GPT-6.1 Terra vs GPT-6.1 Sol: waar de output van $5 niet langer het goedkopere antwoord is

De vergelijking die de meeste mensen maken tussen GPT-6.1 Terra en GPT-6.1 Sol is verkeerd, en wel op een manier die het goedkopere model voortrekt. Ze zetten beide op maximale redeneerinspanning, merken op dat Terra iets lager scoort, merken op dat Terra de helft kost, en concluderen dat Terra de verstandige standaardkeuze is. Maar niemand draait een productiepipeline bij elke aanroep op maximale inspanning. De echte keuze is Terra op xhigh tegenover Sol op low — en bij die vergelijking, zo merkten commenters op Hacker News binnen enkele uren na de lancering op, kan Terra meer kosten dan Sol terwijl het slechter scoort. Het model dat je kiest doet er minder toe dan het inspanningsniveau waarop je het vastzet, en dat inspanningsniveau is de variabele die geen van beide lanceringspagina's in de kop zet.

Beide modellen komen uit dezelfde generatie en dezelfde maand: GPT-6.1 Sol is op 29 september 2026 uitgekomen, GPT-6.1 Terra op 26 oktober. Ze delen een contextvenster van 1,05M, een uitvoerplafond van 128K, dezelfde drie endpoints en dezelfde tekst- en beeldinvoer. Wat hen scheidt, is een verschil van vier punten op de onafhankelijke index en een verschil van 2× op de prijskaart — en de vraag of vier punten het dubbele waard zijn, hangt volledig af van wat je workload met die laatste vier punten doet.

Hetzelfde model, twee prijskaarten

Specificaties uit de modeldocumentatie van OpenAI, gelezen op 27 oktober 2026.

• Prijs — GPT-6.1 Terra $1 invoer / $5 uitvoer per miljoen; GPT-6.1 Sol $2 / $10. De gecachte invoer van Terra is $0,05, die van Sol $0,10.

• Context — elk 1.050.000 tokens, maximaal 922.000 invoer, maximaal 128.000 uitvoer. Identiek.

• Kennisafsluiting — Terra 1 juni 2026; Sol 30 april 2026. Het goedkopere, nieuwere model heeft een wereldbeeld dat ongeveer een maand recenter is.

Redeneerinspanning — Terra biedt none, low, medium, high, xhigh, max; Sol biedt low tot en met max. Terra's extra "none"-niveau is een echte kostenondergrens die Sol niet heeft.

• Modificatoren — beide hebben batch en flex tegen 50% lager dan standaard, fast tegen 2×, regional tegen +10%, en de 272K-inputdrempel. Alleen Sol heeft een Ultrafast-tier tegen 6× standaard, wat tegen listprijs neerkomt op $12 invoer en $60 uitvoer per miljoen.

• Tools en endpoints — identieke set. Responses API voor tool calling, Chat Completions zonder tools, Batch voor beide, geen fine-tuning bij geen van beide.

Vier punten, twee keer de prijs.

Artificial Analysis vermeldt GPT-6.1 Terra momenteel met een Intelligence Index van 48 — 25e van 221 modellen — en GPT-6.1 Sol met 52, 13e. Dat is het volledige onafhankelijke capaciteitsverschil: vier punten, bij maximale inspanning, op een samengestelde index. Het is niet niets. Het is ook niet de kloof die de taal van "flagship versus mid-tier" impliceert, en de twee modellen delen een generatie, een architectuurfamilie en een contextvenster.

Het kostenverschil is eenvoudiger te benoemen: precies 2× op zowel input als output tegen standaardtarieven. Terra is geen koopjesmodel; het is Sols prijs gehalveerd met vier indexpunten minder.

Kosten per voltooide taak, niet per token

Het getal dat de beslissing zou moeten sturen, is de kosten per voltooide taak, omdat daarin meeweegt hoeveel tokens elk model aan denken besteedt. Op de Intelligence Index van Artificial Analysis kost GPT-6.1 Terra $0,40 per taak en GPT-6.1 Sol $0,72 — een besparing van 44% voor Terra, kleiner dan de 50% die in de koppen prijkt, omdat Terra bij maximale inspanning iets meer tokens verbruikt om hetzelfde werk te voltooien.

Reken dat door. Bij een miljoen taken per maand is het verschil ongeveer $320.000. Bij tienduizend taken is het $3.200 — echt geld, maar minder dan een week engineeringstijd om een evaluatieharnas opnieuw te bouwen. De drempel waarop Terra's prijsvoordeel een migratie rechtvaardigt, is een kwestie van volume, niet van kwaliteit, en het is het eerste getal dat je moet berekenen voordat je welke benchmarktabel dan ook leest.

Er is een tweedegraads effect in het voordeel van Terra dat in geen van beide prijzen tot uiting komt: de kennisafsluitdatum. Terra's trainingshorizon van 1 juni is een maand recenter dan die van Sol van 30 april. Voor workloads die afhankelijk zijn van recente API's, bibliotheekversies of documentatie is die maand meer waard dan vier indexpunten, en het kost de helft minder om die te verkrijgen.

De valkuil van het inspanningsniveau, uitgewerkt

Hier is de faalmodus in concrete termen. Terra op xhigh-inspanning verbruikt meer tokens per taak dan Sol op lage inspanning. Als Terra's tokens half zo duur zijn, maar het meer dan twee keer zoveel ervan gebruikt, is het goedkopere model niet langer goedkoper — en omdat xhigh een zwakkere instelling is dan Sol's low op de moeilijkste taken, betaal je meer voor een slechter antwoord. Hacker News-commenters beschreven precies dit op Terminal-Bench 4.0 binnen een dag na de lancering.

De oplossing is niet Terra vermijden. Het is vergelijken bij gelijke besteding in plaats van gelijke instellingen. Concreet: kies eerst je kwaliteitsdrempel — het slagingspercentage dat je product nodig heeft op je eigen evaluatie — en zoek dan het goedkoopste (model, effort)-paar dat die haalt. Die zoekruimte heeft twaalf praktische punten over deze twee modellen, niet twee, en het antwoord is meestal niet "Terra op max" of "Sol op max."

OpenAI's eigen cijfers laten zien hoeveel deze instelling uitmaakt. Het foutpercentage van Terra op de interne foutinducerende set van de leverancier daalt van 16,7% bij lage inspanning naar 4,3% bij maximale inspanning — een verschil van 12 punten binnen één model. Het verschil tussen Terra en Sol op de onafhankelijke index is vier punten. De inspanningsknop is een grotere hefboom dan de modelkeuze, en je kunt er gratis aan draaien.

Waar Sol nog steeds de markup verdient

De positionering van OpenAI voor Sol is "bijna-Astra-prestaties voor complex werk tegen lagere kosten", en de leveranciersbenchmarks waarop het zich van Terra onderscheidt, zijn daarmee consistent: agentisch werk met een lange horizon, de moeilijkste programmeertaken en informatiedichte professionele documenten. Dat zijn ook de taken waarbij een mislukte run meer kost dan de tokens, en dat is precies wanneer een prijstoeslag van 2× makkelijk te rechtvaardigen is.

Terra's tegenargument is beperkter dan de marketing suggereert, maar scherper dan de index doet vermoeden. OpenAI meldt dat Terra binnen 5 punten van Claude Opus 5.5 ligt op Terminal-Bench-Science 0.1 voor minder dan een vijfde van de geschatte kosten, en 15 punten boven GPT-5.6 Terra op Agents' Last Exam voor ongeveer een derde van de kosten. Dat zijn door leveranciers uitgevoerde cijfers op door leveranciers geselecteerde tests, dus ze stellen een richting vast, niet de omvang — maar de richting is "goed genoeg voor wetenschapsgerelateerde en agentische taken, veel goedkoper", wat een echte niche is.

De eerlijke verdeling is deze: Sol is voor de taken waarbij je een daling van vier punten in kwaliteit zou merken, en Terra is voor de taken waarbij je de factuur zou merken. Zeer weinig workloads zijn volledig het een of het ander, en daarom is de routeringsvraag belangrijker dan de modelvraag.

Latentie kan de doorslag geven voordat kwaliteit dat doet.

Artificial Analysis meet GPT-6.1 Sol op 65,9 outputtokens per seconde met 325,58 seconden tot het eerste token bij maximale inspanning. Dat cijfer voor de tijd tot het eerste token is geen typefout, en het diskwalificeert alles wat interactief is. Terra heeft nog geen onafhankelijke doorvoermeting; OpenAI beschrijft het als aanzienlijk sneller, en als dat klopt, is de kloof groot genoeg om het debat te beslechten voor chatvormige producten of producten met een agent-loop, ongeacht de indexscores.

Voor batchwerk keert de rekensom zich om: 325 seconden denktijd zijn irrelevant als de klus de hele nacht draait, en Sols hogere plafond is het waard om voor te betalen. Latentie is een eigenschap van de workload, niet van het model, en die hoort in de beslissing te zitten vóór de benchmarkrang.

Beide armen op één toets houden

OrcaRouter biedt GPT-6.1 Sol aan tegen de lijstprijs van $2/$10, met 0% markup, op dezelfde sleutel als meer dan 200 andere modellen. GPT-6.1 Terra staat per 27 oktober niet in onze catalogus — het is een dag oud en beschikbaar via de API van OpenAI — dus het praktische patroon vandaag is om de Sol-tak aan onze kant te meten en die als escalatiedoel in te stellen: draai Terra waar het wint, val terug op Sol wanneer een verzoek de extra vier punten nodig heeft of wanneer een provider een slecht uur heeft. Beide zijn dezelfde generatie, hetzelfde contextvenster en dezelfde endpointvorm, dus de routeringsregel is een modelstring en een effort-instelling, geen herschrijving.

De routing-DSL is hier om een specifieke reden van belang. De interessante productieconfiguratie is niet 'Terra of Sol', maar 'Terra op hoog, escalerend naar Sol op gemiddeld wanneer het vertrouwen laag is' — een compositie die anders twee integraties, twee retrybeleidsregels en twee facturen zou betekenen. Dat is het soort beslissing waartoe dit paar uitnodigt, en het is de reden dat de twee modellen als een ladder zouden moeten worden geëvalueerd in plaats van als een of-of-keuze.

De beslissingsregel

• Hoogvolume, goed gespecificeerd, latentiegevoelig — screenshots, formulieren, extractie, browserautomatisering, routinematig opstellen. Terra, met de laagste inspanning die je evaluatie haalt. Het tekort van vier punten zal niet zichtbaar zijn en de besparing van 44% per taak wel.

• Moeilijk programmeerwerk, langlopende agents, informatiedichte professionele documenten, alles waarbij een mislukte run meer kost dan de tokens. Sol. Dit is de workload waarvoor de 2×-premium bestaat.

• Interactieve chat met een strikt budget voor de tijd tot het eerste token. {{1}}Terra{{/1}}, tenzij je {{2}}Sol{{/2}} bij lage inspanning hebt gemeten en de latentie acceptabel vond. {{2}}Sol{{/2}} bij maximale inspanning is een batch-instrument dat een chatinterface draagt.

• Actualiteitsgevoelig werk — recente API's, bibliotheekversies, actuele documentatie. Terra's cutoff van juni verslaat Sol's cutoff van april, en dat tegen de helft van de prijs.

• Niet zeker. Benchmark bij gelijke uitgaven, niet bij gelijke instellingen. Die ene wijziging zal meer teams naar Terra bewegen dan welke benchmarktabel dan ook.

De openstaande vraag is niet of Terra goed genoeg is om Sol te vervangen — dat is het duidelijk niet, op de enige beschikbare onafhankelijke maatstaf. Het is of het verschil van vier punten de komst van GPT-6.1 Astra overleeft, dat nog niet is uitgebracht en dat Sol op de ladder naar beneden zal duwen, net zoals Sol Astra naar beneden duwde. Wanneer dat gebeurt, is de interessante vergelijking Terra tegen een afgeprijsde Sol, en zal de inspanningsknop nog meer uitmaken dan vandaag.