官方展示了把 2D 建筑蓝图还原成 3D 交互模型的例子，我也整理好了提示词，大家可以试一下。
请在 index.html 中（用 Three.js），编写“2D 建筑蓝图转 3D 模型”工具。左侧绘制双层住宅 2D 蓝图（含承重墙、旋转楼梯与轴线）；右侧还原为支持剖面切换与日照阴影的 3D 模型；点击左侧构件，右侧联动高亮并展示参数。
你别说，效果还真的挺不错。
不过有一说一，市面上便宜又快的模型够多了，我需要的是能打败 Opus 5.5 的模型啊，OpenAI，你抓紧点啊。
恭喜看到这里的你，已经成功击败 30% 的学习者，给自己来个关注鼓励一下吧。视频的原稿以及 364 道 Agent 八股已经整理到开源知识库。
先说第一件事，Astra、Sol、Terra、Luna 怎么区分？
从 GPT-6 开始，OpenAI 按天体体积从小到大排了四档。
最小的 Luna 对标 Haiku 5.5，负责高并发路由。往上一档是 Terra，对标 Sonnet 5.5。再往上是 Sol，是我现在使用的主力模型，主要是比 Astra 省 Token。最顶上是 Astra，负责前沿数学推导和漏洞分析，能力我觉得还是可以的，但 200 刀的用量根本不够用。
那聪明的你肯定要问，Terra 到底强在哪里？OpenAI 在 Codex 源码里给它塞了哪三个大招？
第一个，Codex 为 GPT-6.1 Terra 默认开启了 code_mode_only 纯代码执行模式，把传统的“一次调用一个工具”变成了 V8 沙箱里的并发脚本编程。
平时咱们用 Agent，调用工具走的是传统的 JSON 往返模式。比如模型要先查一个文件名，发一次 JSON 请求，等宿主环境返回结果；再读第一个文件，再等返回；接着读第二个文件。排查一个问题需要做十次只读操作，就要跟大模型来回交互十轮，每一轮都要把前面的历史上下文重新发一遍，不仅慢，上下文窗口也很快被塞满。
但在最新的 Codex 模型配置里，GPT-6.1 Terra 的工具模式被设成了 code_mode_only。一旦开启这个模式，Codex 会把零散的工具全部隐藏起来，只向模型暴露一个运行在独立 V8 沙箱里的 exec 工具，并把文件读写、终端命令和外部 MCP 插件全部挂载到沙箱的全局 tools 对象上。
这还没完，如果把几十个工具的参数签名全塞进初始提示词，同样会浪费大量上下文。Codex 的解法是加一套延迟加载机制，当 Terra 拿到复杂任务后，它会写一段 JavaScript 代码交给 V8 沙箱执行，先调用 tool_search，底层用 BM25 实时检索出当前需要的工具并拿到 TypeScript 签名，紧接着在同一段 JavaScript 代码里，用 Promise.allSettled 把多个互不依赖的文件搜索、代码读取一次性并发完成。这也是 Terra 执行任务比 Sol 和 Astra 快三倍以上的第一个变化。
恭喜看到这里的你，已经成功击败 50% 的学习者了。
那聪明的你肯定又要问了，第二个大招是什么？
很多人以为 Terra 只是个中杯模型，能力肯定全面落后于大杯 Sol 和超大杯 Astra。但在长周期多模态评测 Agents' Last Exam v1 当中，面对把 2D 工程图纸转成 3D 模型、逐帧审查动画成片这类任务，GPT-6.1 Terra 在最高推理档位下拿到了 60 的高分，反超了自家的 GPT-6.1 Sol，58.6 分。
为什么？我去翻了 Codex 源码里的模型配置清单，发现了两个关键参数。第一，虽然 GPT-6 全系的上下文都是 105 万 Token，但在 Codex 的源码里，Astra、Sol 和 Luna 的默认工作窗口 context_window 全都被锁死在 27.2 万 Token。唯独 GPT-6.1 Terra 放开到了 50 万 Token，同时开启了 supports_image_detail_original 开关。这意味着你喂给它一张高清建筑施工图，它不需要缩略裁剪，能看清每一个像素。
第二，源码里还设计了一套基于编号寻址的跨窗口接力机制。当剩余可用空间低于 6144 个 Token 时，Codex 不做全文摘要压缩，反而提醒 Terra 先调用 notes 工具，把当前任务进度和关键记录的 window ID 与 item ID 写成结构化数据，接着调用 new_context 开启一个干净的新窗口，再通过 history 工具按编号把旧窗口里的原始内容一字不差地调取出来。这样做的好处是，既能读取高清原图，又能跨窗口无损调取记忆。
恭喜看到这里的你，成功击败 70% 的学习者了。那第三个大招又是什么呢？
公开 API 的推理强度只有 none 到 max 五档，但在 Codex 内部，OpenAI 给 Astra、Sol 和 Terra 加了一个隐藏的第六档位 ultra，主打最高强度配合自动任务委派。当你在客户端切换到 ultra 档位时，Codex 会把主模型的推理强度映射到 xhigh，同时调用 spawn_agent 派生多个并行的 Sub-agent，并通过 fork_turns 控制上下文继承。如果是修一个小函数，就传入 none 让 Sub-agent 零负担启动；如果是复杂的模块改造，就传入 all 继承完整上下文。
还有，Codex 修改了云端服务模块，把后台负责会话记忆整理的 memory_consolidation 默认模型，从原来的 gpt-6.1-sol 换成了 gpt-6.1-terra。也就是说，背后默默帮你去重、提炼、归档长期记忆的那个总管，现在已经是 Terra 了。
恭喜你升到王者段位了，成功击败 99% 的学习者。
最后简单总结下。
GPT-6.1 Terra 把 V8 沙箱并发执行、50 万原图窗口和低幻觉的 Multi-Agent 委派打包在了一起，在速度和多模态任务上交出了超出预期的答卷。
这个知识点你学会了吗？想解锁更多 Agent 硬核知识，点赞关注，我是二哥，咱们下期见！