GPT-6.1 Terra vs GPT-6.1 Sol: Di Mana Output Seharga $5 Berhenti Menjadi Jawaban yang Lebih Murah

Perbandingan yang paling sering dilakukan orang antara GPT-6.1 Terra dan GPT-6.1 Sol itu keliru, dan keliru dengan cara yang membuat model yang lebih murah tampak lebih baik. Mereka menyetel keduanya ke upaya penalaran maksimum, mencatat bahwa skor Terra sedikit lebih rendah, mencatat bahwa biaya Terra setengahnya, lalu menyimpulkan bahwa Terra adalah pilihan default yang masuk akal. Tetapi tidak ada yang menjalankan pipeline produksi pada upaya maksimum di setiap panggilan. Pilihan sebenarnya adalah Terra pada xhigh dibandingkan Sol pada low — dan pada perbandingan itu, para komentator di Hacker News menunjukkan dalam hitungan jam setelah peluncuran, Terra bisa berbiaya lebih mahal daripada Sol sementara skornya lebih buruk. Model yang Anda pilih tidak sepenting tingkat upaya yang Anda patok untuknya, dan tingkat upaya itulah variabel yang tidak dicantumkan di judul oleh kedua halaman peluncuran.

Kedua model berasal dari generasi dan bulan yang sama: GPT-6.1 Sol dirilis pada 29 September 2026, GPT-6.1 Terra pada 26 Oktober. Keduanya berbagi jendela konteks 1,05 juta token, batas keluaran 128K, tiga endpoint yang sama, dan input teks-dan-gambar yang sama. Yang membedakan keduanya adalah selisih empat poin pada indeks independen dan selisih 2× pada daftar harga — dan pertanyaan apakah empat poin itu layak dibayar dua kali lipat sepenuhnya bergantung pada apa yang dilakukan beban kerja Anda dengan empat poin terakhir itu.

Model yang sama, dua kartu harga

Spesifikasi dari dokumentasi model OpenAI, dibaca pada 27 Oktober 2026.

• Harga — GPT-6.1 Terra $1 untuk input / $5 untuk output per juta; GPT-6.1 Sol $2 / $10. Input yang di-cache Terra $0.05, Sol $0.10.

• Konteks — 1.050.000 token masing-masing, maksimum input 922.000, maksimum output 128.000. Identik.

• Batas pengetahuan — Terra 1 Juni 2026; Sol 30 April 2026. Model yang lebih murah dan lebih baru memiliki pengetahuan dunia yang lebih baru sekitar satu bulan.

• Upaya penalaran — Terra menawarkan none, low, medium, high, xhigh, max; Sol menawarkan low hingga max. Tingkat "none" tambahan Terra adalah batas biaya sesungguhnya yang tidak dimiliki Sol.

• Pengubah — keduanya memiliki batch dan flex sebesar 50% di bawah standar, fast sebesar 2×, regional sebesar +10%, dan ambang input 272K. Hanya Sol yang memiliki tier Ultrafast sebesar 6× standar, yang pada harga daftar setara dengan $12 untuk input dan $60 untuk output per juta.

• Alat dan endpoint — set yang identik. Responses API untuk pemanggilan alat, Chat Completions tanpa alat, Batch untuk keduanya, tidak ada fine-tuning pada salah satu pun.

Empat poin, dua kali harga

Artificial Analysis saat ini mencantumkan GPT-6.1 Terra pada Intelligence Index 48 — peringkat ke-25 dari 221 model — dan GPT-6.1 Sol pada 52, peringkat ke-13. Itulah keseluruhan selisih kemampuan independen: empat poin, pada upaya maksimum, dalam sebuah indeks komposit. Itu bukanlah hal yang tidak berarti. Itu juga bukan jurang pemisah yang tersirat oleh bahasa “flagship versus mid-tier”, dan kedua model tersebut berbagi satu generasi, satu keluarga arsitektur, dan satu jendela konteks.

Selisih biayanya lebih mudah diutarakan: tepat 2× untuk input maupun output pada tarif standar. Terra bukan model diskon; ini adalah harga Sol yang dipotong setengah dengan empat poin indeks dihilangkan.

Biaya per tugas yang diselesaikan, bukan per token

Angka yang seharusnya menjadi dasar keputusan adalah biaya per tugas yang diselesaikan, karena angka ini mencakup berapa banyak token yang dihabiskan setiap model untuk berpikir. Pada Intelligence Index milik Artificial Analysis, GPT-6.1 Terra menelan biaya $0.40 per tugas dan GPT-6.1 Sol $0.72 — penghematan 44% untuk Terra, lebih kecil daripada angka utama 50% karena Terra menghabiskan sedikit lebih banyak token untuk menyelesaikan pekerjaan yang sama pada upaya maksimal.

Kalikan skalanya. Pada satu juta tugas per bulan, selisihnya sekitar $320.000. Pada sepuluh ribu tugas, selisihnya $3.200 — uang nyata, tetapi lebih kecil daripada satu engineer-week yang dihabiskan untuk membangun ulang eval harness. Ambang batas ketika keunggulan harga Terra membenarkan migrasi adalah pertanyaan volume, bukan pertanyaan kualitas, dan itu adalah angka pertama yang harus dihitung sebelum membaca tabel benchmark apa pun.

Ada efek sekunder yang menguntungkan Terra yang tidak terlihat pada kedua harga: batas waktu pengetahuan. Horizon pelatihan Terra pada 1 Juni sebulan lebih baru daripada Sol pada 30 April. Untuk beban kerja yang bergantung pada API terbaru, versi pustaka, atau dokumentasi, satu bulan itu bernilai lebih dari empat poin indeks, dan biaya untuk mendapatkannya hanya setengahnya.

Jebakan tingkat usaha, dibahas hingga tuntas

Inilah mode kegagalan itu secara konkret. Terra dengan effort xhigh menghabiskan lebih banyak token per tugas daripada Sol dengan effort rendah. Jika token Terra berharga setengahnya tetapi ia menggunakan lebih dari dua kali lipat jumlahnya, model yang lebih murah itu tidak lagi lebih murah — dan karena xhigh adalah pengaturan yang lebih lemah daripada low milik Sol pada tugas-tugas tersulit, Anda membayar lebih untuk jawaban yang lebih buruk. Para komentator Hacker News menggambarkan hal ini persis di Terminal-Bench 4.0 dalam waktu sehari setelah peluncuran.

Perbaikannya bukan menghindari Terra. Ini tentang membandingkan pada pengeluaran yang sama, bukan pada pengaturan yang sama. Secara konkret: tentukan dulu standar kualitas Anda — tingkat kelulusan yang dibutuhkan produk Anda pada eval Anda sendiri — lalu temukan pasangan (model, effort) termurah yang melewatinya. Ruang pencarian itu memiliki dua belas titik praktis di antara kedua model ini, bukan dua, dan jawabannya biasanya bukan "Terra pada maksimum" atau "Sol pada maksimum."

Angka OpenAI sendiri menggambarkan seberapa besar pengaturan ini berpengaruh. Tingkat kesalahan Terra pada set internal vendor yang memicu kesalahan turun dari 16,7% pada upaya rendah menjadi 4,3% pada maksimum — selisih 12 poin dalam satu model. Selisih antara Terra dan Sol pada indeks independen adalah empat poin. Pengatur upaya adalah tuas yang lebih besar daripada pilihan model, dan gratis untuk diputar.

Di mana Sol masih mendapatkan markup

Positioning OpenAI untuk Sol adalah "kinerja mendekati Astra untuk pekerjaan kompleks dengan biaya lebih rendah," dan benchmark vendor yang membedakannya dari Terra konsisten dengan hal itu: pekerjaan agentik jangka panjang, coding tersulit, dan dokumen profesional yang padat. Itu juga tugas-tugas di mana satu eksekusi yang gagal lebih mahal daripada tokennya, yang justru menjadi saat ketika premi harga 2× mudah dibenarkan.

Argumen balik Terra lebih sempit daripada yang disiratkan pemasaran tetapi lebih tajam daripada yang disiratkan indeks. OpenAI melaporkan Terra berada dalam jarak 5 poin dari Claude Opus 5.5 pada Terminal-Bench-Science 0.1 dengan biaya kurang dari seperlima perkiraan biaya, dan 15 poin di atas GPT-5.6 Terra pada Agents' Last Exam dengan biaya sekitar sepertiga. Itu adalah angka hasil uji vendor pada tes yang dipilih vendor, jadi angka-angka itu menetapkan arah, bukan besaran — tetapi arahnya adalah "cukup baik pada tugas terkait sains dan agentik, jauh lebih murah," yang merupakan ceruk nyata.

Pembagian yang jujur adalah ini: Sol untuk tugas-tugas yang membuat Anda akan menyadari penurunan kualitas sebesar empat poin, dan Terra untuk tugas-tugas yang membuat Anda akan menyadari tagihannya. Sangat sedikit beban kerja yang sepenuhnya hanya salah satu, itulah sebabnya pertanyaan routing menjadi lebih penting daripada pertanyaan model.

Latensi mungkin lebih dulu menentukan sebelum kualitas.

Artificial Analysis mengukur GPT-6.1 Sol pada 65.9 token keluaran per detik dengan 325.58 detik hingga token pertama pada upaya maksimum. Angka waktu ke token pertama itu bukan salah ketik, dan itu membuatnya tidak layak untuk apa pun yang interaktif. Terra belum memiliki pengukuran throughput independen; OpenAI menyebutnya jauh lebih cepat, dan jika itu benar, selisihnya cukup besar untuk menyelesaikan perdebatan bagi produk berbentuk chat atau loop agen terlepas dari skor indeks.

Untuk pekerjaan batch, perhitungannya berbalik: 325 detik untuk berpikir tidak relevan jika pekerjaan itu berjalan semalaman, dan plafon Sol yang lebih tinggi layak untuk dibayar. Latensi adalah properti beban kerja, bukan properti model, dan latensi harus masuk ke dalam keputusan sebelum peringkat benchmark masuk.

Menahan kedua lengan pada satu tombol

OrcaRouter menyediakan GPT-6.1 Sol pada harga daftar $2/$10 dengan markup 0%, menggunakan kunci yang sama dengan lebih dari 200 model lainnya. GPT-6.1 Terra belum ada di katalog kami per 27 Oktober — usianya baru sehari dan tersedia melalui API OpenAI — jadi pola praktis saat ini adalah mengukur sisi Sol di pihak kami dan menetapkannya sebagai target eskalasi: jalankan Terra di tempat ia unggul, alihkan ke Sol ketika sebuah permintaan membutuhkan tambahan empat poin itu atau ketika penyedia sedang mengalami gangguan sesaat. Keduanya berasal dari generasi yang sama, dengan jendela konteks yang sama dan bentuk endpoint yang sama, sehingga aturan routing-nya hanyalah string model dan pengaturan effort, bukan penulisan ulang.

DSL routing penting di sini karena alasan tertentu. Konfigurasi produksi yang menarik bukanlah "Terra atau Sol", melainkan "Terra pada level high, dieskalasi ke Sol pada level medium saat keyakinan rendah" — komposisi yang jika tidak demikian berarti dua integrasi, dua kebijakan retry, dan dua tagihan. Itulah jenis keputusan yang ditawarkan pasangan ini, dan itulah alasan kedua model harus dievaluasi sebagai tangga, bukan sebagai pilihan salah-satu.

Aturan keputusan

• Volume tinggi, spesifikasi jelas, sensitif terhadap latensi — tangkapan layar, formulir, ekstraksi, otomasi browser, penyusunan rutin. Terra, pada tingkat upaya terendah yang lolos eval Anda. Defisit empat poin tidak akan terlihat, dan penghematan 44% per tugas akan terasa.

• Coding yang sulit, agen dengan horizon panjang, dokumen profesional yang padat, apa pun yang biaya kegagalan eksekusinya lebih besar daripada tokennya. Sol. Inilah beban kerja yang menjadi alasan adanya premi 2×.

• Obrolan interaktif dengan anggaran waktu hingga token pertama yang ketat. Terra, kecuali Anda telah mengukur Sol pada upaya rendah dan menemukan latensinya dapat diterima. Sol pada upaya maksimum adalah instrumen batch yang memakai antarmuka obrolan.

• Pekerjaan yang peka terhadap kebaruan — API terbaru, versi pustaka, dokumentasi terkini. Batas pengetahuan Juni Terra mengalahkan batas April Sol, dan itu dengan harga setengahnya.

• Tidak yakin. Lakukan benchmark dengan pengeluaran setara, bukan pengaturan setara. Perubahan tunggal itu akan membuat lebih banyak tim beralih ke Terra daripada tabel benchmark mana pun.

Pertanyaan terbuka bukanlah apakah Terra cukup baik untuk menggantikan Sol — jelas tidak, berdasarkan satu-satunya ukuran independen yang tersedia. Pertanyaannya adalah apakah selisih empat poin itu bertahan dengan kedatangan GPT-6.1 Astra, yang belum dirilis dan yang akan mendorong Sol turun peringkat dengan cara yang sama seperti Sol mendorong Astra turun. Ketika itu terjadi, perbandingan yang menarik adalah Terra melawan Sol yang didiskon, dan dial upaya akan menjadi lebih penting daripada saat ini.