BenchLeader

GPT-5.4 Pro vs GPT-6.1 Terra

完整资料:GPT-5.4 Pro(OpenAI)和 GPT-6.1 Terra(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月16日,GPT-5.4 Pro 与 GPT-6.1 Terra 的质量不相上下(BenchLeader Index 63.1 比 64.1,在 ±4.0 的误差范围内)。GPT-6.1 Terra 更便宜,对方的价格是它的 34 倍(每百万 token 混合价格 $2.00 比 $67.50)。在两者都有成绩的所有类别中,GPT-5.4 Pro 均领先。GPT-6.1 Terra 输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • GPT-5.4 Pro 的 BenchLeader Index 为 63.1,GPT-6.1 Terra 为 64.1(BenchLeader,2026年11月16日)。
  • GPT-5.4 Pro 每百万 token 混合价格为 $67.50(标价,2026年11月16日)。
  • GPT-6.1 Terra 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • GPT-6.1 Terra 比 GPT-5.4 Pro 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
推理GPT-5.4 Pro类别得分 70 比 68中
知识GPT-5.4 Pro类别得分 74 比 61高
图像及其他媒体GPT-5.4 Pro类别得分 70 比 67中
成本最低GPT-6.1 Terra每百万 token 混合价格 $2.00 比 $67.50;智能体编程会话 $0.080 比 $2.52–
首次回答最快GPT-5.4 Pro首个回答 token 7.9 秒(GPT-5.4 Pro)比 150.9 秒(GPT-6.1 Terra (max))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • GPT-5.4 Pro 与 GPT-6.1 Terra (max) 的质量不相上下(63.1 比 64.1,在 ±4.0 的误差范围内)。
  • GPT-5.4 Pro 在知识、多模态、推理方面更强。
  • GPT-6.1 Terra (max) 更便宜,对方的价格是它的 34 倍(每百万 token 混合价格 $2.00 比 $67.50)。
  • GPT-6.1 Terra (max) 的输出速度是对方的 11.1 倍(72 比 7 token/秒)。

概览

规格GPT-5.4 ProGPT-6.1 Terra
提供商OpenAIOpenAI
发布日期2026年3月4日2026年10月26日
上下文窗口(token)1,050,0001,050,000
对比时的配置GPT-5.4 ProGPT-6.1 Terra (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$30.00 / $180.00 / –$1.00 / $5.00 / $0.050

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别GPT-5.4 ProGPT-6.1 Terra (max)领先者
推理70.168.4GPT-5.4 Pro
编程–69.3无法比较
智能体与工具–63.4无法比较
数学–71.7无法比较
知识74.061.4GPT-5.4 Pro
指令遵循64.4–无法比较
多模态69.867.2GPT-5.4 Pro
长上下文–66.0无法比较
综合–65.0无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理知识多模态GPT-5.4 Pro, 推理: 70.1GPT-5.4 Pro, 知识: 74.0GPT-5.4 Pro, 多模态: 69.8GPT-6.1 Terra, 推理: 68.4GPT-6.1 Terra, 知识: 61.4GPT-6.1 Terra, 多模态: 67.2

未绘制(测得的模型少于两个):编程, 智能体与工具, 数学, 指令遵循, 长上下文, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 0 项基准测试中,GPT-5.4 Pro 领先 0 项,GPT-6.1 Terra 领先 0 项。

综合 IndexGPT-5.4 ProGPT-6.1 Terra (max)领先者
BenchLeader Index63.164.1不相上下

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标GPT-5.4 ProGPT-6.1 Terra (max)
每百万 token 混合价格$67.50$2.00
每百万 token 输入 / 输出$30.00 / $180.00$1.00 / $5.00
每百万 token 缓存输入–$0.050
每项任务价格:聊天回复$0.066$0.0019
每项任务价格:总结一份 30 页的报告$0.468$0.015
每项任务价格:代码编辑$0.450$0.013
每项任务价格:智能体编程会话$2.52$0.080
每项任务价格:结构化信息提取$0.096$0.0030
智能体编程会话(输入大多命中缓存)–$0.037
每项基准测试任务成本(AA Index)–$0.961
每项任务输出 token(AA Index)–60k
其中推理部分–39k
每项任务耗时(AA Index)–14 min
输出速度7 tok/s72 tok/s
首次回答时间7.9 秒150.9 秒
完整回答耗时(最近一次测量 2026年11月13日)–375.7 秒

每个模型都按其排名最高的推理强度设置进行对比。GPT-5.4 Pro 得分 63.1,首个回答 token 需 8 秒;GPT-5.4 Pro (xhigh) 为 59.5(8 秒)。GPT-6.1 Terra (max) 得分 64.1,首个回答 token 需 151 秒;GPT-6.1 Terra (xhigh) 为 60.0(30 秒),GPT-6.1 Terra (high) 为 59.6(10 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 91 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方GPT-5.4 ProGPT-6.1 Terra (max)
BenchLeader IndexBenchLeader63.164.1
指令遵循得分BenchLeader64.4–
知识得分BenchLeader74.061.4
多模态得分BenchLeader69.867.2
推理得分BenchLeader70.168.4
智能体与工具得分BenchLeader–63.4
编程得分BenchLeader–69.3
综合得分BenchLeader–65.0
长上下文得分BenchLeader–66.0
数学得分BenchLeader–71.7
混合价格(美元/百万 token)BenchLeader$67.50$2.00
输出速度BenchLeader7 tok/s72 tok/s
首次回答时间BenchLeader7.9 秒150.9 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.6%†94.3%
Humanity's Last ExamScale AI / CAIS44.3%–
SimpleBenchSimpleBench74.1%72.2%†
LiveBench 2.0 ReasoningLiveBench–88.7%
Humanity's Last Exam (AA)Artificial Analysis–46.3%
HLE-Diamond (AA)Artificial Analysis–47.3%
ARC-AGI-1ARC Prize94.5%†–
ARC-AGI-2ARC Prize83.3%†–
CritPtArtificial Analysis30.0%†28.0%
CritPt v2 hard subset (AA)Artificial Analysis–68.0%
HLE-Diamond (Scale)Scale AI SEAL–35.7%†
Chess PuzzlesEpoch AI Benchmarking Hub59.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub–74.0%
编程
SciCodeSciCode–55.1%
WeirdMLWeirdML57.4%†–
Arena WebDevArena (LMArena)–1678
LiveBench 2.0 CodingLiveBench–89.2%
Vibe Code Bench v1.1Vals AI–84.0%
SWE Atlas v1.1Scale AI SEAL–57.7%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–54.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–63.3%†
SWE Atlas v1.1: RefactoringScale AI SEAL–55.7%†
MirrorCodeEpoch AI Benchmarking Hub–76.7%
ALE-BenchEpoch AI Benchmarking Hub–2608.8
WeirdML v3WeirdML–28.1%†
显示全部 91 项基准测试
指标发布方GPT-5.4 ProGPT-6.1 Terra (max)
编程
Terminal-Bench 4.0 (AA)Artificial Analysis–55.6%
GameBench 2 OverallDuelLab GameBench 2–81.2†
GameBench 2 by reasoning settingDuelLab GameBench 2–85.8†
Design Arena WebsiteDesign Arena–1286†
FrontierCode 1.1 (AA)Artificial Analysis–36.0%
FrontierCode 2.0 (AA)Artificial Analysis–42.3%
智能体与工具
Terminal-BenchTerminal-Bench–53.3%
APEX-AgentsMercor–68.3%
Arena AgentArena (LMArena)–12
LiveBench Long AgenticLiveBench–56.2%
LiveBench BrowserLiveBench–93.1%
HiL-BenchScale AI SEAL–68.0%†
GDPval-AA v2.1Artificial Analysis–1476
Finance Agent v2.1Vals AI–56.0%
Harvey's Legal Agent Benchmark v1.1Vals AI–1.7%
Legal Research BenchVals AI–26.0%
Tax Agent BenchVals AI–17.1%
Terminal-Bench 4.0 (Vals)Vals AI–49.5%
Arena Agent Task CompletionArena (LMArena)–9.7
Vending-Bench 2Andon Labs–9107.5†
SpireClimbEpoch AI Benchmarking Hub–22.3%
AutomationBenchArtificial Analysis–60.2%
GDP.pdf (AA)Artificial Analysis–28.6%
AA-Briefcase v1.1Artificial Analysis–1401
GDPxGDPx by SemiAnalysis–8.5%
Design Arena AgenticDesign Arena–1192†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–57.6%
MKA (AA)Artificial Analysis–43.8%
FACTS SearchGoogle–92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub82.5%†90.9%
FrontierMath Tier 4Epoch AI Benchmarking Hub58.5%†92.7%
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%
MathArena ApexMathArena69.8%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub46.3%†57.3%
LiveBench 2.0 Data AnalysisLiveBench–82.3%
LiveBench ResearchLiveBench–79.1%
AA-Omniscience v1.1Artificial Analysis–29.6
MultiNRCScale AI SEAL62.3%–
Excel Modeling Benchmark v1.1Vals AI–73.3%
EBR-benchEpoch AI Benchmarking Hub–78.1%
AA-Omniscience v1.1: accuracyArtificial Analysis–47.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–65.5%
FACTS ParametricGoogle–70.8%†
指令遵循
MultiChallengeScale AI SEAL69.2%74.2%†
TutorBenchScale AI SEAL56.6%–
多模态
LiveBench DesignLiveBench–79.7%
MMMU-ProArtificial Analysis–84.7%
VISTAScale AI SEAL53.9%–
Blueprint-Bench 2Epoch AI Benchmarking Hub–42.1%†
Furniture AssemblyEpoch AI Benchmarking Hub–79.2%
VIALS-AAHandshake AI–60.3%
FACTS MultimodalGoogle–48.8%†
长上下文
AA-LCR v1.1Artificial Analysis–82.7%
MLCRArtificial Analysis–30.6%
FACTS GroundingGoogle–84.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.2167.7†
LiveBench 2.0LiveBench–78.8%
AA Intelligence Index v5.0.1Artificial Analysis–51.3
AA Intelligence Index v4.3.2Artificial Analysis–48.1
AA Progress Index v1Artificial Analysis–345.2
Vals IndexVals AI–60.5
Vals Finance IndexVals AI–53.3%
Vals Legal IndexVals AI–58.8%
安全与诚实
FORTRESSScale AI SEAL14.8%18.2%†
MASKScale AI SEAL91.7%–
DistressBenchScale AI SEAL–65.9%†

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • GPT-6.1 Terra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6.1 Terra (max):BenchLeader Index 64.7 → 64.1。
  • GPT-6.1 Terra (max):1 项新结果(Terminal-Bench)。
  • GPT-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
  • GPT-6.1 Terra (max):1 项新结果(MirrorCode)。
  • GPT-6.1 Terra (max):1 项分数修订。
  • GPT-6.1 Terra (max):1 项分数修订。
  • GPT-6.1 Terra (max):1 项分数修订。
  • GPT-6.1 Terra (max):1 项分数修订。
  • GPT-6.1 Terra (max):1 项分数修订。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

GPT-5.4 Pro vs GPT-6.1 Terra:常见问题

GPT-5.4 Pro 比 GPT-6.1 Terra 更好吗?
GPT-5.4 Pro 与 GPT-6.1 Terra (max) 的质量不相上下(63.1 比 64.1,在 ±4.0 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
GPT-5.4 Pro 和 GPT-6.1 Terra 哪个更便宜?价格会变吗?
目前 GPT-6.1 Terra 更便宜:每百万 token $2.00 比 $67.50(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
GPT-5.4 Pro 和 GPT-6.1 Terra 哪个更快?
GPT-6.1 Terra 输出更快(3 倍以上;输出 72 比 7 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都支持 1,050,000 token 的上下文。
哪个延迟更低?
GPT-5.4 Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 7.9 秒比 150.9 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
更多问题(1)
GPT-6.1 Terra 是什么时候发布的?
GPT-6.1 Terra 于 2026年10月26日 发布。