正文
日常修一个清楚的小 bug，用最贵的模型未必划算；跨模块迁移时，只盯着每百万 token 的价格也可能低估返工成本。GPT-6.1 Terra、GPT-6.1 Sol 和 GPT-6 Astra 都能参与 Codex 编程任务，但模型、推理档位、任务难度和验证方式会一起影响结果。
一个实用的起点是：边界清楚、结果容易检查的任务先试 Terra；需要更稳妥地处理复杂实现时试 Sol；疑难分析和失败代价高的任务，再比较 Astra 是否值得额外成本。 这是工作流建议，不是三款模型在所有任务上的固定排名。
下面使用第三方 VulcanBench 的真实 Codex 运行数据，以及 OpenAI 公布的 API 价格。测试不是本站亲自运行；基准中的美元数是按 API 标价折算的估算值，不是 Codex 订阅用户的实际账单。
先看三种模型各适合什么任务
| 模型 | 可以优先尝试的任务 | 需要留意 |
|---|---|---|
| GPT-6.1 Terra | 小范围修复、测试补充、明确规格的日常功能 | 对复杂任务，低推理档可能留下未通过的边界条件；提高档位也会增加耗时和用量。 |
| GPT-6.1 Sol | 多文件实现、需要多轮验证的重构、日常复杂问题 | 适合作为质量和价格之间的对照起点；并非每个任务都比 Terra 更快或更准确。 |
| GPT-6 Astra | 难以定位的故障、高风险变更的独立分析 | API 单价较高；先定义验收和预算，再判断额外开销是否减少了返工。 |
这些任务分配是基于下方有限测试和价格的建议，不是 OpenAI 对每类任务的保证。模型能否出现在你的 Codex 列表里，还取决于套餐、地区、客户端和工作区策略。API 模型 ID 分别为 gpt-6.1-terra、gpt-6.1-sol 和 gpt-6-astra；Codex 显示名称与 API 标识的使用方式可能不同。
一组真实 Codex 测试：通过率、时间和估算成本
VulcanBench Frontier v4 的公开报告使用 23 个任务，要求 Agent 依据规格和已有程序完成实现，再用隐藏测试检查行为。三个模型均通过 Codex 运行；表格来自各模型各自的测试报告，采用相同评分框架，但运行时间和评审协议版本并非完全一致。
每个模型在每个档位对每个任务只运行一次。综合分包括功能正确性、静态检查、安全和由另外两个模型评估的代码质量；它不是纯粹的人类代码审查分数。测试者按公开 API 标价、结合记录中的缓存用量估算费用，不包含评审成本。
| 模型 / 推理档位 | 任务全部通过 | 综合分 | 平均耗时 / 任务 | API 等价估算 / 任务 |
|---|---|---|---|---|
| Terra / Medium | 12 / 23 | 80.10 | 3.1 分钟 | $0.14 |
| Sol / Medium | 22 / 23 | 86.44 | 10.6 分钟 | $0.40 |
| Astra / Medium | 23 / 23 | 87.73 | 3.8 分钟 | $1.48 |
| Terra / Max | 23 / 23 | 90.00 | 6.9 分钟 | $0.36 |
| Sol / Max | 23 / 23 | 88.35 | 14.5 分钟 | $0.46 |
| Astra / Max | 23 / 23 | 89.30 | 10.3 分钟 | $2.57 |
这组数据最有用的地方，是把模型与推理档位一起比较。在这 23 个任务里，Terra Medium 用时较短，但完整通过 12 个；Terra Max 全部通过，平均时间和估算费用也随之上升。Sol 和 Astra 在 Medium 档通过更多任务，但在这组测试中费用更高。
也不要从表格推导出“Terra Max 普遍优于另外两款”。样本只有 23 题、每题每档一次，综合分包含模型评审；不同报告的运行时间和评审协议也有差异。报告称 Astra 的费用使用其单独报告中的中心估计。同一个模型在别的仓库、工具权限、网络或服务负载下，耗时和结果都可能不同。
速度尤其需要看具体档位：这组测试的 Max 档是 Terra 6.9 分钟、Astra 10.3 分钟、Sol 14.5 分钟；Medium 档则是 Terra 3.1、Astra 3.8、Sol 10.6 分钟。它们是这组任务的平均完成时间，不是 token 输出速度，也不是平台延迟保证。
官方价格怎么换算成任务预算
截至文章审校日期，以下是三款模型的 API Standard 文本价格，单位为美元 / 百万 token。完整条件以各模型官方页面为准。
| 模型 | 普通输入 | 缓存读取 | 输出 |
|---|---|---|---|
| GPT-6.1 Terra | $1.00 | $0.05 | $5.00 |
| GPT-6.1 Sol | $2.00 | $0.10 | $10.00 |
| GPT-6 Astra | $10.00 | $1.00 | $50.00 |
例如，假设一次 API 任务消耗 100 万普通输入 token 和 10 万输出 token，且没有缓存读取、缓存写入或其他费用，那么 Terra 约为 $1.50，Sol 约为 $3.00，Astra 约为 $15.00。这只是固定用量下的算术示例；真实任务中各模型的 token 用量可能不同。
实际账单还可能受缓存写入、长上下文、服务档位、区域处理和工具调用费用影响。三款模型的官方页面均说明，单次请求输入超过 272K token 时，整次请求适用更高的输入、缓存及输出费率。不要把不同次请求的输入 token 简单累计后套用这个阈值。
Codex 订阅额度和 API 账单要分开看。 ChatGPT 订阅用户在 Codex 中消耗的是相应套餐额度或适用的 credits；上面的 API 单价和第三方报告中的 API 等价估算，不能直接换算成订阅用户每次实际支付的美元。使用 API Key 时则应查看 API 的实际 usage 和账单。具体套餐限制及 credits 规则以 Codex 官方计费说明为准。
给自己的项目做一次公平比较
基准能帮助缩小范围，最终选择仍取决于项目。挑选有明确验收标准的真实任务，在独立测试副本中让各模型从相同代码状态出发：
- 选三类任务：单文件修复、多文件改动和一个边界条件较多的故障；准备已有测试以及独立验收项。
- 为每次运行固定仓库提交、任务说明、Codex 版本、推理档位和允许使用的工具；不要让下一次运行看到上一次的修改。
- 分别记录模型、档位、起止时间、测试结果、diff 范围、人工修改次数和用量。API 用户记录实际账单；订阅用户记录可见额度变化，别把折算价当账单。
- 对相同任务重复运行，并检查异常路径、权限、数据迁移或回滚；测试全绿后仍要审查 diff。
如果 Terra 的结果通过验收且返工很少，它可以成为这类任务的默认选择；如果经常需要补漏，比较提高推理档位与切到 Sol 的总耗时和成本。Astra 可以用于高风险任务的独立分析，再由测试和人工审查验证结论。没有相同任务条件下的对照，不能把一次成功或失败当作模型的稳定表现。
选择模型时别漏掉推理档位和可用入口
在 Codex 中先确认模型选择器是否提供目标模型，再选择适合任务的推理强度。不同模型和客户端支持的档位可能不同，名称相同也不保证耗时或输出一致。测试数据表里的 Medium 和 Max 是报告使用的 Codex 档位；API 参数以 OpenAI 模型指南和各模型页面为准。
选择器里看不到某个模型时，先检查客户端版本、账号套餐、地区和工作区模型策略；不要假设 API 可调用就代表同一账号的 Codex 界面一定可选。对于有数据驻留要求的项目，还需要分别检查模型与所选服务档位是否满足组织策略。
无论选择哪款模型，最终交付仍应以需求、测试、代码审查和权限边界为准。模型更强或推理时间更长，都不能替代对变更结果的验证。