OpenAI 再次调低 API 标价。GPT-6.1 Terra 的标准价格为输入每百万 tokens 1 美元、输出每百万 tokens 5 美元，较 GPT-5.6 Terra 和 GPT-6.1 Sol 低约 50%。很多开发者的第一反应是：修一个 bug 的成本会不会也减半？素材给出的判断是否定的：单价更低，不等于一个完成任务更便宜。对 AI 编程场景，更值得关注的指标不是每百万 tokens 多少钱，而是“每个被接受任务成本”。
降价案例：Terra 的定位与能力边界
OpenAI 将 GPT-6.1 Terra 描述为快速、高效模型，API 名称为 gpt-6.1-terra，典型场景是高吞吐自动化，例如读取发票并录入会计软件。Plus、Pro、Enterprise、Edu 用户可在 ChatGPT Work 和 Codex 中使用，开发者也可通过 API 调用。OpenAI 还称，在相同使用配额下，它可比 GPT-5.6 Terra 完成更多任务。
从发布基准看，Terra 在 Agents’ Last Exam 中等推理强度下比 GPT-5.6 Terra 高约 15 个百分点，成本约为后者三分之一；在 Terminal-Bench 4.0 最大推理强度下解决 50.3% 任务，而 GPT-5.6 Terra 公开成绩为 21.5%。不过，OpenAI 同时表示，最复杂编程工作仍更适合 GPT-6.1 Sol 和 GPT-6 Astra。这意味着模型选择不能只看单价，还要看任务复杂度与适配范围。
真正要算的账：模型支出、重试和人工清理
按官方价格，一次调用成本由普通输入、缓存输入和输出组成。普通输入涵盖代码文件、错误日志和提示词，价格为每百万 tokens 1 美元；缓存输入价格为 0.05 美元，为普通输入的第二十分之一。输出包括补丁、解释和推理 tokens，价格为 5 美元，是输入单价的 5 倍。提高推理强度会增加输出，从而抬高单次成本。
- 失败重试会再次计费，且错误日志会随新一轮调用进入输入。
- 错误补丁消耗过的 tokens 不会退还。
- 工程师花 15 分钟排查模型改动，成本可能高于数十次 API 调用。
作者使用的公式是：每个被接受任务成本 =（模型总支出 + 人工清理成本）/ 通过验收的任务数。这里的“被接受”也包括经人工修改后才通过的任务；如果要单独评估模型能力，还应记录无人工帮助即通过的比例。缓存命中与否也会影响重试成本，素材提到可把稳定项目说明和文件内容放在前面，把本轮错误文本放在后面，以提升命中概率。
行业意义：从“每百万 Token”转向“可验收任务”
围绕“十分之一成本”的讨论，素材提到 OpenAI 有两处接近表述：一是在 Agents’ Last Exam 上，Terra 表现可比 GPT-6 Astra，而每个 token 成本约为后者十分之一；二是在最大推理强度下，Terra 的 token 效率超过 Claude Opus 5.5 的 3 倍，且每个 token 成本约为四分之一，因此每任务成本约为九分之一。这些说法都不是“修一个 bug 的成本降到十分之一”。
对 AI 编程团队而言，GPT-6.1 Terra 的降价提供了一个重新计价的样本：上下文长度、缓存命中率、重试次数、任务接受率、人工验证成本，都会决定最终账单。单个“花一两美元完成一个小游戏”的案例如果缺乏统一验收标准，也很难折算成真实成本。低单价是节省的必要条件，但不是充分条件；当不同模型的通过率相近时，降价才会变成真实节省。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/token-ban-jia-bu-deng-yu-xiu-bug-ban-jia-gpt6-1-terra-dai
