OpenAI在8月24日宣布，新一代GPT-5.6模型家族——Sol、Terra、Luna——正式接入AWS旗下的AI编程智能体Kiro。双方联合测试给出的说法是：在Terminal-Bench 2.1这项基准上，Terra模型在Kiro中完成任务的成本降低了约82%。这个数字很抓眼球，但拆开看，它更像一句营销结论，而不是一份可核实的测试报告。
82%降在哪，官方没说清
Terminal-Bench 2.1是业内常用的智能体编程能力测试集，跑的是真实终端任务。但OpenAI和AWS这次只给了一个百分比，没说清对比的基线是哪个模型、哪种配置，没说清"成本"指的是token计费、Kiro内部的credit消耗,还是端到端的总执行成本，也没交代跑了多少次、置信区间是多少。
容易被混着看的还有另一组数字：OpenAI自己公布的GPT-5.6通用评测里，Terra在Terminal-Bench 2.1的得分是87.4%，Sol是88.8%，Luna是84.7%，作为对照的上一代GPT-5.5是85.6%。这是模型的通用能力评测，衡量的是"能不能做对"，跟Kiro里"做对一次要花多少钱"完全是两件事,不该被当成同一份成绩单来读。
唯一经得起核对的数字，来自另一个框架
行业里确实存在一份可独立复核的Terminal-Bench 2.1成绩单——只不过用的是Codex框架,不是Kiro。这份由Terminal-Bench团队复核过的提交显示，Codex搭配GPT-5.6 Terra（最大推理强度）跑了445次试验（89个任务、每个5次尝试），得分78.4%±1.3%，总花费421.15美元。折算下来，每次试验约0.95美元，每个任务（含5次尝试）约4.73美元，每次成功的试验约1.21美元。
这组数字之所以值得拿出来对照，不是因为它能证明或推翻Kiro的82%，恰恰相反——因为智能体的执行框架（agent scaffolding）不同，成功率和token消耗都会跟着变，Codex的成本结构套不到Kiro头上。但它展示了"什么叫可审计的成本数据"：基线明确、次数明确、总花费明确。相比之下，Kiro那句"降低约82%",更像是省略了方法论的结论。
定价文档跟不上定价公告
更能说明"厂商公告"和"产品执行"之间有落差的，是Kiro自己的定价页面。OpenAI在7月30日下调了Terra和Luna的API价格，Kiro随后把这两款模型的credit倍率分别从1.2倍、0.6倍降到1.0倍、0.1倍。但8月21日OpenAI又把Sol的价格降到输入4美元、输出20美元每百万token（这个促销价至少维持到11月21日），Kiro的credit倍率页面上,Sol至今仍标着旧的2.4倍。
这不是什么大事故，但足以提醒使用者：厂商联合公告的发布时间,往往跑在产品实际落地前面。企业采购和技术负责人如果拿着新闻稿里的价格去算预算，很可能算的是一个还没同步到账单系统里的数字。
- 提醒.credit倍率与token定价之间存在同步延迟,实际扣费应以Kiro账单为准，而非公告口径。
开发者社区的反馈也不算统一。有人认可Kiro的spec-driven流程——先把需求拆成结构化的设计文档和任务清单，再让模型逐步实现，这确实能减少来回试错。但也有开发者在社群里直接反映，GPT-5.6 Sol在Kiro里的表现"令人失望"。样本小、不构成基准，但至少说明官方叙事和一线体验之间不是完全对齐的。
Kiro的核心卖点从来不是"哪个模型更强"，而是"先想清楚再动手"的流程设计。这和Claude Code、Cursor、GitHub Copilot走的是不同路线——前者靠终端集成、后两者靠IDE原生体验和生态位置。学术圈已有研究比较过这几类编程智能体，结论是没有谁能在所有任务类型上都占优，各家排名会随任务性质大幅波动。放在这个坐标里看，Kiro"代码质量更高"的说法，更接近工作流层面的差异化主张,而不是一个已经被验证的模型级结论。
真正值得盯的，不是这次82%的数字本身,而是接下来OpenAI和AWS是否会公开测试方法论、是否会有第三方复现Kiro场景下的成本对比、以及Kiro的定价文档能不能追上自己的合作公告。这三件事任何一件发生，才算是把"营销数字"变成"可核对的事实"。