与 Sol 区别一文。如果你经 CC Switch 在 Codex 里用 Terra 却看不到这个模型，见 CC Switch 下 Codex 看不到 GPT-6.1 Terra：回直连或升 0.165.0。

换之前用自己的提示词复测一小批

AA 的分数和上面的 12 道题都只能给出方向，真正决定换不换的是你自己的任务能不能通过、每个合格结果花多少钱。照下面的顺序做一小批就够判断；作为参照，上面 12 道题 × 3 种配置共 36 次调用，按标价一共约 $0.32。

1. 从近期真实工作里挑 20～50 条提示词，每条都要能自动或快速判对错，例如有单元测试、有标准答案或有明确格式要求。只看"回答好不好"很难比出结论。
2. 固定 Sonnet 一侧的设置：显式写出 thinking: {"type": "adaptive"} 和 output_config.effort，档位用你现在生产里用的那一档。2026 年 10 月 26 日的测试里，经同一网关调用 Sonnet 5.5 时不带 thinking 就不返回思考内容。如果你现在开了 cache_control，复测也保持开启。
3. Terra 一侧先跑默认 medium，再跑 high。Chat Completions 要用 max_completion_tokens：2026 年 10 月 28 日经同一网关测试，用 max_tokens 返回 400，reasoning_effort: "max" 也返回 400（只接受到 xhigh），而 Responses API 的 reasoning: {"effort": "max"} 正常返回。所以要测 max 或带工具调用，改走 Responses API。
4. 每次调用记下返回的用量：输入、输出、推理 token，以及 Terra 的缓存写入 token。按上一节的公式乘官方单价算费用，不要按条数平摊。
5. 按"总费用 ÷ 合格结果数"比较，而不是只比单次价格。Terra 某一档通过率掉下来、需要重试，省下的钱会被吃回去。
6. 如果你的提示常在 200K 以上，单独挑几条超过 272K 的跑一次，确认长提示下的倍数；经 LaoZhang 调 Claude 时单次输出上限是 32,768 token，长输出任务要把这一点算进去。

Terra 的 medium 在你的任务上通过率和 Sonnet 持平，就先把这类工作换过去；只有 high 或 max 才持平时，按第 5 步算出的单个合格结果成本决定；Terra 开到 max 仍做不到的，留在 Sonnet。