DataLearner 标志

GPT-6.1 Terra 评测详情

GPT-6.1 Terra 当前已收录的代表性评测结果包括 FrontierMath v2(4 / 121,得分 90.88)、MMMU-Pro(13 / 254,得分 85.50)、FrontierMath Tier 4 v2(8 / 79,得分 92.68)。本页还提供与 1 个前代或同系列模型的迭代对比。

评测结果

GPT-6.1 Terra

评测结果

思考模式
工具使用

图像感知与视觉推理

共 5 项评测
评测名称 / 模式
得分
排名/总数
83.70
31 / 254
84.60
23 / 254
85
18 / 254
MMMU-Pro
最高
85.50
13 / 254
MMMU-Pro
极高
85.40
15 / 254

法律

共 1 项评测
评测名称 / 模式
得分
排名/总数
25.96
60 / 88

数学

共 2 项评测
评测名称 / 模式
得分
排名/总数
92.68
8 / 79
FrontierMath v2
最高工具
90.88
4 / 121

自主开发与终端任务

共 6 项评测
评测名称 / 模式
得分
排名/总数
Terminal-Bench 4.0
unknown工具
49.49
11 / 56
24.80
57 / 127
35.80
43 / 127
41.80
37 / 127
Terminal-Bench 4.0
最高工具
50.30
26 / 127
Terminal-Bench 4.0
极高工具
46.40
30 / 127

科学计算与科研编程

共 5 项评测
评测名称 / 模式
得分
排名/总数
24.30
20 / 34
34.30
18 / 34
39.70
16 / 34
58.30
6 / 34
43.40
14 / 34

医学知识与健康咨询

共 5 项评测
评测名称 / 模式
得分
排名/总数

临床工作与医疗决策

共 1 项评测
评测名称 / 模式
得分
排名/总数
64.20
4 / 12

跨能力聚合指数

共 12 项评测
评测名称 / 模式
得分
排名/总数
AA Intelligence Index v5.0
常规模式工具
30.42
44 / 77
29.22
50 / 77
38.12
30 / 77
42.33
27 / 77
50.98
12 / 77
44.95
23 / 77
AA Intelligence Index v4.3
常规模式工具
33.49
111 / 211
36.21
94 / 211
41.32
67 / 211
43.87
51 / 211
48.11
28 / 211
45.36
41 / 211

程序生成与编辑

共 1 项评测
评测名称 / 模式
得分
排名/总数
84
21 / 118

金融

共 1 项评测
评测名称 / 模式
得分
排名/总数
Tax Agent Bench
最高工具
15.17
62 / 75

桌面工作流

共 5 项评测
评测名称 / 模式
得分
排名/总数
OSWorld 2.1
低工具
53.80
22 / 23
OSWorld 2.1
中工具
66.70
19 / 23
OSWorld 2.1
高工具
68.70
18 / 23
OSWorld 2.1
最高工具
74.20
10 / 23
OSWorld 2.1
极高工具
71.30
14 / 23

专业数据分析

共 1 项评测
评测名称 / 模式
得分
排名/总数
93
1 / 2

跨行业工作评估

共 1 项评测
评测名称 / 模式
得分
排名/总数
GDPx
最高工具
8.48
6 / 20

历代版本对比

GPT-6.1 Terra 代际各版本的评测成绩纵向对比

GPT-6.1 TerraGPT-5.6 Terra
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示;百分制评测使用原始高度,超出 0-100 的评测按该评测内相对比例缩放,标签仍保留原始分数。

12 项可对比评测得分汇总。每个模型展示最佳得分,模式在分数下方标注。· 点击任意行可切换下方趋势图。

评测项GPT-6.1 Terra当前GPT-5.6 Terra
MMMU-Pro
Accuracy
图像感知与视觉推理
85.50思考水平·高
81.70思考水平·高
25.96思考水平·高 | 工具
41.35思考水平·高 | 工具
FrontierMath Tier 4 v2
Accuracy (verification_code)
数学
92.68思考水平·高 | 工具
70.73思考水平·高 | 工具
FrontierMath v2
Accuracy (verification_code)
数学
90.88思考水平·高 | 工具
85.96思考水平·高 | 工具
Terminal-Bench 4.0
Resolution rate (%)
自主开发与终端任务
50.30思考水平·高 | 工具
22.73开启思考 | 工具
Terminal-Bench-Science 0.1
Task success rate (%)
科学计算与科研编程
58.30思考水平·高 | 工具
8.60思考水平·高 | 工具
HealthBench
Raw score (%)
医学知识与健康咨询
51.10思考水平·高
58.70思考水平·高
HealthBench (length-adjusted)
Length-adjusted score (%)
医学知识与健康咨询
55.10思考水平·高
57.00思考水平·高
HealthBench Consensus (length-adjusted)
Length-adjusted score (%)
医学知识与健康咨询
95.10思考水平·高
95.10思考水平·高
HealthBench Hard (length-adjusted)
Length-adjusted score (%)
医学知识与健康咨询
31.40思考水平·高
32.70思考水平·高
HealthBench Professional (length-adjusted)
Length-adjusted score (%)
医学知识与健康咨询
62.70思考水平·高
57.70思考水平·高
HealthBench Professional
Raw score (%)
临床工作与医疗决策
64.20思考水平·高
62.40思考水平·高
其余 2 个 benchmark 仍可在上方图表中查看。

单评测历史趋势图

当前查看:MMMU-Pro · 图像感知与视觉推理

选择评测
常规常规 + 工具推理推理 + 工具深度推理深度推理 + 工具

横轴为模型与发布时间,纵轴为分数;同一模式会用实线串起版本变化,同代不同模式继续用虚线辅助对齐。

GPT-6.1 Terra 所在代际的标准 API 价格对比

按模型并排展示标准文本输入价与输出价;若存在超长上下文加价,仅保留阈值内标准价,并在下方说明适用范围。

数据来源:DataLearnerAI,展示默认供应商的标准文本价格。 · USD / 1M tokens

若存在上下文阈值,图中标准价仅适用于以下范围:

GPT-6.1 Terra: 标准价适用于 <= 272000
GPT-5.6 Terra: 标准价适用于 <= 272000
模型供应商标准输入标准输出标准价适用于
GPT-6.1 Terra
OpenAI$1 / 1M tokens$5 / 1M tokens<= 272000
GPT-5.6 Terra
OpenAI$2 / 1M tokens$12 / 1M tokens<= 272000