BenchLeader

GPT-6.1 Terra vs GPT-6 Astra

完整资料:GPT-6.1 Terra(OpenAI)和 GPT-6 Astra(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-6.1 Terra 与 GPT-6 Astra 的质量不相上下(BenchLeader Index 64.1 比 67.3,在 ±3.6 的误差范围内)。GPT-6.1 Terra 更便宜,对方的价格是它的 10 倍(每百万 token 混合价格 $2.00 比 $20.00)。看重多模态(67 比 66)和长上下文(66 比 65)选 GPT-6.1 Terra;看重知识(72 比 61)、推理(72 比 68)和编程(73 比 69)选 GPT-6 Astra。GPT-6.1 Terra 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • GPT-6.1 Terra 的 BenchLeader Index 为 64.1,GPT-6 Astra 为 67.3(BenchLeader,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 Astra 每百万 token 混合价格为 $20.00(标价,2026年11月16日)。
  • GPT-6.1 Terra 比 GPT-6 Astra 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 55 项基准测试中,GPT-6 Astra 领先 47 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GPT-6.1 Terra 的评分为 1678,GPT-6 Astra 为 1764(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 Astra类别得分 73 比 69;Arena WebDev 1764 比 1678中
智能体与工具调用均可类别得分 63 比 64;Terminal-Bench 53.3% 比 60.3%均可
数学均可类别得分 72 比 71;FrontierMath Tiers 1–3 90.9% 比 93.7%均可
推理GPT-6 Astra类别得分 72 比 68;GPQA Diamond 95.8% 比 94.3%中
知识GPT-6 Astra类别得分 72 比 61;SimpleQA Verified 75.6% 比 57.3%高
长文档GPT-6.1 Terra类别得分 66 比 65;AA-LCR v1.1 82.7% 比 80.7%中
图像及其他媒体GPT-6.1 Terra类别得分 67 比 66;MMMU-Pro 84.7% 比 86.9%中
对话质量(人类偏好)–只有 GPT-6 Astra 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 $20.00;智能体编程会话 $0.080 比 $0.800–
首次回答最快GPT-6.1 Terra首个回答 token 150.9 秒(GPT-6.1 Terra (max))比 198.4 秒(GPT-6 Astra (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-6.1 Terra (max) 与 GPT-6 Astra (max) 的质量不相上下(64.1 比 67.3,在 ±3.6 的误差范围内)。
  • GPT-6.1 Terra (max) 在长上下文、数学、多模态方面更强。
  • GPT-6 Astra (max) 在智能体与工具、编程、综合、知识、推理方面更强。
  • GPT-6.1 Terra (max) 更便宜,对方的价格是它的 10 倍(每百万 token 混合价格 $2.00 比 $20.00)。
  • GPT-6.1 Terra (max) 的输出速度是对方的 1.8 倍(72 比 41 token/秒)。

概览

规格GPT-6.1 TerraGPT-6 Astra
提供商OpenAIOpenAI
发布日期2026年10月26日2026年9月2日
上下文窗口(token)1,050,0001,050,000
对比时的配置GPT-6.1 Terra (max)GPT-6 Astra (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$1.00 / $5.00 / $0.050$10.00 / $50.00 / $1.00

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-6.1 Terra (max)GPT-6 Astra (max)领先者
推理68.472.4GPT-6 Astra
编程69.373.2GPT-6 Astra
智能体与工具63.463.9持平
数学71.770.8持平
知识61.472.3GPT-6 Astra
人类偏好–66.2无法比较
多模态67.265.6GPT-6.1 Terra
长上下文66.065.0GPT-6.1 Terra
综合65.071.3GPT-6 Astra

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-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: 67.2GPT-6 Astra, 推理: 72.4GPT-6 Astra, 编程: 73.2GPT-6 Astra, 智能体与工具: 63.9GPT-6 Astra, 数学: 70.8GPT-6 Astra, 知识: 72.3GPT-6 Astra, 长上下文: 65.0GPT-6 Astra, 多模态: 65.6

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 55 项基准测试中,GPT-6.1 Terra 领先 7 项,GPT-6 Astra 领先 47 项,1 项持平。所有同时评测两者的综合评分都认为 GPT-6 Astra 更强。

综合 IndexGPT-6.1 Terra (max)GPT-6 Astra (max)领先者
BenchLeader Index64.167.3不相上下
AA Intelligence Index v5.0.151.356.9GPT-6 Astra
Vals Index60.565.0GPT-6 Astra

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-6.1 Terra (max)GPT-6 Astra (max)
每百万 token 混合价格$2.00$20.00
每百万 token 输入 / 输出$1.00 / $5.00$10.00 / $50.00
每百万 token 缓存输入$0.050$1.00
每项任务价格:聊天回复$0.0019$0.019
每项任务价格:总结一份 30 页的报告$0.015$0.150
每项任务价格:代码编辑$0.013$0.135
每项任务价格:智能体编程会话$0.080$0.800
每项任务价格:结构化信息提取$0.0030$0.030
智能体编程会话(输入大多命中缓存)$0.037$0.395
每项基准测试任务成本(AA Index)$0.961$6.24
每项任务输出 token(AA Index)60k52k
其中推理部分39k36k
每项任务耗时(AA Index)14 min21 min
输出速度72 tok/s41 tok/s
首次回答时间150.9 秒198.4 秒
完整回答耗时(最近一次测量 2026年11月13日)375.7 秒533.7 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 GPT-6.1 Terra (max) 上花费 $0.961,在 GPT-6 Astra (max) 上花费 $6.24;完成同样的工作,GPT-6.1 Terra (max) 输出的 token 是对方的 1.2 倍。

每个模型都按其排名最高的推理强度设置进行对比。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)。GPT-6 Astra (max) 得分 67.3,首个回答 token 需 198 秒;GPT-6 Astra 为 66.4(5 秒),GPT-6 Astra (high) 为 66.3(49 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 172 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-6.1 Terra (max)GPT-6 Astra (max)
BenchLeader IndexBenchLeader64.167.3
智能体与工具得分BenchLeader63.463.9
编程得分BenchLeader69.373.2
综合得分BenchLeader65.071.3
知识得分BenchLeader61.472.3
长上下文得分BenchLeader66.065.0
数学得分BenchLeader71.770.8
多模态得分BenchLeader67.265.6
推理得分BenchLeader68.472.4
人类偏好得分BenchLeader–66.2
混合价格(美元/百万 token)BenchLeader$2.00$20.00
输出速度BenchLeader72 tok/s41 tok/s
首次回答时间BenchLeader150.9 秒198.4 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.3%95.8%
Humanity's Last ExamScale AI / CAIS–54.8%†
SimpleBenchSimpleBench72.2%†83.6%†
Arena Hard PromptsArena (LMArena)–1500
LiveBench 2.0 ReasoningLiveBench88.7%92.7%
LiveBench 1.0 ReasoningLiveBench–92.7%
GPQA Diamond (AA)Artificial Analysis–96.1%
Humanity's Last Exam (AA)Artificial Analysis46.3%54.7%
HLE-Diamond (AA)Artificial Analysis47.3%63.8%
ARC-AGI-1ARC Prize–97.5%
ARC-AGI-2ARC Prize–95.0%
ARC-AGI-3ARC Prize–98.6%
CritPtArtificial Analysis28.0%31.7%
CritPt v2 hard subset (AA)Artificial Analysis68.0%70.5%
MysteryMechanismVals AI–53.1%
HLE-Diamond (Scale)Scale AI SEAL35.7%†60.6%†
Arena ExpertArena (LMArena)–1517
Chess PuzzlesEpoch AI Benchmarking Hub–74.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub74.0%84.0%
LMCAEpoch AI Benchmarking Hub–64.1%†
DTBenchEpoch AI Benchmarking Hub–97.1%†
ForecastBenchForecastBench–66.6%†
BTF-3Epoch AI Benchmarking Hub–13.5%†
编程
SciCodeSciCode55.1%56.5%
WeirdMLWeirdML–93.3%
显示全部 172 项基准测试
指标发布方GPT-6.1 Terra (max)GPT-6 Astra (max)
编程
FrontierCodeCognition–53.3%
GSO-BenchGSO-Bench–79.4%†
Arena CodingArena (LMArena)–1548
Arena WebDevArena (LMArena)16781764
LiveBench 2.0 CodingLiveBench89.2%87.5%
LiveBench 1.0 CodingLiveBench–80.4%
IOIVals AI–100.0%
Code MigrationVals AI–67.7%
Code Migration v1.1Vals AI–80.6%
ProgramBenchVals AI–5.5%
SWE-bench MultimodalVals AI–43.3%
Vibe Code Bench 1-100Vals AI–27.6%
Vibe Code Bench v1.1Vals AI84.0%89.6%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–59.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL–59.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL–50.7%†
SWE Atlas v1.1Scale AI SEAL57.7%†69.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL54.0%†70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%†66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†71.4%†
SWE-Bench Pro V2Scale AI SEAL–96.9%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub76.7%60.0%
DeepSWE v1.1Epoch AI Benchmarking Hub–73.2%
ALE-BenchEpoch AI Benchmarking Hub2608.82951.3
FrontierSWEEpoch AI Benchmarking Hub–65.5%
WeirdML v3WeirdML28.1%†42.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis55.6%59.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.4%
Startrise FrontendStartrise–79.9%†
GameBench 2 OverallDuelLab GameBench 281.2†88.8†
GameBench 2 by reasoning settingDuelLab GameBench 285.8†94.3†
Design Arena WebsiteDesign Arena1286†1338
FrontierCode 1.1 (AA)Artificial Analysis36.0%47.0%
FrontierCode 2.0 (AA)Artificial Analysis42.3%42.4%
智能体与工具
Terminal-BenchTerminal-Bench53.3%60.3%
Remote Labor IndexScale AI / CAIS–20.8%†
APEX-AgentsMercor68.3%64.7%†
Arena AgentArena (LMArena)1214.5
LiveBench Long AgenticLiveBench56.2%75.6%
LiveBench BrowserLiveBench93.1%91.3%
LiveBench Agentic CodingLiveBench–57.3%
Terminal-Bench 2.1 (Vals)Vals AI–87.3%
HiL-BenchScale AI SEAL68.0%†65.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–53.7%
GDPval-AA v2.1Artificial Analysis14761587
τ³-Banking (AA)Artificial Analysis–41.4%
ITBench SRE (AA)Artificial Analysis–48.6%
Analyst Agent (AA)Artificial Analysis–51.3%
CUA-benchVals AI–19.2%
CyberBenchVals AI–41.1%
Finance Agent v2Vals AI–53.5%
Finance Agent v2.1Vals AI56.0%60.4%
Harvey's Legal Agent Benchmark v1.1Vals AI1.7%7.1%
Harvey's Legal Agent Benchmark v1Vals AI–5.4%
Legal Research BenchVals AI26.0%39.4%
Robo-benchVals AI–23.3%
SREBenchVals AI–56.9%
Tax Agent BenchVals AI17.1%20.7%
Terminal-Bench 4.0 (Vals)Vals AI49.5%59.6%
Terminal-Bench ScienceVals AI–62.9%
Time Horizon Index: KSPVals AI–90.5%
Arena SearchArena (LMArena)–1245
Arena Agent Task CompletionArena (LMArena)9.714
BALROGBALROG–68.3%
PostTrainBenchEpoch AI Benchmarking Hub–41.9%
Vending-Bench 2Andon Labs9107.5†15514.7†
SpireClimbEpoch AI Benchmarking Hub22.3%34.0%
AutomationBenchArtificial Analysis60.2%68.5%
GDP.pdf (AA)Artificial Analysis28.6%31.0%
Harvey LAB-AA v1.1Harvey–8.6%
AA-Briefcase v1.1Artificial Analysis14011569
GDPxGDPx by SemiAnalysis8.5%9.6%
Design Arena AgenticDesign Arena1192†1405
RoboDojo (LLM as robot policy)RoboDojo–29.0†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis57.6%63.3%
CWE-Bench (AA)Artificial Analysis–63.3%
DeepSec-Bench (AA)Artificial Analysis–36.9%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis43.8%50.2%
FACTS SearchGoogle92.7%†93.3%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.9%93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub92.7%97.6%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI–99.0%†
LiveBench MathematicsLiveBench–96.8%
Arena MathsArena (LMArena)–1481
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub57.3%75.6%
LiveBench 2.0 Data AnalysisLiveBench82.3%83.0%
LiveBench ResearchLiveBench79.1%90.6%
LiveBench 1.0 Data AnalysisLiveBench–83.0%
AA-Omniscience v1.1Artificial Analysis29.642.4
PRBench FinanceScale AI SEAL–47.5%†
PRBench LegalScale AI SEAL–48.4%†
BioMysteryBenchVals AI–79.3%
Excel Modeling BenchmarkVals AI–71.7%
Excel Modeling Benchmark v1.1Vals AI73.3%72.7%
MedCodeVals AI–48.5%
MedScribeVals AI–87.9%
Financial Coaching BenchVals AI–67.5%
Immigration BenchVals AI–67.7%
DrugDiscoveryBenchScale AI SEAL–68.7%
EBR-benchEpoch AI Benchmarking Hub78.1%76.2%
GDP.pdfEpoch AI Benchmarking Hub–34.2%
AA-Omniscience v1.1: accuracyArtificial Analysis47.6%61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis65.5%50.2%
HealthBench Professional (AA)OpenAI–66.0%
FACTS ParametricGoogle70.8%†83.8%†
指令遵循
LiveBench LanguageLiveBench–89.4%
LiveBench Instruction FollowingLiveBench–75.6%
MultiChallengeScale AI SEAL74.2%†–
Arena Instruction FollowingArena (LMArena)–1474
人类偏好
Arena TextArena (LMArena)–1474
EQ-Bench Creative Writing v3EQ-Bench–2177†
Arena Creative WritingArena (LMArena)–1451
Arena Multi-turnArena (LMArena)–1483
Arena Longer QueriesArena (LMArena)–1485
多模态
Arena VisionArena (LMArena)–1279
LiveBench DesignLiveBench79.7%80.0%
MMMU-ProArtificial Analysis84.7%86.9%
Humanity's Sixth SenseScale AI SEAL–53.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub42.1%†49.7%†
Furniture AssemblyEpoch AI Benchmarking Hub79.2%80.0%
VIALS-AAHandshake AI60.3%62.7%
Code2Video-AAArtificial Analysis–1427
AA-3DArtificial Analysis–1168
FACTS MultimodalGoogle48.8%†55.2%†
长上下文
AA-LCR v1.1Artificial Analysis82.7%80.7%
Arena DocumentArena (LMArena)–1474
MLCRArtificial Analysis30.6%41.7%
FACTS GroundingGoogle84.2%†80.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.7†169†
LiveBench 2.0LiveBench78.8%84.5%
LiveBench 1.0LiveBench–82.2%
AA Intelligence Index v5.0.1Artificial Analysis51.356.9
AA Intelligence Index v4.3.2Artificial Analysis48.152.7
AA Progress Index v1Artificial Analysis345.2349.6
Vals IndexVals AI60.565.0
Vals Finance IndexVals AI53.3%55.6%
Vals RSI IndexVals AI–27.1%
Vals Science IndexVals AI–65.1%
Vals Router IndexVals AI–65.0%†
Vals Legal IndexVals AI58.8%68.4%
AA Cyber IndexArtificial Analysis–33.4
安全与诚实
FORTRESSScale AI SEAL18.2%†12.1%†
DistressBenchScale AI SEAL65.9%†74.3%†

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 Astra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6 Astra (max):1 项分数修订。
  • 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 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
  • GPT-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
  • GPT-6.1 Terra (max):1 项新结果(MirrorCode)。
  • GPT-6 Astra (max):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。

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-6.1 Terra vs GPT-6 Astra:常见问题

GPT-6.1 Terra 比 GPT-6 Astra 更好吗?
GPT-6.1 Terra (max) 与 GPT-6 Astra (max) 的质量不相上下(64.1 比 67.3,在 ±3.6 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-6.1 Terra 和 GPT-6 Astra 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 $20.00(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-6.1 Terra 还是 GPT-6 Astra 更好?
GPT-6 Astra 在编程方面得分更高(类别得分 73 比 69,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,GPT-6.1 Terra 为 1678,GPT-6 Astra 为 1764。
GPT-6.1 Terra 和 GPT-6 Astra 哪个更快?
GPT-6.1 Terra 输出更快(约 1.5 倍;输出 72 比 41 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6.1 Terra 还是 GPT-6 Astra 更好?
两者在智能体任务方面持平(类别得分 63 比 64)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,GPT-6.1 Terra 为 53.3%,GPT-6 Astra 为 60.3%。
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 65)。两者都支持 1,050,000 token 的上下文。
哪个延迟更低?
GPT-6.1 Terra 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 150.9 秒比 198.4 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-6.1 Terra 和 GPT-6 Astra 的看法一致吗?
在两者都有结果的 55 项基准测试中,GPT-6.1 Terra 领先 7 项,GPT-6 Astra 领先 47 项,1 项持平。所有同时评测两者的综合评分都认为 GPT-6 Astra 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。