GPT-6.1 Terra vs GLM-5.5: Het ontbrekende model en het model dat je kunt downloaden

Zoeken naar GPT-6.1 Terra versus GLM-5.5 levert een hoop zelfverzekerde tabellen op voor een model dat niet bestaat. Z.ai heeft geen modelkaart, geen API-identifier, geen prijs en geen gewichten gepubliceerd onder de naam GLM-5.5; de catalogus gaat nog steeds niet verder dan GLM-5.3, uitgebracht medio augustus 2026, met open gewichten later die maand. Terra daarentegen is op 26 oktober uitgekomen en is vandaag aanroepbaar. De echte vergelijking is dus Terra tegenover GLM-5.3 — en in die vergelijking kosten de twee modellen bijna exact hetzelfde per token, terwijl Terra ongeveer een vijfde kost per voltooide taak. De reden is geen prijstruc. Het is breedsprakigheid.

De status van GLM-5.5 is het waard om precies te benoemen, want de geruchtenmolen is productief geweest. Berichten van eind oktober wijzen op een lanceervenster van eind oktober tot begin november 2026. Gelekte notities suggereren 2,5 tot 3,5 biljoen totale parameters, tegenover eerdere claims van 1T en 1,6T, en een doel van "Fable-klasse" prestaties. Z.ai zelf heeft alleen gezegd dat GLM-5.4 en GLM-5.5 van de biljoen-parameterklasse zullen zijn, en noemde GLM-6.0 tijdens zijn winstcall van 31 augustus zonder datum. Niets daarvan is een product. De vierdelige test — een aanroepbare API-ID, gepubliceerde prijzen met cachetarieven, een onafhankelijke vermelding op een leaderboard en downloadbare gewichten — faalt momenteel op alle vier.

Het model dat daadwerkelijk aan de andere kant van deze vergelijking staat

• GLM-5.3 — uitgebracht medio augustus 2026; open gewichten onder de GLM-5.3-licentie; ongeveer 750B totale parameters met circa 40B actief per token; 1M-tokencontext; 128K uitvoer; alleen tekst; denken standaard aan; lijstprijs $1.40/$4.40 per 1M invoer/uitvoer, of $1.26/$3.96 via OrcaRouter.

• GPT-6.1 Terra — uitgebracht op 26 oktober 2026; gesloten gewichten; context van 1,05 mln tokens; 128K uitvoer; tekst- en afbeeldingsinvoer; zes redeneerniveaus; $1,00/$5,00 per 1 mln invoer/uitvoer, stijgend naar $2,00/$7,50 boven 272K invoertokens; gecachte invoer $0,05.

• Onafhankelijke Intelligentie-index — Terra 48, GLM-5.3 45, op de huidige schaal van Artificial Analysis.

Op de tariefkaart lijken deze twee bijna een tweeling. Tegen de pass-through-prijs van OrcaRouter kost GLM-5.3 $1,26/$3,96 tegenover $1,00/$5,00 voor Terra. GLM is 26% goedkoper op input en 21% goedkoper op output. Een team dat op basis van die twee cijfers zou kiezen, zou GLM-5.3 nemen en verdergaan.

Per token kosten ze hetzelfde; per taak niet.

Artificial Analysis meet de kosten per Intelligence Index-taak, waarin wordt meegenomen hoeveel tokens een model daadwerkelijk verbruikt om tot een antwoord te komen. Terra komt uit op ongeveer $0,40. GLM-5.3 komt uit op ongeveer $2,01 — vijf keer zoveel, ondanks de goedkopere tokentarieven. De oorzaak is zichtbaar in de evaluatie zelf: Terra verbruikte ongeveer 130M outputtokens over de hele suite, GLM-5.3 ongeveer 210M. GLM-5.3 denkt langer na, herhaalt meer en betaalt daarvoor aan de meter.

Dit is het allerbelangrijkste om te begrijpen over de onderlinge vergelijking, en het is precies wat de berichtgeving rond de lancering van beide modellen meestal overslaat. Tokenprijzen zijn een input voor kosten, geen maatstaf ervoor. Een model dat 20% goedkoper is per token en 60% uitgebreider is, is 33% duurder per antwoord. Voor high-volume-extractie, classificatie of het genereren van korte antwoorden bepaalt die omkering de rekening.

Het betekent ook dat de vergelijking omslaat afhankelijk van de vorm van de workload. De breedsprakigheid van GLM-5.3 doet het meest pijn bij korte outputs, waar de overhead van het redeneren domineert. Bij langere generatie, waar beide modellen sowieso duizenden tokens produceren, laat het verschil in tokenprijs zich weer gelden en wordt de 21% outputkorting van GLM echt geld.

Waar GLM-5.3 toch de betere koop is

Open gewichten zijn het voor de hand liggende antwoord, en ze zijn niet iets kleins. GLM-5.3 kan worden gedownload, zelf gehost, fijn afgesteld en binnen een compliancegrens gehouden. Terra kan dat niet. Voor een gereguleerde sector, een air-gapped implementatie of een team dat wil dat een model niet steeds onder hen verandert, beslecht dat de kwestie voordat benchmarks worden geraadpleegd.

GLM-5.3 heeft ook een sterk technisch profiel voor zijn prijs. Het staat bovenaan het open-weightsegment op de index van Artificial Analysis, ongeveer gelijk met Kimi K3, en het is ongewoon sterk in cybersecurity en kwetsbaarheidsonderzoek — de eigen cyberevaluaties van Zhipu en de red-teamtests van Anthropic plaatsen het beide dicht bij frontiermodellen wat betreft het ontdekken van exploits. Op SciCode scoorde het 59,0, voor de 54,2 van GPT-6.1 Sol, hoewel Terra niet in die run werd vermeld. Het ondersteunt een context van 1M tokens en een cachekorting van ongeveer 81%, waardoor herhaalde lange prompts goedkoper zijn dan de stickerprijs doet vermoeden.

De beperkingen ervan zijn even duidelijk. Het is alleen tekst: geen afbeeldingen, geen audio, geen pdf's. Het denken staat altijd aan, met meerdere inspanningsniveaus maar geen echte uitschakelaar. En de breedsprakigheid is een echte operationele kostenpost, niet alleen een benchmarkartefact — het uit zich in langere latentietijden, hogere rekeningen en meer tokens om in downstream-pipelines te filteren.

Waar Terra wint

Terra's voorsprong van drie punten in de index is bescheiden, en de onafhankelijke testsuites laten die er nog kleiner uitzien. Op de Vals Index scoort Terra 60,17% tegenover 59,73% voor GLM-5.3 — een verschil van 0,44 punt dat binnen de ruis valt, tegen een hogere prijs per test van $2,92. Op de accountingbenchmark van DualEntry scoorde GLM-5.3 hoger en goedkoper dan Terra's 78,2%. Als de vraag is "welk model is slimmer", dan is het eerlijke antwoord dat ze zo dicht bij elkaar liggen dat de benchmark die je kiest de winnaar bepaalt.

De voordelen van Terra liggen elders. Het accepteert afbeeldingen; GLM-5.3 niet. Het biedt zes redeneerniveaus, waardoor eenvoudig verkeer naar een lage inspanning kan worden gestuurd op een manier die het altijd-aan-denken van GLM niet toestaat. De kennisafsluitdatum is juni 2026 tegenover het eerdere trainingsvenster van GLM-5.3. En het is snel: 90,9 outputtokens per seconde op Artificial Analysis, in dezelfde band als GLM-5.3, waarvan de gemeten doorvoer uiteenliep van de hoge 60 tot de midden 90, afhankelijk van provider en snapshot. Snelheid plus lagere kosten per taak is een oprecht sterke combinatie voor interactieve producten.

De toeslag van 272K pleit ertegen. Voorbij die invoerdrempel springen Terra's prijzen naar $2.00/$7.50, waardoor het invoervoordeel ten opzichte van GLM-5.3 volledig verdwijnt en de uitvoer 89% duurder wordt. Workflows met lange documenten moeten worden geprijsd tegen de toeslag, niet tegen de kopregel.

Als GLM-5.5 daadwerkelijk verschijnt

De nuttige manier om over het ontbrekende model na te denken is niet "wat zal het scoren", maar "wat zou er waar moeten zijn opdat het deze beslissing verandert." Drie dingen:

• Het zou dramatisch minder breedsprakig moeten zijn. Een model met 2,5 biljoen parameters dat nog langer nadenkt dan GLM-5.3 zou op kosten per taak verliezen, hoe gunstig zijn tokenprijs er ook uitziet. De geruchten over de parameters wijzen hierbij de verkeerde kant op.

• Het zou bij de lancering open gewichten moeten hebben, niet weken later. De gewichten van GLM-5.3 kwamen ongeveer tien dagen na de API beschikbaar; die vertraging is genoeg om een inkoopcyclus te breken.

• Het zou een prijs onder die van GLM-5.3 nodig hebben, of een sprong in capaciteiten die groot genoeg is om een premium te rechtvaardigen. Een model met een biljoen parameters dat tegen frontier-tarieven wordt aangeboden, zou Terra's $0,40 per taak niet onderbieden.

Niets daarvan is een voorspelling. Het is de checklist die je doorloopt op de dag dat er een kaart verschijnt. Tot die tijd is GLM-5.5 een reden om de release notes van Z.ai in de gaten te houden, niet een reden om een beslissing uit te stellen.

Vandaag beide draaien

GLM-5.3 staat in de catalogus van OrcaRouter voor $1,26/$3,96 per miljoen tokens, de lijstprijs van de provider doorgegeven tegen 0% opslag, naast meer dan 200 andere modellen op één sleutel met automatische failover. Terra staat op het moment van publicatie niet in de catalogus — het is beschikbaar via de API van OpenAI en verschillende platforms van derden — dus het praktische experiment is om GLM-5.3 via OrcaRouter aan te roepen en Terra via OpenAI, en ze vervolgens te vergelijken op je eigen verkeer in plaats van op een ranglijst.

Als je dat doet, meet dan tokens per voltooide taak, niet de prijs per token. Dat is het getal dat deze twee modellen scheidt, en het is het getal dat geen van beide lanceringsberichten in de kop zette. Als Terra je werklast afrondt met een derde minder outputtokens, verdwijnt het nadeel van 21% op de outputprijs en begint het gunstiger inputtarief zich op te stapelen. Als de reasoning van GLM-5.3 zichzelf terugverdient met minder nieuwe pogingen en minder menselijke beoordeling, slaat de factuur per taak om. De benchmarkgemiddelden zeggen dat de modellen binnen enkele punten van elkaar liggen. Je tokenaantallen zullen zeggen welk van de twee goedkoper is.

De vraag over wachten heeft een simpel antwoord. GLM-5.5 komt mogelijk binnen enkele weken; GLM-5.3 is nu downloadbaar, en Terra is nu aanroepbaar. Een team dat open weights nodig heeft, heeft vandaag één echte optie, en een team dat de laagste kosten per voltooide taak nodig heeft, heeft een andere. Geen van beide opties wordt beter door te wachten op een model zonder endpoint.