GPT-6.1 Terra kontra Muse Wonder: cztery punkty indeksu, osiem razy wyższy rachunek

GPT-6.1 Terra i Muse Wondersą oddalone o cztery punkty na publicznej tablicy wyników, która zmierzyła oba modele, a pod względem kosztu ukończenia zadania w tej tablicy różnią się około ośmiokrotnie. OpenAI udostępniło Terra 26 października 2026 r. w cenie 1 USD za milion tokenów wejściowych i 5 USD za milion tokenów wyjściowych; model uzyskuje 48 punktów w Artificial Analysis Intelligence Index i kosztuje 0,40 USD za zadanie indeksowe. Meta udostępniła Muse Wonder 12 października w cenie 4 USD i 20 USD; model uzyskuje 52 punkty i kosztuje 3,27 USD za zadanie. Oba deklarują okno kontekstu o długości miliona tokenów. Posortowanie tablicy wyników rozstrzygnęłoby decyzję w jednej linijce, dlatego tablica wyników to złe miejsce, by na tym poprzestać: model z wyższym wynikiem i wyższym rachunkiem jest także szybszy, a przewaga taniego modelu zależy wyłącznie od tego, ile kosztuje cię błędna odpowiedź.

Poniższe dane pochodzą z Artificial Analysis, odczytanych 27 października 2026 r., oraz z dokumentacji premierowej obu dostawców. Twierdzenia dostawców są oznaczone jako twierdzenia. Jedyny w tym tekście benchmark na poziomie zadania został przeprowadzony przez DualEntry, firmę sprzedającą automatyzację księgowości, więc stanowi dowód strony trzeciej mającej interes komercyjny, a nie neutralny audyt; tak też jest traktowany.

Dwa modele stworzone do różnych zadań

Terra to model OpenAI przeznaczony do dużego wolumenu, następca GPT-5.6 Terra i najtańszy sposób na uzyskanie ogólnych kompetencji obecnej rodziny OpenAI. Przyjmuje tekst i obrazy, zwraca tekst, obsługuje kontekst 1 050 000 tokenów przy limicie wyjścia 128 000 tokenów i udostępnia poziom wysiłku rozumowania od none do max. OpenAI udostępniło go także w Amazon Bedrock w dniu premiery oraz w ChatGPT Work i Codex, ale nie w konsumenckim oknie czatu ChatGPT. Jest dostępny wyłącznie przez API w sensie istotnym dla zakupów: bez fine-tuningu, bez Realtime i bez Assistants.

Muse Wonder to pierwszy model Meta, który liczy się w dyskusji o czołówce, i pojawia się z podziałem, który większość stron porównawczych zaciera. Modelem API jest Wonder, w cenie 4 USD za wejście i 20 USD za wyjście. Wyżej punktowany checkpoint, Muse Wonder Full z wynikiem 56 w tym samym indeksie, jest sprzedawany wyłącznie w ramach subskrypcji Muse Code za 50 lub 200 USD miesięcznie i nie jest udostępniany przez API. Najważniejsze wiersze benchmarków często dotyczą Full. Model, który deweloper może faktycznie wywołać, jest o cztery punkty wyżej niż Terra, a nie o osiem.

• Cena — GPT-6.1 Terra $1.00 za wejście / $5.00 za wyjście za milion; Muse Wonder $4.00 / $20.00.

• Buforowane dane wejściowe — Terra $0,05 z 95% zniżką; Wonder $0,20 z 95% zniżką.

• Okno kontekstu — Terra: 1 050 000 udokumentowanych; Wonder: 1 000 000 udokumentowanych.

• Maksymalna wydajność — Terra: 128 000 udokumentowanych; Meta nie opublikowała górnego limitu dla Wonder, a niezależne serwisy monitorujące podają wartości bliskie 943 000.

• Niezależny Indeks Inteligencji — Terra 48, 25. z 221; Wonder 52, 10. z 221.

• Koszt na zadanie indeksowania — Terra 0,40 USD; Wonder 3,27 USD.

• Szybkość generowania — Terra 90,9 tokena na sekundę; Wonder 207,8.

• Czas do pierwszego tokenu — Terra 77,96 sekundy; Wonder 31,62 sekundy.

• Dane wejściowe — Terra: tekst i obrazy; Wonder: tekst, obrazy, wideo i audio według trackerów, przy czym własne materiały premierowe Meta kładą nacisk na tekst i obrazy.

• Wagi — zamknięte po obu stronach. Opcja Meta z otwartymi wagami to Muse Spark, inny model.

Rachunek jest osiem razy większy niż luka indeksowa.

To właśnie wskaźnik kosztu na zadanie powinien zmienić sposób odczytywania czteropunktowej różnicy. Artificial Analysis nie tylko mnoży stawki cennikowe przez stałą liczbę tokenów; mierzy, ile tokenów każde z modeli zużywa na wykonanie tego samego zestawu zadań indeksu, a następnie wycenia to zużycie. Terra kosztuje średnio 0,40 USD na zadanie, a Wonder 3,27 USD — różnica 8,2x przy luce w zdolnościach poniżej 8%.

Same stawki z cennika tego nie wyjaśniają. Weźmy obciążenie obejmujące 100 mln tokenów wejściowych i 10 mln tokenów wyjściowych: Terra nalicza 150 USD, a Wonder 600 USD — różnica 4-krotna. Różnica na zadanie jest dwukrotnie większa, co oznacza, że tokeny faktycznie zużyte przez oceny indeksu nie rozłożyły się w stosunku 10 do 1; Artificial Analysis wycenia zmierzony wolumen wejściowy i wyjściowy dla każdego modelu, a ta wartość na zadanie odzwierciedla oceny, a nie uśredniony przykład. Cena za token to cena paliwa, nie koszt podróży.

To rozróżnienie ma największe znaczenie przy wolumenie, na który ukierunkowana jest Terra. Potok przetwarzania wykonujący 100 000 zadań miesięcznie wydaje 40 000 USD na Terrę i 327 000 USD na Wonder według zmierzonych stawek Artificial Analysis. Różnica w możliwościach między nimi nie zmienia się ośmiokrotnie wraz ze zmianą obciążenia; rachunek tak. Jeśli Twoim zadaniem jest klasyfikacja, ekstrakcja, odczyt formularzy lub ograniczony krok agenta, ciężar dowodu spoczywa na drogim modelu.

Jedna uwaga dotycząca obliczeń: indeks jest okresowo renormalizowany, a wartości kosztu na zadanie zmieniają się wraz z nim. Porównuj modele z tego samego odczytu, tak jak te liczby, zamiast odejmować liczbę ze starszego artykułu.

Wonder jest szybszy, a twierdzenie Terra o szybkości nie wytrzymuje porównania

Materiały premierowe OpenAI opisują Terrę jako znacznie szybszą niż GPT-6 Astra i GPT-6.1 Sol. W obrębie rodziny OpenAI wydaje się to prawdą i właśnie dlatego ten model istnieje: tani, szybki generalista do pracy z obrazami i dokumentami. W starciu z modelem Meta nie ma mowy o zbliżeniu. Wonder generuje 207,8 tokenów wyjściowych na sekundę wobec 90,9 w przypadku Terry, a pierwszy token zwraca w 31,62 sekundy wobec 77,96 w przypadku Terry.

Oba pod względem bezwzględnym startują wolno, co jest cechą dużych modeli rozumujących, a nie skandalem. Jednak kolejność jest odwrotna do kolejności cen, co ma praktyczną konsekwencję. W przypadku zadania wsadowego uruchamianego przez noc opóźnienie modelu Terra jest nieistotne, a jego koszt decyduje. W produkcie interaktywnym, w którym użytkownik czeka na pierwszy token, 78-sekundowy start jest decyzją produktową, a nie pozycją w benchmarku, a 32 sekundy modelu Wonder to lepsze doświadczenie nawet przy pięciokrotnie wyższej cenie danych wejściowych.

Liczby dotyczące szybkości podważają też powszechne założenie o tanich modelach: że domyślnie są szybką opcją. Terra jest tania w przeliczeniu na token i na zadanie. Nie jest szybka w przeliczeniu na sekundę. To dwa różne twierdzenia i tylko jedno z nich jest prawdziwe.

Test na poziomie zadania, w którym tani model przegrał

Najszerszą dostępną w momencie premiery weryfikacją zewnętrzną jest benchmark księgowy DualEntry: 101 syntetycznych przypadków obejmujących klasyfikację transakcji, zapisy księgowe, zobowiązania, należności, uzgadnianie, raportowanie, zamknięcie miesiąca i wiedzę księgową, uruchamianych trzykrotnie dla każdego modelu z ustalonymi odpowiedziami referencyjnymi, a nie oceną AI. Przetestowano dwadzieścia dwa modele. DualEntry sprzedaje automatyzację księgowości, więc benchmark nie jest neutralny, ale metoda jest bardziej konkretna niż indeks zbiorczy.

Terra ukończyła z wynikiem 78,2% ogółem, ex aequo na 18. miejscu spośród 22. Jej profil był nierówny w sposób, który ukrywa wynik zbiorczy. Klasyfikacja transakcji była bezbłędna, 13 na 13. Zobowiązania wobec dostawców wyniosły 53,8%, ex aequo na ostatnim miejscu. Uzgodnienie bankowe wyniosło 83,3%, za zarówno Kimi K3.1 Pro, jak i Muse Wonder, choć wydanie nie publikuje dokładnego wyniku uzgodnień Wonder. Terra była najszybszym modelem OpenAI w benchmarku i trzecim najszybszym ogółem przy 16,1 sekundy na zadanie, przy $0,042 na zadanie — około połowy GPT-6.1 Sol i jednej dziesiątej GPT-6 Astra.

Osobna platforma ewaluacyjna Vals AI umieszcza Terrę na 60,17% i 10. miejscu na 28 w swoim własnym zestawie testów, przy czym kodowanie i praca w terminalu to jej mocne strony, a prawo, podatki i finanse — słabe. Inny zestaw, inna skala, więc liczba nie jest porównywalna z indeksem Artificial Analysis; kształt jest. Terra to szybki, niedrogi generalista o dużej wariancji między rodzinami zadań, a nie jednolicie dobry model.

Ta wariancja jest argumentem przeciwko kupowaniu wyłącznie na podstawie kosztu na zadanie. W procesie, w którym wynik cząstkowy 53,8% oznacza, że człowiek przerabia połowę kolejki zobowiązań, zaoszczędzone 2,87 USD na zadanie nie jest oszczędnością; to przeniesienie kosztu z budżetu tokenów do budżetu wynagrodzeń. Czteropunktowa przewaga Muse Wonder w indeksie nie dowodzi, że sprostałby temu kryterium — żaden wspólny benchmark dostępny publicznie tego nie potwierdza — ale w jedynym teście na poziomie zadania, w którym oba się pojawiają, Muse Wonder jest z przodu tam, gdzie Terra wypada najsłabiej.

Modalności, długość wyjścia i to, czego Meta nie udokumentowała

Wiersz wejściowy Wonder to najwyraźniejsza różnica strukturalna. Trackery obsługują na wejściu tekst, obrazy, wideo i audio, a na wyjściu tekst; materiał premierowy Meta jest miejscami węższy, ale to wejście wideo i audio sprawia, że zespół w ogóle rozważyłby go zamiast Terra. Terra przyjmuje tekst i obrazy. Jeśli Twój pipeline przetwarza nagrane rozmowy, nagrania ekranu lub wideo produktowe, Terra nie może być jedynym modelem w nim.

Długość danych wyjściowych to druga kwestia. Terra dokumentuje 128 000 tokenów wyjściowych. Meta nie opublikowała limitu Wonder, a krążąca wartość ~943 000 pochodzi z obserwacji stron trzecich, a nie ze specyfikacji. Traktuj tę wartość jako trop do zweryfikowania, a nie liczbę, wokół której należy projektować. Ta sama ostrożność dotyczy dat odcięcia wiedzy: Terra dokumentuje 1 czerwca 2026 r.; Meta nie opublikowała takiej daty dla Wonder.

Żaden z tych modeli nie znajduje się w naszym katalogu. Oto co jest

Jedno uczciwe zastrzeżenie przed jakąkolwiek notą produktową: na dzień 27 października ani GPT-6.1 Terra, ani Muse Wonder nie znajdują się w katalogu 214 modeli OrcaRouter. Terra jest dostępna przez własne API OpenAI i od dnia premiery przez Amazon Bedrock. Wonder jest sprzedawany w Meta's Model API. Każdy, kto twierdzi, że dziś routuje którykolwiek z nich przez nas, opisuje plan działania, a nie katalog.

To, co katalog faktycznie zawiera, to najbliższe hostowane odpowiedniki po obu stronach: GPT-6.1 Sol w cenie 2 USD za dane wejściowe i 10 USD za dane wyjściowe, który uzyskuje 52 punkty w indeksie i kosztuje 0,72 USD na zadanie, oraz Muse Spark 1.2, czyli model z linii Spark firmy Meta. Jeśli obciążenie w stylu Terra to to, które musisz zmierzyć — praca z tekstem i obrazami na dużą skalę, gdzie o zakupie decyduje koszt na ukończone zadanie — Sol jest hostowanym odpowiednikiem o większych możliwościach i mniej więcej dwukrotnie wyższym kosztem na zadanie, a porównanie mówi ci, czy oszczędność zapewniana przez Terra jest warta migracji. Oba są udostępniane w cenie katalogowej dostawcy bez narzutu, na jednym kluczu z automatycznym przełączaniem awaryjnym, więc awaria dostawcy nie staje się awarią produktu.

Gdy którykolwiek z modeli trafi do katalogu, przełączenie polega na zmianie ciągu modelu, a nie na drugim kontrakcie. To praktyczny powód, by już teraz wykonać benchmark obciążenia, zamiast czekać na wpis premierowy, który rozstrzygnie to starcie.

Kto powinien wybrać, które

Wybierz Terra, gdy praca ma dużą objętość, jest dobrze określona i zdominowana przez tekst lub obrazy: ekstrakcja dokumentów, klasyfikacja, odczytywanie formularzy i zrzutów ekranu, tworzenie szkiców, ograniczone kroki agenta. Stawka $0.40 za zadanie jest najniższa w tym porównaniu z dużym marginesem, wyjście 128K jest udokumentowane, a nie oparte na plotkach, a nierówne wyniki podzadań są akceptowalne, gdy i tak człowiek przegląda wynik.

Wybierz Muse Wonder, gdy dane wejściowe są bogatsze niż tekst i obrazy, gdy agent musi zwrócić długi artefakt w jednym wywołaniu lub gdy błędna odpowiedź kosztuje znacznie więcej niż 2,87 USD. Szybkość 207,8 tokenów na sekundę i 32 sekundy do pierwszego tokenu czynią go lepszym modelem interakcyjnym, a czteropunktowa przewaga w indeksie jest realna, nawet jeśli jest mniejsza niż różnica między Muse Wonder Full a Terra. Uwzględnij w budżecie stawkę 20 USD za wyjście i potwierdź, który checkpoint faktycznie zmierzył czytany przez Ciebie benchmark.

Cztery punkty to najmniej interesująca liczba w tym zestawieniu. Rachunek, czas do pierwszego tokenu i wariancja na poziomie zadań to, na czym opiera się decyzja produkcyjna — a pod tym względem tańszy model nie jest po prostu gorszy.