GPT-6.1 Terra 与 GPT-6 Luna：视觉推理还是高容量自动化？
GPT-6.1 Terra 和 GPT-6 Luna 都是 OpenAI 当前模型阵容中的高效成员，但“高效”一词描述了两种不同的优先级。Terra 围绕视觉推理、精确的计算机使用和清晰的写作进行设计。Luna 是 OpenAI 针对专注、高量任务的成本效率最高的模型。
对于运维团队来说，这种差异可能决定整个系统设计。视觉检查工作流程可能受益于 Terra 的专业化，而分类、提取及其他范围明确的作业则可能更青睐 Luna 显著更低的 token 价格。
规格对比
| 规格 | GPT-6.1 Terra | GPT-6 Luna |
|---|---|---|
| 模型 ID | gpt-6.1-terra | gpt-6-luna |
| 主要角色 | 视觉推理与计算机使用 | 专注、高量工作 |
| 上下文窗口 | 1,050,000 个令牌 | 1,050,000 个令牌 |
| 最大输出 | 128,000 个令牌 | 128,000 个令牌 |
| 知识截止日期 | 2026年6月1日 | 2026年5月18日 |
| 标准输入 | 每100万tokens $1.00 | 每100万tokens $0.10 |
| 标准输出 | 每100万Token 5.00美元 | 每100万Token 0.50美元 |
| 缓存输入 | 每100万Token $0.05 | 每100万Token $0.01 |
| 推理努力 | 无到最大 | 无到最大 |
| 图像输入 | 支持 | 支持 |
两者均支持文本和图像输入、文本输出、流式传输以及主要的 Responses API 工具。两个模型页面均未列出原生音频或视频输入。核心问题在于，Terra 的视觉与计算机使用导向是否足以显著提升您所接受的结果，从而证明标准非缓存输入与输出令牌费率之间十倍差异的合理性。
选择 Terra 进行视觉与屏幕判断
Terra 是一个强有力的初步测试，当模型必须推理图像或界面的含义，而不仅仅是提取明显的文本时。示例包括检测产品照片与其列表之间的不匹配、比较活动变体、解读技术图纸，或检查故事板画面是否遵循参考。
基于屏幕的工作也涉及空间上下文。模型可能需要识别正确的控件、理解当前的应用状态，并判断某个操作是否安全。Terra 的官方定位使其特别适用于这类问题。
在以下情况下使用 Terra：
- 元素之间的视觉关系很重要。
- 工作流程包括截图和计算机操作。
- 最终输出需要清晰的解释或修订说明。
- 遗漏的差异会带来有意义的后续成本。
- 该任务可以根据可见证据进行验证。
选择 Luna 处理窄范围、重复性任务
Luna的优势在于经济性。按当前标准价格计算，一百万输入token和一百万输出token使用Luna需花费0.60美元，而使用Terra则需6.00美元。虽然实际请求的输入输出量差异很大，但在大规模应用时，这种相对差距仍然重要。
Luna值得针对具有稳定指令和清晰输出模式的聚焦任务进行评估：路由支持消息、提取字段、分配标签、总结短记录或生成标准化变体。它还支持图像输入，因此当验收标准简单明了时，可能实现低成本的视觉分类。
在以下情况下使用Luna：
- 这个任务重复性强且步骤紧凑。
- 模式定义了所需的结果。
- 吞吐量和单位成本占主导地位。
- 人工或自动验证成本低廉。
- 评估显示，额外的视觉推理带来的益处甚微。
更好的架构：按难度路由
许多团队并不需要为每个请求都选择同一个模型。一个实用的流程是，常规情况先用Luna处理，而将不确定、视觉复杂或高影响的项目交给Terra。
例如，Luna 可以从一批产品图像中提取可见标签，并将其与已知的目录字段进行比对。那些置信度低、文本冲突或布局异常的项目随后可交由 Terra 进行更具上下文关联的审查。最终系统应使用可量化的路由信号——而非仅凭一句自我报告的置信度说明。
有用的信号包括：模式验证失败、两次处理结果不一致、缺少必要证据、图片尺寸异常，或审阅者定义的风险类别。
成本场景
想象一个每月有5000万未缓存输入令牌和500万输出令牌的标准模式任务：
- Terra：50 × $1 + 5 × $5 = $75。
- Luna：50 × $0.10 + 5 × $0.50 = $7.50。
现在假设Luna将15%的案件分配给Terra。路由设计可能保留Luna的大部分成本优势，同时在视觉上下文重要的情况下应用Terra。实际总额还包括图像令牌费用、工具、重试、缓存写入和基础设施。
创意工作流示例
创意团队可以使用Luna来规范化镜头元数据或对大型素材库进行分类。随后，Terra可以检查选定的故事板帧，以确保角色连续性、裁剪安全、可见文本以及与简报的一致性。审核完成后，团队可以将批准的方向交给其选定的图像或视频生成环境。
评估计划
在选择默认值之前，先建立一个小的基准测试：
- 收集50到200个代表性案例，包括已知的失败案例。
- 定义正确的输出和不可接受的错误。
- 使用相同的指令和相近的努力程度运行 Luna 和 Terra。
- 记录接受率、延迟、令牌、重试次数和审核时间。
- 测试一个升级处理困难案例的路由器。
- 在提示、界面或模型更改后重新检查基准。
不要只针对平均准确率进行优化。一个工作流程可能表面上看起来很成功，却反复在承载最高业务风险的小类别上失败。
常见问题解答
Luna 是否总是比 Terra 便宜十倍？
其公布的Standard未缓存输入和输出token费率是Terra的十分之一。总请求成本可能因输出长度、缓存token、图像token、长上下文倍数、工具、处理模式和重试而有所不同。
GPT-6 Luna 能分析图像吗？
是的。OpenAI 为其最新的旗舰模型（包括 Luna）列出了图像输入和视觉支持。该模型的官方定位是聚焦于高容量的工作，而非 Terra 的视觉推理和计算机使用定位。
哪个模型应该处理计算机操作？
两个模型页面都将计算机使用列为支持的Responses API工具。Terra是更直接定位于精确计算机使用的选择，但团队应在隔离的测试环境中比较任务完成情况和安全行为。
判决
当视觉背景和基于屏幕的判断决定成败时，选择Terra。当任务范围狭窄、重复且对成本敏感时，选择Luna。对于混合工作负载，采用从Luna到Terra的渐进式升级路径往往比宣称任一模型为通用优胜者更为实用。
