GPT-5.6 Terra vs Claude Sonnet 5：基准测试、定价与使用建议

如果您要为整天运行的智能体选择中端模型，目前最明显的两个候选是 GPT-5.6 Terra 和 Claude Sonnet 5。两者都是各自厂商提供给免费用户的默认模型，都提供约 100 万 token 的上下文窗口，且输入 token 价格相差不到 1 美元。

本文将从编码与终端智能体、知识型工作、网络安全姿态、长上下文行为、API 控制面和定价等方面，对 GPT-5.6 Terra 与 Claude Sonnet 5 进行对比，帮助您选择更适合自己工作负载的模型。若需分别更深入了解各模型，请参见我们的 GPT-5.6 家族指南 与 Claude Sonnet 5 指南。

要点速览

• Terra 更适合以终端为驱动的编码智能体和工具密集的流水线，它的 token 效率特性在此类场景中能发挥实效。
• Sonnet 5 在长上下文与文档密集型任务中更从容，因为其费率在整个窗口内保持不变。
• 若您的智能体主要在 Shell 中运行、每轮调用很多工具，或您希望 8 月之后更便宜的输出 token，请选 GPT-5.6 Terra。
• 若您发送超大提示词、需要可预测的按 token 计费，或您刻意选择会拒绝利用性工作（exploit work）的模型，请选 Claude Sonnet 5。

什么是 GPT-5.6 Terra？

GPT-5.6 Terra 是 OpenAI GPT-5.6 家族的中间层级，于 2026 年 7 月 9 日与旗舰 Sol 和最便宜的 Luna 一同全面开放。OpenAI 将 Terra 定位为日常工作的均衡之选，并指出其大致对应于早期 GPT-5 家族的 mini 层级。它提供 1,050,000 token 的上下文窗口、128,000 token 的最大输出上限，以及 2026 年 2 月 16 日的知识截止。

让 Terra 不只是便宜的两个看点：它从 Responses API 继承了可编程工具调用（Programmatic Tool Calling），允许模型编写并运行小型内存程序来协调工具，而非每次都将工具响应往返模型处理。此外，OpenAI 于 2026 年 7 月 30 日将 Terra 的价格下调 20%，从发布时的 $2.50/$15 降至每 100 万 token $2.00/$12。

我们在GPT-5.6 Sol、Terra 与 Luna 指南中介绍了整个家族；若想了解旗舰层级的应用案例，我们关于GPT-5.6 Sol 协助否证麦克斯韦猜想的文章值得一读。另有旗舰级别的对比，请参见Claude Opus 5 vs GPT-5.6 Sol。

什么是 Claude Sonnet 5？

Claude Sonnet 5 是 Anthropic 的中端模型，于 2026 年 6 月 30 日发布，官方称其为迄今最具“智能体性”的 Sonnet。Anthropic 的说法是，它能进行规划、驱动浏览器与终端，并以此前需要 Opus 级别模型的自主性完成任务，在推理、工具使用、编码与知识工作方面接近 Opus 4.8 的水平，但价格更低。

它是 Free 与 Pro 方案的默认模型，并附带一组有意设计的限制：temperature、top_p 与 top_k 被移除，手动扩展思考会返回 400 错误，自适应思考默认开启。它还采用了新的分词器，相比 Sonnet 4.6，在相同文本上大约多产出 30% 的 token；Anthropic 通过截至 2026 年 8 月 31 日的首发定价进行抵消。

我们在Claude Sonnet 5 指南中解读了首发数据，并在Claude Opus 5 vs Claude Sonnet 5中将其与旗舰对比。

GPT-5.6 Terra vs Claude Sonnet 5：正面对比

在进入各项能力前，先看两者的总体形态。

编码与终端智能体

通常，代码库内的编程更偏向 Anthropic，而终端工作更偏向 OpenAI。

这一分野仍然成立：在 Terminal-Bench 2.1 上，Terra 达到 87.4%，而 Sonnet 5（Anthropic 的发布材料）为 80.4%，命令行工作流上差距 7 个百分点。值得注意的是，在 OpenAI 的同一评测中，Terra 也领先 Claude Opus 4.8（78.9%）与 Claude Fable 5（83.1%）。

但目前，两款竞品的中端模型在仓库级编码方面旗鼓相当。SWE-Bench Pro（在真实仓库上进行多步修复）中，OpenAI 报告 Terra 为 63.4%，Anthropic 报告 Sonnet 5 为 63.2%。

Anthropic 自己的表述也支持这种分化。Sonnet 5 的编码故事更重在“执行到底”而非峰值分数：早期测试者称它会把 Sonnet 4.6 停下的任务完成，并且不经要求就检查自己的输出。

如果您的智能体长期待在 Shell 中，Terra 更有优势；若长期深入代码库推理故障，基准显示您在同级模型间做选择。

知识型工作与专业任务

两家都报告了 GDPval-AA v2（专业产出质量的 Elo 式量表），数值接近，难分伯仲。OpenAI 给 Terra 打分 1,593 Elo；Anthropic 给 Sonnet 5 打分 1618。OpenAI 在同评测中给 Claude Opus 4.8 打分 1600 Elo，Anthropic 给同一模型 1615，因此 Terra 与 Sonnet 5 之间 25 分的差距落在方法学噪音内。

Terra 在“Agents' Last Exam”（覆盖 55 个领域的长流程专业工作评测）上有一项未被回应的主张。Terra 得分 50.4%，高于 GPT-5.5（46.9%）、Claude Opus 4.8（45.2%）与 Claude Fable 5（40.5%）。Anthropic 未报告 Sonnet 5 在该评测的成绩，因此将其视为 OpenAI 的“主场”更合适，而非定论。

唯有计算机使用这一项，我建议您完全不要直接比较。OpenAI 报告 Terra 在 OSWorld 2.0 上为 50.2%，而 Anthropic 报告 Sonnet 5 在 OSWorld-Verified 上为 81.2%。二者是不同的数据集与评分方式，且 Anthropic 明确为此次发布调整了 OSWorld-Verified 的运行方式，把两个数字并列没有意义。

Terra 在该领域的实际优势是 token 核算。Notion 报告称，许多运行 GPT-5.5 的智能体在 Terra 上以一半成本、少用 16% 的 token 也能达到同等效果；Clio 报告称，可编程工具调用在多步文档分析中将提示 token 减少了 38%，且质量不变。这些是厂商与合作伙伴的说法，而非独立测量，但它们明确指出了变化点。

网络安全：两种相反的下注

这是对比中差距最大的部分，出于设计决策，而非能力偶然。

OpenAI 为 GPT-5.6 家族进行了网络安全训练：Terra 在夺旗（CTF）挑战中得分 91.8%，在 SEC-Bench Pro 得分 57.7%，在 ExploitBench 得分 52.9%，在 ExploitGym 得分 23.2%。其中两项超过了前旗舰 GPT-5.5（SEC-Bench Pro 45.8%、ExploitBench 47.9%）。

Anthropic 则走了相反方向。Sonnet 5 并未针对网络安全任务进行刻意训练，在与 Mozilla 合作、基于 Firefox 147 漏洞的利用开发评测中，它从未产出可用利用，得分 0.0%。Anthropic 为 Sonnet 5 默认启用实时网络安全防护，并建议在需要放松护栏的网络安全工作中使用 Opus 4.8。

对大多数读者而言，这更是 Sonnet 5 的“特性”而非弱点。如果您构建的产品里，模型尝试生成利用会带来风险，那么一个能稳定拒绝此类请求的模型更安全。若您从事防御性安全工作，Terra 位于 OpenAI 的 Daybreak Trusted Access for Cyber 项目之内，且个人成员需在 9 月 1 日前启用硬件绑定的通行密钥，才能继续访问网络安全能力最强的模型。

也需要提示 OpenAI 一侧的摩擦成本。OpenAI 表示，GPT-5.6 Sol 的网络安全防护会屏蔽大约比以往模型多 10 倍的潜在有害活动，并在 ChatGPT 与 Codex 中加入了“在较低能力模型上重试”的选项，正是因为良性请求也会被挡。Anthropic 一侧的 Reddit 讨论也有类似抱怨：Sonnet 5 会拦截良性的安全教学内容，说明两家都未完全解决“过度阻拦”。

上下文窗口与长上下文工作

名义上，两者相同：Terra 公布的 上下文窗口为 1,050,000 token，输出上限 128,000；Sonnet 5 为 100 万窗口、128K 输出上限。不同在于：当您真的把窗口填满，会发生什么。

Terra 公布了跨窗口的检索分数。在 OpenAI MRCR v2 的 8-needle 评测中，它在 256K-512K 区间得分 89.6%，在 512K-100 万区间为 72.5%，接近 Sol 的 91.5% 与 73.8%，且远高于 Luna 的 41.3%。这意味着在 512K 文档内，模型大约能在 9/10 的情形下找到隐藏细节，是进行知识提取的可靠助手。Anthropic 未在首发时公布 Sonnet 5 可比的“针”检索数据。

计费行为才是更重要的差异。Terra 对超过 272K 输入 token 的提示，整个请求按输入 2 倍、输出 1.5 倍计价，并非只对超出部分加价。Sonnet 5 未公布长上下文附加费，因此在整个窗口内保持标准费率。我会在定价一节给出具体数字，因为这会改变哪一方更便宜。

控制面：力度、思考与 API 约束

两者都提供“推理力度”调节，但在其余可控项上分歧明显。

Sonnet 5 完全移除了 temperature、top_p 与 top_k，调用这些参数会返回 400 错误。手动扩展思考同样返回 400；您只能使用默认开启的自适应思考，或完全关闭思考。

Sonnet 5 也不支持在 Anthropic 平台上的 Priority Tier，这会影响当下依赖其在 Opus 或 Sonnet 4.6 上提供时延保证的团队。Anthropic 提升了 Chat、Cowork、Claude Code 与 Claude 平台的速率限制，以吸收更高力度带来的更重 token 用量。

Terra 则在另一个方向上拥有更广的控制面。值得关注的特性：

• Responses API 的可编程工具调用，在内存中运行协调程序，并与“零数据留存”兼容。

• Responses API 的多智能体测试版，允许模型并发运行子智能体，并在一次请求中综合其成果。

• max 努力度，拥有 GPT-5.6 访问权限的任一用户均可在 ChatGPT Work 与 Codex 中切换。

• 显式缓存断点，最短缓存寿命 30 分钟，缓存读取九折计费，缓存写入为未缓存输入费率的 1.25 倍。

• 函数调用、结构化输出、托管 Shell、代码解释器与计算机使用均在 Responses API 上提供，但不支持微调。

需要注意的一点不对称：OpenAI 的 ultra 设置会并行协调四个智能体，但所有已发布的 ultra 基准都属于 Sol，而非 Terra。在有人发布 Terra Ultra 的数据之前，不要假定中端也能获得相同的多智能体增益。

定价：您实际要花多少钱

Terra 与 Sonnet 5 目前在输入价格上相差不到 1 美元，决定您账单的将是工作负载形态，而非标价。

token 费率并排

Terra 的 $2.00/$12.00 反映了 2026 年 7 月 30 日 OpenAI 的 20% 价格下调（发布时为 $2.50/$15.00）。Terra 的缓存输入读取为每 100 万 $0.20；Anthropic 支持 Sonnet 5 的提示缓存，但在发布材料中未单列 Sonnet 专属费率。

由于 Anthropic 按输出费率为思考 token 计费，将 Sonnet 5 运行在超高力度会直接放大您最昂贵的费用项。这是最容易冲破基于输入量预估的预算的方式。

真实工作负载要花多少钱

公式很简单：（体量 ÷ 100 万）× 费率，然后在输入与输出上求和。我在标准费率下计算了三种工作负载形态，分别隔离了两者真实差异的机制。

第三行是关键发现。第二行与第三行的总体体量不变，仅单次请求大小变化，而 Terra 的 272K 附加费将 41% 的成本优势转为 29% 的成本劣势。若您经常一次性塞入 30 万 token 的合同时长或仓库上下文，Terra 更低的标价会产生误导。

在 9 月之前购买时，“重生成”一行也会反转。按 Sonnet 5 的首发 $2.00/$10.00 费率，该工作负载花费 $42，对比 Terra 的 $50，Sonnet 5 便宜 $8，直到标准费率在 2026 年 9 月 1 日生效。Anthropic 设定该首发窗口，旨在让从 Sonnet 4.6 迁移基本成本持平，这一点在做预算前需要牢记。

为何同一任务成本不同

这些费率只有在两模型为同一任务消耗相同 token 数时才等于账单，而现实中往往不同。Terra 与 Sonnet 5 使用不同厂商的分词器，即使文本相同，在模型响应前的输入 token 计数也不同。

两家都未公布跨模型的 token 计数对比，因此我无法给出调整后的数值。目前仅有的前代说法，并不能直接说明 Terra 与 Sonnet 5 的关系：

• Anthropic 文档称 Sonnet 5 的新分词器相较 Sonnet 4.6 大约多出 30% 的 token；以及
• Notion 报告称 Terra 相较 GPT-5.5 少用 16% 的 token。

我的建议是，将上表视为费率比较而非费用预测，并在承诺前用具有代表性的样本测量您自身的 token 计数。Sonnet 5 的分词器变化尤其在发布时让团队措手不及，Simon Willison 的评测与云咨询公司都将其列为迁移中最大的意外。

何时选择 GPT-5.6 Terra 或 Claude Sonnet 5

以下是我预期大多数读者会遇到的场景与对应建议。

在这些情况下选择 GPT-5.6 Terra…

• 您的智能体常驻 Shell。Terminal-Bench 2.1 上 7 个点的差距，是两者间已发布的编码差异中最大的一项。
• 您每轮要调用很多工具。可编程工具调用将中间数据排除在模型上下文之外；PlayCo 报告在结构化场景构建中总 token 降低 63.5%、模型轮次减少 50.1%。
• 您从事防御性网络安全工作。Terra 在 SEC-Bench Pro 得分 57.7%，在 ExploitBench 得分 52.9%，与 Sonnet 5 的有意拒绝不在同一量级。
• 您需要更便宜的输出 token。2026 年 8 月之后，Sonnet 5 的输出为每 100 万 $15，对比 Terra 的 $12。
• 您希望有公开的长上下文检索指标，例如 MRCR v2 的 512K-100 万区间 72.5%。

在这些情况下选择 Claude Sonnet 5…

• 您的提示或文件上下文很大。至 100 万 token 的平价胜过 Terra 的 272K 悬崖，按 1000 万输入的月度，这会带来 29% 的差异。
• 您需要一个“按设计就会拒绝网络安全工作”的模型。Anthropic 自评认为，Sonnet 5 的网络安全能力显著弱于 Opus 4.8 与 Mythos 5，这对多数产品团队而言正是期望行为。
• 您已在 Claude 生态中。Sonnet 5 是 Free 与 Pro 的默认，并可在 Claude Code 中运行。
• 您更偏好“一个旋钮而非一排设置”。自适应思考加力度等级，比“力度 + max + ultra + 工具调用模式”的面更易把握。

若成本是硬约束，三种示例工作负载能最快帮您定位：重生成月 $50 对 $63；阈值以下检索 $32 对 $45；单次超 272K 输入后 $58 对 $45。

如何上手 GPT-5.6 Terra 与 Claude Sonnet 5

两款模型现已普遍可用，且都是各自厂商赠送给免费用户的默认模型，试用只需时间成本。

发起您的首个 API 调用

两者是不同的 SDK，不只是改个模型字符串。两段示例足够短，差异一目了然。

from openai import OpenAI

client = OpenAI()
response = client.responses.create(
    model="gpt-5.6-terra",  # swap for gpt-5.6-sol or gpt-5.6-luna
    input="Refactor this pytest fixture to avoid module-level state.",
)
print(response.output_text)

from anthropic import Anthropic

client = Anthropic()
message = client.messages.create(
    model="claude-sonnet-5",  # no temperature/top_p/top_k on this model
    max_tokens=1024,
    messages=[{"role": "user", "content": "Refactor this pytest fixture to avoid module-level state."}],
)
print(message.content.text)

如果您在迁移既有的 Anthropic 代码，务必先移除 temperature、top_p、top_k 以及任何手动扩展思考配置，因为 Sonnet 5 会返回 400，而不是忽略它们。

关于 Anthropic 侧的完整设置流程，请参见我们的Claude API 完整指南。若要开始使用 GPT 侧，请从我们的Working with the OpenAI API 课程入手。

结语

一句话结论：Terra 更适合终端智能体与工具密集型流水线；Sonnet 5 更适合大提示与希望更小调参面的团队。

更有意思的是，两家都将中端作为免费默认，却在“中端模型该拒绝什么”上做了相反选择。OpenAI 为 Terra 训练了网络安全能力，并将最锋利的能力置于身份验证与硬件通行密钥之后；Anthropic 则让 Sonnet 5 根本不做这件事，还在其上层叠了防护。两种路径都没有显而易见的正确答案，也都为正当工作增添了真实的摩擦。

如果您想自己构建判断依据，而非阅读他人的基准表，我建议从我们的AI 基础技能路径开始。