GPT-6.1 Terra-priser: Vad du faktiskt får för $1 och $5

Prislistan för GPT-6.1 Terra består av fyra siffror, och tre av dem är de som folk brukar citera: en dollar per miljon indatatokens, fem dollar per miljon utdatatokens, fem cent per miljon cachade indatatokens. Den fjärde – $1.25 per miljon cache-skrivningstokens – är den som avgör om din räkning halveras eller bara sjunker lite. Det här är en prissida, inte en lanseringsartikel: den plockar isär hela prislistan rad för rad, prissätter tre verkliga arbetsbelastningar över GPT-6.1 Terra, GPT-6.1 Sol, GPT-5.6 Terra, GPT-6 Astra och GPT-6 Luna, och visar var påståendet om halva priset håller när det möter en produktionsfaktura och var det tyst slutar vara sant.

Alla siffror nedan kommer från OpenAI:s modelldokumentation för GPT-6.1 Terra, läst den 27 oktober 2026, och från de aktuella listningarna på Artificial Analysis för de oberoende siffrorna för kostnad per uppgift. Där ett tal är leverantörsrapporterat står det uttryckligen. Inget här är en prognos utklädd till en mätning.

Kortet, rad för rad

Standardpriserna för GPT-6.1 Terra är 1,00 USD per miljon indatatokens och 5,00 USD per miljon utdatatokens. Cachad indata är 0,05 USD per miljon. Det är siffrorna i varje rubrik, och de är korrekta så långt de räcker.

Det som rubrikerna utelämnar är att det inte är gratis att fylla en cache. Att skriva till cachen kostar 1,25 USD per miljon token med 30 minuters lagringstid, eller 2,50 USD per miljon med 12 timmars lagringstid. Om din arbetsbelastning består av en lång systemprompt som återanvänds i tusentals korta förfrågningar betalar cachen sig själv inom en handfull anrop. Om din arbetsbelastning i stället är ett nytt dokument på 40 000 token varje gång betalar du 1,25 USD utöver indataavgiften på 1,00 USD för privilegiet att lagra något som du aldrig kommer att läsa igen – och cachad indata för fem cent kommer aldrig in i bilden.

De andra modifierarna staplas på sätt som är lätta att missa:

• Lång kontext – varje begäran över 272 000 indatatokens debiteras med $2.00 för indata och $7.50 för utdata för hela begäran, inte bara överskottet. Cachad indata fördubblas till $0.10 och cache-skrivningar till $2.50 på den nivån.

• Batch och Flex – 50 % under standard, alltså 0,50 USD för indata och 2,50 USD för utdata. Detta är den billigaste kompetenta allmänna taxan på OpenAI:s prislista.

• Snabbläge — 2× standard, eller $2.00 för indata och $10.00 för utdata.

• Regional bearbetning – ett påslag på 10 % där en region erbjuds. Terra stöder inte inferensresidens i UAE, så det påslaget är inte tillgängligt för alla köpare som vill ha det.

• Ansträngningsnivå för resonemang — none, low, medium, high, xhigh och max. Standard är medium. Ansträngningsnivån ändrar inte priset per token; den ändrar hur många token modellen spenderar på att tänka, vilket är varför samma prompt kan kosta tre gånger mer vid max än vid low.

Per-token-kortet är med andra ord en meny med sex rattar och två stup. Stupen är 272K-tröskeln och cache-skrivavgiften. Rattarna är effort, batch, snabb, regional samt cachad kontra icke-cachad indata.

Tre arbetsbelastningar, tre räkningar

Ta en supporttriage-pipeline: en systemprompt på 2 000 token, ett ärende på 1 500 token och ett svar på 400 token. Utan cache är det 3 500 indata-token till $1,00 per miljon och 400 utdata-token till $5,00 per miljon — $0,0035 plus $0,0020, eller $0,0055 per ärende. Tiotusen ärenden om dagen kostar $55. Med systemprompten cachad och cachen som förblir varm sjunker indata till ungefär 1 500 icke-cachade token plus 2 000 cachade till $0,05, och samma ärende kostar cirka $0,0037. Besparingen är 33 %, inte 50 %, eftersom utdata alltid var den dyrare halvan.

Nu ett dokumentflöde: 80 000 indatatoken kontraktstext och 2 000 utdatatoken sammanfattning. Det blir $0.08 in, $0.01 ut – nio cent per dokument. På GPT-5.6 Terra till $2.00 och $12.00 är samma jobb $0.16 in och $0.024 ut, eller 18,4 cent. Notan halveras, och det är på utdata den större proportionella minskningen ligger: 58 % lägre, inte 50 %.

Sedan webbläsaragenten, som är den arbetsbelastning Terra faktiskt såldes för. Varje steg skickar en skärmbild plus uppgiftens tillstånd och begär en åtgärd. Anta 3 000 indatatoken och 150 utdatatoken per steg, och tjugo steg per uppgift. Det är 60 000 indatatoken och 3 000 utdatatoken per uppgift – 0,06 USD in, 0,015 USD ut, 7,5 cent per slutförd uppgift före omförsök. Lägg till en omförsöksfrekvens på 30 % och du landar på cirka 9,8 cent. Det är här kostnaden per uppgift, inte kostnaden per token, blir det enda tal som spelar roll.

272K-klippan, genomräknad

Eftersom multiplikatorn för lång kontext gäller för hela begäran är att passera 272 000 indatatoken inte en marginell kostnad. En begäran med 300 000 indatatoken och 3 000 utdatatoken debiteras med 2,00 USD och 7,50 USD per miljon: 0,60 USD för indata, 0,0225 USD för utdata, 0,6225 USD totalt. Samma begäran med 270 000 indatatoken debiteras 0,27 USD för indata och 0,015 USD för utdata, 0,285 USD totalt. Du lade till 30 000 token och betalade 118 % mer.

Det spelar roll eftersom GPT-6.1 Terras kontextfönster är 1 050 000 tokens, med ett maximalt antal indatatoken på 922 000. Fönstret bjuder in till arbetsbelastningar som priskortet straffar. Om din pipeline rutinmässigt skickar 300K till 500K tokens är den ärliga jämförelsen inte Terra till $1 mot Sol till $2 — det är Terra till $2 mot Sol till $4, och Terra till $7,50 för utdata mot Sol till $15. Gapet på 50 % består, men de absoluta siffrorna är dubbelt så höga som rubriken antyder: en förfrågan med 400 000 indata och 4 000 utdata kostar $0,83 på Terra och $1,66 på Sol.

Där halvprispåståendet tar slut

Snabbläget är det tydliga exemplet. GPT-6.1 Terra vid 2× kostar $2.00 för indata och $10.00 för utdata – exakt GPT-6.1 Sols ordinarie listpris, för en modell som Artificial Analysis poängsätter fyra indexpoäng lägre. Om din arbetsbelastning behöver Terras hastighet så pass mycket att du betalar snabbmultiplikatorn, försvinner prisargumentet för Terra framför Sol helt. Det som återstår är ett latensargument, och det är bara ett argument om den uppmätta hastighetsskillnaden är verklig.

Den andra punkten där det tar stopp är ansträngningsnivån. Vid xhigh eller max kan Terra göra av med fler tokens än Sol vid low eller medium för att nå ett liknande svar. Kommentatorer på Hacker News påpekade detta inom timmar efter lanseringen: "Terra vid xhigh kostar mer än Sol vid low och får sämre resultat" var den återkommande varianten. Prisöversikten kan inte svara på det, eftersom den prissätter tokens och arbetsbelastningen avgör hur många.

Den tredje platsen är trafik som är tung på cache-skrivningar. Vid $1,25 per miljon skrivna token betalar en pipeline som bygger om en kontext på 50 000 token vid varje begäran $0,0625 per begäran innan den ens läser ett enda token. På GPT-5.6 Terra kostade samma skrivning $2,50 — så den nya modellen är fortfarande billigare — men cachelinjen utgör nu 55 % av indatakostnaden, inte 20 %.

Kostnaden per slutförd uppgift är det belopp man bör budgetera utifrån.

Artificial Analysis publicerar både ett Intelligence Index och en kostnad per indexuppgift. I sin live-lista ligger GPT-6.1 Terra på 48 med en kostnad per uppgift på $0.40. GPT-6.1 Sol ligger på 52 och $0.72. GPT-5.6 Terra ligger på 42 och $1.40. GPT-6 Astra ligger på 53 med ett mycket högre pris per token, och GPT-6 Luna ligger på 38 och är ännu billigare.

Den användbara tolkningen är inte ”Terra är 71 % billigare per uppgift än sin föregångare” – sant, men det är en jämförelse mot en modell som du redan var på väg att lämna. Det är att Terras $0,40 ligger mellan Sols $0,72 och Lunas territorium under tio cent, vilket ställer beslutet på en linje: är uppgiften tillräckligt svår för att fyra indexpoäng ska ändra utfallet? För formulärifyllning, fakturautvinning och triagering av skärmdumpar: nej. För kodning över långa horisonter: ja.

En siffra från lanseringen är värd att läsa om i ljuset av detta. OpenAI:s egen jämförelse placerar GPT-6.1 Terra vid högsta ansträngning ungefär i nivå med GPT-6 Astra vid medium på Agents' Last Exam, till ungefär en tiondel av priset per token. Det är ett påstående per uppgift i en per-token-kostym, och det är det starkaste kostnadsargumentet i lanseringen – starkare än "halva priset", eftersom det tar hänsyn till hur många tokens varje modell förbrukar.

Vad du faktiskt kan köpa idag

GPT-6.1 Terra finns inte i OrcaRouters katalog när detta skrivs. Katalogen innehåller GPT-6.1 Sol till $2/$10, GPT-5.6 Terra till $2/$12, GPT-6 Astra till $10/$50 och GPT-6 Luna till $0,10/$0,50, med 0 % påslag över leverantörens listpris, men inte den nya Terra. Den som i dag anger en Terra-taxa till dig via en router är antingen före leverantörens dokumentation eller gissar.

Det ger en praktisk inriktning för de närmaste veckorna. Prissätta arbetsbelastningen på de armar du kan anropa just nu — Sol och Luna är båda live, på en och samma nyckel, med automatisk failover — och testa Terra direkt mot OpenAI:s API parallellt. Eftersom vår katalog vidarebefordrar leverantörens listpris utan påslag slår en leverantörsprissänkning igenom på Sol- och Luna-armarna samma dag som OpenAI publicerar den; inget behöver omförhandlas. Om Terra senare kommer in i katalogen är migreringen en modellsträng, och den mätning du byggde på Sol-armen är baslinjen du jämför mot.

En budgetmall som tål verkligheten

• Separera indata, cachad indata, utdata och cacheskrivningar. Fyra rader, inte en.

• Flagga varje förfrågan över 272K tokens. Om mer än några få procent passerar gränsen, prissätt om hela arbetsbelastningen enligt long-context-nivån, inte headline-nivån.

• Prissätta ansträngningsnivån separat. Kör samma utvärdering på låg, medel och max; det är antalet tokens, inte takten, som förändras.

• Modellåterförsök. En webbläsaragent med en återförsöksfrekvens på 30 % kostar 30 % mer per uppgift än vad matematiken antyder, och den billiga modellen är vanligtvis den som behöver återförsöket.

• Jämför kostnaden per slutförd uppgift, inte kostnaden per miljon. Siffran för indexuppgift från Artificial Analysis är en rimlig proxy när du inte har något bättre; din egen utvärdering är bättre.

Rubriken om halva priset är sann. Det är också den minst intressanta siffran på kortet, eftersom den beskriver en taxa snarare än en faktura. Fakturan bestäms av effort, av 272K-klippan, av hur ofta du bygger om en cache och av hur många försök en uppgift tar — och på tre av dessa fyra ger OpenAIs egen dokumentation dig vredet men inte inställningen.