OpenAI 准备 GPT-6.1 Terra：内部代码显示它将以更低成本超越 Sol

OpenAI 没有宣布 GPT-6.1 Terra，也不需要宣布。10 月 25 日，社区研究者 Salio 指出了 GitHub 员工 Nate Finch 的一条公开 GitHub 提交，显示生产环境的 Copilot 配置已经悄悄把 OpenAI 当前的中高端主力模型 GPT-6.1 Sol 换成了一个尚未发布、名为 gpt-6.1-terra 的模型，用于代码审查、修订、集成检查和 CI 流水线。九天前，微软的 EF Core 团队合并了一个拉取请求，把 18 项评测任务的评判模型从 gpt-5.6-terra 改为 gpt-6.1-terra。两家公司都没有发声，代码却说得明明白白。

这一消息出现在 OpenAI 为期 28 天的 Codex 冲刺期间（公开承诺在 11 月 2 日前每天发布编程方面的改进），此前 Anthropic 于 9 月 22 日发布了 Claude Opus 5.5，引发了开发者模型采用的明显转移，也给 OpenAI 的中档定价带来了结构性压力。据 The Information 报道，OpenAI 打算让 GPT-6.1 Terra 在性能上超过 GPT-6.1 Sol、价格上低于它，这种组合将重塑整个 GPT-6.1 家族的经济账。

一个给上级模型批改作业的中档模型

让 Terra 这次曝光不同寻常的技术细节，不是模型本身的存在（按 OpenAI 的命名惯例，出现一个 gpt-6.1-terra 条目并不奇怪），而是它被分配的角色。微软的 EF Core 评测框架用一个名为 judge_model 的字段，指定由哪个语言模型对其他模型生成的输出在正确性、风格和质量上打分。更新后的配置，据社区观察者对这次微软模型配置变更的记录，把这个字段统一设为 gpt-6.1-terra：

judge_model: gpt-6.1-terra
executor: copilot-sdk
judge_reasoning_effort: medium

执行模型，也就是真正干活的那个，仍然是 GPT-6.1 Sol。Terra 是评估者。

在以大语言模型充当评判的设置中（经 MT-Bench 及后来的自动化评估框架推广），之所以选某个模型当评判，是因为它在评估领域比被评分的模型能给出更可靠的区分。一个以 medium 推理强度运行、在代码质量评分上给出比 Sol 更好信号的评判模型，是一个值得注意的数据点：它表明即使不分配满额推理强度，Terra 在代码理解任务上也比 Sol 有实质优势。judge_reasoning_effort: medium 这个设置是刻意的；如果 Terra 需要 high 才能超过 Sol，效率上的理由就会减弱。

GitHub Copilot 的这条提交把这一图景延伸到了生产环境。过去由 Sol 处理的最耗推理的 Copilot 工作流（代码审查、代码审查修订、集成分析、CI 检查），现在都由 Terra 承担。这不是补充，而是在那些对处理代码的模型要求最高区分推理质量的任务上直接替换。

本该更小的那一档，如今成了主力

OpenAI 的 GPT-6 命名遵循一个天体尺度：Luna（经济档）、Terra（均衡中档）、Sol（中高端）、Astra（旗舰）。这个顺序暗示着清晰的能力层级：Luna 处理快速廉价的任务，Sol 提供接近旗舰的编程性能，Astra 位居顶端。Terra 被定位为高性价比的中间选项，足以胜任日常负载，但不适合要求最高的任务。

GPT-6.1 Sol 于 9 月 29 日在 OpenAI 开发者大会上发布，定价为每百万 token 输入 2 美元、输出 10 美元，上下文窗口 105 万 token，在智能体编程和电脑操作任务上的性能接近 Astra。其前身 GPT-5.6 Terra 于 7 月 9 日发布，定价为每百万 token 输入 2.50 美元、输出 15 美元，虽然档位更低，输出价格却比 Sol 还高，直到7 月 30 日降价后降至输入 2 美元、输出 12 美元。

如果 The Information 的描述属实，GPT-6.1 Terra 预计定价将低于 GPT-6.1 Sol 每百万输出 10 美元的价格，同时在代码推理任务上超过 Sol。这造成了一个命名结构原本没有考虑到的悖论：一个以中档为卖点的模型，推理能力和价格都压过了它上面那一档。

社区观察者立刻指出了这一矛盾。X 上的 AI 评论者 TokenGremlin 说得很直接：从月亮到恒星的命名序列本该是一个能力梯度，而在 Terra 的证据出现后，它看起来描述的是一份价目表，而不是一把经过测量的性能阶梯。这个担忧并非小事。当一个模型的市场档位与它表现出的能力脱节，档位标签就失去了为开发者挑选生产模型提供购买指引的作用。

延伸阅读：OpenAI 给 ChatGPT Pro 加入并行智能体，GPT-6 可同时处理多任务

为什么 Anthropic 的定价动作逼得 OpenAI 出牌

Terra 推进的时机与 9 月的竞争变化密不可分。9 月 22 日，Anthropic 发布了 Claude Opus 5.5。这次发布引发了开发者模型采用的明显转移，推动因素不只是高端的 Opus 5.5 采用，还有开发者很快发现的一种用法：用便宜的 Haiku 5.5 处理大量日常任务，用 Opus 5.5 处理高难度推理，完全绕过中等价位的模型。

这种用法的经济账很简单，而且对 OpenAI 的中档不利。如果 Haiku 5.5 以每千 token 不到一美分的成本处理一条流水线 90% 的量，Opus 5.5 处理剩下 10% 需要认真推理的部分，开发者就永远不会去用一个输出每百万 10 美元的中端模型。GPT-6.1 Sol 恰好处在 Haiku 加 Opus 这种用法刻意避开的价格区间。

沃顿商学院教授 Ethan Mollick 公开展示了这一转变的高端一侧：他介绍说，自己利用 Claude Opus 5.5 的长上下文和推理能力，完全通过模型主导的代码生成重建了新书的官方网站，中途没有退回到任何中端模型。独立开发者 Andrew Curran 在一条被广泛引用的 X 帖子中提到，在两周时间里，他的时间线上公开宣布从 OpenAI 转向 Anthropic 的人比以往任何时候都多；他与两家公司都没有财务关系。

尚未部署的模型进一步巩固了 Anthropic 的竞争地位。截至 10 月 25 日，Fable 5.5 尚未发布，Anthropic 下一次冲击前沿仍是一张未翻开的牌。

从 Terra 的证据来看，OpenAI 的战略回应是自己蚕食 Sol，而不是任由 Anthropic 从外部蚕食它。推出一个价格低于 Sol、代码推理能力相当或更强的模型，就消除了 Haiku 加 Opus 用法所利用的中档空缺。如果 Terra 的定价落在每百万输出 token 5–6 美元左右，代码审查区分能力又强于 Sol，开发者在代码密集型工作流中选择 Anthropic 组合的主要经济理由就不复存在了。

延伸阅读：Azure 目录现 Anthropic Fable 5.5，新模型瞄准目标推断 👉 延伸阅读：Anthropic 发布常驻智能体 Claude Duet，由 Opus 5.5 驱动

OpenAI 手里尚未揭晓的牌

Terra 并不是唯一一个通过间接证据浮出水面的 OpenAI 模型。10 月 23 日，社区观察者报告称，在 LMSYS Chatbot Arena（前沿模型常在发布前于此测试的社区基准平台）上出现了两个标识为 shooting-star-red-alpha 和 shooting-star-green-alpha 的模型。它们的架构和用途仍未确认。一些社区分析人士认为，它们可能是不同参数规模、或采用更激进混合专家设计的 Terra；另一些人推测，它们是一个新的图像或多模态生成模型家族，与最近发现的 aurora-red、aurora-green 和 aurora-blue 这几个 alpha 模型不同；后者于 10 月 17–18 日出现在 OpenAI API 中，普遍被认为是一个新的图像生成系列。

这两类看起来是不同的。Aurora 标识出现在 API 基础设施中，带有视觉生成的特征；shooting-star 模型则出现在 Arena 中，评测条件是对话或编程模型的典型条件。如果 shooting-star 变体是不同能力点上的 GPT-6.1 Terra，比如一个较小参数的版本和一个较大的混合专家变体，那么这次产品发布将让 OpenAI 在一次推出中同时填补代码推理评判的角色和一个更广泛的通用价格档位。这仍属推测。

正式发布前仍未核实的内容

GPT-6.1 Terra 的几项关键参数尚未确定。OpenAI 没有公布它的上下文窗口（可能与 GPT-6.1 Sol 的 105 万 token 相同，也可能不同）、架构或定价。它对 Sol 的性能优势，依据的是三个数据点：18 个微软评测配置中的评判模型选择、Copilot 生产环境中的替换，以及 The Information 付费墙后关于其意图的报道。这些都不构成第三方可复现的公开基准。

以大语言模型充当评判的架构本身也有结构性的保留。一个与 Sol 在相似代码理解数据上训练的模型，可能会给 Sol 风格的输出打出虚高的分数，同时漏掉一个差异更大的评判模型能抓到的失效模式。judge_reasoning_effort: medium 这一配置是高效的，但并非万无一失：它是生产成本上的权衡，而不是 medium 强度足以胜任所有评估任务的信号。

GPT-6.1 Terra 目前没有任何独立基准结果。社区关于「低档打败高档」的预测（援引 Anthropic 自己最近 Haiku 对阵中端竞品表现超出预期的经历），作为假设说得通，但仍只是预测。

OpenAI 押下的结构性赌注

Terra 在正式发布前就进入生产部署，其更深层的意义在于它揭示了 OpenAI 对当前竞争局面的回应。OpenAI 没有通过营销或渐进式能力更新来守住 Sol 的价位，而是似乎在加速蚕食自己的产品档位。一个给 Sol 的输出打分、并以更低成本接手 Sol 工作负载的模型，不是对 GPT-6.1 产品线的补充，而是一个结构性的论断：Sol 每百万输出 10 美元的价格撑不过下一个定价周期。

OpenAI 的 Codex 冲刺将于 11 月 2 日结束。如果 Terra 在这个窗口内或之后不久发布，时机会让它成为这次冲刺的头号成果：它缩小与 Anthropic 在代码推理上的成本差距，靠的不是在高端追平 Opus 5.5，而是让中档的经济账对 Haiku 加 Opus 策略不再成立。关注这一领域的开发者要问的，不是 Terra 是否真实存在（代码已经说明了），而是它公布的定价是否足够激进，能改变自 9 月以来一直把流水线推向 Anthropic 的那笔账。