GPT-6.1 Terra vs Muse Wonder: Empat Poin Indeks, Biaya Delapan Kali Lipat

GPT-6.1 Terra dan Muse Wonder terpaut empat poin pada papan skor publik yang telah mengukur keduanya, dan sekitar delapan kali lipat berbeda dalam biaya untuk menyelesaikan satu tugas di papan skor tersebut. OpenAI merilis Terra pada 26 Oktober 2026 dengan harga $1 per juta token input dan $5 per juta token output; model ini mendapat skor 48 pada Artificial Analysis Intelligence Index dan biayanya $0.40 per tugas indeks. Meta merilis Muse Wonder pada 12 Oktober dengan harga $4 dan $20; model ini mendapat skor 52 dan biayanya $3.27 per tugas. Keduanya mencantumkan jendela konteks satu juta token. Mengurutkan papan skor akan menyelesaikan keputusan dalam satu baris, itulah sebabnya papan skor adalah tempat yang salah untuk menyelesaikannya: model dengan skor lebih tinggi dan tagihan lebih tinggi juga yang lebih cepat, dan keunggulan model murah sepenuhnya bergantung pada berapa besar biaya jawaban yang salah bagi Anda.

Angka-angka di bawah ini berasal dari Artificial Analysis, yang dibaca pada 27 Oktober 2026, dan dari dokumentasi peluncuran kedua vendor. Klaim vendor ditandai sebagai klaim. Satu-satunya tolok ukur tingkat tugas dalam tulisan ini dijalankan oleh DualEntry, perusahaan yang menjual otomatisasi akuntansi, sehingga ini merupakan bukti pihak ketiga yang memiliki kepentingan komersial, bukan audit netral; hal itu diperlakukan sebagaimana mestinya.

Dua model yang dibuat untuk pekerjaan yang berbeda

Terra adalah model volume OpenAI, pengganti GPT-5.6 Terra dan cara termurah untuk mendapatkan kompetensi umum keluarga OpenAI saat ini. Model ini menerima teks dan gambar, mengembalikan teks, mendokumentasikan konteks 1.050.000 token dengan batas keluaran 128.000 token, dan menyediakan reasoning effort dari none hingga max. OpenAI juga merilisnya ke Amazon Bedrock pada hari peluncuran dan ke ChatGPT Work serta Codex, meskipun tidak ke kotak obrolan ChatGPT konsumen. Dalam arti yang penting bagi pengadaan, model ini hanya tersedia melalui API: tidak ada fine-tuning, tidak ada Realtime, tidak ada Assistants.

Muse Wonder adalah model pertama Meta yang masuk dalam pembicaraan model terdepan, dan ia hadir dengan pemisahan yang sering kabur di berbagai halaman perbandingan. Model API-nya adalah Wonder, dengan harga $4 untuk input dan $20 untuk output. Checkpoint dengan skor lebih tinggi, Muse Wonder Full pada 56 di indeks yang sama, hanya dijual di dalam langganan Muse Code seharga $50 atau $200 per bulan dan tidak disajikan melalui API. Baris benchmark utama sering kali menggambarkan Full. Model yang benar-benar bisa dipanggil pengembang berada empat poin di atas Terra, bukan delapan.

• Harga — GPT-6.1 Terra $1.00 masukan / $5.00 keluaran per juta; Muse Wonder $4.00 / $20.00.

• Input di-cache — Terra $0.05 dengan diskon 95%; Wonder $0.20 dengan diskon 95%.

• Jendela konteks — Terra 1.050.000 terdokumentasi; Wonder 1.000.000 terdokumentasi.

• Output maksimum — Terra 128.000 terdokumentasi; Meta belum menerbitkan batas atas untuk Wonder, dan pelacak pihak ketiga melaporkan angka mendekati 943.000.

• Indeks Kecerdasan Independen — Terra 48, ke-25 dari 221; Wonder 52, ke-10 dari 221.

• Biaya per tugas indeks — Terra $0,40; Wonder $3,27.

• Kecepatan keluaran — Terra 90,9 token per detik; Wonder 207,8.

• Waktu hingga token pertama — Terra 77,96 detik; Wonder 31,62 detik.

• Input — teks dan gambar Terra; teks, gambar, video, dan audio Wonder sesuai pelacak, dengan materi peluncuran Meta sendiri yang menekankan teks dan gambar.

• Bobot — tertutup di kedua sisi. Opsi berbobot terbuka Meta adalah Muse Spark, model yang berbeda.

Tagihan itu delapan kali lipat dari selisih indeks.

Angka biaya per tugas adalah yang seharusnya mengubah cara membaca selisih empat poin itu. Artificial Analysis tidak sekadar mengalikan tarif daftar dengan jumlah token tetap; mereka mengukur berapa banyak token yang dihabiskan setiap model untuk menyelesaikan kumpulan tugas indeks yang sama, lalu memberi harga pada konsumsi tersebut. Terra rata-rata $0.40 per tugas dan Wonder $3.27, selisih 8.2x pada selisih kemampuan kurang dari 8%.

Tarif daftar saja tidak menjelaskannya. Ambil contoh beban kerja 100 juta token masukan dan 10 juta token keluaran: Terra menagih $150 dan Wonder $600, selisih 4x. Kesenjangan per tugas dua kali lebih lebar, yang berarti token yang sebenarnya dikonsumsi evaluasi indeks tidak terbagi 10 banding 1; Artificial Analysis menghitung harga volume masukan dan keluaran terukur untuk setiap model, dan angka per tugas itu mencerminkan evaluasi yang sebenarnya, bukan contoh yang disederhanakan. Harga per token adalah harga bahan bakar, bukan biaya perjalanan.

Perbedaan itu paling penting pada volume yang menjadi sasaran Terra. Pipeline yang menjalankan 100.000 tugas per bulan menghabiskan $40.000 untuk Terra dan $327.000 untuk Wonder pada tarif terukur Artificial Analysis. Perbedaan kemampuan antara keduanya tidak berubah sebesar delapan kali lipat ketika beban kerja berubah; tagihannya yang berubah. Jika tugas Anda adalah klasifikasi, ekstraksi, pembacaan formulir, atau langkah agen terbatas, beban pembuktian ada pada model yang mahal.

Satu catatan kehati-hatian soal aritmetika: indeks dinormalisasi ulang secara berkala, dan angka biaya per tugas ikut bergeser bersamanya. Bandingkan model dari pembacaan yang sama, sebagaimana angka-angka ini, alih-alih mengurangkan sebuah angka dari artikel yang lebih lama.

Wonder lebih cepat, dan klaim kecepatan Terra tidak bertahan dalam perbandingan.

Materi peluncuran OpenAI menggambarkan Terra sebagai jauh lebih cepat daripada GPT-6 Astra dan GPT-6.1 Sol. Dalam keluarga OpenAI, hal itu tampaknya benar, dan itulah alasan model ini ada: generalis murah dan cepat untuk pekerjaan visual dan dokumen. Dibandingkan model Meta, selisihnya jauh. Wonder menghasilkan 207,8 token keluaran per detik versus 90,9 milik Terra, dan mengembalikan token pertamanya dalam 31,62 detik versus 77,96 milik Terra.

Keduanya lambat memulai secara absolut, yang merupakan sifat model penalaran besar, bukan skandal. Namun urutannya justru kebalikan dari urutan harga, dan itu punya konsekuensi praktis. Untuk pekerjaan batch yang berjalan semalaman, latensi Terra tidak relevan dan biayanya yang menentukan. Untuk produk interaktif di mana pengguna menunggu token pertama, waktu mulai 78 detik adalah keputusan produk, bukan sekadar angka benchmark, dan 32 detik milik Wonder adalah pengalaman yang lebih baik bahkan dengan tarif input lima kali lipat.

Angka kecepatan itu juga mematahkan asumsi umum tentang model murah: bahwa model-model tersebut secara default adalah opsi yang cepat. Terra murah per token dan murah per tugas. Terra tidak cepat per detik. Itu adalah klaim yang berbeda, dan hanya satu di antaranya yang benar.

Sebuah tes tingkat tugas di mana model murah kalah

Pemeriksaan pihak ketiga paling luas yang tersedia saat peluncuran adalah tolok ukur akuntansi DualEntry: 101 kasus sintetis mencakup klasifikasi transaksi, entri jurnal, utang usaha, piutang usaha, rekonsiliasi, pelaporan, penutupan akhir bulan, dan pengetahuan akuntansi, dijalankan tiga kali per model dengan jawaban referensi tetap alih-alih penilai AI. Dua puluh dua model diuji. DualEntry menjual otomasi akuntansi, jadi tolok ukur ini tidak netral, tetapi metodenya lebih konkret daripada indeks komposit.

Terra finis di 78,2% secara keseluruhan, seri di peringkat ke-18 dari 22. Profilnya tidak merata dalam cara yang disembunyikan oleh skor komposit. Klasifikasi transaksi sempurna, 13 dari 13. Utang usaha 53,8%, seri di posisi terakhir. Rekonsiliasi bank 83,3%, di belakang Kimi K3.1 Pro dan Muse Wonder, meskipun rilis tersebut tidak mempublikasikan skor rekonsiliasi persis Wonder. Terra adalah model OpenAI tercepat pada benchmark dan tercepat ketiga secara keseluruhan dengan 16,1 detik per tugas, dengan biaya $0,042 per tugas — sekitar setengah GPT-6.1 Sol dan sepersepuluh GPT-6 Astra.

Platform evaluasi terpisah, Vals AI, menempatkan Terra pada 60,17% dan peringkat ke-10 dari 28 dalam suite miliknya sendiri, dengan pekerjaan coding dan terminal sebagai kekuatan serta hukum, pajak, dan keuangan sebagai kelemahan. Suite berbeda, skala berbeda, jadi angkanya tidak dapat dibandingkan dengan indeks Artificial Analysis; polanya dapat dibandingkan. Terra adalah generalis yang cepat dan murah dengan variasi besar antar keluarga tugas, bukan generalis yang sama baiknya secara merata.

Variansi itulah argumen menentang pembelian berdasarkan biaya per tugas semata. Dalam alur kerja di mana sub-skor 53,8% berarti manusia mengerjakan ulang setengah antrean utang usaha, penghematan $2,87 per tugas bukanlah penghematan; itu adalah transfer biaya dari anggaran token ke anggaran gaji. Keunggulan indeks empat poin Muse Wonder tidak membuktikan bahwa ia akan melewati ambang itu — tidak ada tolok ukur bersama di tangan publik yang menetapkannya — tetapi pada satu uji tingkat tugas yang keduanya muncul, ia unggul di titik terlemah Terra.

Modalitas, panjang keluaran, dan hal yang belum didokumentasikan Meta

Baris masukan Wonder adalah perbedaan struktural yang paling jelas. Trackers mencantumkan masukan berupa teks, gambar, video, dan audio, dengan keluaran teks; materi peluncuran Meta lebih terbatas di beberapa aspek, tetapi masukan video dan audio adalah alasan sebuah tim mempertimbangkannya dibanding Terra. Terra menerima teks dan gambar. Jika pipeline Anda menyerap panggilan yang direkam, rekaman layar, atau video produk, Terra tidak bisa menjadi satu-satunya model di dalamnya.

Panjang output adalah yang kedua. Terra mendokumentasikan 128.000 token output. Meta belum menerbitkan batas atas Wonder, dan angka ~943.000 yang beredar berasal dari pengamatan pihak ketiga, bukan dari spesifikasi. Perlakukan itu sebagai petunjuk untuk diverifikasi, bukan angka yang dijadikan dasar perancangan. Kehati-hatian yang sama berlaku untuk batas pengetahuan: Terra mendokumentasikan 1 Juni 2026; Meta belum menerbitkan batas tersebut untuk Wonder.

Kedua model tersebut tidak ada di katalog kami. Berikut ini adalah apa yang

Satu batasan jujur sebelum catatan produk apa pun: per 27 Oktober, baik GPT-6.1 Terra maupun Muse Wonder tidak ada dalam katalog 214 model OrcaRouter. Terra tersedia melalui API milik OpenAI sendiri dan, sejak hari peluncurannya, melalui Amazon Bedrock. Wonder dijual di Meta's Model API. Siapa pun yang mengklaim dapat merutekan salah satu dari keduanya melalui kami hari ini sedang menggambarkan peta jalan, bukan katalog.

Yang memang tersedia di katalog adalah opsi hosted terdekat di masing-masing sisi: GPT-6.1 Sol dengan input $2 dan output $10, yang mencetak 52 pada indeks dan berbiaya $0.72 per tugas, dan Muse Spark 1.2, lini Spark milik Meta. Jika beban kerja berbentuk Terra adalah yang perlu Anda ukur — pekerjaan teks dan gambar bervolume tinggi di mana biaya per tugas yang diselesaikan menentukan pembelian — Sol adalah proksi hosted dengan kemampuan lebih besar dan biaya per tugas sekitar dua kali lipat, dan perbandingan itu memberi tahu Anda apakah penghematan Terra sepadan dengan migrasinya. Keduanya ditawarkan pada harga daftar penyedia tanpa markup, pada satu kunci dengan failover otomatis, sehingga gangguan penyedia tidak menjadi gangguan produk.

Saat salah satu model masuk ke katalog, peralihannya cukup berupa string model, bukan kontrak kedua. Itulah alasan praktis untuk melakukan benchmark beban kerja sekarang alih-alih menunggu postingan peluncuran yang menentukan hasil perbandingannya.

Siapa yang harus memilih yang mana

Pilih Terra ketika pekerjaannya bervolume tinggi, spesifikasinya jelas, dan didominasi teks atau gambar: ekstraksi dokumen, klasifikasi, pembacaan formulir dan tangkapan layar, penyusunan draf, langkah agen yang terbatas. Biaya $0.40 per tugas adalah yang terendah dalam perbandingan ini dengan selisih yang lebar, output 128K didokumentasikan bukan sekadar rumor, dan skor subtugas yang tidak merata dapat diterima bila manusia tetap meninjau outputnya.

Pilih Muse Wonder ketika input lebih kaya daripada teks dan gambar, ketika agen harus mengembalikan artefak panjang dalam satu panggilan, atau ketika jawaban yang salah jauh lebih mahal daripada $2.87. Kecepatan 207,8 token per detik dan token pertama dalam 32 detik menjadikannya model interaktif yang lebih baik, dan keunggulan indeks empat poin itu nyata meskipun lebih kecil daripada selisih antara Muse Wonder Full dan Terra. Anggarkan untuk tarif output $20 dan pastikan checkpoint mana yang sebenarnya diukur oleh benchmark yang Anda baca.

Empat poin itu adalah angka yang paling tidak menarik dalam perbandingan ini. Tagihan, waktu hingga token pertama, dan varians tingkat tugas adalah hal yang menjadi dasar keputusan produksi — dan dalam hal-hal itu, model yang lebih murah bukan sekadar model yang lebih rendah.