GPT-6.1 Terra vs GPT-6.1 Sol: gdzie wynik za 5 USD przestaje być tańszą odpowiedzią

Porównanie, które większość ludzi przeprowadza między GPT-6.1 Terra a GPT-6.1 Sol jest błędne, i to błędne w sposób, który schlebia tańszemu modelowi. Ustawiają oba na maksymalny wysiłek rozumowania, zauważają, że Terra wypada nieco gorzej, zauważają, że Terra kosztuje o połowę mniej, i dochodzą do wniosku, że Terra to rozsądny domyślny wybór. Ale nikt nie uruchamia potoku produkcyjnego na maksymalnym poziomie wysiłku przy każdym wywołaniu. Prawdziwy wybór to Terra na poziomie xhigh kontra Sol na poziomie low — a w tym porównaniu komentatorzy na Hacker News wskazali w ciągu kilku godzin od premiery, że Terra może kosztować więcej niż Sol, mimo że wypada gorzej. Wybrany model ma mniejsze znaczenie niż poziom wysiłku, na który go ustawisz, a poziom wysiłku to zmienna, której żadna ze stron premiery nie umieszcza w nagłówku.

Oba modele pochodzą z tej samej generacji i z tego samego miesiąca: GPT-6.1 Sol trafił do sprzedaży 29 września 2026 r., a GPT-6.1 Terra 26 października. Dzielą okno kontekstu 1,05 mln, limit wyjścia 128K, te same trzy endpointy oraz ten sam input tekstowy i obrazkowy. Różni je czteropunktowa luka w niezależnym indeksie i dwukrotna różnica w cenniku — a pytanie, czy cztery punkty są warte dwukrotności ceny, zależy wyłącznie od tego, co Twoje obciążenie robi z tymi ostatnimi czterema punktami.

Ten sam model, dwie karty cenowe

Dane techniczne z dokumentacji modeli OpenAI, odczytane 27 października 2026 r.

• Cena — GPT-6.1 Terra: $1 za wejście / $5 za wyjście za milion; GPT-6.1 Sol: $2 / $10. Wejście z pamięci podręcznej Terra kosztuje $0.05, Sol — $0.10.

• Kontekst — po 1 050 000 tokenów, maksymalnie 922 000 tokenów wejściowych, maksymalnie 128 000 tokenów wyjściowych. Identyczne.

• Data odcięcia wiedzy — Terra: 1 czerwca 2026; Sol: 30 kwietnia 2026. Tańszy, nowszy model ma o około miesiąc świeższą wiedzę o świecie.

• Wysiłek rozumowania — Terra oferuje poziomy none, low, medium, high, xhigh, max; Sol oferuje od low do max. Dodatkowy poziom „none” w Terra to realna dolna granica kosztów, której Sol nie ma.

• Modyfikatory — oba mają batch i flex po 50% poniżej standardu, fast przy 2×, regional przy +10% oraz próg 272K tokenów wejściowych. Tylko Sol ma poziom Ultrafast przy 6× standardu, co według cennika daje $12 za wejście i $60 za wyjście za milion.

• Narzędzia i punkty końcowe — identyczny zestaw. Responses API do wywoływania narzędzi, Chat Completions bez narzędzi, Batch dla obu, brak dostrajania w przypadku żadnego z nich.

Cztery punkty, dwa razy wyższa cena

Artificial Analysis obecnie podaje GPT-6.1 Terra z wynikiem 48 w Intelligence Index — 25. miejsce spośród 221 modeli — a GPT-6.1 Sol z wynikiem 52, 13. miejsce. To cała niezależna różnica w możliwościach: cztery punkty, przy maksymalnym wysiłku, w indeksie złożonym. To nie jest nic. To także nie jest przepaść, którą sugeruje język „flagowy kontra średniej klasy”, a oba modele dzielą generację, rodzinę architektury i okno kontekstowe.

Różnicę w kosztach łatwiej wyrazić: dokładnie 2× zarówno na wejściu, jak i na wyjściu przy standardowych stawkach. Terra nie jest modelem z kosza z przecenami; to cena Sol obcięta o połowę, z odjętymi czterema punktami indeksu.

Koszt za ukończone zadanie, a nie za token

Liczbą, która powinna kierować decyzją, jest koszt na ukończone zadanie, ponieważ uwzględnia on, ile tokenów każdy model zużywa na myślenie. W Intelligence Index firmy Artificial Analysis GPT-6.1 Terra kosztuje 0,40 USD za zadanie, a GPT-6.1 Sol 0,72 USD — 44% oszczędności dla Terra, mniej niż sugeruje nagłówek 50%, ponieważ Terra zużywa nieco więcej tokenów, aby wykonać tę samą pracę przy maksymalnym wysiłku.

Przelicz to na skalę. Przy milionie zadań miesięcznie różnica wynosi około 320 000 USD. Przy dziesięciu tysiącach zadań to 3 200 USD — prawdziwe pieniądze, ale mniej niż tydzień pracy inżyniera poświęcony na przebudowę harnessu ewaluacyjnego. Próg, przy którym przewaga cenowa Terra uzasadnia migrację, jest kwestią wolumenu, a nie jakości, i to pierwsza liczba, którą należy obliczyć przed przeczytaniem jakiejkolwiek tabeli benchmarków.

Istnieje efekt drugiego rzędu na korzyść Terra, który nie uwidacznia się w żadnej z cen: odcięcie wiedzy. Horyzont treningowy Terra z 1 czerwca jest o miesiąc świeższy niż Sol z 30 kwietnia. Dla obciążeń, które zależą od najnowszych API, wersji bibliotek lub dokumentacji, ten miesiąc jest wart więcej niż cztery punkty indeksu, a kosztuje połowę mniej.

Pułapka poziomu wysiłku — przeanalizowana

Oto tryb awarii w konkretnych słowach. Terra przy wysiłku xhigh zużywa więcej tokenów na zadanie niż Sol przy niskim wysiłku. Jeśli tokeny Terry kosztują o połowę mniej, ale zużywa ona ponad dwa razy więcej tokenów, tańszy model przestaje być tańszy — a ponieważ xhigh to słabsze ustawienie niż low u Sola w najtrudniejszych zadaniach, płacisz więcej za gorszą odpowiedź. Komentatorzy na Hacker News opisali dokładnie to na Terminal-Bench 4.0 w ciągu dnia od premiery.

Rozwiązaniem nie jest unikanie Terra. Chodzi o porównywanie przy równych wydatkach, a nie przy równych ustawieniach. Konkretnie: najpierw wybierz swój próg jakości — odsetek zaliczonych testów, którego potrzebuje Twój produkt na Twojej własnej ewaluacji — a następnie znajdź najtańszą parę (model, wysiłek), która go spełnia. W tej przestrzeni poszukiwań jest dwanaście praktycznych punktów w obrębie tych dwóch modeli, a nie dwa, i odpowiedź zwykle nie brzmi „Terra na maksa” ani „Sol na maksa”.

Same liczby OpenAI pokazują, jak duży wpływ ma to ustawienie. Wskaźnik błędów Terry na wewnętrznym zestawie dostawcy wywołującym błędy spada z 16,7% przy niskim wysiłku do 4,3% przy maksymalnym — to zmiana o 12 punktów w obrębie jednego modelu. Różnica między Terrą a Solem na niezależnym indeksie wynosi cztery punkty. Pokrętło wysiłku jest większą dźwignią niż wybór modelu i można je obracać za darmo.

Gdzie Sol wciąż zarabia na marży

Pozycjonowanie Sol przez OpenAI to „wydajność bliska Astra w złożonej pracy, przy niższym koszcie”, a benchmarki dostawcy, na których Sol odróżnia się od Terra, są z tym spójne: długoterminowa praca agentowa, najtrudniejsze zadania programistyczne i gęste dokumenty profesjonalne. To także zadania, w których nieudane uruchomienie kosztuje więcej niż tokeny — i właśnie wtedy łatwo uzasadnić dwukrotną premię cenową.

Kontrargument Terry jest węższy, niż sugeruje marketing, ale ostrzejszy, niż wynika z indeksu. OpenAI podaje, że Terra mieści się w granicach 5 punktów od Claude Opus 5.5 w Terminal-Bench-Science 0.1 przy mniej niż jednej piątej szacowanego kosztu, oraz 15 punktów powyżej GPT-5.6 Terra w Agents' Last Exam przy około jednej trzeciej kosztu. To liczby uzyskane przez dostawcę na wybranych przez dostawcę testach, więc wskazują kierunek, a nie skalę — ale ten kierunek to „wystarczająco dobry w zadaniach pokrewnych nauce i agentowych, znacznie tańszy”, co stanowi prawdziwą niszę.

Uczciwy podział wygląda tak: Sol służy do zadań, w których zauważyłbyś spadek jakości o cztery punkty, a Terra do zadań, w których zauważyłbyś fakturę. Niewiele obciążeń to wyłącznie jedno albo drugie, dlatego kwestia routingu ma większe znaczenie niż kwestia modelu.

O tym może zdecydować opóźnienie, zanim zrobi to jakość.

Artificial Analysis mierzy GPT-6.1 Sol na 65,9 tokenów wyjściowych na sekundę przy 325,58 sekundy do pierwszego tokenu przy maksymalnym wysiłku. Ten wynik czasu do pierwszego tokenu nie jest literówką i dyskwalifikuje go w jakimkolwiek zastosowaniu interaktywnym. Terra nie ma jeszcze niezależnego pomiaru przepustowości; OpenAI opisuje ją jako znacznie szybszą, a jeśli to się potwierdzi, różnica jest wystarczająco duża, by przesądzić spór na korzyść produktów w formie czatu lub pętli agentowych, niezależnie od wyników indeksów.

W przypadku pracy wsadowej kalkulacja się odwraca: 325 sekund myślenia nie ma znaczenia, jeśli zadanie wykonuje się przez noc, a wyższy pułap Sola jest wart swojej ceny. Opóźnienie jest właściwością obciążenia, a nie właściwością modelu, i powinno znaleźć się w decyzji przed pozycją w rankingu benchmarków.

Trzymanie obu ramion na jednym klawiszu

OrcaRouter udostępnia GPT-6.1 Sol w cenie katalogowej $2/$10 z 0% marży, na tym samym kluczu co ponad 200 innych modeli. GPT-6.1 Terra nie znajduje się w naszym katalogu na dzień 27 października — ma dopiero jeden dzień i jest dostępny przez API OpenAI — więc praktycznym wzorcem na dziś jest zmierzenie wariantu Sol po naszej stronie i ustawienie go jako celu eskalacji: uruchamiaj Terrę tam, gdzie wygrywa, i przełączaj na Sol, gdy żądanie wymaga dodatkowych czterech punktów albo gdy u danego dostawcy jest gorsza godzina. Oba należą do tej samej generacji, mają to samo okno kontekstu i ten sam kształt endpointu, więc reguła routingu to ciąg modelu i ustawienie poziomu wysiłku, a nie przepisywanie.

DSL routingu ma tu znaczenie z konkretnego powodu. Ciekawa konfiguracja produkcyjna to nie „Terra albo Sol”, lecz „Terra na wysokim poziomie, eskalująca do Sol na średnim, gdy pewność jest niska” — kompozycja, która w przeciwnym razie oznaczałaby dwie integracje, dwie polityki ponawiania i dwa rachunki. To jest ten rodzaj decyzji, do którego skłania ta para, i to jest powód, dla którego oba modele należy oceniać jako drabinę, a nie jako wybór albo-albo.

Reguła decyzyjna

• Duża objętość, dobrze określone, wrażliwe na opóźnienia — zrzuty ekranu, formularze, ekstrakcja, automatyzacja przeglądarki, rutynowe redagowanie. Terra, przy najniższym wysiłku, który zalicza Twoją ewaluację. Czteropunktowy deficyt nie będzie widoczny, a 44-procentowa oszczędność na zadanie będzie.

• Trudne programowanie, agenci o długim horyzoncie działania, gęste dokumenty profesjonalne — wszystko, gdzie nieudane uruchomienie kosztuje więcej niż tokeny. Sol. To jest właśnie ten rodzaj obciążenia, dla którego istnieje 2× premia.

• Interaktywny czat z rygorystycznym budżetem czasu do pierwszego tokenu. Terra — chyba że zmierzyłeś Sol przy niskim wysiłku i uznałeś opóźnienie za akceptowalne. Sol przy maksymalnym wysiłku to narzędzie wsadowe ubrane w interfejs czatu.

• Praca wrażliwa na aktualność danych — najnowsze interfejsy API, wersje bibliotek, bieżąca dokumentacja. Czerwcowy punkt odcięcia Terra przewyższa kwietniowy punkt odcięcia Sol — i to przy połowie ceny.

• Niepewne. Benchmarkuj przy równych nakładach, a nie przy równych ustawieniach. Ta jedna zmiana przeniesie więcej zespołów na Terrę niż jakakolwiek tabela benchmarków.

Otwartą kwestią nie jest to, czy Terra jest wystarczająco dobra, by zastąpić Sol — według jedynego dostępnego niezależnego miernika w oczywisty sposób nie jest. Jest nią to, czy czteropunktowa różnica przetrwa pojawienie się GPT-6.1 Astra, który nie został jeszcze wydany i który zepchnie Sol w dół drabinki w taki sam sposób, w jaki Sol zepchnął model Astra. Gdy to nastąpi, interesującym porównaniem będzie Terra z Sol po obniżce, a suwak wysiłku będzie miał jeszcze większe znaczenie niż obecnie.