AREX Feed Article
OpenAI 未公告模型 gpt-6.1-terra 现身微软 EF Core 公开代码，成为 18 个评测配置的默认判分
一个 OpenAI 从未公告过的模型名字，出现在微软的公开代码里。dotnet/efcore 仓库的 已于 10 月 16 日 17:45 合并进主分支（文中时间均为 UTC），把 18 个评测配置的默认判分模型（judge）设为「gpt-6.1-terra」，其中 17 个此前使用 GPT-5.6 Terra；同一批改动还把执行编码任务的模型换成了 GPT-6.1 Sol。
10 月 19 日，AI 基准追踪账号 贴出代码证据；10 月 20 日，X 用户 发帖跟进此事。模型名是从配置字符串里读出来的：OpenAI 的中查不到 Terra，微软的 PR 说明也没有解释这个名字指什么，两家公司均未确认。
图：Lumina 公布的 EF Core tooling 评测配置截图，judge_model 一行指向 gpt-6.1-terra。（来源：LuminaBench）
合并记录的细节：作者、说明与改动清单
这次改动在 GitHub 上可以逐行核对。PR #39217 标题为「让评测更接近真实，并相应改进技能」（Make the evals more realistic and improve the skills accordingly），提交者为 GitHub 用户 AndriySvyryd，10 月 10 日创建，六天后合并。Lumina 在里核对了改动差异（diff）：17 个已有评测配置把 GPT-5.6 Terra 换成 GPT-6.1 Terra，新增的 query-pipeline 评测直接采用新名字，合计 18 个；做题模型则从 GPT-5.6 Sol 换成 GPT-6.1 Sol。Lumina 在文章里钉住的提交 6f99389f76f7cc65683adb2ad25ad2839c1b18e2，正是 GitHub 记录中的合并提交。
PR 说明里与模型相关的只有一句「更新评测所用的模型」（Update the models used for evals）。信息量更大的是另一条：这次更新让工作流可以为 judge 指定推理力度（reasoning effort）和超时时间。作者解释，此前部分评测因超时失败，这个 PR 能解决问题，但必须先合并，工作流才能用上新代码。改动清单涉及十几个 skills 目录下的 eval.yaml，各项描述多为更新模型默认值或重写评测内容。
judge 的设置细节：medium 推理力度，10 分钟超时
EF Core 是微软的 .NET 数据访问项目。它的评测框架放在仓库的 eng/harness-evaluation 目录下，用来测试仓库指令与编码技能，对比有无这些定制时的运行结果，再由 judge 给产出打分、比较不同运行——Terra 出现的位置正是这里。
文首截图显示，tooling 评测的 judge_model 一栏写着 ${JUDGE_MODEL=gpt-6.1-terra}，做题的 model 一栏是 gpt-6.1-sol；judge 的推理力度设为 medium，超时 10 分钟，运行次数（runs）为 5，执行器为 copilot-sdk。Kretschmann 在帖文里把这个安排概括为：「有意思的细节是：Terra 被配置成给另一个 AI 的产出打分。」Lumina 同时提醒，这些是评测设置，不是新模型的公开规格。
发现链条：记者预告在前，代码实据只差二十多分钟
10 月 19 日 14:07，The Information 记者 Stephanie Palazzolo 发帖：「预计这个月的新模型发布会很密集。我们掌握了新 Anthropic 模型、Google 的 Gemini 4 Carbon，以及 OpenAI 一个潜在新 Terra 模型的独家报道。」她链接的通讯需要付费订阅。
14:30，Lumina 发帖：「GPT-6.1 Terra 出现在一个微软 PR 里。微软把 18 个评测配置从 GPT-5.6 Terra 更新为 GPT-6.1 Terra。」这条帖文获得约 20 万次浏览。Lumina 随后在文章里说明，他们先转述了 The Information 的报告，之后才在微软的公开代码里找到那个引用。
10 月 20 日 08:31，Kretschmann（约 5.98 万名关注者）的帖文把限定条件一并写出：这些配置「既不能确定发布日期，也无法说明 Terra 比此前模型好多少」，浏览量约 1 万次。当天 10:19， 跟进成文；10:59，用户 在帖文里点出 PR 编号 #39217，并写下「评测 ID 不等于发布」。
The Information 的版本：更便宜、瞄准价格竞争的 Terra
据 TestingCatalog 转述 The Information 付费通讯的内容，新的 Terra 预计强于 GPT-6.1 Sol 且成本更低，OpenAI 有意在价格上与 Anthropic 竞争。作为参照，GPT-6.1 Sol 目前的官方定价为每百万输入 token（词元）2 美元、每百万输出 token 10 美元，它本身是已发布的模型——OpenAI 10 月 19 日的刚介绍过它在 COBOL 迁移评测中的成绩：低推理力度下 86.6%，更高推理力度下 97.9%。TestingCatalog 还引用了 Palazzolo 的后续帖文：部分新模型发布可能滑入 11 月。由于通讯付费，这些预期只是媒体转述，不是 OpenAI 的表态。
配置字符串能证明什么、不能证明什么
能证明的是配置切换本身：改动公开、可查、已合并。Lumina 的判断是，整组默认值移向新一代命名是「准备工作的更强信号」，他们猜测新 Terra 的发布「不会太远」；TestingCatalog 的理由类似——这类配置改动通常发生在团队准备对某个模型开测的时候，而不是提前几个月。
不能证明的部分同样清楚。Lumina 明确说，配置本身无法告诉我们 Terra 是否已经成功运行。Terra 何时从配置字符串走进 OpenAI 的官方目录，是下一个可核验的信号。