GPT-6.1 Terra Pro vs GPT-6.1 Sol: Escolha pelo trabalho, não pela tabela de preços

GPT-6.1 Terra Pro versus GPT-6.1 Solé a comparação que as pessoas pesquisam, mas apenas um lado desse nome é real: o modelo da OpenAI é o GPT-6.1 Terra, e “Pro” é um rótulo de plano do ChatGPT, não uma variante. A comparação que importa é GPT-6.1 Terra contra GPT-6.1 Sol, dois modelos da mesma geração com a mesma janela de contexto de 1,05 milhão de tokens, o mesmo teto de saída de 128.000 tokens e uma diferença de preço de dois para um. A pergunta útil não é qual deles é melhor. É qual deles é melhor no trabalho que você está prestes a entregar a ele.

Essa forma de enquadrar a questão muda a resposta. No índice independente, o Sol está quatro pontos à frente. No preço, o Terra custa metade. Em velocidade, o Terra é mais de três vezes mais rápido segundo a própria medição da OpenAI. Nenhum desses três fatos decide o confronto por si só, porque cada um corresponde a uma parte diferente de uma carga de trabalho: qualidade, custo e latência. O modelo vencedor depende de qual desses aspectos a sua tarefa realmente carece.

A resposta curta

Se o trabalho for um agente de navegador ou de ambiente de trabalho a clicar por aplicações, um pipeline de preenchimento de formulários, uma fila de faturas, um desenho técnico que tem de se tornar num modelo, ou um documento que tem de ser escrito com clareza a partir do material fornecido, comece com GPT-6.1 Terra. Se o trabalho for uma refatoração longa, uma funcionalidade com vários ficheiros, uma sessão de depuração difícil, um documento profissional denso ou uma tarefa de investigação que dura horas, comece com GPT-6.1 Sol. Se precisar do nível pago mais rápido que a OpenAI vende, o Sol é o único dos dois com uma opção Ultrafast.

É essa a estrutura da questão. O restante deste texto é a evidência, os pontos em que a estrutura se rompe e as configurações que podem inverter a resposta.

Dois modelos, dois empregos

O escopo do GPT-6.1 Terra é o dia a dia de trabalho: raciocínio visual, controle do computador e escrita que parece ter sido feita por uma pessoa a partir de material fornecido por alguém. O anúncio da OpenAI cita redigir propostas, interpretar desenhos técnicos, preencher formulários e editar vídeos. O escopo do GPT-6.1 Sol é o trabalho mais difícil e mais longo: programação quase no nível do Astra e documentos profissionais, com a OpenAI recomendando Sol ou Astra para as tarefas de programação mais complexas, inclusive no post de lançamento do Terra.

Ted Sanders, da OpenAI, citado na cobertura do dia do lançamento, colocou o trade-off de forma mais direta: Terra é melhor que Astra e Sol em comunicação técnica, semelhante em visão e uso de computador, mas muito mais rápida, e um pouco pior na maioria das outras coisas. Essa é uma descrição de fornecedor, e não uma constatação independente, e é útil porque nomeia o trade-off em vez de escondê-lo.

Os dois modelos compartilham a mesma estrutura base: 1,05 milhão de tokens de contexto, 922.000 de entrada máxima, 128.000 de saída máxima, entrada de texto e imagem, endpoints Chat Completions e Responses e sem ajuste fino. As diferenças são a data de corte de conhecimento (Terra, 1º de junho de 2026; Sol, 30 de abril de 2026), o piso de raciocínio (Terra não aceita nenhum; Sol começa em low), o nível de velocidade (Sol tem Ultrafast; Terra não) e a tabela de preços.

Onde os benchmarks divergem

A Artificial Analysis é a leitura independente mais clara: 48 para o Terra no esforço máximo contra 52 para o Sol, posições 25 e 13 de 221, e US$ 0,40 contra US$ 0,72 por tarefa de índice. Quatro pontos de índice são uma diferença real, mas é o tipo de diferença que uma avaliação específica de tarefa pode eliminar em uma direção ou outra.

• Índice geral — Terra 48 vs Sol 52 (Artificial Analysis).

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

• Terminal-Bench 4.0 — Terra 50,3% com esforço máximo; a OpenAI não divulgou nenhum número do Sol junto com o lançamento do Terra (informado pelo fornecedor).

• Terminal-Bench-Science 0.1 — A OpenAI afirma que o Terra em esforço máximo supera o Sol com custo menor e fica a cinco pontos do Claude Opus 5.5 por menos de um quinto do custo estimado (informação reportada pelo fornecedor, e a alegação mais surpreendente do lançamento).

• Exame de análise de dados Plotly — Terra 40/43, Sol 43/43, Luna 38/43, por US$ 1,31 contra US$ 2,61 pelo exame; Terra foi o modelo mais rápido a atingir 40 ou mais, a cerca de 15 segundos por questão (avaliação de terceiros).

• OSWorld 2.1 — A OpenAI diz que o Terra em esforço médio supera a melhor pontuação do GPT-5.6 Terra a uma fração do custo, mas não publicou nenhum número de comparação direta com o Sol, então a alegação sobre uso de computador que mais importa para o posicionamento do Terra é justamente a que tem a menor evidência direta.

Leia essa lista como um mapa de onde os quatro pontos estão. A vantagem do Sol está concentrada em programação e raciocínio de longo horizonte. A vantagem do Terra é velocidade, preço e a data de corte mais recente. No único benchmark que a OpenAI escolheu publicar diretamente contra o Sol, o Terminal-Bench-Science 0.1, o Terra vence com custo menor, o que é ou uma surpresa genuína ou um efeito de seleção de benchmark. Ninguém fora da OpenAI o reproduziu.

O ajuste de esforço decide mais do que o próprio modelo.

Ambos os modelos expõem o esforço de raciocínio, e a configuração pode custar mais do que a escolha do modelo. O mínimo do Terra é none, o que o torna invulgarmente barato para extração e classificação; o mínimo do Sol é low, então uma chamada ao Sol sempre paga por algum raciocínio. No extremo superior, o Terra em xhigh pode consumir mais tokens e custar mais do que o Sol em low, ao mesmo tempo que pontua pior na mesma tarefa, uma observação que comentaristas do Hacker News fizeram horas após o lançamento. Não o medimos nós mesmos, e é aritmeticamente plausível: o esforço altera a contagem de tokens de forma multiplicativa, enquanto a diferença de preço é de apenas 2×.

A regra prática é fixar o esforço com base em avaliação, e não por hábito. Execute cinquenta tarefas reais em ambos os modelos com dois níveis de esforço, defina um patamar de qualidade e escolha o par mais barato que o supere. Comparar Terra e Sol com o mesmo esforço nominal é o erro mais comum nesta comparação e o que tem maior probabilidade de gerar uma resposta errada.

Quanto custa uma tarefa concluída

• Entrada — Terra US$ 1,00 por milhão de tokens vs Sol US$ 2,00.

• Entrada em cache — $0,05 vs $0,10.

• Saída — $5,00 vs $10,00.

• Gravações em cache — $1,25 com retenção de 30 minutos ou $2,50 com retenção de 12 horas para Terra; $2,50 para Sol.

• Prompts longos — acima de 272.000 tokens de entrada, cobra-se o dobro das taxas de entrada e de cache, e 1,5 vez a taxa de saída, para toda a solicitação.

• Custo medido por tarefa de indexação — US$ 0,40 para o Terra vs. US$ 0,72 para o Sol, uma economia de 44%, e não os 50% que a tabela de preços sugere, porque o Terra pode consumir mais tokens no esforço máximo.

Um exemplo resolvido com premissas claras: 2.000 tokens de entrada e 500 tokens de saída por documento, sem cache. A Terra custa US$ 0,002 pela entrada mais US$ 0,0025 pela saída, ou US$ 0,0045 por documento. A Sol custa US$ 0,009. Um milhão de documentos custa US$ 4.500 contra US$ 9.000. Se metade da entrada estiver em cache, o custo de entrada da Terra cai pela metade novamente; o da Sol cai na mesma proporção, então a proporção se mantém. A diferença aumenta apenas onde a configuração "none" da Terra é utilizável, e diminui onde a Sol conclui a tarefa com menos tokens.

O acesso faz parte da comparação.

A Terra está disponível na API e no ChatGPT Work e Codex nos planos Plus, Pro, Enterprise e Edu; o anúncio da OpenAI não lista o seletor principal do Chat. O Sol está disponível na API e no ChatGPT, e é o único dos dois com um modo Ultrafast; ambos oferecem o Fast pelo dobro do preço padrão. Em um plano Pro 500, o Ultrafast consome o uso incluído a oito vezes a taxa padrão e os créditos comprados a seis vezes, então “mais rápido” é uma decisão de faturamento tanto quanto de latência.

Do lado do roteamento, a assimetria é simples. O GPT-6.1 Sol está no catálogo da OrcaRouter a preço de tabela, US$ 2 de entrada e US$ 10 de saída, sem markup, então uma mudança de preço do fornecedor é repassada nos mesmos termos. O GPT-6.1 Terra ainda não está no catálogo em 27 de outubro, então as chamadas para o Terra precisam ir para a API própria da OpenAI; isso é um fato sobre o catálogo de hoje, não uma posição permanente. O failover automático entre os modelos que realmente oferecemos é o motivo para manter uma segunda rota configurada mesmo quando um modelo é claramente mais barato.

Uma regra de seleção que você pode executar esta semana

• Classifique a tarefa pelo que ela exige: controle de tela e produção de documentos apontam para Terra; código, raciocínio longo e pesquisa densa apontam para Sol.

• Defina um patamar de qualidade nos seus próprios dados antes de olhar a tabela de preços. Quatro pontos de índice não são um patamar de qualidade; sua avaliação é.

• Teste em dois níveis de esforço, não em apenas um. Terra sem esforço contra Sol em nível baixo é uma comparação diferente de Terra no nível máximo contra Sol no nível máximo.

• Precifique a tarefa concluída, incluindo novas tentativas e chamadas de ferramentas. A aritmética por token subestima o modelo que precisa de mais turnos.

• Mantenha o perdedor como opção de failover. O modelo mais barato que está sujeito a limite de taxa não é barato.

Se você rotear pelo OrcaRouter, essa última etapa é configuração em vez de código: uma chave, uma regra de roteamento por classe de tarefa e failover quando um provedor degrada. Os dois modelos podem ficar atrás do mesmo endpoint assim que o Terra estiver incluído; hoje apenas o Sol está.

O que mudaria a resposta

Três coisas. Uma avaliação independente de codificação que coloque a Terra perto da Sol derrubaria o principal motivo para pagar o dobro. Um confronto direto publicado no OSWorld 2.1 resolveria a alegação de uso de computador que a OpenAI deixou implícita. E uma listagem da Terra nos roteadores tornaria a história de failover real, e não aspiracional. Até lá, o padrão defensável é Terra para volume e trabalho de tela, Sol para código e raciocínio longo, e uma avaliação no meio, em vez de um slogan.