OpenAI 8 月 24 日公布与 AWS 联合完成的一项测试结果称，在 Terminal-Bench 2.1 上，GPT-5.6 Terra 通过 Kiro 完成一个成功任务的成本下降约 82%。Kiro 是 AWS 的软件开发智能体平台，覆盖 IDE、CLI 和 Web。
这一下降并不是官方价格直接下调 82%。根据文中信息，Terra 最近一次调价发生在 7 月 30 日，降幅为 20%。也就是说，单价只下调了 20%，但在测试环境里，单个成功任务的账单降幅达到约 82%。
测试结果披露时间线
GPT-5.6 进入 Kiro 是 2026 年 7 月的事。7 月 13 日，AWS 宣布 GPT-5.6 Sol、Terra、Luna 在 Amazon Bedrock 正式可用。次日，Kiro 在博客中宣布，这三款模型已上线 IDE、CLI 和 Web。
这是 OpenAI 模型首次进入 Kiro，时间点也正好落在 Kiro 公开预览满一周年附近。文章称，在模型上线一个多月后，OpenAI 披露了与 AWS 对 Kiro 环境和 OpenAI 模型联合调优后的测试结果：Terra 完成一个成功任务的成本下降约 82%。
成本下降的部分来自减少无效调用
文中指出，7 月 30 日那轮调价中，Terra 仅下调 20%，而 Kiro 测试中的单任务成本降幅达到 82%，两者之间的差额，主要不是每次调用价格本身继续下降，而是执行任务过程中原本会被浪费掉的调用成本减少了。
按照文中给出的解释，节省可能来自几个方向：模型生成的 token 更少，工具往返调用次数更少，失败后的重试更少，任务执行中的绕路更少。
文章将这部分节省概括为「走弯路的钱」减少。因为在真实开发流程里，智能体即便任务失败、路径选择错误，或中途多次偏航再回退，过程中消耗的 token 仍然会计费。
OpenAI 在官方博客中也提到，效率来自三个层面：发起请求并组织上下文的智能体框架，中间调度请求的编排系统，以及最终在 GPU 上运行的模型本身。
OpenAI 提到模型分工可影响总成本
除单一模型能力外，文章还提到一种编码工作流：先用 Sol 处理问题分析和计划制定，再切换到 Luna 执行已定义清楚的改动、编写测试并运行评估。
按这一思路，同一条开发流水线可由不同档位的模型分别承担不同环节，成本控制不只取决于模型单价，也取决于任务拆分方式。
Terminal-Bench 2.1 测的是「智能体＋模型」组合
文中强调，Terminal-Bench 2.1 并不是让模型单独作答，而是将模型放入终端环境，给出相对模糊的目标，让它自行规划路径、调用工具、编写脚本、处理报错并反复迭代。因此，最终成绩反映的是「智能体＋模型」这一组合的表现，而不只是底层模型本身。
文章列出了公开榜单中的四组数据：
- Claude Code 配 Fable 5：83.8%，552.67 美元；
- Codex 配 GPT-5.5：83.1%，2059.19 美元；
- Codex 配 GPT-5.6 Terra：78.4%，421.15 美元；
- Codex 配 GPT-5.6 Luna：75.7%，241.45 美元。
从这组数据看，Claude Code 配 Fable 5 与 Codex 配 GPT-5.5 的分数只差 0.7 个百分点，但成本相差接近 4 倍。文章据此指出，同一个模型放进不同框架，结合不同的上下文组织方式和工具策略，最终跑出来的价格也会明显不同。
Kiro 将重点放在任务前置拆解
按照 Kiro 官方数据，Terra 在 Coding Agent Index 上得到 77.4 分，略高于 Claude Fable 5 的 77.2 分。文章认为，Terra 的主要卖点并不只是分数本身，而是这一分数对应的价格。
Kiro 的 spec-driven 方法也被放在同一逻辑下解读。文中称，这套流程的核心做法是先不直接写代码，而是把用户提出的模糊目标拆成需求文档、技术设计和可执行任务清单，再交给模型处理。
这样一来，模型接手时面对的不是一句模糊描述，而是一份已经理清的工作内容。文章认为，这一步压缩的正是 Agent 场景中开销最高的一部分，因为模型跑偏、返工和推倒重来所消耗的 token，往往比真正执行明确任务时更多。
此外，Kiro 在流程中还设置了两道检查环节：一是在代码真正修改前先停下来供人工检查，二是在任务完成后自动运行测试进行验证。文章称，这两道环节可以减少返工，从而继续压低成本。
OpenAI 模型在 Kiro 并非全面开放
文章称，一年前 Kiro 还是一个以 spec-driven 为特点的 IDE，模型选择上以 Anthropic 为主。一年后，AWS 已在自家开发智能体平台中加入三档 OpenAI 模型。
目前，Sol、Terra、Luna 已与 Claude 一起出现在同一个模型选择菜单中。不过，这次并不是全面开放。根据文中信息，这三款模型采用渐进式、实验性开放方式，面向 Pro、Pro+、Pro Max 和 Power 用户，仅覆盖美国弗吉尼亚北部和欧洲法兰克福两个区域，并支持跨区域推理。
文章还提到，这批模型在 Kiro 中采用隐藏思维链，用户看不到推理步骤，只能看到最终结果。官方说法是，这是预期行为，不影响输出质量。
Kiro 已跟进 OpenAI 7 月底调价
在 Kiro 7 月 14 日刚上线 GPT-5.6 系列时，同样任务下，Sol 的计费倍率为 2.4 倍，Terra 为 1.2 倍，Luna 为 0.6 倍。
7 月 30 日 OpenAI 完成新一轮降价后，Kiro 次日跟进调整：Luna 从 0.6 倍降至 0.1 倍，Terra 从 1.2 倍降至 1.0 倍，Sol 则维持不变。
文章据此指出，AWS 在开发平台上的策略已经很明确：平台不会只绑定一家模型供应方。在同一个选择器内，OpenAI 与 Anthropic 的模型开始直接竞争，价格与任务完成成本也成为新的比较维度。
对于开发者来说，模型选择时关注的问题，也从「每百万 token 要多少钱」转向「把这件事做完，总共要花多少钱」。
参考来源
OpenAI Devs X 账号链接：https://x.com/OpenAIDevs/status/2091966982015103068
OpenAI 官方博客链接：https://openai.com/index/gpt-5-6-in-kiro/