GPT-6.1 Terra против GPT-6.1 Sol: где вывод за $5 перестаёт быть более дешёвым ответом

Сравнение, которое большинство людей проводит между GPT-6.1 Terra и GPT-6.1 Sol, неверно — и неверно так, что это льстит более дешёвой модели. Обеим выставляют максимальный уровень рассуждений, отмечают, что Terra набирает чуть меньше баллов, отмечают, что Terra стоит вдвое дешевле, и заключают, что Terra — разумный выбор по умолчанию. Но никто не гоняет продакшн-пайплайн на максимальных усилиях при каждом вызове. Реальный выбор — это Terra на xhigh против Sol на low, и при таком сравнении, как отметили комментаторы на Hacker News в первые же часы после запуска, Terra может обходиться дороже, чем Sol, при этом показывая худший результат. Выбранная модель значит меньше, чем уровень усилий, к которому вы её привязали, и именно уровень усилий — та переменная, которую ни одна из страниц запуска не выносит в заголовок.

Обе модели из одного поколения и одного месяца: GPT-6.1 Sol вышла 29 сентября 2026 года, GPT-6.1 Terra — 26 октября. У них общее окно контекста на 1,05 млн, потолок вывода 128K, одни и те же три эндпоинта и одинаковый ввод текста и изображений. Их разделяют разрыв в четыре балла в независимом индексе и двукратный разрыв в ценнике — и вопрос о том, стоят ли четыре балла двойной цены, полностью зависит от того, что ваша рабочая нагрузка делает с последними четырьмя баллами.

Одна и та же модель, две карточки с ценами

Технические характеристики из документации OpenAI по моделям, прочитано 27 октября 2026 г.

• Цена — GPT-6.1 Terra: $1 за ввод / $5 за вывод за миллион токенов; GPT-6.1 Sol: $2 / $10. Кэшированный ввод Terra — $0.05, Sol — $0.10.

• Контекст — по 1 050 000 токенов каждый, максимум 922 000 на входе, максимум 128 000 на выходе. Одинаково.

• Граница знаний — Terra: 1 июня 2026 г.; Sol: 30 апреля 2026 г. У более дешёвой и более новой модели картина мира свежее примерно на месяц.

• Усилие рассуждения — Terra предлагает none, low, medium, high, xhigh, max; Sol предлагает от low до max. Дополнительная ступень «none» у Terra — это реальный минимальный порог стоимости, которого у Sol нет.

• Модификаторы — у обоих есть batch и flex на 50% ниже стандартного, fast в 2×, regional с +10%, а также порог в 272K входных токенов. Только у Sol есть тариф Ultrafast в 6× от стандартного, что по прайс-листу составляет $12 за вход и $60 за выход за миллион токенов.

• Инструменты и эндпоинты — идентичный набор. Responses API для вызова инструментов, Chat Completions без инструментов, Batch для обоих, fine-tuning недоступен ни там, ни там.

Четыре балла, вдвое дороже

Artificial Analysis в настоящее время указывает GPT-6.1 Terra со значением Intelligence Index 48 — 25-е место из 221 модели — и GPT-6.1 Sol со значением 52 — 13-е место. Это весь независимый разрыв в возможностях: четыре балла при максимальном уровне усилий по композитному индексу. Это не ничто. Это также не та пропасть, которую подразумевает формулировка «флагман против среднего сегмента», и обе модели делят одно поколение, одно семейство архитектур и одно контекстное окно.

Разницу в стоимости проще обозначить: ровно 2× и на входе, и на выходе по стандартным тарифам. Terra — не модель из уценённого ряда; это цена Sol, урезанная вдвое, за вычетом четырёх пунктов индекса.

За выполненную задачу, а не за токен

Число, которое должно определять решение, — это стоимость одной выполненной задачи, потому что оно учитывает, сколько токенов каждая модель тратит на размышления. В Intelligence Index от Artificial Analysis GPT-6.1 Terra стоит $0.40 за задачу, а GPT-6.1 Sol — $0.72: экономия для Terra составляет 44%, что меньше заявленных 50%, потому что Terra сжигает немного больше токенов, чтобы выполнить ту же работу при максимальном усилии.

Масштабируйте это. При миллионе задач в месяц разница составляет примерно $320 000. При десяти тысячах задач это $3 200 — реальные деньги, но меньше, чем одна инженерная неделя, потраченная на пересборку стенда для оценки. Порог, при котором ценовое преимущество Terra оправдывает миграцию, — это вопрос объёма, а не качества, и это первое число, которое нужно вычислить, прежде чем читать любую таблицу бенчмарков.

Есть эффект второго порядка в пользу Terra, который не проявляется ни в одной из цен: отсечка знаний. Граница обучающих данных Terra — 1 июня — на месяц свежее, чем 30 апреля у Sol. Для рабочих нагрузок, зависящих от недавних API, версий библиотек или документации, этот месяц стоит больше четырёх индексных пунктов, а получить его стоит вдвое дешевле.

Ловушка уровня усилий: подробный разбор

Вот как это выглядит на конкретном примере. Terra при усилии xhigh тратит больше токенов на задачу, чем Sol при низком усилии. Если токены Terra стоят вдвое меньше, но она использует более чем вдвое больше токенов, то более дешёвая модель перестаёт быть дешевле — а поскольку на самых сложных задачах xhigh является более слабой настройкой, чем low у Sol, вы платите больше за худший ответ. Комментаторы на Hacker News описали именно это в Terminal-Bench 4.0 в течение суток после запуска.

Решение не в том, чтобы избегать Terra. Нужно сравнивать при равных затратах, а не при одинаковых настройках. Конкретно: сначала выберите планку качества — нужную вашему продукту долю прохождений на вашем собственном eval — затем найдите самую дешёвую пару (модель, уровень усилий), которая её преодолевает. Это пространство поиска содержит двенадцать практических точек для этих двух моделей, а не две, и ответ обычно не «Terra на максимуме» или «Sol на максимуме».

Собственные цифры OpenAI показывают, насколько сильно влияет эта настройка. Частота ошибок Terra на внутреннем наборе поставщика, провоцирующем ошибки, падает с 16,7% при низком уровне усилий до 4,3% при максимальном — разброс в 12 процентных пунктов в рамках одной модели. Разрыв между Terra и Sol по независимому индексу составляет четыре пункта. Ручка уровня усилий — более мощный рычаг, чем выбор модели, и её можно крутить бесплатно.

Где Sol по-прежнему получает наценку

Позиционирование Sol от OpenAI — «производительность почти как у Astra на сложных задачах при более низкой стоимости», и вендорные бенчмарки, на которых он отрывается от Terra, это подтверждают: длительные агентные задачи, самый сложный код и насыщенные профессиональные документы. Это также те задачи, где неудачный прогон стоит дороже, чем токены, — и именно в таких случаях двукратная наценка легко оправдывается.

Контраргумент Terra уже, чем предполагает маркетинг, но резче, чем следует из индекса. OpenAI сообщает, что Terra находится в пределах 5 пунктов от Claude Opus 5.5 на Terminal-Bench-Science 0.1 при менее чем одной пятой оценочной стоимости и опережает GPT-5.6 Terra на 15 пунктов на Agents' Last Exam примерно при трети стоимости. Это цифры, полученные поставщиком на выбранных поставщиком тестах, поэтому они задают направление, а не величину, — но направление таково: «достаточно хороша в задачах, смежных с наукой, и агентных задачах, при этом намного дешевле», а это реальная ниша.

Честное разделение такое: Sol — для задач, где вы заметили бы падение качества на четыре пункта, а Terra — для задач, где вы заметили бы счёт. Очень мало рабочих нагрузок относятся целиком к одному или другому типу, и именно поэтому вопрос маршрутизации важнее вопроса модели.

Задержка может решить это раньше, чем качество.

Artificial Analysis замеряет GPT-6.1 Sol на уровне 65,9 выходных токенов в секунду при 325,58 секунды до первого токена на максимальном усилии. Эта цифра времени до первого токена — не опечатка, и она ставит крест на любом интерактивном использовании. У Terra пока нет независимого замера пропускной способности; OpenAI описывает её как существенно более быструю, и если это подтвердится, разрыв достаточно велик, чтобы решить спор в пользу продуктов в форме чата или с агентным циклом, независимо от оценок в индексах.

Для пакетной работы логика меняется на обратную: 325 секунд размышлений не имеют значения, если задача выполняется за ночь, а более высокий потолок возможностей Sol стоит того, чтобы за него платить. Задержка — это свойство рабочей нагрузки, а не модели, и она должна учитываться при принятии решения раньше, чем место в рейтинге бенчмарков.

Держа обе руки на одной клавише

OrcaRouter предоставляет GPT-6.1 Sol по его каталожной цене $2/$10 с наценкой 0% на том же ключе, что и более 200 других моделей. По состоянию на 27 октября GPT-6.1 Terra отсутствует в нашем каталоге — ей всего день, и она доступна через API OpenAI — поэтому практический подход сегодня таков: измерять вариант Sol на нашей стороне и задавать его как цель для эскалации: запускать Terra там, где она выигрывает, и переключаться на Sol, когда запросу нужны дополнительные четыре пункта или когда у провайдера неудачный час. Обе модели — одного поколения, с одинаковым контекстным окном и одинаковой структурой эндпоинта, поэтому правило маршрутизации — это строка модели и настройка уровня усилий, а не переписывание.

DSL маршрутизации здесь важна по конкретной причине. Интересная production-конфигурация — не «Terra или Sol», а «Terra на высоком уровне с эскалацией к Sol на среднем, когда уверенность низкая» — композиция, которая иначе означала бы две интеграции, две политики повторов и два счёта. Именно к такому решению подталкивает эта пара, и именно поэтому две модели следует оценивать как лестницу, а не как выбор «или-или».

Решающее правило

• Массовые, чётко заданные, чувствительные к задержкам задачи — скриншоты, формы, извлечение данных, автоматизация браузера, рутинная подготовка черновиков. Terra — при минимальных усилиях, достаточных для прохождения вашего eval. Отставание в четыре пункта не проявится, а экономия 44% на задачу — да.

• Сложное программирование, агенты с длинным горизонтом работы, насыщенные профессиональные документы — всё, где неудачный запуск стоит дороже токенов. Sol. Именно для такой нагрузки и существует двукратная наценка.

• Интерактивный чат с жёстким лимитом времени до первого токена. Terra — если только вы не измерили Sol на низком уровне усилий и не сочли задержку приемлемой. Sol на максимальном уровне усилий — это пакетный инструмент в обличье чат-интерфейса.

• Работа, чувствительная к актуальности: свежие API, версии библиотек, текущая документация. Июньская дата отсечки знаний Terra превосходит апрельскую дату отсечки знаний Sol, и при этом цена вдвое ниже.

• Не уверены? Сравнивайте при равных затратах, а не при равных настройках. Одно это изменение переведёт на Terra больше команд, чем любая таблица бенчмарков.

Открытый вопрос не в том, достаточно ли Terra хороша, чтобы заменить Sol, — по единственному доступному независимому показателю она явно недостаточно хороша. Вопрос в том, сохранится ли разрыв в четыре пункта после появления GPT-6.1 Astra, которая ещё не вышла и которая сдвинет Sol вниз по иерархии так же, как Sol когда-то сдвинул вниз Astra. Когда это произойдёт, интересным сравнением станет Terra против подешевевшего Sol, и регулятор усилий будет значить даже больше, чем сегодня.