GPT-6.1 Terra vs GLM-5.5: Model yang Hilang dan Model yang Dapat Anda Unduh

Pencarian untuk GPT-6.1 Terra versus GLM-5.5 menghasilkan banyak tabel yang tampak meyakinkan untuk model yang tidak ada. Z.ai belum menerbitkan kartu model, pengenal API, harga, maupun bobot apa pun dengan nama GLM-5.5; katalognya masih hanya sampai pada GLM-5.3, yang dirilis pada pertengahan Agustus 2026, dengan bobot terbuka menyusul kemudian pada bulan itu. Terra, sebaliknya, dirilis pada 26 Oktober dan dapat dipanggil hari ini. Jadi perbandingan yang sebenarnya adalah Terra melawan GLM-5.3 — dan dalam perbandingan itu kedua model tersebut biayanya hampir persis sama per token, sementara Terra memakan biaya sekitar seperlima dari itu per tugas yang diselesaikan. Alasannya bukan trik harga. Alasannya adalah verbositas.

Status GLM-5.5 layak dinyatakan secara tepat, karena mesin rumor telah produktif. Laporan pada akhir Oktober mengindikasikan jendela peluncuran antara akhir Oktober hingga awal November 2026. Catatan bocor menyarankan 2,5 hingga 3,5 triliun parameter total, naik dari klaim sebelumnya sebesar 1T dan 1,6T, serta target kinerja "kelas Fable". Z.ai sendiri hanya mengatakan bahwa GLM-5.4 dan GLM-5.5 akan berada di kelas triliun parameter, dan menyebut GLM-6.0 pada panggilan pendapatan 31 Agustus tanpa tanggal. Tidak satu pun dari itu merupakan produk. Uji empat bagian — ID API yang dapat dipanggil, harga yang dipublikasikan dengan tarif cache, entri papan peringkat independen, dan bobot yang dapat diunduh — saat ini gagal di keempatnya.

Model yang sebenarnya berada di sisi lain perbandingan ini

• GLM-5.3 — dirilis pada pertengahan Agustus 2026; bobot terbuka di bawah lisensi GLM-5.3; sekitar 750B parameter total dengan sekitar 40B aktif per token; konteks 1M token; output 128K; hanya teks; mode berpikir aktif secara default; harga daftar $1,40/$4,40 per 1 juta input/output, atau $1,26/$3,96 melalui OrcaRouter.

• GPT-6.1 Terra — dirilis 26 Oktober 2026; bobot tertutup; konteks 1,05 juta token; keluaran 128K; masukan teks dan gambar; enam tingkat penalaran; $1,00/$5,00 per 1 juta token masukan/keluaran, naik menjadi $2,00/$7,50 setelah 272K token masukan; masukan cache $0,05.

• Indeks Kecerdasan Independen — Terra 48, GLM-5.3 45, pada skala Artificial Analysis saat ini.

Di kartu tarif, keduanya hampir kembar. Pada harga pass-through OrcaRouter, GLM-5.3 berbiaya $1.26/$3.96 dibandingkan Terra $1.00/$5.00. GLM 26% lebih murah untuk input dan 21% lebih murah untuk output. Tim yang memilih berdasarkan dua angka itu akan memilih GLM-5.3 dan lanjut.

Per token, biayanya sama; per tugas, tidak.

Artificial Analysis mengukur biaya per tugas Intelligence Index, yang mencakup berapa banyak token yang benar-benar dihabiskan suatu model untuk sampai pada jawaban. Terra sekitar $0,40. GLM-5.3 sekitar $2,01 — lima kali lebih mahal, meskipun tarif tokennya lebih murah. Penyebabnya terlihat dalam evaluasi itu sendiri: Terra mengonsumsi sekitar 130 juta token output di seluruh rangkaian uji, sedangkan GLM-5.3 sekitar 210 juta. GLM-5.3 berpikir lebih lama, lebih banyak mengulang, dan harus membayarnya di tagihan.

Ini adalah hal paling berguna untuk dipahami tentang perbandingan tersebut, dan inilah hal yang cenderung dilewatkan oleh liputan peluncuran kedua model. Harga token adalah input bagi biaya, bukan ukuran biaya itu. Model yang 20% lebih murah per token dan 60% lebih bertele-tele adalah 33% lebih mahal per jawaban. Untuk ekstraksi, klasifikasi, atau pembuatan jawaban singkat bervolume tinggi, pembalikan itu menentukan tagihan.

Ini juga berarti perbandingan berbalik tergantung bentuk beban kerja. Verbositas GLM-5.3 paling merugikan pada output pendek, tempat overhead penalaran mendominasi. Pada generasi bentuk panjang, ketika kedua model tetap menghasilkan ribuan token, perbedaan harga token kembali menonjol dan diskon output 21% milik GLM menjadi uang nyata.

Tempat di mana GLM-5.3 tetap menjadi pilihan pembelian yang lebih baik

Bobot terbuka adalah jawaban yang jelas, dan itu bukan hal sepele. GLM-5.3 dapat diunduh, dihosting sendiri, disesuaikan, dan dijaga tetap berada di dalam batas kepatuhan. Terra tidak bisa. Bagi industri yang diatur ketat, penerapan air-gapped, atau tim yang membutuhkan model yang berhenti berubah di bawah mereka, itu sudah menyelesaikan pertanyaan sebelum tolok ukur dikonsultasikan.

{{1}}GLM-5.3{{/1}} juga punya profil teknis yang kuat untuk harganya. Model ini memimpin bidang model berbobot terbuka pada indeks {{2}}Artificial Analysis{{/2}}, kira-kira setara dengan {{3}}Kimi K3{{/3}}, dan luar biasa kuat dalam keamanan siber serta riset kerentanan — evaluasi siber {{4}}Zhipu{{/4}} sendiri dan pengujian red-team {{5}}Anthropic{{/5}} sama-sama menempatkannya dekat dengan model-model terdepan dalam penemuan eksploit. Pada {{6}}SciCode{{/6}}, model ini mencetak skor 59,0, di atas 54,2 milik {{7}}GPT-6.1 Sol{{/7}}, meskipun Terra tidak tercantum dalam pengujian itu. Model ini mendukung konteks 1 juta token dan diskon cache sekitar 81%, yang membuat prompt panjang berulang lebih murah daripada yang terlihat dari harga labelnya.

Batasannya sama jelasnya. Ia hanya untuk teks: tidak ada gambar, audio, atau PDF. Mode berpikir selalu aktif, dengan berbagai tingkat upaya tetapi tidak ada sakelar mati yang sesungguhnya. Dan verbositasnya merupakan biaya operasional nyata, bukan sekadar artefak benchmark — hal itu tampak sebagai latensi yang lebih panjang, tagihan yang lebih besar, dan lebih banyak token untuk disaring dalam pipeline hilir.

Di mana Terra menang

Keunggulan tiga poin Terra dalam indeks tidaklah besar, dan rangkaian pengujian independen membuatnya tampak bahkan lebih kecil. Pada Vals Index, Terra mencetak 60,17% berbanding 59,73% milik GLM-5.3 — selisih 0,44 poin yang masih dalam rentang noise, dengan biaya per pengujian lebih tinggi sebesar $2,92. Pada benchmark akuntansi DualEntry, GLM-5.3 memperoleh skor lebih tinggi dan biaya lebih murah dibandingkan 78,2% milik Terra. Jika pertanyaannya adalah "model mana yang lebih pintar," jawaban jujurnya adalah keduanya cukup berdekatan sehingga benchmark yang Anda pilih menentukan pemenangnya.

Keunggulan Terra ada di tempat lain. Ia menerima gambar; GLM-5.3 tidak. Ia menawarkan enam tingkat penalaran, sehingga trafik yang mudah dapat didorong ke upaya rendah dengan cara yang tidak dimungkinkan oleh mode berpikir selalu aktif milik GLM. Batas pengetahuan pengetahuannya adalah Juni 2026, dibandingkan dengan jendela pelatihan GLM-5.3 yang lebih awal. Dan ia cepat: 90,9 token keluaran per detik di Artificial Analysis, dalam rentang yang sama dengan GLM-5.3, yang throughput terukurnya berkisar dari akhir 60-an hingga pertengahan 90-an tergantung pada penyedia dan snapshot. Kecepatan ditambah biaya per tugas yang lebih rendah merupakan kombinasi yang benar-benar kuat untuk produk interaktif.

Biaya tambahan 272K merugikan posisinya. Setelah ambang input tersebut, harga Terra melonjak menjadi $2.00/$7.50, yang sepenuhnya menghapus keunggulan inputnya dibanding GLM-5.3 dan membuat output 89% lebih mahal. Alur kerja dokumen panjang harus dihitung dengan biaya tambahan, bukan harga utama.

Jika GLM-5.5 benar-benar dirilis

Cara yang berguna untuk memikirkan model yang hilang bukanlah "berapa skornya" melainkan "apa yang harus benar agar hal itu mengubah keputusan ini." Tiga hal:

• Ini perlu jauh lebih ringkas. Model 2,5T parameter yang berpikir bahkan lebih lama daripada GLM-5.3 akan kalah soal biaya per tugas, seberapa pun bagusnya harga tokennya. Rumor tentang parameter mengarah ke arah yang salah dalam hal ini.

• Ini memerlukan bobot terbuka saat peluncuran, bukan beberapa minggu kemudian. Bobot GLM-5.3 tiba sekitar sepuluh hari setelah API; keterlambatan itu cukup untuk merusak siklus pengadaan.

• Model seperti itu perlu harga di bawah GLM-5.3, atau lompatan kemampuan yang cukup besar untuk membenarkan harga premium. Model dengan satu triliun parameter yang melayani dengan tarif terdepan tidak akan memotong harga Terra sebesar $0,40 per tugas.

Semua itu bukanlah prediksi. Itu adalah daftar periksa untuk dijalankan pada hari sebuah kartu muncul. Hingga saat itu, GLM-5.5 adalah alasan untuk memantau catatan rilis Z.ai, bukan alasan untuk menunda keputusan.

Menjalankan keduanya hari ini

GLM-5.3 ada di katalog OrcaRouter dengan harga $1.26/$3.96 per juta token, harga daftar dari penyedia yang diteruskan pada markup 0%, bersama dengan lebih dari 200 model lainnya di satu kunci dengan failover otomatis. Terra belum ada di katalog tersebut pada saat publikasi — model ini tersedia melalui API OpenAI dan beberapa platform pihak ketiga — jadi eksperimen praktisnya adalah memanggil GLM-5.3 melalui OrcaRouter dan Terra melalui OpenAI, lalu membandingkannya pada traffic Anda sendiri, bukan pada papan peringkat.

Saat Anda melakukannya, ukurlah token per tugas yang diselesaikan, bukan harga per token. Itulah angka yang membedakan kedua model ini, dan itulah angka yang tidak dicantumkan di judul oleh kedua pos peluncuran. Jika Terra menyelesaikan beban kerja Anda dengan sepertiga lebih sedikit token keluaran, kerugian harga keluarannya sebesar 21% akan hilang dan tarif masuknya yang lebih murah mulai berdampak majemuk. Jika penalaran GLM-5.3 membayar dirinya sendiri melalui lebih sedikit percobaan ulang dan lebih sedikit tinjauan manusia, tagihan per tugas berbalik. Rata-rata tolok ukur mengatakan kedua model hanya berbeda beberapa poin. Jumlah token Anda akan mengatakan mana yang lebih murah.

Pertanyaan soal menunggu punya jawaban sederhana. GLM-5.5 mungkin hadir dalam beberapa minggu; GLM-5.3 dapat diunduh sekarang, dan Terra dapat dipanggil sekarang. Tim yang membutuhkan bobot terbuka punya satu opsi nyata hari ini, dan tim yang membutuhkan biaya terendah per tugas yang selesai punya opsi yang berbeda. Tak satu pun dari opsi itu menjadi lebih baik dengan menunggu model yang tidak memiliki endpoint.