BenchLeader

GPT-5.6 Terra vs GPT-6.1 Terra

完整资料:GPT-5.6 Terra(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 13 个来源

截至 2026年11月16日,GPT-5.6 Terra 与 GPT-6.1 Terra 的质量不相上下(BenchLeader Index 60.1 比 64.1,在 ±4.5 的误差范围内)。GPT-6.1 Terra 更便宜,对方的价格是它的 2.3 倍(每百万 token 混合价格 $2.00 比 $4.50)。在两者都有成绩的所有类别中,GPT-6.1 Terra 均领先。GPT-5.6 Terra 输出更快。

要点(截至 2026年11月16日)

  • GPT-5.6 Terra 的 BenchLeader Index 为 60.1,GPT-6.1 Terra 为 64.1(BenchLeader,2026年11月16日)。
  • GPT-5.6 Terra 每百万 token 混合价格为 $4.50(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-5.6 Terra 比 GPT-6.1 Terra 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 19 项基准测试中,GPT-6.1 Terra 领先 19 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GPT-5.6 Terra 的评分为 1520,GPT-6.1 Terra 为 1678(LMArena,截至 2026年11月16日 的公布数据)。

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
编程GPT-6.1 Terra类别得分 69 比 59;Arena WebDev 1678 比 1520高
智能体与工具调用均可类别得分 63 比 63;Arena Agent -1.8 比 12均可
数学GPT-6.1 Terra类别得分 72 比 66中
推理GPT-6.1 Terra类别得分 68 比 55;HLE-Diamond (AA) 47.3% 比 24.7%高
知识GPT-6.1 Terra类别得分 61 比 53;AA-Omniscience v1.1 29.6 比 -11.5高
长文档GPT-6.1 Terra类别得分 66 比 64;AA-LCR v1.1 82.7% 比 79.0%中
图像及其他媒体GPT-6.1 Terra类别得分 67 比 61;MMMU-Pro 84.7% 比 79.5%中
对话质量(人类偏好)–只有 GPT-5.6 Terra 有 Arena 评分(类别得分 66)无法比较
成本最低GPT-6.1 Terra每百万 token 混合价格 $2.00 比 $4.50;智能体编程会话 $0.080 比 $0.168–
首次回答最快GPT-5.6 Terra首个回答 token 19.2 秒(GPT-5.6 Terra (xhigh))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-5.6 Terra (xhigh) 与 GPT-6.1 Terra (max) 的质量不相上下(60.1 比 64.1,在 ±4.5 的误差范围内)。
  • GPT-6.1 Terra (max) 在智能体与工具、编程、知识、长上下文、数学、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 2.3 倍(每百万 token 混合价格 $2.00 比 $4.50)。
  • GPT-5.6 Terra (xhigh) 的输出速度是对方的 1.3 倍(97 比 72 token/秒)。

概览

规格GPT-5.6 TerraGPT-6.1 Terra
提供商OpenAIOpenAI
发布日期2026年7月9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-5.6 Terra (xhigh)GPT-6.1 Terra (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $12.00 / $0.200$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-5.6 Terra (xhigh)GPT-6.1 Terra (max)领先者
推理54.868.4GPT-6.1 Terra
编程59.169.3GPT-6.1 Terra
智能体与工具63.163.4持平
数学65.771.7GPT-6.1 Terra
知识53.061.4GPT-6.1 Terra
指令遵循65.6–无法比较
人类偏好65.5–无法比较
多模态61.267.2GPT-6.1 Terra
长上下文64.166.0GPT-6.1 Terra
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推理编程智能体与工具数学知识长上下文多模态GPT-5.6 Terra, 推理: 54.8GPT-5.6 Terra, 编程: 59.1GPT-5.6 Terra, 智能体与工具: 63.1GPT-5.6 Terra, 数学: 65.7GPT-5.6 Terra, 知识: 53.0GPT-5.6 Terra, 长上下文: 64.1GPT-5.6 Terra, 多模态: 61.2GPT-6.1 Terra, 推理: 68.4GPT-6.1 Terra, 编程: 69.3GPT-6.1 Terra, 智能体与工具: 63.4GPT-6.1 Terra, 数学: 71.7GPT-6.1 Terra, 知识: 61.4GPT-6.1 Terra, 长上下文: 66.0GPT-6.1 Terra, 多模态: 67.2

未绘制(测得的模型少于两个):指令遵循, 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 19 项基准测试中,GPT-5.6 Terra 领先 0 项,GPT-6.1 Terra 领先 19 项。所有同时评测两者的综合评分都认为 GPT-6.1 Terra 更强。

综合 IndexGPT-5.6 Terra (xhigh)GPT-6.1 Terra (max)领先者
BenchLeader Index60.164.1不相上下
AA Intelligence Index v5.0.132.3†51.3GPT-6.1 Terra

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-5.6 Terra (xhigh)GPT-6.1 Terra (max)
每百万 token 混合价格$4.50$2.00
每百万 token 输入 / 输出$2.00 / $12.00$1.00 / $5.00
每百万 token 缓存输入$0.200$0.050
每项任务价格:聊天回复$0.0044$0.0019
每项任务价格:总结一份 30 页的报告$0.031$0.015
每项任务价格:代码编辑$0.030$0.013
每项任务价格:智能体编程会话$0.168$0.080
每项任务价格:结构化信息提取$0.0064$0.0030
智能体编程会话(输入大多命中缓存)$0.087$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97 tok/s72 tok/s
首次回答时间19.2 秒150.9 秒
完整回答耗时(最近一次测量 2026年11月13日)84.0 秒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-5.6 Terra (xhigh) 得分 60.1,首个回答 token 需 19 秒;GPT-5.6 Terra (max) 为 59.5(73 秒),GPT-5.6 Terra (high) 为 56.8(6 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 159 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-5.6 Terra (xhigh)GPT-6.1 Terra (max)
BenchLeader IndexBenchLeader60.164.1
智能体与工具得分BenchLeader63.163.4
编程得分BenchLeader59.169.3
人类偏好得分BenchLeader65.5–
指令遵循得分BenchLeader65.6–
知识得分BenchLeader53.061.4
长上下文得分BenchLeader64.166.0
数学得分BenchLeader65.771.7
多模态得分BenchLeader61.267.2
推理得分BenchLeader54.868.4
综合得分BenchLeader–65.0
混合价格(美元/百万 token)BenchLeader$4.50$2.00
输出速度BenchLeader97 tok/s72 tok/s
首次回答时间BenchLeader19.2 秒150.9 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.3%†94.3%
SimpleBenchSimpleBench48.9%72.2%†
Arena Hard PromptsArena (LMArena)1491–
LiveBench 2.0 ReasoningLiveBench90.6%†88.7%
LiveBench 1.0 ReasoningLiveBench90.6%†–
GPQA Diamond (AA)Artificial Analysis90.8%–
Humanity's Last Exam (AA)Artificial Analysis41.9%46.3%
HLE-Diamond (AA)Artificial Analysis24.7%47.3%
GPQA Diamond (Vals)Vals AI90.9%–
Kagi LLM BenchmarkKagi LLM Benchmark51.3%†–
ARC-AGI-1ARC Prize94.0%–
ARC-AGI-2ARC Prize74.2%–
ARC-AGI-3ARC Prize0.7%–
CritPtArtificial Analysis27.1%28.0%
CritPt v2 hard subset (AA)Artificial Analysis50.5%†68.0%
HLE-Diamond (Scale)Scale AI SEAL–35.7%†
Arena ExpertArena (LMArena)1507–
Chess PuzzlesEpoch AI Benchmarking Hub47.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub35.0%†74.0%
LMCAEpoch AI Benchmarking Hub52.2%–
DTBenchEpoch AI Benchmarking Hub92.5%–
编程
SciCodeSciCode52.3%55.1%
WeirdMLWeirdML78.3%†–
FrontierCodeCognition41.3%†–
Arena CodingArena (LMArena)1517–
显示全部 159 项基准测试
指标发布方GPT-5.6 Terra (xhigh)GPT-6.1 Terra (max)
编程
Arena WebDevArena (LMArena)15201678
LiveBench 2.0 CodingLiveBench84.2%†89.2%
LiveBench 1.0 CodingLiveBench78.3%†–
LiveCodeBenchVals AI85.9%–
IOIVals AI87.6%†–
SWE-bench (Vals)Vals AI95.4%†–
Code MigrationVals AI47.8%†–
ProgramBenchVals AI0.5%†–
Vibe Code Bench 1-100Vals AI14.8%†–
Vibe Code Bench v1.1Vals AI74.6%†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%†
SWE-Bench Pro V2Scale AI SEAL92.4%–
SWE-Bench Pro V2 HARDScale AI SEAL86.3%–
MirrorCodeEpoch AI Benchmarking Hub41.1%†76.7%
Surface Evolver BenchEpoch AI Benchmarking Hub83.8%–
DeepSWE v1.1Epoch AI Benchmarking Hub60.2%–
CursorBenchCursor33.6%–
ALE-BenchEpoch AI Benchmarking Hub1951.4†2608.8
WeirdML v3WeirdML–28.1%†
Terminal-Bench 4.0 (AA)Artificial Analysis10.1%55.6%
Terminal-Bench 2.1 (AA)Artificial Analysis80.2%–
Startrise FrontendStartrise66.9%†–
GameBench 2 OverallDuelLab GameBench 245.6†81.2†
GameBench 2 by reasoning settingDuelLab GameBench 253.585.8†
Design Arena WebsiteDesign Arena1260†1286†
FrontierCode 1.1 (AA)Artificial Analysis–36.0%
FrontierCode 2.0 (AA)Artificial Analysis23.9%†42.3%
智能体与工具
Terminal-BenchTerminal-Bench21.5%†53.3%
APEX-AgentsMercor58.2%†68.3%
Arena AgentArena (LMArena)-1.812
LiveBench Long AgenticLiveBench25.9%†56.2%
LiveBench BrowserLiveBench70.3%†93.1%
LiveBench Agentic CodingLiveBench55.0%†–
Terminal-Bench HardArtificial Analysis62.9%–
τ²-Bench Telecom (AA)Artificial Analysis80.4%–
Terminal-Bench 2.1 (Vals)Vals AI77.5%†–
HiL-BenchScale AI SEAL–68.0%†
GDPval-AA v2.1, normalised scoreArtificial Analysis47.4%–
GDPval-AA v2.1Artificial Analysis14561476
τ³-Banking (AA)Artificial Analysis29.7%–
ITBench SRE (AA)Artificial Analysis51.0%†–
APEX-Agents (AA)Artificial Analysis38.9%†–
CyberBenchVals AI72.1%†–
Finance Agent v2Vals AI54.4%†–
Finance Agent v2.1Vals AI–56.0%
Harvey's Legal Agent Benchmark v1.1Vals AI–1.7%
Harvey's Legal Agent Benchmark v1Vals AI0.8%†–
Legal Research BenchVals AI41.4%†26.0%
SkillsBenchVals AI58.9%†–
SREBenchVals AI9.5%†–
Tax Agent BenchVals AI30.0%†17.1%
Terminal-Bench 4.0 (Vals)Vals AI22.7%†49.5%
Terminal-Bench ScienceVals AI10.0%†–
Arena Agent Task CompletionArena (LMArena)-7.29.7
BALROGBALROG53.2%†–
Vending-Bench 2Andon Labs7343.2†9107.5†
SpireClimbEpoch AI Benchmarking Hub–22.3%
AutomationBenchArtificial Analysis47.1%60.2%
GDP.pdf (AA)Artificial Analysis24.6%28.6%
EnterpriseOps-GymArtificial Analysis38.5%†–
AA-Briefcase v1.1Artificial Analysis13321401
GDPxGDPx by SemiAnalysis–8.5%
Design Arena AgenticDesign Arena1089†1192†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis13.8%†57.6%
DeepSec-Bench (AA)Artificial Analysis25.1%†–
MKA (AA)Artificial Analysis–43.8%
FACTS SearchGoogle87.0%†92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%†90.9%
FrontierMath Tier 4Epoch AI Benchmarking Hub70.7%†92.7%
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%†100.0%
ProofBenchVals AI74.0%–
LiveBench MathematicsLiveBench94.9%†–
Arena MathsArena (LMArena)1478–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub43.2%†57.3%
LiveBench 2.0 Data AnalysisLiveBench79.3%†82.3%
LiveBench ResearchLiveBench79.7%†79.1%
LiveBench 1.0 Data AnalysisLiveBench79.3%†–
AA-Omniscience v1.1Artificial Analysis-11.529.6
MMLU-ProVals AI86.7%–
LegalBenchVals AI85.1%†–
CorpFinVals AI65.3%–
TaxEvalVals AI76.2%–
Excel Modeling BenchmarkVals AI66.2%†–
Excel Modeling Benchmark v1.1Vals AI–73.3%
MedCodeVals AI43.4%–
MedScribeVals AI82.9%–
Public Benefits Bench v1.1Vals AI62.4%†–
Financial Coaching BenchVals AI71.0%†–
EBR-benchEpoch AI Benchmarking Hub–78.1%
GDP.pdfEpoch AI Benchmarking Hub24.7%†–
AA-Omniscience v1.1: accuracyArtificial Analysis41.3%47.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis9.9%65.5%
FACTS ParametricGoogle57.6%†70.8%†
指令遵循
LiveBench LanguageLiveBench82.9%†–
LiveBench Instruction FollowingLiveBench64.6%†–
IFBenchArtificial Analysis66.3%–
MultiChallengeScale AI SEAL–74.2%†
Arena Instruction FollowingArena (LMArena)1463–
人类偏好
Arena TextArena (LMArena)1468–
EQ-Bench 4EQ-Bench1220†–
EQ-Bench Creative Writing v3EQ-Bench1856†–
Arena Creative WritingArena (LMArena)1430–
Arena Multi-turnArena (LMArena)1475–
Arena Longer QueriesArena (LMArena)1469–
多模态
Arena VisionArena (LMArena)1269–
LiveBench DesignLiveBench70.9%†79.7%
MMMU-ProArtificial Analysis79.5%84.7%
MMMU-Pro (Vals)Vals AI86.5%†–
MortgageTaxVals AI67.3%–
SAGEVals AI87.0%†–
Humanity's Sixth SenseScale AI SEAL22.7%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub30.8%†42.1%†
Furniture AssemblyEpoch AI Benchmarking Hub54.2%†79.2%
VIALS-AAHandshake AI–60.3%
FACTS MultimodalGoogle39.9%†48.8%†
长上下文
AA-LCR v1.1Artificial Analysis79.0%82.7%
Arena DocumentArena (LMArena)1474–
MLCRArtificial Analysis22.8%30.6%
FACTS GroundingGoogle60.5%†84.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.7†167.7†
LiveBench 2.0LiveBench67.2%†78.8%
LiveBench 1.0LiveBench77.9%†–
AA Intelligence Index v5.0.1Artificial Analysis32.3†51.3
AA Intelligence Index v4.3.2Artificial Analysis38.048.1
AA Progress Index v1Artificial Analysis312345.2
Vals IndexVals AI–60.5
Vals Finance IndexVals AI–53.3%
Vals Multimodal IndexVals AI65.1%–
Vals Legal IndexVals AI–58.8%
安全与诚实
FORTRESSScale AI SEAL–18.2%†
DistressBenchScale AI SEAL76.4%†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-5.6 Terra (xhigh):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • 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-5.6 Terra (xhigh):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-5.6 Terra vs GPT-6.1 Terra:常见问题

GPT-5.6 Terra 比 GPT-6.1 Terra 更好吗?
GPT-5.6 Terra (xhigh) 与 GPT-6.1 Terra (max) 的质量不相上下(60.1 比 64.1,在 ±4.5 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-5.6 Terra 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 $4.50(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。
编程用 GPT-5.6 Terra 还是 GPT-6.1 Terra 更好?
GPT-6.1 Terra 在编程方面得分更高(类别得分 69 比 59,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,GPT-5.6 Terra 为 1520,GPT-6.1 Terra 为 1678。
GPT-5.6 Terra 和 GPT-6.1 Terra 哪个更快?
GPT-5.6 Terra 输出更快(输出 97 比 72 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-5.6 Terra 还是 GPT-6.1 Terra 更好?
两者在智能体任务方面持平(类别得分 63 比 63)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,GPT-5.6 Terra 为 -1.8,GPT-6.1 Terra 为 12。
更多问题(4)
处理长文档哪个更好?
GPT-6.1 Terra 在长上下文基准测试上得分更高(66 比 64)。两者都支持 1,050,000 token 的上下文。
哪个延迟更低?
GPT-5.6 Terra 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 19.2 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。
第三方基准测试对 GPT-5.6 Terra 和 GPT-6.1 Terra 的看法一致吗?
在两者都有结果的 19 项基准测试中,GPT-5.6 Terra 领先 0 项,GPT-6.1 Terra 领先 19 项。所有同时评测两者的综合评分都认为 GPT-6.1 Terra 更强。
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。