截至 2026 年 11 月 16 日,OpenAI 的通用模型选择不能用一个“最新 GPT”概括。Chat 页、ChatGPT Work、Codex 与 API 的型号和权限不同;最近的 Wallet、语音与图像更新也不等于换了一套通用推理模型。本文先核对当前入口,再以 GPT-6.1 Terra 为主要案例,分析为什么官方图表、独立实验和用户体验会给出不同答案。

OpenAI模型发布说明 · ChatGPT Work与Codex模型指南 · ChatGPT产品发布说明 · ChatGPT Chat模型与思考档帮助

我们实际打开官方文档、Artificial Analysis 原始页面、Bito 自跑测试及公开 Reddit 讨论。它们分别说明产品边界、受控测试结果和个人工作流感受,不能相互代替。文末的合成账单、提示词与门禁是原创方法示例;只运行离线门禁自检,没有调用模型、登录账户、执行购买或测量真实订阅额度。

先确认 ChatGPT 当前入口与模型家族

Chat 的 GPT-6 选项由 GPT-6 Sol 支撑 Instant 到 Extra High,Pro 推理选项由 GPT-6 Astra 支撑;可选档位依套餐、工作区和 rollout。Plus 在 Work/Codex 可用 Astra,不意味着在 Chat 获得 Pro 推理。GPT-6.1 Sol 与 Terra 的专业工作建议来自 Work/Codex 文档,不能直接抄成 Chat 选择器清单。

OpenAI模型发布说明 · ChatGPT Work与Codex模型指南 · ChatGPT产品发布说明 · ChatGPT Chat模型与思考档帮助

官方页面并非完全同步:10 月 7 日公告写 Free/Go 将使用 GPT-6 Luna,但所查详细 Chat 帮助仍保留 GPT-5.6 Luna 的默认与 Think 说明,也保留显式旧型号选择。我们不替它编造一个统一切换日。读者应记录实际选择器、套餐、客户端与日期;表中把它标为 Luna 家族迁移,不能据此保证某账户已迁移。

Terra 于 10 月 26 日发布,可用于 Work、Codex 与 API,不在 Chat。其不支持 UAE 推理驻留是计算发生地点的限制,不等同于禁止身处某国的用户。API 用量与订阅分别计费;订阅也不能保证所有工具、地区、管理员权限或预览资格。

入口、模型与可用条件分别核对;不是所有账户的访问承诺
入口当前文档涉及的模型使用边界
Chat:GPT-6Sol;合资格 Pro 思考用 Astra档位受套餐/管理员/rollout影响;6.1 Terra不在Chat
Chat:Free/Go及旧选择Luna家族迁移;详细帮助仍列5.6公告与帮助版本不同步,以实际选择器记录
Work / CodexAstra、6.1 Sol、6.1 Terra、Luna工具、客户端和工作区需支持;不等于Chat权限
API具体model ID与API计费独立账本;不把订阅折算为固定API请求数

OpenAI模型发布说明 · ChatGPT Work与Codex模型指南 · ChatGPT产品发布说明 · ChatGPT Chat模型与思考档帮助

把官方、独立测试与社区自述放在不同证据层

官方发布和系统卡适合确认设计目标、配置及厂商测试条件;独立评测在自己的题集和执行器里重新测量;社区贴只能证明有人报告了某种体验。三种材料同时存在是好事,但不能把新闻转载、同一图表的多次转述算成多个独立实验。

OpenAI GPT-6.1 Terra发布文 · GPT-6.1 Terra系统卡补充 · Artificial Analysis Terra原始结果 · Bito独立编码测试 · Reddit:未完成任务提前结束自述

比较时先写出“模型版本 × effort × 产品入口 × 工具/执行器 × 任务 × 评分”。其中任一项改变,数字就未必可直接排序。更快可能来自服务速度、少做工作或更早结束;更高分可能依赖更大推理预算。完成报告听起来肯定,也不能替代保存结果。

把证据能回答的问题写清
材料可以支持不能直接推出
官方发布/系统卡日期、设计目标、厂商实验及其条件所有真实用户都得到同样成功率
独立原始评测该题集/执行器/预算下的结果无条件跨产品、跨任务胜负
社区直接自述某位用户报告的现象与排错线索代表性样本、真实路由或普遍失败率

OpenAI GPT-6.1 Terra发布文 · GPT-6.1 Terra系统卡补充 · Artificial Analysis Terra原始结果 · Bito独立编码测试 · Reddit:未完成任务提前结束自述

官方强项能说明什么,不能说明什么

OpenAI 把 Terra 定位为视觉理解、计算机操作与清晰写作模型。发布文给出的 Terminal-Bench 4.0 在 max 下为 50.3%,旧 Terra 为 21.5%;内部易错提示评测在 low 下从 53.6% 错误率降到 16.7%。这些是厂商报告的特定评测,不是每个真实问题都少错同样比例。

OpenAI GPT-6.1 Terra发布文 · GPT-6.1 Terra系统卡补充

系统卡明确研究环境或 API 的结果可能因系统提示、工具和 effort 与生产 ChatGPT 不同。因此本文不把“更便宜”“更快”扩成所有 ChatGPT 任务保证。应先选一类已有答案或可检查产物的任务,再检查模型是否把优势转成自己的成功交付。

OpenAI报告的Terra测试;不同指标不能合成总成功率
测试报告数值条件与限制
Terminal-Bench 4.0Terra50.3%;旧Terra21.5%max;厂商编码实验
内部易错提示low错误率53.6%→16.7%特定内部集,不是互联网总体错误率
视觉/计算机操作厂商报告相对改善需匹配任务、effort、工具和基线

OpenAI GPT-6.1 Terra发布文 · GPT-6.1 Terra系统卡补充

AA 当前指数已换版本,旧分数不能直接续接

Artificial Analysis 当前 Terra 页面标为 Max,在 Intelligence Index v5.0.1 下显示 51,平均每项任务 $0.96、13.9 分钟;指数包含 9 项评估。这里的 51 不是 51% 正确率,13.9 分钟也不是普通聊天响应时间。它衡量该测试组合与推理设置。

Artificial Analysis Terra原始结果 · Artificial Analysis指数方法

早期报道常引用旧版 48 分和 $0.40。方法版本更换、题集和权重调整会改变比较基础,不能把旧值与当前值相减后宣称模型“涨了三分”或“突然变贵”。保存访问日期、版本、设置与原始页面;不能确认同口径时,直接标记不可比。

AA原始页面2026-11-16访问快照;同一Max配置的不同维度
指标当前页面解释
Intelligence Indexv5.0.1;9项;51复合指数,不是51%正确率
平均任务成本$0.96该指数题集的估算费用,不是订阅单价
平均任务时间13.9分钟包含该评测推理过程,不是普通聊天延迟

Artificial Analysis Terra原始结果 · Artificial Analysis指数方法

Bito 编码测试:速度收益与三分噪声

Bito 在 11 月 11 日更新的自跑编码比较采用默认 medium、各厂商自己的编码代理:两个困难的五轮任务占 75%,单次问答占 25%,Terra 尚未参加其二十轮测试。它报告 Terra 综合 69.0、每个困难会话 $0.40、4.4 分钟;这不是 AA 的任务、成本或总体成功率。

Bito独立编码测试

同表 Haiku 为 67.4,差距 1.6 分,而作者称会话噪声约 3 分,应视为这次实验中的接近结果。它对 Opus 的差距更大,但执行器、任务样本和裁判仍限制外推。Bito 是商业编码工具公司,测试独立于 OpenAI 不等于没有商业利益,也不代表通用编码定论。

Bito2026-11-11自跑测试,默认medium;不是我们的测量
模型加权分困难会话费用分钟/困难会话
GPT-6.1 Terra69.0$0.404.4
GPT-6.1 Sol74.8$2.0622.7
Claude Haiku 5.567.4$0.698.1
Claude Sonnet 5.565.7$1.288.6
Claude Opus 5.585.0$5.4019.0

Bito独立编码测试

社区反应为什么分裂

一条直接讨论贴报告 macOS 上通过 T3 Code 使用 Terra,模型在两个授权流程未完成时结束;作者同时披露旧指令冲突、工具输出截断及未独立核实逐轮 effort。这能提供“提前结束、局部阻塞被扩大”的测试线索,不能据此测出 Terra 普遍失败率或排除执行器因素。

Reddit:未完成任务提前结束自述 · Reddit:Terra发布讨论原评论 · Reddit:脚本写作测试发起者报告

另一发布讨论中,有用户认可 medium 对自己成本敏感的工作有用,也有人抱怨仅完成最少部分。我们读取了原评论,而不把置顶 GPT 自动摘要当作抽样统计。公开自述没有独立验证账户、模型路由或运行日志;这里不声称社区共识,也不把评论的相对时间转换成未经核实的发布日期。

写作测试发起者另报告 10 个脚本任务、每任务 5 稿、4 个 LLM 裁判;更多推理没有带来该写作分数提升,裁判之间也有分歧。它测特定频道口吻与脚本要求,不证明 Terra 普遍写作退步。这样的反例提醒我们:自然流畅、模仿作者和事实准确是不同验收项。

effort 要按任务调,不能默认拉满

Terra API 文档列出 none、low、medium 默认、high、xhigh、max;Work/Codex 的界面档位与可用选项需另查。不要把 API 的参数名当成 Chat 滑块的精确映射,也不要把 Ultra 的多代理执行误认为单模型 max。

ChatGPT Work与Codex模型指南 · OpenAI模型选择指南 · GPT-6.1 Terra API模型文档 · Reddit:脚本写作测试发起者报告

先使用当前产品默认档,给固定任务加明确验收;若失败来自遗漏约束、几何推理或多步规划,再比较更高 effort。若失败来自工具未连接、文件不可访问或权限拒绝,提高思考预算不能修复环境。写作任务还应盲评语气和信息密度,避免用更长文本冒充质量。

提高effort前,先判断失败原因
现象先做什么再比较什么
遗漏推理约束明确输入与验收,保留失败样本同模型更高effort是否修复
工具或文件不可达核对权限、连接与实际环境环境恢复前不归因模型智力
写作冗长或语气不符盲评读者适配、信息与风格默认/较低effort对照
提前结束或误报完成检查工件、未完成项与停止原因相同执行器下的完成/返工成本

ChatGPT Work与Codex模型指南 · OpenAI模型选择指南 · Reddit:未完成任务提前结束自述 · Reddit:脚本写作测试发起者报告

实操一:先在 Chat 里做可核对的数据整理

先在自己可用的 Chat 模型里粘贴下面的合成 CSV,再运行提示词;无需网页操作或账户数据。它故意包含重复编号、pending 状态与缺失金额。正确目标不是把所有行相加,而是保留不确定信息并产生可检查 JSON。若测试截图理解,可自行把同一表渲染成图片,再保留原 CSV 做答案依据。

预期去重后已支付已知金额为 USD 12.50,待支付金额为 USD 7.25;A-003 金额未知,不能默认为零。比较 Chat 的可用默认与更高思考档时,使用新会话、相同输入和相同规则。本文没有执行这些模型测试,下面的输出要求只定义验收契约。

合成CSV,无真实账户或客户数据
invoice_id,amount,currency,status
A-001,12.50,USD,paid
A-002,7.25,USD,pending
A-001,12.50,USD,paid
A-003,,USD,paid
Chat可复制提示词;未调用模型执行
只处理下列合成CSV,不联网,不执行支付。
按 invoice_id 去重;重复行保留问题记录,不重复计数。
paid 与 pending 分开;缺失 amount 保持未知,不能填0。
只输出JSON,键必须为:currency、paid_total、pending_total、
duplicate_ids、missing_amount_ids、needs_review。
金额用两位小数字符串;数组按编号排序;needs_review用布尔值。
先核对行与状态,再计算;不要在JSON外添加说明。

实操二:在 Work 或 Codex 中验证交付

若真正需要落盘和多步执行,切换到有合适文件/工具权限的 Work 或 Codex,再使用下列提示。所有读写都限制在专用临时实验目录,三个产物也在同一授权目录内。若工具不可用,必须报告未执行,而不是编造文件路径或把一段 JSON 回复说成已保存。

ChatGPT Work与Codex模型指南 · OpenAI模型选择指南

该任务把完成条件与模型语言分开:结果 JSON 应通过门禁,审计文件解释去重与未知,状态文件区分完成、阻塞与未测。遇到一个无法完成的步骤,要说明具体阻塞,继续其余已授权且安全的独立步骤;这不授权绕过审批、身份确认或安全限制。

Work/Codex可复制提示词;未调用模型或操作工具
在专用实验目录 ./model-eval-lab 内处理我提供的 fixture.csv。
只允许在 ./model-eval-lab 内读写;不联网,不访问账户或其他目录。
按上一提示的相同去重、状态与缺失规则,保存:
./model-eval-lab/result.json
./model-eval-lab/audit.md
./model-eval-lab/status.json
审计写出输入依据、去重策略和未知项。状态区分completed/blocked/not_tested。
若可以使用已保存的离线门禁则检查result.json;否则明确标记未执行验证。
一个步骤阻塞时,仅继续其他已授权且安全的独立步骤,不绕过审批。
完成报告逐项列出真实保存的路径、验证结果与仍未完成项。

用离线门禁识别漂亮但错误的答案

下面 Python 程序只针对这四行合成数据,严格检查字段、类型和预期值;它不是通用财务校验器。无参数运行时,自检一个正确结果与重复计数、隐去缺失金额、仅声称完成三种错误。我们实际离线执行过这四个用例。

如读者之后保存真实模型的 result.json,可把路径作为该脚本的一个参数,成功返回 0,契约不符返回 2。JSON 损坏会报解析错误;不能把进程没崩溃当成业务正确。这种门禁仍无法检查未列入规则的遗漏,所以人工核查输入、审计说明与运行边界仍需要保留。

离线自检已执行:4例通过;没有真实模型性能测量
import copy
import json
import sys
from pathlib import Path

# Synthetic fixture only. This is not an accounting or general invoice validator.
EXPECTED = {
    "currency": "USD",
    "paid_total": "12.50",
    "pending_total": "7.25",
    "duplicate_ids": ["A-001"],
    "missing_amount_ids": ["A-003"],
    "needs_review": True,
}

def accepted(value):
    if not isinstance(value, dict) or set(value) != set(EXPECTED):
        return False
    return all(type(value[k]) is type(v) and value[k] == v
               for k, v in EXPECTED.items())

if len(sys.argv) == 2:
    value = json.loads(Path(sys.argv[1]).read_text(encoding="utf-8"))
    ok = accepted(value)
    print(json.dumps({"accepted": ok}))
    raise SystemExit(0 if ok else 2)

cases = [("expected", copy.deepcopy(EXPECTED), True)]
bad_total = copy.deepcopy(EXPECTED)
bad_total["paid_total"] = "25.00"
cases.append(("duplicate_counted_twice", bad_total, False))
bad_missing = copy.deepcopy(EXPECTED)
bad_missing["missing_amount_ids"] = []
cases.append(("missing_amount_hidden", bad_missing, False))
cases.append(("unfinished_summary", {"status": "done"}, False))
for name, value, wanted in cases:
    assert accepted(value) is wanted, name
print(json.dumps({"offline_self_tests": len(cases), "passed": True}))

设计自己的配对对照,而不是挑一张好截图

先把相同模型的默认和高 effort 配对,再把 Terra 与 Sol 配对;不要一次同时换模型、提示、工具和预算。每类准备若干独立任务,预先确定验收,轮换顺序并保留所有结果。记录完成、错误、超时、澄清与恢复,不能只收藏最好的一张截图。

成本比较应包括实际消费、重试、复核和返工;每个合格交付的总成本等于这批全部尝试成本除以通过数,通过数为零时不报告有限单价。订阅用量比例不是美元 token 价格的简单换算。小样本可以指导下一轮实验,不能包装成精确的全市场模型排名。

原创配对实验记录表:所有尝试都保留
记录层固定或记录判据
入口与配置日期、实际模型、effort、工具、版本能重建条件;未知项不猜
任务与产物输入hash、授权路径、JSON/文件要求同输入和同门禁
运行结果通过、错误、超时、阻塞、重试不删除不利结果
成本与人力实际消费、等待、复核、返工按合格交付计总成本

最近产品更新带来的是哪些权限与边界

近期产品变化也值得独立记录:11 月 13 日 Wallet 开始在 dots 向符合条件的美国成年 Pro 用户逐步开放,还要求合资格美国卡和账单地址,每笔交易需复核并授权。它提供受控支付入口,不是 Terra 的新能力分数;批准也不等于商家订单已确认。这里仅分析文档,没有发起购买。

ChatGPT产品发布说明 · OpenAI ChatGPT Wallet公告

11 月 10 日公告计划在 12 月 11 日退休 Advanced 和 Standard Voice,GPT-Live 是已有语音方向;公告还保留视频与屏幕共享继续由 Advanced voice 支撑直到 GPT-Live 支持的例外。11 月 4 日 Images 2.6 则是图像生成更新。不要把这些不同日期、媒介和准入条件合成“今天所有 ChatGPT 都换成新模型”。

从新闻到可验收任务的流程

  1. 记录Chat/Work/Codex入口与实际型号
  2. 分清厂商、独立实验和社区线索
  3. 冻结输入、权限、预算与验收契约
  4. 配对比较默认/高effort和候选模型
  5. 检查产物、失败与总复核成本
  6. 保留不确定性并按任务决定使用
原创流程:把产品新闻转换成自己可检查的交付

如何把这些证据用到日常选择

如果主要是对话、改写与轻量分析,先在 Chat 当前实际可选模型上验证事实、格式和表达,再决定是否需要更高思考档。如果任务需要读取文件、操作软件或连续生成产物,应比较 Work/Codex 中 Terra 的默认设置与 Sol,同时把工具环境保持一致。

ChatGPT Work与Codex模型指南 · OpenAI模型选择指南 · Artificial Analysis Terra原始结果 · Bito独立编码测试

Terra 的实用价值不是赢下每张榜单,而是某类交付能否在可接受的检查成本下更快完成。对复杂开放任务、长期维护和高风险结果,保留更强模型复核或人工验收。下一次模型发布时,重用输入、门禁与日志,就能区分新模型改进、环境变化和自己提示的效果。

本文截至2026年11月16日的判断来自公开材料与合成门禁自检。没有测量个人账户、订阅消耗、真实API或社区用户的内部运行。模型能力、产品入口和任务验收三条线一起看,才能把新发布转化为可复核的使用选择。