GPT-6.1 Terra vs Muse Wonder: Quatro pontos de índice, oito vezes a conta

GPT-6.1 Terra e Muse Wonder estão separados por quatro pontos no placar público que mediu ambos, e por cerca de oito vezes de diferença no custo para concluir uma tarefa nesse placar. A OpenAI lançou o Terra em 26 de outubro de 2026 a $1 por milhão de tokens de entrada e $5 por milhão de saída; ele pontua 48 no Artificial Analysis Intelligence Index e custa $0.40 por tarefa do índice. A Meta lançou o Muse Wonder em 12 de outubro a $4 e $20; ele pontua 52 e custa $3.27 por tarefa. Ambos listam uma janela de contexto de um milhão de tokens. Uma ordenação do placar encerraria a decisão em uma linha, e é por isso que o placar é o lugar errado para encerrá-la: o modelo com a pontuação mais alta e a conta mais alta também é o mais rápido, e a vantagem do modelo barato depende inteiramente do quanto uma resposta errada custa para você.

Os números abaixo vêm da Artificial Analysis, consultada em 27 de outubro de 2026, e da documentação de lançamento dos dois fornecedores. As alegações dos fornecedores estão marcadas como alegações. O único benchmark em nível de tarefa neste artigo foi executado pela DualEntry, uma empresa que vende automação contábil, portanto trata-se de evidência de terceiros com interesse comercial, não de uma auditoria neutra; é tratada dessa forma.

Dois modelos criados para funções diferentes

Terra é o modelo de volume da OpenAI, o substituto do GPT-5.6 Terra e a maneira mais barata de obter a competência geral da atual família OpenAI. Ele aceita texto e imagens, retorna texto, documenta um contexto de 1.050.000 tokens com teto de saída de 128.000 tokens e expõe esforço de raciocínio de none até max. A OpenAI também o disponibilizou no Amazon Bedrock no dia do lançamento e no ChatGPT Work e Codex, embora não na caixa de chat do ChatGPT para consumidores. É somente API no sentido que importa para compras: sem ajuste fino, sem Realtime, sem Assistants.

O Muse Wonder é o primeiro modelo da Meta que pertence à conversa de fronteira, e chega com uma divisão que a maioria das páginas de comparação obscurece. O modelo de API é o Wonder, a US$ 4 de entrada e US$ 20 de saída. O checkpoint de pontuação mais alta, o Muse Wonder Full, com 56 no mesmo índice, é vendido apenas dentro da assinatura Muse Code por US$ 50 ou US$ 200 por mês e não é disponibilizado via API. As linhas de benchmark em destaque geralmente descrevem o Full. O modelo que um desenvolvedor pode de fato chamar está quatro pontos acima do Terra, não oito.

• Preço — GPT-6.1 Terra US$ 1,00 de entrada / US$ 5,00 de saída por milhão; Muse Wonder US$ 4,00 / US$ 20,00.

• Entrada em cache — Terra $0,05 com 95% de desconto; Wonder $0,20 com 95% de desconto.

• Janela de contexto — Terra 1.050.000 documentados; Wonder 1.000.000 documentados.

• Saída máxima — Terra 128.000 documentados; a Meta não publicou um teto para o Wonder, e rastreadores de terceiros relatam números próximos de 943.000.

• Índice de Inteligência Independente — Terra 48, 25.º de 221; Wonder 52, 10.º de 221.

• Custo por tarefa de indexação — Terra $0,40; Wonder $3,27.

• Velocidade de saída — Terra 90,9 tokens por segundo; Wonder 207,8.

• Tempo até o primeiro token — Terra 77,96 segundos; Wonder 31,62 segundos.

• Entradas — texto e imagens do Terra; texto, imagens, vídeo e áudio do Wonder, de acordo com os rastreadores, com o próprio material de lançamento da Meta enfatizando texto e imagens.

• Pesos — fechados em ambos os lados. A opção de pesos abertos da Meta é o Muse Spark, um modelo diferente.

A conta é oito vezes a diferença do índice.

O valor de custo por tarefa é o que deveria mudar a forma como a diferença de quatro pontos é interpretada. O Artificial Analysis não se limita a multiplicar os preços de tabela por uma contagem fixa de tokens; ele mede quantos tokens cada modelo gasta para concluir o mesmo conjunto de tarefas do índice e, em seguida, precifica esse consumo. O Terra tem média de US$ 0,40 por tarefa e o Wonder, US$ 3,27, uma diferença de 8,2x para uma lacuna de capacidade inferior a 8%.

As tarifas de tabela por si só não explicam isso. Considere uma carga de trabalho de 100 milhões de tokens de entrada e 10 milhões de tokens de saída: a Terra cobra US$ 150 e a Wonder, US$ 600 — uma diferença de 4x. A diferença por tarefa é duas vezes maior, o que significa que os tokens efetivamente consumidos pelas avaliações do índice não se dividiram na proporção de 10 para 1; a Artificial Analysis precifica o volume medido de entrada e saída de cada modelo, e esse número por tarefa reflete as avaliações, e não um exemplo fixo. O preço por token é o preço do combustível, não o custo da viagem.

Essa distinção importa mais no volume para o qual o Terra é voltado. Um pipeline que executa 100.000 tarefas por mês gasta US$ 40.000 com o Terra e US$ 327.000 com o Wonder às tarifas medidas pela Artificial Analysis. A diferença de capacidade entre eles não muda por um fator de oito quando a carga de trabalho muda; a conta muda. Se sua tarefa é classificação, extração, leitura de formulários ou uma etapa de agente limitada, o ônus da prova recai sobre o modelo caro.

Uma ressalva sobre a aritmética: o índice é renormalizado periodicamente, e os valores de custo por tarefa mudam junto. Compare modelos a partir da mesma leitura, como estes números, em vez de subtrair um número de um artigo mais antigo.

O Wonder é mais rápido, e a alegação de velocidade da Terra não resiste à comparação.

O material de lançamento da OpenAI descreve o Terra como substancialmente mais rápido que o GPT-6 Astra e o GPT-6.1 Sol. Dentro da família OpenAI, isso parece ser verdade, e é a razão pela qual o modelo existe: um generalista barato e rápido para trabalho visual e com documentos. Contra o modelo da Meta, não chega perto. O Wonder produz 207,8 tokens de saída por segundo, contra 90,9 do Terra, e retorna seu primeiro token em 31,62 segundos, contra 77,96 do Terra.

Ambos são lentos para começar em termos absolutos, o que é uma característica dos grandes modelos de raciocínio, não um escândalo. Mas a ordenação é o oposto da ordenação de preço, e isso tem uma consequência prática. Para um trabalho em lote que roda durante a noite, a latência do Terra é irrelevante e seu custo é decisivo. Para um produto interativo em que o usuário espera pelo primeiro token, um início de 78 segundos é uma decisão de produto, não uma linha de benchmark, e os 32 segundos do Wonder são a melhor experiência, mesmo com cinco vezes a taxa de entrada.

Os números de velocidade também contestam uma suposição comum sobre modelos baratos: a de que eles são a opção rápida por padrão. O Terra é barato por token e barato por tarefa. Não é rápido por segundo. Essas são afirmações diferentes, e apenas uma delas é verdadeira.

Um teste em nível de tarefa no qual o modelo barato perdeu

A verificação de terceiros mais abrangente disponível no lançamento é o benchmark contábil da DualEntry: 101 casos sintéticos abrangendo classificação de transações, lançamentos contábeis, contas a pagar, contas a receber, conciliação, relatórios, fechamento mensal e conhecimento contábil, executados três vezes por modelo com respostas de referência fixas, em vez de um avaliador de IA. Vinte e dois modelos foram testados. A DualEntry vende automação contábil, então o benchmark não é neutro, mas o método é mais concreto do que um índice composto.

A Terra terminou com 78,2% no geral, empatada na 18ª posição entre 22. Seu perfil era irregular de uma forma que o composto esconde. A classificação de transações foi perfeita, 13 de 13. Contas a pagar ficou em 53,8%, empatada na última posição. A conciliação bancária ficou em 83,3%, atrás tanto do Kimi K3.1 Pro quanto do Muse Wonder, embora o comunicado não publique a pontuação exata de conciliação do Wonder. A Terra foi o modelo OpenAI mais rápido no benchmark e o terceiro mais rápido no geral, com 16,1 segundos por tarefa, a US$ 0,042 por tarefa — aproximadamente metade do GPT-6.1 Sol e um décimo do GPT-6 Astra.

Uma plataforma de avaliação separada, a Vals AI, coloca o Terra em 60,17% e em 10º de 28 em sua própria suíte, com programação e trabalho em terminal como pontos fortes e jurídico, tributário e financeiro como pontos fracos. Suíte diferente, escala diferente, então o número não é comparável ao índice Artificial Analysis; o perfil é. O Terra é um generalista rápido e barato com grande variância entre famílias de tarefas, não um modelo uniformemente bom.

Essa variância é o argumento contra comprar apenas com base no custo por tarefa. Em um fluxo de trabalho em que uma subpontuação de 53,8% significa que uma pessoa refaz metade da fila de contas a pagar, os US$ 2,87 economizados por tarefa não são uma economia; são uma transferência de custo do orçamento de tokens para o orçamento de folha de pagamento. A vantagem de quatro pontos no índice da Muse Wonder não prova que ela superaria esse patamar — nenhum benchmark compartilhado disponível publicamente estabelece isso —, mas no único teste em nível de tarefa em que ambas aparecem, ela está à frente justamente onde a Terra é mais fraca.

Modalidades, comprimento de saída e o que a Meta não documentou

A linha de entradas do Wonder é a diferença estrutural mais clara. O Trackers lista texto, imagens, vídeo e áudio na entrada e texto na saída; o material de lançamento da Meta é mais restrito em alguns pontos, mas a entrada de vídeo e áudio é o motivo pelo qual uma equipe o consideraria em vez do Terra. O Terra aceita texto e imagens. Se seu pipeline ingere chamadas gravadas, gravações de tela ou vídeos de produto, o Terra não pode ser o único modelo nele.

{{1}}A extensão da saída é o segundo.{{/1}} A Terra documenta 128.000 tokens de saída. A Meta não publicou o teto do Wonder, e o {{2}}número de ~943.000 que circula vem de observação de terceiros, e não de uma especificação.{{/2}} Trate-o como uma pista a verificar, não como um número para orientar o design. A mesma cautela se aplica aos limites de conhecimento: a Terra documenta 1º de junho de 2026; a Meta não publicou um para o Wonder.

Nenhum dos dois modelos está no nosso catálogo. Aqui está o que

Uma ressalva honesta antes de qualquer nota de produto: em 27 de outubro, nem o GPT-6.1 Terra nem o Muse Wonder estão no catálogo de 214 modelos da OrcaRouter. O Terra está disponível pela API própria da OpenAI e, desde o dia do lançamento, pelo Amazon Bedrock. O Wonder é vendido na Model API da Meta. Qualquer pessoa que afirme que roteamos qualquer um deles por meio de nós hoje está descrevendo um roteiro, não um catálogo.

O que o catálogo traz são as opções hospedadas mais próximas de cada lado: GPT-6.1 Sol a US$ 2 de entrada e US$ 10 de saída, que marca 52 no índice e custa US$ 0,72 por tarefa, e Muse Spark 1.2, a linha Spark da Meta. Se a carga de trabalho no formato Terra for a que você precisa medir — trabalho de texto e imagem de alto volume em que o custo por tarefa concluída decide a compra —, Sol é o proxy hospedado com mais capacidade e aproximadamente o dobro do custo por tarefa, e a comparação mostra se a economia do Terra vale a migração. Ambos são servidos ao preço de tabela do provedor, sem margem, em uma única chave com failover automático, de modo que uma indisponibilidade do provedor não se torne uma indisponibilidade do produto.

Quando qualquer um dos modelos entrar no catálogo, a troca será uma string de modelo, e não um segundo contrato. Essa é a razão prática para fazer o benchmark da carga de trabalho agora, em vez de esperar pelo post de lançamento que define o confronto.

Quem deve escolher qual?

Escolha o Terra quando o trabalho for de grande volume, bem especificado e dominado por texto ou imagens: extração de documentos, classificação, leitura de formulários e capturas de tela, redação, etapas de agente com escopo definido. O custo de US$ 0,40 por tarefa é o mais baixo desta comparação, com grande margem; a saída de 128K é documentada, não é boato; e as pontuações irregulares nas subtarefas são aceitáveis quando alguém revisa a saída de qualquer forma.

Escolha o Muse Wonder quando a entrada for mais rica do que texto e imagens, quando um agente tiver de devolver um artefato longo numa única chamada, ou quando uma resposta errada custar muito mais do que $2,87. Os 207,8 tokens por segundo e o primeiro token em 32 segundos tornam-no o melhor modelo interativo, e a vantagem de quatro pontos no índice é real, mesmo que seja menor do que a diferença entre Muse Wonder Full e Terra. Reserve orçamento para a taxa de saída de $20 e confirme qual checkpoint o benchmark que está a ler realmente mediu.

Os quatro pontos são o número menos interessante da comparação. A conta, o tempo até o primeiro token e a variância por tarefa são o que determina uma decisão de produção — e, nesses aspectos, o modelo mais barato não é simplesmente o inferior.