GPT-6.1 Terra Pro vs GPT-6.1 Sol: wybieraj według zadania, a nie cennika

GPT-6.1 Terra Pro kontra GPT-6.1 Sol to zestawienie, którego ludzie szukają, ale tylko jedna strona tej nazwy jest prawdziwa: modelem OpenAI jest GPT-6.1 Terra, a „Pro” to etykieta planu ChatGPT, a nie wariant. Porównanie, które ma znaczenie, to GPT-6.1 Terra z GPT-6.1 Sol — dwa modele z tej samej generacji, z tym samym oknem kontekstu wynoszącym 1,05 mln tokenów, tym samym limitem wyjścia wynoszącym 128 000 tokenów i dwukrotną różnicą w cenie. Przydatne pytanie nie brzmi, który z nich jest lepszy. Brzmi: który z nich jest lepszy w pracy, którą właśnie mu powierzasz.

Taki sposób ujęcia zmienia odpowiedź. W niezależnym indeksie Sol ma cztery punkty przewagi. W cenie Terra jest o połowę tańsza. W szybkości Terra jest ponad trzy razy szybsza według własnych pomiarów OpenAI. Żaden z tych trzech faktów sam w sobie nie rozstrzyga pojedynku, ponieważ każdy z nich odpowiada innemu aspektowi obciążenia: jakości, kosztowi i opóźnieniu. To, który model wygrywa, zależy od tego, którego z tych elementów naprawdę brakuje Twojemu zadaniu.

Krótka odpowiedź

Jeśli praca polega na agencie przeglądarkowym lub desktopowym klikającym w aplikacjach, procesie wypełniania formularzy, kolejce faktur, rysunku technicznym, który ma stać się modelem, albo dokumencie, który trzeba jasno napisać z dostarczonych materiałów, zacznij od GPT-6.1 Terra. Jeśli praca polega na długim refaktoringu, funkcji obejmującej wiele plików, trudnej sesji debugowania, obszernym dokumencie specjalistycznym lub zadaniu badawczym trwającym godzinami, zacznij od GPT-6.1 Sol. Jeśli potrzebujesz najszybszego płatnego poziomu oferowanego przez OpenAI, Sol jest jedynym z tych dwóch z opcją Ultrafast.

Taki jest tego zarys. Reszta tego tekstu to dowody, miejsca, w których ten zarys się załamuje, oraz ustawienia, które mogą odwrócić odpowiedź.

Dwa modele, dwa zadania

Zakres GPT-6.1 Terra obejmuje codzienną pracę: rozumowanie wizualne, sterowanie komputerem i pisanie, które brzmi jak tekst napisany przez człowieka na podstawie dostarczonych materiałów. W ogłoszeniu OpenAI wymieniono redagowanie propozycji, interpretowanie rysunków technicznych, wypełnianie formularzy i edycję wideo. Zakres GPT-6.1 Sol to trudniejsza, dłuższa praca: kodowanie zbliżone poziomem do Astra i profesjonalne dokumenty, przy czym OpenAI zaleca Sol lub Astra do najbardziej złożonych zadań programistycznych nawet we wpisie o premierze Terra.

Ted Sanders z OpenAI, cytowany w materiałach z dnia premiery, ujął ten kompromis dosadniej: Terra jest lepsza niż Astra i Sol w komunikacji technicznej, podobna pod względem widzenia i obsługi komputera, ale znacznie szybsza, a w większości innych obszarów nieco gorsza. To opis producenta, a nie niezależne ustalenie, i jest użyteczny, ponieważ nazywa ten kompromis, zamiast go ukrywać.

Oba modele mają ten sam szkielet: 1,05 mln tokenów kontekstu, 922 000 maksymalnego wejścia, 128 000 maksymalnego wyjścia, wejście tekstowe i obrazowe, punkty końcowe Chat Completions i Responses oraz brak dostrajania. Różnice to data graniczna wiedzy (Terra: 1 czerwca 2026; Sol: 30 kwietnia 2026), dolny próg rozumowania (Terra nie akceptuje żadnego; Sol zaczyna od niskiego), poziom szybkości (Sol ma Ultrafast; Terra nie) oraz cennik.

Gdzie benchmarki się rozchodzą

Artificial Analysis to najczystszy niezależny pomiar: 48 dla Terra przy maksymalnym wysiłku wobec 52 dla Sol, miejsca 25 i 13 na 221 oraz 0,40 USD wobec 0,72 USD za zadanie indeksowe. Cztery punkty indeksu to realna różnica, ale to różnica, którą ocena dostosowana do konkretnego zadania może zniwelować w jedną lub drugą stronę.

• Indeks ogólny — Terra 48 vs Sol 52 (Artificial Analysis).

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

• Terminal-Bench 4.0 — Terra 50,3% przy maksymalnym wysiłku; OpenAI nie opublikowało wyniku dla Sol przy okazji premiery Terra (dane dostawcy).

• Terminal-Bench-Science 0.1 — OpenAI twierdzi, że Terra przy maksymalnym wysiłku przewyższa Sol przy niższym koszcie i zbliża się do Claude Opus 5.5 na odległość pięciu punktów, przy koszcie poniżej jednej piątej szacowanego kosztu (dane producenta i najbardziej zaskakujące twierdzenie podczas premiery).

• Egzamin z analizy danych Plotly — Terra 40/43, Sol 43/43, Luna 38/43, za 1,31 USD wobec 2,61 USD za egzamin; Terra była najszybszym modelem, który osiągnął co najmniej 40 punktów, przy około 15 sekundach na pytanie (ocena strony trzeciej).

• OSWorld 2.1 — OpenAI twierdzi, że Terra przy średnim nakładzie bije najlepszy wynik GPT-5.6 Terra za ułamek kosztu, ale nie opublikowało bezpośredniego wyniku Sol, więc twierdzenie dotyczące obsługi komputera, które ma największe znaczenie dla pozycjonowania Terra, jest tym z najmniejszą ilością bezpośrednich dowodów.

Odczytaj tę listę jako mapę rozmieszczenia tych czterech punktów. Przewaga Sol koncentruje się na kodowaniu i rozumowaniu długoterminowym. Przewaga Terray to szybkość, cena i świeższa data odcięcia. W jednym benchmarku, który OpenAI zdecydowało się opublikować bezpośrednio przeciwko Sol — Terminal-Bench-Science 0.1 — Terra zwycięża przy niższym koszcie, co jest albo prawdziwą niespodzianką, albo efektem doboru benchmarku. Nikt poza OpenAI tego nie powtórzył.

Pokrętło wysiłku ma większe znaczenie niż model.

Oba modele udostępniają parametr wysiłku rozumowania, a to ustawienie może kosztować więcej niż wybór modelu. Dolny próg Terry to none, co czyni ją wyjątkowo tanią w ekstrakcji i klasyfikacji; dolny próg Sola to low, więc wywołanie Sola zawsze płaci za trochę rozumowania. W górnym zakresie Terra przy xhigh może zużywać więcej tokenów i kosztować więcej niż Sol przy low, jednocześnie uzyskując gorszy wynik w tym samym zadaniu — to obserwacja, którą komentujący na Hacker News poczynili w ciągu godzin od premiery. Nie mierzyliśmy tego sami, a jest to arytmetycznie prawdopodobne: wysiłek zmienia liczbę tokenów mnożnikowo, podczas gdy różnica cen wynosi tylko 2×.

Praktyczna zasada polega na ustalaniu poziomu wysiłku na podstawie ewaluacji, a nie z przyzwyczajenia. Przeprowadź pięćdziesiąt rzeczywistych zadań przez oba modele na dwóch poziomach wysiłku, ustal próg jakości i wybierz najtańszą parę, która go spełnia. Porównywanie Terra i Sol przy tym samym nominalnym poziomie wysiłku to najczęstszy błąd w tym pojedynku i ten, który najprawdopodobniej doprowadzi do błędnej odpowiedzi.

Ile kosztuje ukończone zadanie

• Wejście — Terra 1,00 USD za milion tokenów vs Sol 2,00 USD.

• Buforowane dane wejściowe — $0.05 vs $0.10.

• Wyjście — 5,00 USD vs 10,00 USD.

• Zapisy do pamięci podręcznej — 1,25 USD przy retencji 30 minut lub 2,50 USD przy retencji 12 godzin dla Terra; 2,50 USD dla Sol.

• Długie prompty — powyżej 272 000 tokenów wejściowych zarówno opłata za dane wejściowe, jak i za pamięć podręczną jest dwukrotnie wyższa, a stawka za dane wyjściowe jest 1,5-krotnie wyższa dla całego żądania.

• Zmierzony koszt na zadanie indeksowania — $0,40 dla Terra w porównaniu z $0,72 dla Sol, czyli oszczędność 44%, a nie 50% sugerowane przez cennik, ponieważ Terra może zużywać więcej tokenów przy maksymalnym wysiłku.

Przykład obliczeniowy przy prostych założeniach: 2000 tokenów wejściowych i 500 tokenów wyjściowych na dokument, bez pamięci podręcznej. Terra kosztuje 0,002 USD za wejście plus 0,0025 USD za wyjście, czyli 0,0045 USD na dokument. Sol kosztuje 0,009 USD. Milion dokumentów to 4500 USD wobec 9000 USD. Jeśli połowa danych wejściowych jest buforowana, koszt wejściowy Terra ponownie zmniejsza się o połowę; koszt Sol spada w tej samej proporcji, więc proporcja pozostaje ta sama. Różnica rośnie tylko tam, gdzie można użyć ustawienia none w Terra, a maleje tam, gdzie Sol kończy zadanie, zużywając mniej tokenów.

Dostęp jest częścią porównania.

Terra jest dostępna w API oraz w ChatGPT Work i Codex w planach Plus, Pro, Enterprise i Edu; ogłoszenie OpenAI nie wymienia głównego selektora w Chat. Sol jest dostępny w API i w ChatGPT i jako jedyny z tej dwójki ma tryb Ultrafast; oba oferują Fast w cenie dwukrotnie wyższej od standardowej. W planie Pro 500 Ultrafast zużywa wliczone limity w tempie ośmiokrotnie wyższym od standardowego, a zakupione kredyty — sześciokrotnie, więc „szybciej” to decyzja billingowa w takim samym stopniu jak kwestia opóźnienia.

Po stronie routingu asymetria jest prosta. GPT-6.1 Sol znajduje się w katalogu OrcaRouter w cenie katalogowej, 2 USD za wejście i 10 USD za wyjście, bez marży, więc zmiana ceny przez dostawcę przechodzi na tych samych zasadach. GPT-6.1 Terra nie znajduje się jeszcze w katalogu na dzień 27 października, więc wywołania Terra muszą trafiać do własnego API OpenAI; to fakt dotyczący dzisiejszego katalogu, a nie stała pozycja. Automatyczne przełączanie awaryjne między modelami, które rzeczywiście obsługujemy, jest powodem, by mieć skonfigurowane drugie ramię nawet wtedy, gdy jeden model jest wyraźnie tańszy.

Reguła selekcji, którą możesz zastosować w tym tygodniu

• Klasyfikuj zadanie według tego, czego wymaga: kontrola ekranu i tworzenie dokumentów wskazują na Terra; kod, długie rozumowanie i intensywne badania wskazują na Sol.

• Ustal próg jakości na własnych danych, zanim spojrzysz na cennik. Cztery punkty indeksu to nie próg jakości; twoja ocena nim jest.

• Testuj na dwóch poziomach wysiłku, a nie na jednym. Terra na poziomie none w porównaniu z Sol na poziomie low to inne porównanie niż Terra na poziomie max w porównaniu z Sol na poziomie max.

• Wyceniaj ukończone zadanie, uwzględniając ponowienia i wywołania narzędzi. Arytmetyka oparta na tokenach zaniża model, który potrzebuje więcej tur.

• Zachowaj przegranego jako ścieżkę awaryjną. Najtańszy model, który podlega limitom szybkości, nie jest tani.

Jeśli kierujesz ruch przez OrcaRouter, ten ostatni krok to konfiguracja, a nie kod: jeden klucz, reguła routingu dla każdej klasy zadań i przełączanie awaryjne, gdy dostawca ulega degradacji. Oba modele mogą znajdować się za tym samym punktem końcowym, gdy Terra zostanie już obsługiwana; dziś obsługiwany jest tylko Sol.

Co zmieniłoby odpowiedź

Trzy rzeczy. Niezależna ewaluacja kodowania, która stawia Terrę blisko Sol, zniweczyłaby główny powód, by płacić podwójnie. Opublikowane bezpośrednie porównanie OSWorld 2.1 rozstrzygnęłoby twierdzenie dotyczące obsługi komputera, które OpenAI pozostawiło jako domniemane. A wpis Terry na routerach uczyniłby historię przełączania awaryjnego realną, a nie życzeniową. Do tego czasu możliwym do obrony domyślnym wyborem jest Terra do zadań masowych i pracy na ekranie, Sol do kodu i długiego rozumowania, oraz ewaluacja pomiędzy, a nie slogan.