Cennik GPT-6.1 Terra: co tak naprawdę kupisz za 1 i 5 dolarów

Karta stawek dla GPT-6.1 Terra składa się z czterech liczb, a trzy z nich to te, które się cytuje: jeden dolar za milion tokenów wejściowych, pięć dolarów za milion tokenów wyjściowych, pięć centów za milion tokenów wejściowych z pamięci podręcznej. Czwarta — 1,25 USD za milion tokenów zapisu do pamięci podręcznej — decyduje o tym, czy rachunek spadnie o połowę, czy tylko nieznacznie. To strona cennika, a nie artykuł o premierze: analizuje pełny cennik pozycja po pozycji, wycenia trzy rzeczywiste scenariusze obciążenia w GPT-6.1 Terra, GPT-6.1 Sol, GPT-5.6 Terra, GPT-6 Astra i GPT-6 Luna i pokazuje, gdzie twierdzenie o połowie ceny wytrzymuje zderzenie z produkcyjną fakturą, a gdzie po cichu przestaje być prawdziwe.

Każda liczba poniżej pochodzi z dokumentacji modelu GPT-6.1 Terra firmy OpenAI, odczytanej 27 października 2026 r., oraz z bieżących zestawień w Artificial Analysis w przypadku niezależnych wartości kosztu na zadanie. Wszędzie, gdzie liczba została podana przez dostawcę, jest to zaznaczone. Nic tutaj nie jest prognozą przebraną za pomiar.

Karta, wiersz po wierszu

Standardowe stawki w GPT-6.1 Terra wynoszą 1,00 USD za milion tokenów wejściowych i 5,00 USD za milion tokenów wyjściowych. Wejście z pamięci podręcznej to 0,05 USD za milion. To właśnie te liczby pojawiają się w każdym nagłówku i są poprawne na tyle, na ile sięgają.

To, co pomijają nagłówki, to fakt, że wypełnienie pamięci podręcznej nie jest darmowe. Zapis do pamięci podręcznej kosztuje $1.25 za milion tokenów przy 30-minutowym przechowywaniu lub $2.50 za milion przy 12-godzinnym przechowywaniu. Jeśli Twoje obciążenie to jeden długi prompt systemowy używany ponownie w tysiącach krótkich żądań, pamięć podręczna zwraca się po kilku wywołaniach. Jeśli Twoje obciążenie to za każdym razem inny dokument o długości 40,000 tokenów, płacisz $1.25 ponad stawkę wejściową $1.00 za przywilej przechowywania czegoś, czego już nigdy nie odczytasz — a wejście z pamięci podręcznej po pięć centów w ogóle nie wchodzi w grę.

Pozostałe modyfikatory kumulują się w sposób łatwy do przeoczenia:

• Długi kontekst — każde żądanie powyżej 272 000 tokenów wejściowych jest rozliczane według stawki 2,00 USD za wejście i 7,50 USD za wyjście za całe żądanie, a nie tylko za nadwyżkę. W tym progu cena wejścia z pamięci podręcznej rośnie dwukrotnie do 0,10 USD, a zapisu do pamięci podręcznej — do 2,50 USD.

• Batch i Flex — 50% poniżej standardu, czyli 0,50 USD za wejście i 2,50 USD za wyjście. To najtańsza kompetentna stawka ogólnego przeznaczenia w cenniku OpenAI.

• Tryb szybki — 2× standard, czyli 2,00 USD za dane wejściowe i 10,00 USD za dane wyjściowe.

• Przetwarzanie regionalne — 10% dopłaty, jeśli dany region jest oferowany. Terra nie obsługuje rezydencji wnioskowania w ZEA, więc ta dopłata nie jest dostępna dla każdego nabywcy, który jej chce.

• Poziom wysiłku rozumowania — none, low, medium, high, xhigh i max. Domyślnie jest to medium. Wysiłek nie zmienia ceny za token; zmienia liczbę tokenów, które model zużywa na myślenie, dlatego to samo polecenie może kosztować trzykrotnie więcej przy max niż przy low.

Karta kosztów za token to innymi słowy menu z sześcioma pokrętłami i dwoma klifami. Klify to próg 272K i opłata za zapis do pamięci podręcznej. Pokrętła to poziom wysiłku, partia, tryb szybki, region oraz wejście z pamięci podręcznej kontra bez niej.

Trzy obciążenia, trzy rachunki

Weźmy pipeline do triażu zgłoszeń wsparcia: 2 000-tokenowy prompt systemowy, 1 500-tokenowe zgłoszenie i 400-tokenowa odpowiedź. Bez pamięci podręcznej to 3 500 tokenów wejściowych po 1,00 USD za milion i 400 tokenów wyjściowych po 5,00 USD za milion — 0,0035 USD plus 0,0020 USD, czyli 0,0055 USD na zgłoszenie. Dziesięć tysięcy zgłoszeń dziennie kosztuje 55 USD. Gdy prompt systemowy jest w pamięci podręcznej, a cache pozostaje ciepły, wejście spada do około 1 500 niebuforowanych tokenów plus 2 000 z cache po 0,05 USD, a to samo zgłoszenie kosztuje około 0,0037 USD. Oszczędność wynosi 33%, a nie 50%, ponieważ wyjście zawsze było droższą połową.

Teraz potok przetwarzania dokumentów: 80 000 tokenów wejściowych tekstu umowy i 2 000 tokenów wyjściowych streszczenia. To 0,08 USD na wejściu i 0,01 USD na wyjściu — dziewięć centów za dokument. W przypadku GPT-5.6 Terra przy stawkach 2,00 USD i 12,00 USD to samo zadanie kosztuje 0,16 USD na wejściu i 0,024 USD na wyjściu, czyli 18,4 centa. Rachunek spada o połowę, a większa proporcjonalna obniżka dotyczy wyjścia: 58% mniej, a nie 50%.

Następnie agent przeglądarkowy, czyli obciążenie, dla którego Terra była właściwie sprzedawana. Każdy krok wysyła zrzut ekranu wraz ze stanem zadania i prosi o jedną akcję. Załóżmy 3000 tokenów wejściowych i 150 tokenów wyjściowych na krok oraz dwadzieścia kroków na zadanie. Daje to 60 000 tokenów wejściowych i 3000 tokenów wyjściowych na zadanie — 0,06 USD na wejściu, 0,015 USD na wyjściu, czyli 7,5 centa na ukończone zadanie przed ponowieniami. Dodaj 30% odsetek ponowień i masz około 9,8 centa. To tutaj koszt na zadanie, a nie koszt na token, staje się jedyną liczbą, która ma znaczenie.

Klif 272K — przeanalizowany krok po kroku

Ponieważ mnożnik długiego kontekstu dotyczy całego żądania, przekroczenie 272 000 tokenów wejściowych nie jest kosztem marginalnym. Żądanie z 300 000 tokenów wejściowych i 3000 tokenów wyjściowych jest rozliczane według stawek 2,00 USD i 7,50 USD za milion: 0,60 USD za wejście, 0,0225 USD za wyjście, łącznie 0,6225 USD. To samo żądanie przy 270 000 tokenów wejściowych jest rozliczane na 0,27 USD za wejście i 0,015 USD za wyjście, łącznie 0,285 USD. Dodano 30 000 tokenów, a zapłacono o 118% więcej.

To ma znaczenie, ponieważ okno kontekstu GPT-6.1 Terra wynosi 1 050 000 tokenów, a maksymalne wejście to 922 000 tokenów. Takie okno zachęca do obciążeń, które cennik karze. Jeśli Twój potok rutynowo wysyła od 300 tys. do 500 tys. tokenów, uczciwe porównanie to nie Terra za 1 USD kontra Sol za 2 USD — to Terra za 2 USD kontra Sol za 4 USD oraz Terra z wyjściem za 7,50 USD kontra Sol za 15 USD. Różnica 50% pozostaje, ale liczby bezwzględne są dwa razy większe, niż sugeruje nagłówek: żądanie z 400 000 tokenów wejściowych i 4000 tokenów wyjściowych kosztuje 0,83 USD na Terra i 1,66 USD na Sol.

Gdzie kończy się twierdzenie o połowie ceny

Tryb szybki jest tu czystym przykładem. GPT-6.1 Terra przy 2× to 2,00 USD za wejście i 10,00 USD za wyjście — dokładnie standardowa cena katalogowa GPT-6.1 Sol, za model, który Artificial Analysis ocenia o cztery punkty indeksu niżej. Jeśli Twoje obciążenie wymaga szybkości modelu Terra na tyle mocno, że płacisz mnożnik trybu szybkiego, argument cenowy za wyborem Terra zamiast Sol znika całkowicie. Pozostaje argument dotyczący opóźnień, a jest to argument tylko wtedy, gdy zmierzona różnica szybkości jest rzeczywista.

Drugim punktem, w którym się to zatrzymuje, jest wysiłek. Przy xhigh lub max Terra może zużyć więcej tokenów niż Sol przy low lub medium, aby uzyskać podobną odpowiedź. Komentujący na Hacker News zwrócili na to uwagę w ciągu kilku godzin od premiery: „Terra przy xhigh kosztuje więcej niż Sol przy low, a wypada gorzej” — to była powtarzająca się wersja. Cennik nie jest w stanie na to odpowiedzieć, ponieważ wycenia tokeny, a to obciążenie decyduje, ile ich będzie.

Trzecie miejsce to ruch silnie obciążony zapisem do pamięci podręcznej. Przy 1,25 USD za milion zapisanych tokenów pipeline, który przy każdym żądaniu odbudowuje kontekst o długości 50 000 tokenów, płaci 0,0625 USD za żądanie, zanim odczyta choćby jeden token. W GPT-5.6 Terra ten sam zapis kosztował 2,50 USD — nowy model jest więc wciąż tańszy — ale pozycja pamięci podręcznej odpowiada teraz za 55% rachunku za dane wejściowe, a nie za 20%.

Koszt na ukończone zadanie to wartość, względem której należy planować budżet.

Artificial Analysis publikuje zarówno Intelligence Index, jak i koszt na zadanie indeksowe. W swoim bieżącym zestawieniu GPT-6.1 Terra osiąga 48 przy koszcie 0,40 USD na zadanie. GPT-6.1 Sol osiąga 52 i 0,72 USD. GPT-5.6 Terra osiąga 42 i 1,40 USD. GPT-6 Astra osiąga 53 przy znacznie wyższej cenie za token, a GPT-6 Luna osiąga 38 i jest jeszcze tańsza.

Użyteczny wniosek nie brzmi: „Terra jest o 71% tańsza na zadanie niż jej poprzednik” — to prawda, ale to porównanie z modelem, z którego i tak już odchodziliście. Chodzi o to, że cena 0,40 USD za Terra plasuje się między 0,72 USD za Sol a przedziałem poniżej dziesięciu centów za Luna, co stawia decyzję na jednej linii: czy zadanie jest na tyle trudne, że cztery punkty indeksu zmieniają wynik? W przypadku wypełniania formularzy, ekstrakcji faktur i triażu zrzutów ekranu — nie. W przypadku kodowania długohoryzontowego — tak.

Jedna liczba z premiery zasługuje w tym świetle na ponowne odczytanie. Własne porównanie OpenAI stawia GPT-6.1 Terra przy maksymalnym nakładzie mniej więcej na poziomie GPT-6 Astra przy średnim na Agents' Last Exam, przy około jednej dziesiątej ceny za token. To twierdzenie o koszcie na zadanie przebrane w kostium ceny za token i najsilniejszy argument kosztowy w tej publikacji — silniejszy niż „połowa ceny”, ponieważ uwzględnia, ile tokenów zużywa każdy model.

Co faktycznie można kupić dzisiaj

GPT-6.1 Terra nie znajduje się w katalogu OrcaRouter w chwili pisania. Katalog zawiera GPT-6.1 Sol w cenie $2/$10, GPT-5.6 Terra w cenie $2/$12, GPT-6 Astra w cenie $10/$50 oraz GPT-6 Luna w cenie $0.10/$0.50, z 0% marży względem cennika dostawcy, ale nie zawiera nowej Terra. Każdy, kto dziś podaje ci stawkę za Terra przez router, albo wyprzedza dokumentację dostawcy, albo zgaduje.

To pozostawia praktyczny zarys na najbliższe tygodnie. Oszacuj koszt obciążenia na wariantach, które możesz wywołać już teraz — Sol i Luna są już dostępne, na jednym kluczu, z automatycznym przełączaniem awaryjnym — a Terra przetestuj równolegle bezpośrednio względem API OpenAI. Ponieważ nasz katalog przekazuje ceny katalogowe dostawcy bez marży, obniżka ceny dostawcy pojawia się w wariantach Sol i Luna tego samego dnia, w którym OpenAI ją ogłasza; nic nie trzeba renegocjować. Jeśli Terra później trafi do katalogu, migracja sprowadza się do zmiany ciągu modelu, a pomiar zbudowany na wariancie Sol jest punktem odniesienia, względem którego ją porównasz.

Szablon budżetu, który przetrwa zderzenie z rzeczywistością

• Oddziel wejście, wejście z pamięci podręcznej, wyjście i zapisy do pamięci podręcznej. Cztery wiersze, a nie jeden.

• Oznaczaj każde żądanie powyżej 272 tys. tokenów. Jeśli więcej niż kilka procent przekracza ten próg, przelicz całe obciążenie według poziomu długiego kontekstu, a nie według poziomu bazowego.

• Wyceniaj wysiłek osobno. Uruchom ten sam test przy niskim, średnim i maksymalnym poziomie; tym, co się zmienia, jest liczba tokenów, a nie stawka.

• Ponowne próby modelu. Agent przeglądarkowy ze współczynnikiem ponownych prób na poziomie 30% kosztuje o 30% więcej na zadanie, niż sugeruje arytmetyka, a tani model zazwyczaj jest tym, który wymaga ponownej próby.

Porównuj koszt przypadający na ukończone zadanie, a nie koszt za milion. Liczba indeksu zadania od Artificial Analysis to rozsądne przybliżenie, gdy nie masz nic lepszego; własna ewaluacja jest lepsza.

Nagłówek o połowie ceny jest prawdziwy. To także najmniej interesująca liczba na karcie, ponieważ opisuje stawkę, a nie rachunek. Rachunek zależy od wysiłku, od progu 272K, od tego, jak często odbudowujesz pamięć podręczną, i od tego, ile prób wymaga zadanie — a w trzech z tych czterech przypadków własna dokumentacja OpenAI daje ci pokrętło, ale nie podaje ustawienia.