GPT-6.1 Terra 得分 28.1% 追平 Fable 5.1，token 效率更高更便宜

scaling01 · x · 2026-10-29

WeirdML v3 基准发布：一个全 agentic 评测，包含 11 个手工设计的复杂任务，模型需在数据不熟悉、目标不明确、反馈极少的情况下自主探索数据并搭建 ML/数据分析流水线产出结果。

最新跑分显示 GPT-6.1 Terra（xhigh）取得 28.1%，与 Claude Fable 5.1 相当：Terra 在 token 效率上更优，Fable 最终分数更高；配图显示 Terra 单任务最终最好成绩 40.4%、单次运行成本 $2.86、跑在 Codex CLI harness 上共 98 次有效运行。作者称 Terra 的价格远低于同档可比模型。