GPT-6.1 Terra
性价比更高: Gemini 3.7 Flash $1.50/M 即可获得 Index 62.1,便宜 25%。
没有比它更便宜且得分更高的已排名模型:它位于价格前沿上。
截至 2026年11月16日,GPT-6.1 Terra(OpenAI)在 BenchLeader Index 上得分 64.1(在 608 个已排名配置中前 50 名)。表现最好的是数学(72),最弱的是知识(61)。API 价格为输入每百万 token $1.00、输出每百万 token $5.00(按 3:1 混合为 $2.00),为 2026年11月16日的标价。输出速度约为 72 token/秒(Artificial Analysis)。发布于 2026年10月26日。
要点(截至 2026年11月16日)
- GPT-6.1 Terra 的 API 价格为输入每百万 token $1.00、输出每百万 token $5.00(按 3:1 混合为 $2.00)(标价,2026年11月16日)。
- GPT-6.1 Terra 的输出速度约为 72 token/秒(Artificial Analysis,2026年11月16日)。
- GPT-6.1 Terra 于 2026年10月26日发布(OpenAI)。
详细说明:GPT-6.1 Terra 是 OpenAI 的闭源推理模型,发布于 2026年10月26日。其最佳配置(推理强度 max)在 BenchLeader Index 上得分 64.1 ±2.0,在 608 个配置中排第 32 名,处于上半区。关键在于这个“±”:另有 92 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,数学得分最高(72),知识最低(61)。按混合价格计,每百万 token $2.00,比大多数已排名模型贵。输出速度为 72 token/秒,首次回答需 150.9 秒,比大多数模型慢。它已在 8 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $2.00/M
- 输入 $1.00 · 输出 $5.00
- 来源:Artificial Analysis
- 输出速度
- 72 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 151 s
- 首 token 2.63 s
- 上下文
- 1.1M
- 来源:models.dev
- 完整回答
- 376 s
- 最近一次测量 2026年11月13日
- 单任务成本
- $0.961
- 每项任务 14 min,AA Index
- 单任务 token 数
- 60k
- 其中 66% 为推理
- 发布日期
- 2026年10月26日
- 综合 Index64
- 推理68
- 编程69
- 智能体与工具63
- 数学72
- 知识61
- 多模态67
- 长上下文66
- 综合65
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/gpt-6-1-terra)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
OpenAI 以这个名称发布过 2 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| GPT-6.1 Terramax本页 | 2026年10月26日 | 64.1 | #32 |
| GPT-5.6 Terraxhigh | 2026年7月9日 | 60.1 | #83 |
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
| 推理强度 | Index | 排名 | 速度 | 首次回答 | 聊天回复成本 | 类别 |
|---|---|---|---|---|---|---|
| 无推理 | 51.8 | #301 | 67 tok/s | 2.35 s | $0.0019 | 编程 59 · 知识 42 · 长上下文 58 · 多模态 58 · 推理 45 |
| low | 56.6 | #177 | 64 tok/s | 2.71 s | $0.0019 | 编程 55 · 知识 57 · 长上下文 65 · 多模态 65 · 推理 55 |
| medium | 58.5 | #127 | 65 tok/s | 4.52 s | $0.0019 | 编程 62 · 知识 59 · 长上下文 65 · 多模态 65 · 推理 59 |
| high | 59.6 | #100 | 68 tok/s | 10 s | $0.0019 | 编程 64 · 知识 60 · 长上下文 66 · 多模态 66 · 推理 62 |
| xhigh | 60.0 | #92 | 70 tok/s | 30 s | $0.0019 | 编程 64 · 知识 61 · 长上下文 66 · 多模态 66 · 推理 65 |
| max最佳 | 64.1 | #32 | 72 tok/s | 151 s | $0.0019 | 智能体与工具 63 · 编程 69 · 综合 65 · 知识 61 · 长上下文 66 · 数学 72 · 多模态 67 · 推理 68 |
| Pro 模式 | – | – | 48 tok/s | 2.63 s | $0.0019 | |
| 未说明 | – | – | 48 tok/s | 2.63 s | $0.0019 | 智能体与工具 67 · 指令遵循 69 · 推理 64 |
多思考要多花多少
提高推理强度能换来 Index 分数,但费用会成倍增加。这里 max 的成本是 low 的 13 倍,Index 变化 +7.5,相当于支出每翻一倍提升 2.0 分。与其他模型比较。
每个点代表一种推理设置:横轴为每项 Artificial Analysis Index 任务的成本(对数刻度),纵轴为 BenchLeader Index。
Index 走势
2026年10月27日 至 2026年11月16日- max
- xhigh
- high
- medium
Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | 无推理 | low | medium | high | xhigh | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|---|
| GPQA Diamond | – | – | – | – | – | 94.3%#10 | – | Epoch AI Benchmarking Hub | |
| SimpleBench推理强度未说明 | – | – | – | – | – | – | 72.2%#24 | SimpleBench | |
| LiveBench 2.0 Reasoning不计入 Index | – | – | – | – | – | 88.7%#17 | – | LiveBench | |
| Humanity's Last Exam (AA)不计入 Index | 21.1%#227 | 35.8%#127 | 40.2%#97 | 43.3%#70 | 43.7%#64 | 46.3%#52 | – | Artificial Analysis | |
| HLE-Diamond (AA) | 14.5%#105 | 24.9%#63 | 31.3%#51 | 35.4%#43 | 42.3%#37 | 47.3%#29 | – | Artificial Analysis | |
| CritPt不计入 Index | 4.9%#174 | 15.1%#104 | 21.4%#67 | 25.7%#48 | 26.6%#43 | 28.0%#33 | – | Artificial Analysis | |
| CritPt v2 hard subset (AA) | 33.5%#69 | 50.5%#43 | 56.5%#35 | 61.5%#23 | 60.5%#27 | 68.0%#13 | – | Artificial Analysis | |
| HLE-Diamond (Scale)不计入 Index推理强度未说明 | – | – | – | – | – | – | 35.7%#9 | Scale AI SEAL | |
| Mystery Game Puzzles不计入 Index | – | – | – | – | – | 74.0%#4 | – | Epoch AI Benchmarking Hub |
编程
| 基准测试 | 无推理 | low | medium | high | xhigh | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|---|
| SciCode | 47.8%#138 | 52.4%#96 | 51.6%#105 | 51.6%#105 | 53.4%#87 | 55.1%#58 | – | SciCode | |
| Arena WebDev | – | – | – | – | – | 1678#14 | – | Arena (LMArena) | |
| LiveBench 2.0 Coding不计入 Index | – | – | – | – | – | 89.2%#3 | – | LiveBench | |
| SciCode (AA)不计入 Index | 47.8%#144 | 52.4%#95 | 51.6%#105 | 51.6%#105 | 53.4%#85 | 55.1%#61 | – | Artificial Analysis | |
| Vibe Code Bench v1.1不计入 Index | – | – | – | – | – | 84.0%#22 | – | Vals AI | |
| SWE Atlas v1.1不计入 Index推理强度未说明 | – | – | – | – | – | – | 57.7%#18 | Scale AI SEAL | |
| SWE Atlas v1.1: Codebase QnA不计入 Index推理强度未说明 | – | – | – | – | – | – | 54.0%#21 | Scale AI SEAL | |
| SWE Atlas v1.1: Test Writing不计入 Index推理强度未说明 | – | – | – | – | – | – | 63.3%#11 | Scale AI SEAL | |
| SWE Atlas v1.1: Refactoring不计入 Index推理强度未说明 | – | – | – | – | – | – | 55.7%#10 | Scale AI SEAL | |
| MirrorCode不计入 Index | – | – | – | – | – | 76.7%#7 | – | Epoch AI Benchmarking Hub | |
| ALE-Bench不计入 Index | – | – | – | – | – | 2608.8#3 | – | Epoch AI Benchmarking Hub | |
| WeirdML v3不计入 Index | – | – | – | – | 28.1%#4 | – | – | WeirdML | |
| Terminal-Bench 4.0 (AA)不计入 Index | 26.8%#71 | 15.2%#96 | 32.3%#62 | 41.9%#42 | 46.5%#35 | 55.6%#18 | – | Artificial Analysis | |
| GameBench 2 Overall不计入 Index跨设置 | – | – | – | – | – | – | 81.2#7 | DuelLab GameBench 2 | |
| GameBench 2 by reasoning setting不计入 Index | 79.3#21 | – | 78.3#24 | – | 85.8#13 | – | – | DuelLab GameBench 2 | |
| Design Arena Website不计入 Index推理强度未说明 | – | – | – | – | – | – | 1286#32 | Design Arena | |
| FrontierCode 1.1 (AA)不计入 Index | 41.0%#37 | 36.3%#53 | 43.7%#24 | 37.2%#49 | 41.4%#36 | 36.0%#54 | – | Artificial Analysis | |
| FrontierCode 2.0 (AA) | 33.4%#31 | 24.5%#55 | 34.5%#29 | 37.5%#19 | 36.9%#20 | 42.3%#7 | – | Artificial Analysis |
智能体与工具
| 基准测试 | 无推理 | low | medium | high | xhigh | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|---|
| Terminal-Bench | – | – | – | – | – | 53.3%#34 | – | Terminal-Bench | |
| APEX-Agents | – | – | – | – | – | 68.3%#8 | – | Mercor | |
| Arena Agent | – | – | – | – | – | 12#8 | – | Arena (LMArena) | |
| LiveBench Long Agentic不计入 Index | – | – | – | – | – | 56.2%#10 | – | LiveBench | |
| LiveBench Browser不计入 Index | – | – | – | – | – | 93.1%#2 | – | LiveBench | |
| HiL-Bench推理强度未说明 | – | – | – | – | – | – | 68.0%#3 | Scale AI SEAL | |
| GDPval-AA v2.1不计入 Index | 1286#120 | 1204#136 | 1324#114 | 1353#102 | 1416#85 | 1476#65 | – | Artificial Analysis | |
| Finance Agent v2.1不计入 Index | – | – | – | – | – | 56.0%#33 | – | Vals AI | |
| Harvey's Legal Agent Benchmark v1.1不计入 Index | – | – | – | – | – | 1.7%#37 | – | Vals AI | |
| Legal Research Bench不计入 Index | – | – | – | – | – | 26.0%#64 | – | Vals AI | |
| Tax Agent Bench不计入 Index | – | – | – | – | – | 17.1%#59 | – | Vals AI | |
| Terminal-Bench 4.0 (Vals)不计入 Index | – | – | – | – | – | 49.5%#13 | – | Vals AI | |
| Arena Agent Task Completion不计入 Index | – | – | – | – | – | 9.7#11 | – | Arena (LMArena) | |
| Vending-Bench 2不计入 Index推理强度未说明 | – | – | – | – | – | – | 9107.5#13 | Andon Labs | |
| SpireClimb不计入 Index | – | – | – | – | – | 22.3%#3 | – | Epoch AI Benchmarking Hub | |
| AutomationBench不计入 Index | 51.0%#103 | 56.3%#78 | 57.8%#70 | 58.5%#64 | 59.9%#56 | 60.2%#53 | – | Artificial Analysis | |
| GDP.pdf (AA)不计入 Index | 23.2%#62 | 25.6%#41 | 28.4%#20 | 28.0%#23 | 26.6%#33 | 28.6%#18 | – | Artificial Analysis | |
| AA-Briefcase v1.1不计入 Index | 1226#113 | 1032#149 | 1191#117 | 1265#105 | 1334#89 | 1401#77 | – | Artificial Analysis | |
| GDPx不计入 Index | – | – | – | – | – | 8.5%#6 | – | GDPx by SemiAnalysis | |
| Design Arena Agentic不计入 Index推理强度未说明 | – | – | – | – | – | – | 1192#37 | Design Arena | |
| Terminal-Bench-Science 0.1 (AA)不计入 Index | 24.3%#42 | 7.6%#74 | 24.8%#41 | 33.3%#36 | 41.9%#27 | 57.6%#13 | – | Artificial Analysis | |
| MKA (AA)不计入 Index | – | – | – | – | – | 43.8%#10 | – | Artificial Analysis | |
| FACTS Search不计入 Index推理强度未说明 | – | – | – | – | – | – | 92.7%#5 |
数学
| 基准测试 | max | 来源 | 趋势 |
|---|---|---|---|
| FrontierMath Tiers 1–3 | 90.9%#5 | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | 92.7%#9 | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 100.0%#1 | Epoch AI Benchmarking Hub |
知识
| 基准测试 | 无推理 | low | medium | high | xhigh | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|---|
| SimpleQA Verified | – | – | – | – | – | 57.3%#22 | – | Epoch AI Benchmarking Hub | |
| LiveBench 2.0 Data Analysis不计入 Index | – | – | – | – | – | 82.3%#6 | – | LiveBench | |
| LiveBench Research不计入 Index | – | – | – | – | – | 79.1%#22 | – | LiveBench | |
| AA-Omniscience v1.1 | -5.0#94 | 22.9#53 | 26.6#45 | 27.8#43 | 28.9#42 | 29.6#41 | – | Artificial Analysis | |
| Excel Modeling Benchmark v1.1不计入 Index | – | – | – | – | – | 73.3%#9 | – | Vals AI | |
| EBR-bench不计入 Index | – | – | – | – | – | 78.1%#3 | – | Epoch AI Benchmarking Hub | |
| AA-Omniscience v1.1: accuracy不计入 Index | 40.7%#66 | 45.6%#53 | 47.4%#46 | 47.3%#47 | 48.0%#44 | 47.6%#45 | – | Artificial Analysis | |
| AA-Omniscience v1.1: non-hallucination不计入 Index | 22.9%#112 | 58.4%#63 | 60.4%#56 | 63.0%#50 | 63.3%#49 | 65.5%#45 | – | Artificial Analysis | |
| FACTS Parametric不计入 Index推理强度未说明 | – | – | – | – | – | – | 70.8%#11 |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MultiChallenge | 74.2%#6 | Scale AI SEAL |
多模态
| 基准测试 | 无推理 | low | medium | high | xhigh | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|---|
| LiveBench Design不计入 Index | – | – | – | – | – | 79.7%#8 | – | LiveBench | |
| MMMU-Pro | 76.0%#105 | 82.5%#40 | 82.8%#36 | 83.8%#29 | 83.8%#29 | 84.7%#19 | – | Artificial Analysis | |
| Blueprint-Bench 2不计入 Index推理强度未说明 | – | – | – | – | – | – | 42.1%#6 | Epoch AI Benchmarking Hub | |
| Furniture Assembly不计入 Index | – | – | – | – | – | 79.2%#5 | – | Epoch AI Benchmarking Hub | |
| VIALS-AA不计入 Index | – | – | – | – | – | 60.3%#5 | – | Handshake AI | |
| FACTS Multimodal不计入 Index推理强度未说明 | – | – | – | – | – | – | 48.8%#12 |
长上下文
| 基准测试 | 无推理 | low | medium | high | xhigh | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|---|
| AA-LCR v1.1 | 67.7%#256 | 81.0%#69 | 80.7%#74 | 82.3%#47 | 81.7%#59 | 82.7%#40 | – | Artificial Analysis | |
| MLCR不计入 Index | – | – | – | – | – | 30.6%#18 | – | Artificial Analysis | |
| FACTS Grounding不计入 Index推理强度未说明 | – | – | – | – | – | – | 84.2%#1 |
综合
| 基准测试 | 无推理 | low | medium | high | xhigh | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | – | – | – | – | 167.7#6 | Epoch AI Benchmarking Hub | |
| LiveBench 2.0 | – | – | – | – | – | 78.8%#7 | – | LiveBench | |
| AA Intelligence Index v5.0.1不计入 Index | 30.5#64 | 29.4#69 | 38.2#44 | 42.4#39 | 45.3#33 | 51.3#20 | – | Artificial Analysis | |
| AA Intelligence Index v4.3.2不计入 Index | 33.5#112 | 36.2#90 | 41.3#62 | 43.9#48 | 45.4#38 | 48.1#26 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 318.2#71 | 316.6#79 | 328.9#37 | 334.1#28 | 337.9#24 | 345.2#12 | – | Artificial Analysis | |
| Vals Index不计入 Index | – | – | – | – | – | 60.5#13 | – | Vals AI | |
| Vals Finance Index不计入 Index | – | – | – | – | – | 53.3%#30 | – | Vals AI | |
| Vals Legal Index不计入 Index | – | – | – | – | – | 58.8%#34 | – | Vals AI |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 18.2%#34 | Scale AI SEAL | |
| DistressBench不计入 Index | 65.9%#36 | Scale AI SEAL |
GameBench 2 Overall: 81.2. GameBench 2, best reasoning setting (XHigh): 85.8. 仅供参考,不计入 BenchLeader Index。
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.
优势所在
在所有已测配置中,这个配置排名前五的基准测试。
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| Azure | 78 tok/s | 1.50 s | $1.10 | $5.50 | 1.1M | – |
| Azure | 75 tok/s | 3.01 s | $1.00 | $5.00 | 1.1M | – |
| Amazon Bedrock | 61 tok/s | 1.80 s | $1.10 | $5.50 | 1.1M | – |
| OpenAI | 56 tok/s | 1.32 s | $2.00 | $10.00 | 1.1M | – |
| OpenAI | 55 tok/s | 2.78 s | $1.00 | $5.00 | 1.1M | – |
| OpenAI | 44 tok/s | 2.69 s | $0.500 | $2.50 | 1.1M | – |
| Azure | 40 tok/s | 1.96 s | $1.20 | $6.00 | 1.1M | – |
使用情况
GPT-6.1 Terra 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商
过去 30 天的典型请求:每次请求 33.6k token、每个输出 token 对应 94 个输入 token、88% 的输入来自缓存、42% 的输出为推理内容、每次请求 0.36 次工具调用。
在 OpenRouter 上向它发送 token 最多的应用:Codex (293B)、Hermes Agent (223B)、omp (119B)、pi (103B)、Claude Code (24.9B)。
| Vercel AI Gateway 上的提供商 | 吞吐量 | 首 token | 在线率,1 天 |
|---|---|---|---|
| OpenAI | 189 tok/s | 0.95 s | 99.96% |
| Amazon Bedrock | 141 tok/s | 0.93 s | 97.66% |
| Azure | 71 tok/s | 0.79 s | 95.96% |
来源: 使用情况: OpenRouter 排名 · Vercel AI Gateway, CC BY 4.0 · T3 Code via Slopalytics · 数据截至 2026年11月16日。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.050。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0019 | $0.0016 | 2.6 min |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.015 | $0.0065 | 2.7 min |
| 代码编辑 | 6,000 / 1,500 | $0.013 | $0.0092 | 2.9 min |
| 智能体编程会话 | 60,000 / 4,000 | $0.080 | $0.037 | 3.4 min |
| 结构化信息提取 | 2,000 / 200 | $0.0030 | $0.0016 | 2.6 min |
包含该模型的编程套餐
可以使用 GPT-6.1 Terra 的订阅套餐,列出各自的用量限制和单项任务成本。
将 GPT-6.1 Terra 与以下模型对比
- GPT-6.1 Terra vs GPT-6.1 Sol
- GPT-6.1 Terra vs Gemini 4 Hydrogen
- GPT-6.1 Terra vs Claude Fable 5.2
- GPT-6.1 Terra vs Gemini 3.8 Flash
- GPT-6.1 Terra vs Gemini 4 Argon
- GPT-6.1 Terra vs GPT-5.6 Terra
- GPT-6.1 Terra vs GPT-6 Astra
- GPT-6.1 Terra vs Claude Opus 5.5
- GPT-6.1 Terra vs Gemini 3.6 Flash
- GPT-6.1 Terra vs Gemini 3.7 Flash
- GPT-6.1 Terra vs Grok 4.7
- GPT-6.1 Terra vs Gemini 4 Carbon
- GPT-6.1 Terra vs Claude Sonnet 5
- GPT-6.1 Terra vs Mimo v2 Omni
- GPT-6.1 Terra vs Muse Spark
- GPT-6.1 Terra vs GPT-6 Sol
- GPT-6.1 Terra vs Gemini 3 Pro
- GPT-6.1 Terra vs Gemini 3.5 Flash
- GPT-6.1 Terra vs Kimi K2.6
- GPT-6.1 Terra vs GLM 5.2
- GPT-6.1 Terra vs Gemini 3.1 Pro
- GPT-6.1 Terra vs Claude Opus 5
- GPT-6.1 Terra vs Muse Spark 1.3
- GPT-6.1 Terra vs GPT-5.3-Codex
- GPT-6.1 Terra vs Claude Sonnet 5.5
- GPT-6.1 Terra vs Muse Wonder Full
- GPT-6.1 Terra vs GPT-5.5
- GPT-6.1 Terra vs Muse Wonder
- GPT-6.1 Terra vs Claude Opus 4.7
- GPT-6.1 Terra vs GPT-5.4 Pro
- GPT-6.1 Terra vs GPT-5.4
- GPT-6.1 Terra vs GPT-5.6 Sol
- GPT-6.1 Terra vs Claude Fable 5
- GPT-6.1 Terra vs Claude Opus 4.6
- GPT-6.1 Terra vs Muse Spark 1.1
- GPT-6.1 Terra vs Qwen3.6 Max
- GPT-6.1 Terra vs Kimi K3.1 Pro
- GPT-6.1 Terra vs Muse Spark 1.2
- GPT-6.1 Terra vs Claude Fable 5.1
- GPT-6.1 Terra vs Kimi K3.1 Pro Together
- GPT-6.1 Terra vs Muse Spark Open 816B A42B
- GPT-6.1 Terra vs DeepSeek V4.1 Flash 1017
另请参阅
嵌入或引用
在模型卡片或 README 中展示 GPT-6.1 Terra 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/gpt-6-1-terra)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). GPT-6.1 Terra on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-6-1-terra
BibTeX:
@misc{benchleader_gpt_6_1_terra_20261116,
author = {{BenchLeader}},
title = {{GPT-6.1 Terra on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/gpt-6-1-terra}},
note = {Data as of 2026-11-16}
}常见问题
- GPT-6.1 Terra 的基准测试得分是多少?
- 截至 2026年11月16日,GPT-6.1 Terra(推理强度 max)的 BenchLeader Index 为 64.1 ±2.0(前 50 名)。最强的是数学(72),最弱的是知识(61)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- GPT-6.1 Terra 排名第几?
- 截至 2026年11月16日,GPT-6.1 Terra(推理强度 max)在 608 个已排名配置中排第 32 名(前 50 名)。另有 92 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- GPT-6.1 Terra 每百万 token 的价格是多少?
- 截至 2026年11月16日,GPT-6.1 Terra 的价格为输入每百万 token $1.00、输出每百万 token $5.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $2.00。
- GPT-6.1 Terra 比 GPT-5.5 更好吗?
- 截至 2026年11月16日,GPT-5.5(推理强度 xhigh)与 GPT-6.1 Terra(推理强度 max)的质量不相上下(BenchLeader Index 64.1 比 64.1,在 ±4.4 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- GPT-6.1 Terra 是什么时候发布的?
- OpenAI 于 2026年10月26日发布了 GPT-6.1 Terra。BenchLeader 收录了它在 8 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《GPT-6.1 Terra:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gpt-6-1-terra。