{{1}}GPT-6.1 Terra{{/1}} против {{2}}Muse Wonder{{/2}}: четыре пункта индекса, счёт в восемь раз выше

GPT-6.1 Terra и Muse Wonder разделяют четыре пункта в публичной таблице лидеров, где измерялись обе модели, и примерно восьмикратная разница в том, во сколько обходится выполнение задачи в этой таблице. OpenAI выпустила Terra 26 октября 2026 года по цене $1 за миллион входных токенов и $5 за миллион выходных; она набирает 48 баллов в Индексе интеллекта Artificial Analysis, а стоимость одной задачи по индексу — $0.40. Meta выпустила Muse Wonder 12 октября по цене $4 и $20; она набирает 52 балла, а стоимость одной задачи — $3.27. Обе заявляют контекстное окно в один миллион токенов. Сортировка по таблице лидеров решила бы выбор одной строкой — и именно поэтому таблица лидеров — не то место, где стоит его завершать: модель с более высоким баллом и более высоким счётом к оплате ещё и быстрее, а преимущество дешёвой модели целиком зависит от того, во сколько вам обходится неверный ответ.

Приведённые ниже цифры взяты из Artificial Analysis (по состоянию на 27 октября 2026 года) и из документации двух вендоров по запуску. Заявления вендоров помечены как заявления. Единственный бенчмарк на уровне задач в этом материале был проведён компанией DualEntry, которая продаёт автоматизацию бухгалтерского учёта, поэтому это стороннее доказательство с коммерческой заинтересованностью, а не нейтральный аудит; именно так к нему и относятся.

Две модели, созданные для разных задач

Terra — модель массового сегмента OpenAI, замена GPT-5.6 Terra и самый дешёвый способ получить универсальные возможности текущего семейства OpenAI. Она принимает текст и изображения, возвращает текст, заявляет контекст в 1 050 000 токенов при максимальном объёме вывода 128 000 токенов и позволяет выбирать уровень reasoning effort от none до max. OpenAI также выпустила её в Amazon Bedrock в день запуска, а также в ChatGPT Work и Codex, хотя и не в потребительское окно чата ChatGPT. В том смысле, который важен для закупок, она доступна только через API: без тонкой настройки, без Realtime, без Assistants.

Muse Wonder — первая модель Meta, которую можно обсуждать в контексте передовых моделей, и она появляется с разделением, которое большинство сравнительных страниц смазывают. API-модель — Wonder, $4 за вход и $20 за выход. Чекпойнт с более высоким результатом, Muse Wonder Full с 56 баллами в том же индексе, продаётся только в рамках подписки Muse Code за $50 или $200 в месяц и не доступна через API. Строки в заголовочных бенчмарках часто описывают Full. Модель, которую разработчик реально может вызвать, на четыре балла выше Terra, а не на восемь.

• Цена — GPT-6.1 Terra: $1.00 за ввод / $5.00 за вывод за миллион; Muse Wonder: $4.00 / $20.00.

• Кэшированный ввод — Terra $0.05 со скидкой 95%; Wonder $0.20 со скидкой 95%.

• Контекстное окно — Terra: 1 050 000 по документации; Wonder: 1 000 000 по документации.

• Максимальный объём вывода — у Terra задокументировано 128 000; Meta не опубликовала верхний предел для Wonder, а сторонние трекеры сообщают о показателях около 943 000.

• Индекс независимого интеллекта — Terra 48, 25-е место из 221; Wonder 52, 10-е место из 221.

• Стоимость за задачу индексации — Terra $0.40; Wonder $3.27.

• Скорость вывода — Terra 90,9 токена в секунду; Wonder 207,8.

• Время до первого токена — Terra 77,96 секунды; Wonder 31,62 секунды.

• Входные данные — текст и изображения Terra; текст, изображения, видео и аудио Wonder согласно трекерам, при этом собственные материалы запуска Meta делают акцент на тексте и изображениях.

• Веса — закрыты с обеих сторон. Вариант Meta с открытыми весами — Muse Spark, другая модель.

Счёт в восемь раз превышает разрыв индекса.

Показатель стоимости за задачу — это то, что должно изменить восприятие разрыва в четыре пункта. Artificial Analysis не просто умножает тарифные ставки из прайс-листа на фиксированное количество токенов; она измеряет, сколько токенов каждая модель расходует на выполнение одного и того же набора задач индекса, а затем оценивает это потребление. Terra в среднем стоит $0,40 за задачу, а Wonder — $3,27; разница в 8,2 раза при разрыве в возможностях менее 8%.

Одни лишь тарифы из прайс-листа этого не объясняют. Возьмём нагрузку в 100 млн входных токенов и 10 млн выходных: Terra выставляет счёт на $150, а Wonder — на $600, разница в 4 раза. Разрыв в расчёте на одну задачу вдвое шире, а значит, токены, фактически израсходованные при оценках индекса, распределялись не в соотношении 10 к 1; Artificial Analysis оценивает измеренный объём входных и выходных данных для каждой модели, и этот показатель на задачу отражает результаты оценок, а не некий усреднённый пример. Цена за токен — это цена топлива, а не стоимость поездки.

Это различие особенно важно при тех объёмах, на которые рассчитана Terra. Пайплайн, выполняющий 100 000 задач в месяц, тратит 40 000 $ на Terra и 327 000 $ на Wonder по измеренным Artificial Analysis тарифам. Разница в возможностях между ними не растёт в восемь раз вместе с нагрузкой — а счёт растёт. Если ваша задача — классификация, извлечение данных, чтение форм или ограниченный шаг агента, бремя доказательства лежит на дорогой модели.

Одно предостережение насчёт арифметики: индекс периодически перенормируется, и показатели стоимости выполнения задачи меняются вместе с ним. Сравнивайте модели по одному и тому же срезу — как эти показатели, — а не вычитайте число из более старой статьи.

Wonder быстрее, а заявление Terra о скорости не выдерживает сравнения.

В презентационных материалах OpenAI Terra описывается как существенно более быстрая, чем GPT-6 Astra и GPT-6.1 Sol. Внутри семейства OpenAI это, похоже, правда, и именно поэтому модель существует: дешёвый, быстрый универсал для работы с изображениями и документами. Но с моделью Meta она и близко не сравнится. Wonder выдаёт 207,8 выходных токенов в секунду против 90,9 у Terra и возвращает первый токен за 31,62 секунды против 77,96 у Terra.

Оба в абсолютных показателях медленно стартуют, и это свойство больших reasoning-моделей, а не скандал. Но порядок здесь обратный порядку цен, и это имеет практические последствия. Для пакетной задачи, выполняемой за ночь, задержка Terra не имеет значения, а стоимость решает. Для интерактивного продукта, где пользователь ждёт первого токена, старт за 78 секунд — это продуктовое решение, а не строчка в бенчмарке, и 32 секунды у Wonder дают лучший опыт даже при в пять раз более высокой стоимости входных данных.

Показатели скорости также подрывают распространённое представление о дешёвых моделях: будто они по умолчанию являются быстрым вариантом. Terra дешева в расчёте на токен и дешева в расчёте на задачу. Она не быстра в расчёте на секунду. Это разные утверждения, и только одно из них верно.

Тест на уровне задачи, в котором дешёвая модель проиграла

Самой широкой сторонней проверкой, доступной на момент запуска, является бухгалтерский бенчмарк DualEntry: 101 синтетический кейс по классификации транзакций, бухгалтерским проводкам, кредиторской и дебиторской задолженности, сверке, отчетности, закрытию месяца и знанию бухгалтерского учета, запускаемый три раза для каждой модели с фиксированными эталонными ответами, а не с оценкой ИИ. Были протестированы двадцать две модели. DualEntry продает решения для автоматизации бухгалтерии, поэтому бенчмарк не является нейтральным, но методика более конкретна, чем составной индекс.

Terra завершила с результатом 78,2% в целом, разделив 18-е место из 22. Её профиль был неравномерным — сводный показатель это скрывает. Классификация транзакций была безупречной: 13 из 13. Кредиторская задолженность — 53,8%, разделила последнее место. Сверка банковских счетов — 83,3%, позади и Kimi K3.1 Pro, и Muse Wonder, хотя в релизе не публикуется точная оценка Wonder по сверке. Terra стала самой быстрой моделью OpenAI на бенчмарке и третьей по скорости в целом — 16,1 секунды на задачу при $0,042 за задачу, что примерно вдвое меньше, чем у GPT-6.1 Sol, и в десять раз меньше, чем у GPT-6 Astra.

Отдельная платформа оценки Vals AI ставит Terra на 60,17% и 10-е место из 28 в своём собственном наборе тестов, при этом сильные стороны — работа с кодом и терминалом, а слабые — право, налоги и финансы. Другой набор тестов, другой масштаб, поэтому это число несопоставимо с индексом Artificial Analysis; сопоставима форма. Terra — быстрый и недорогой универсал с большим разбросом результатов по разным семействам задач, а не равномерно хорошая модель.

Эта вариативность — аргумент против выбора исключительно по стоимости за задачу. В рабочем процессе, где суббалл 53,8% означает, что человек переделывает половину очереди счетов к оплате, сэкономленные $2,87 на задачу — не экономия; это перенос затрат из бюджета на токены в бюджет на оплату труда. Преимущество Muse Wonder в индексе на четыре пункта не доказывает, что он преодолеет эту планку — ни один общий бенчмарк в открытом доступе этого не подтверждает — но в единственном тесте на уровне задач, где представлены оба, он впереди там, где Terra слабее всего.

Модальности, длина вывода и то, что Meta не задокументировала

Строка входных данных Wonder — самое явное структурное различие. В трекерах указан ввод текста, изображений, видео и аудио, а вывод — текст; материалы Meta о запуске местами уже, но именно ввод видео и аудио — причина, по которой команда вообще стала бы рассматривать его вместо Terra. Terra принимает текст и изображения. Если ваш конвейер обрабатывает записи звонков, записи экрана или продуктовые видео, Terra не может быть в нём единственной моделью.

Второй момент — длина вывода. Terra документирует 128 000 выходных токенов. Meta не опубликовала предельное значение для Wonder, а цифра ~943 000, которая ходит по сети, получена сторонним наблюдением, а не из спецификации. Считайте её зацепкой для проверки, а не числом, вокруг которого стоит проектировать. Та же осторожность применима к датам отсечки знаний: Terra документирует 1 июня 2026 г.; для Wonder Meta её не опубликовала.

Ни одной из этих моделей нет в нашем каталоге. Вот что

Одно честное уточнение перед любым примечанием о продукте: по состоянию на 27 октября ни GPT-6.1 Terra, ни Muse Wonder не входят в каталог OrcaRouter из 214 моделей. Terra доступна через собственный API OpenAI и с дня запуска — через Amazon Bedrock. Wonder продаётся через Meta's Model API. Любой, кто утверждает, что сегодня может маршрутизировать любую из них через нас, описывает дорожную карту, а не каталог.

В каталоге всё же есть ближайший hosted-вариант с каждой стороны: GPT-6.1 Sol по $2 за вход и $10 за выход, который набирает 52 балла в индексе и стоит $0.72 за задачу, и Muse Spark 1.2, линейка Spark от Meta. Если нагрузка в стиле Terra — это то, что вам нужно измерить — высокообъёмная работа с текстом и изображениями, где стоимость за выполненную задачу определяет покупку — Sol является hosted-прокси с большими возможностями и примерно вдвое большей стоимостью за задачу, и сравнение показывает, стоит ли экономия Terra миграции. Оба предоставляются по прайс-листу провайдера без наценки, по одному ключу с автоматическим переключением при сбое, поэтому сбой провайдера не становится сбоем продукта.

Когда любая из моделей появится в каталоге, переключение будет сводиться к строке модели, а не к второму контракту. Именно поэтому стоит провести бенчмарк рабочей нагрузки уже сейчас, а не ждать пост о запуске, который определит исход сравнения.

Кто должен выбирать

Выбирайте Terra, когда работа имеет большой объём, хорошо специфицирована и преимущественно связана с текстом или изображениями: извлечение данных из документов, классификация, чтение форм и скриншотов, составление черновиков, ограниченные шаги агента. Стоимость $0.40 за задачу — самая низкая в этом сравнении со значительным отрывом, объём вывода 128K подтверждён документально, а не слухами, а неравномерные оценки подзадач приемлемы, если человек всё равно проверяет вывод.

Выбирайте Muse Wonder, когда входные данные богаче текста и изображений, когда агенту нужно вернуть длинный артефакт за один вызов или когда неверный ответ стоит гораздо дороже $2,87. Показатели 207,8 токена в секунду и 32 секунды до первого токена делают её более подходящей интерактивной моделью, а преимущество в четыре пункта по индексу реально, даже если оно меньше разрыва между Muse Wonder Full и Terra. Заложите в бюджет тариф $20 за выходные данные и уточните, какой checkpoint фактически измерял бенчмарк, который вы читаете.

Четыре пункта — наименее интересная цифра в этом сравнении. Решение о запуске в продакшн зависит от счёта, времени до первого токена и разброса на уровне задач — и по этим показателям более дешёвая модель не просто уступает.