GPT-6.1 Terra Pro vs GPT-6.1 Sol: scegli in base al lavoro, non al listino prezzi

GPT-6.1 Terra Pro versus GPT-6.1 Sol è il confronto che le persone cercano, ma solo una parte di quel nome è reale: il modello di OpenAI è GPT-6.1 Terra, e “Pro” è un'etichetta di piano ChatGPT, non una variante. Il confronto che conta è GPT-6.1 Terra rispetto a GPT-6.1 Sol, due modelli della stessa generazione con la stessa finestra di contesto da 1,05 milioni di token, lo stesso limite massimo di output di 128.000 token e una differenza di prezzo di due a uno. La domanda utile non è quale sia migliore. È quale sia migliore nel lavoro che stai per affidargli.

Quella impostazione cambia la risposta. Sull’indice indipendente, Sol è avanti di quattro punti. Sul prezzo, Terra costa la metà. Sulla velocità, Terra è più di tre volte più veloce secondo la stessa misurazione di OpenAI. Nessuno di questi tre fatti decide da solo il confronto, perché ciascuno corrisponde a una parte diversa di un carico di lavoro: qualità, costo e latenza. Il modello che vince dipende da quale di questi elementi manca effettivamente al tuo compito.

La risposta breve

Se il lavoro è un agente browser o desktop che clicca attraverso le applicazioni, una pipeline di compilazione di moduli, una coda di fatture, un disegno tecnico che deve diventare un modello, o un documento che deve essere scritto in modo chiaro a partire dal materiale fornito, inizia con GPT-6.1 Terra. Se il lavoro è un refactoring lungo, una funzionalità su più file, una sessione di debug difficile, un documento professionale denso o un'attività di ricerca che dura ore, inizia con GPT-6.1 Sol. Se ti serve il tier a pagamento più veloce venduto da OpenAI, Sol è l'unico dei due con un'opzione Ultrafast.

Questa è la forma della questione. Il resto di questo pezzo è la prova, i punti in cui la forma si rompe e le impostazioni che possono ribaltare la risposta.

Due modelli, due lavori

Il compito di GPT-6.1 Terra è la giornata lavorativa: ragionamento visivo, controllo del computer e una scrittura che sembra scritta da una persona a partire da materiale fornito da qualcuno. L’annuncio di OpenAI cita la stesura di proposte, l’interpretazione di disegni tecnici, la compilazione di moduli e il montaggio video. Il compito di GPT-6.1 Sol è il lavoro più difficile e lungo: coding quasi al livello di Astra e documenti professionali, con OpenAI che consiglia Sol o Astra per le attività di programmazione più complesse persino nel post di lancio di Terra.

Ted Sanders di OpenAI, citato in numerosi resoconti del giorno del lancio, ha descritto il compromesso in modo più schietto: Terra è migliore di Astra e Sol nella comunicazione tecnica, simile su visione e uso del computer ma molto più veloce, e un po' peggiore sulla maggior parte delle altre cose. Questa è una descrizione di un fornitore, non un risultato indipendente, ed è utile perché nomina il compromesso invece di nasconderlo.

Entrambi i modelli condividono la stessa struttura: 1,05 milioni di token di contesto, 922.000 massimi in input, 128.000 massimi in output, input di testo e immagini, endpoint Chat Completions e Responses e nessun fine-tuning. Le differenze sono la data limite delle conoscenze (Terra 1 giugno 2026; Sol 30 aprile 2026), la soglia minima di ragionamento (Terra non ne accetta alcuna; Sol parte da un livello basso), il livello di velocità (Sol dispone di Ultrafast; Terra no) e il listino prezzi.

Dove i benchmark si separano

Artificial Analysis è la lettura indipendente più limpida: 48 per Terra al massimo sforzo contro 52 per Sol, posizioni 25 e 13 su 221, e $0.40 contro $0.72 per attività dell'indice. Quattro punti dell'indice sono un divario reale, ma è il tipo di divario che una valutazione specifica per attività può annullare in un senso o nell'altro.

• Indice complessivo — Terra 48 vs Sol 52 (Artificial Analysis).

• Coding Agent Index v2.0 — Terra 48 vs Sol 54, con GPT-6 Luna a 31 (Artificial Analysis).

• Terminal-Bench 4.0 — Terra 50,3% con il massimo sforzo; OpenAI non ha pubblicato alcun dato per Sol insieme al lancio di Terra (dichiarato dal fornitore).

• Terminal-Bench-Science 0.1 — OpenAI afferma che Terra al massimo sforzo supera Sol a un costo inferiore e si avvicina entro cinque punti a Claude Opus 5.5 a meno di un quinto del costo stimato (dati dichiarati dal fornitore, e l'affermazione più sorprendente del lancio).

• Esame di analisi dati Plotly — Terra 40/43, Sol 43/43, Luna 38/43, a $1,31 contro $2,61 per l'esame; Terra è stato il modello più veloce a raggiungere 40 o più, a circa 15 secondi per domanda (valutazione di terze parti).

• OSWorld 2.1 — OpenAI afferma che Terra a sforzo medio supera il miglior punteggio di GPT-5.6 Terra a una frazione del costo, ma non ha pubblicato alcun dato comparativo diretto su Sol, quindi l'affermazione sull'uso del computer che conta di più per il posizionamento di Terra è quella con le prove dirette più scarse.

Leggi quella lista come una mappa di dove si collocano i quattro punti. Il vantaggio di Sol è concentrato nella programmazione e nel ragionamento a lungo orizzonte. Il vantaggio di Terra è velocità, prezzo e un cutoff più recente. Sull’unico benchmark che OpenAI ha scelto di pubblicare direttamente contro Sol, Terminal-Bench-Science 0.1, Terra vince a costi inferiori, il che è o un vero ribaltone o un effetto di selezione del benchmark. Nessuno al di fuori di OpenAI lo ha riprodotto.

La manopola dello sforzo decide più del modello.

Entrambi i modelli espongono lo sforzo di ragionamento, e l’impostazione può costare più della scelta del modello. Il livello minimo di Terra è none, il che la rende insolitamente economica per estrazione e classificazione; il livello minimo di Sol è low, quindi una chiamata a Sol paga sempre un po’ di ragionamento. All’estremo opposto, Terra con xhigh può consumare più token e costare più di Sol con low, ottenendo però risultati peggiori sullo stesso compito: un’osservazione fatta dai commentatori di Hacker News entro poche ore dal lancio. Non l’abbiamo misurato noi stessi, ed è aritmeticamente plausibile: lo sforzo cambia il numero di token in modo moltiplicativo, mentre il divario di prezzo è solo 2×.

La regola pratica è fissare l'impegno tramite valutazione, non per abitudine. Esegui cinquanta attività reali con entrambi i modelli a due livelli di impegno, stabilisci una soglia di qualità e scegli la combinazione più economica che la supera. Confrontare Terra e Sol allo stesso impegno nominale è l'errore più comune in questo confronto e quello che più probabilmente produce una risposta sbagliata.

Quanto costa un'attività completata

• Input — Terra 1,00 $ per milione di token contro Sol 2,00 $.

• Input in cache — $0,05 vs $0,10.

• Risultato — $5,00 vs $10,00.

• Scritture nella cache: $1,25 con conservazione di 30 minuti oppure $2,50 con conservazione di 12 ore per Terra; $2,50 per Sol.

• Prompt lunghi — oltre 272.000 token di input, per l'intera richiesta vengono addebitati il doppio della tariffa di input e di cache e 1,5 volte la tariffa di output.

• Costo misurato per attività di indicizzazione — $0.40 per Terra contro $0.72 per Sol, un risparmio del 44% anziché del 50% che il listino prezzi lascia intendere, perché Terra può consumare più token al massimo sforzo.

Un esempio pratico con ipotesi semplici: 2.000 token di input e 500 token di output per documento, senza cache. Terra costa $0,002 per l'input più $0,0025 per l'output, ovvero $0,0045 per documento. Sol costa $0,009. Un milione di documenti costa $4.500 contro $9.000. Se metà dell'input è in cache, il costo dell'input di Terra si dimezza ulteriormente; quello di Sol scende nella stessa proporzione, quindi il rapporto resta invariato. Il divario aumenta solo dove è utilizzabile l'impostazione none di Terra, e si riduce dove Sol completa l'attività con meno token.

Access fa parte del confronto.

Terra è disponibile nell'API e in ChatGPT Work e Codex sui piani Plus, Pro, Enterprise ed Edu; l'annuncio di OpenAI non menziona il selettore principale di Chat. Sol è disponibile nell'API e in ChatGPT, ed è l'unico dei due ad avere una modalità Ultrafast; entrambi offrono Fast al doppio del prezzo standard. Con un piano Pro 500, Ultrafast consuma l'utilizzo incluso a otto volte la tariffa standard e i crediti acquistati a sei volte, quindi "più veloce" è tanto una questione di fatturazione quanto di latenza.

Sul fronte del routing l'asimmetria è semplice. GPT-6.1 Sol è nel catalogo OrcaRouter a prezzo di listino, 2 $ di input e 10 $ di output, senza ricarico, quindi una variazione del prezzo del fornitore viene trasferita alle stesse condizioni. GPT-6.1 Terra non è ancora nel catalogo al 27 ottobre, quindi le chiamate a Terra devono passare all'API di OpenAI stessa; è un fatto relativo al catalogo di oggi, non una posizione permanente. Il failover automatico tra i modelli che effettivamente offriamo è il motivo per cui conviene mantenere configurato un secondo canale anche quando un modello è chiaramente più economico.

Una regola di selezione che puoi applicare questa settimana

Classifica l'attività in base a ciò di cui ha bisogno: il controllo dello schermo e la produzione di documenti puntano a Terra; il codice, il ragionamento lungo e la ricerca approfondita puntano a Sol.

• Fissa una soglia di qualità sui tuoi dati prima di guardare il listino prezzi. Quattro punti indice non sono una soglia di qualità; lo è la tua valutazione.

• Prova a due livelli di sforzo, non a uno solo. Terra su none rispetto a Sol su low è un confronto diverso da Terra su max rispetto a Sol su max.

• Determina il costo del task completato, includendo retry e chiamate agli strumenti. L'aritmetica per token sottostima il modello che necessita di più turni.

• Tieni il perdente come ramo di failover. Il modello più economico soggetto a limiti di frequenza non è economico.

Se instradi tramite OrcaRouter, l'ultimo passaggio è questione di configurazione anziché di codice: una chiave, una regola di routing per classe di attività e failover quando un provider peggiora. I due modelli possono stare dietro lo stesso endpoint una volta che Terra è supportato; oggi lo è solo Sol.

Cosa cambierebbe la risposta

Tre cose. Una valutazione indipendente del coding che collochi Terra vicino a Sol farebbe crollare il motivo principale per pagare il doppio. Un confronto diretto pubblicato su OSWorld 2.1 chiarirebbe la tesi sull’uso del computer che OpenAI ha lasciato implicita. E una presenza di Terra nei router renderebbe reale, anziché solo auspicabile, la storia del failover. Fino ad allora, l’opzione predefinita difendibile è Terra per il volume e il lavoro sullo schermo, Sol per il codice e il ragionamento lungo, e una valutazione nel mezzo anziché uno slogan.