GPT-6.1 Terra är här till halva priset – 37 färre felpoäng och inget flaggskepp i sikte

OpenAI släppte GPT-6.1 Terra den 26 oktober 2026, för $1 per miljon indatatokens och $5 per miljon utdatatokens – halva priset jämfört med GPT-5.6 Terra i båda avseendena, och halva priset jämfört med GPT-6.1 Sol fyra veckor efter den modellens egen lansering. Den siffra som kommer att citeras oftast är en tillförlitlighetssiffra: i OpenAI:s interna test med felinducerande promptar föll misstagen vid låg resonemangsansträngning från 53,6 % till 16,7 %. Den siffra som kommer att citeras minst är att Terra fortfarande ligger fyra punkter efter Sol i det oberoende Artificial Analysis-indexet. Båda är sanna, och avståndet mellan dem är hela historien om den här lanseringen.

Det utrymmet spelar roll på grund av det som förutspåddes. När den här modellen fortfarande bara var en sträng i en pull request för Microsofts utvärderingsramverk, skrev vi den 20 oktober att en billigare modell i mellanklassen skulle behöva landa under $2 för indata och $10 för utdata för att vara meningsfull, och att rapporterna om att den slog Sol var aritmetik, inte bevis. Prisdelen av den förutsägelsen slog nästan exakt in: $1/$5, nära de $1/$4 som vi kallade rimliga. Prestationsdelen gjorde det inte. Terra slår tydligt sin föregångare och slår Sol ingenstans där det har mätts oberoende.

Vad OpenAI tillkännagav, i den ordning det spelar roll

Specifikationen nedan kommer från OpenAI:s modelldokumentation, läst den 27 oktober. Prestandapåståendena i nästa avsnitt är OpenAI:s egna och märks genomgående som sådana.

• Pris — 1 USD per miljon indata, 5 USD per miljon utdata, 0,05 USD för cachad indata, jämfört med 2/12 USD för GPT-5.6 Terra och 2/10 USD för GPT-6.1 Sol.

• Kontext — 1 050 000 tokens, maximal indata 922 000, maximal utdata 128 000. Identisk med båda föregångarna; detta är inte en kontextfönsterutgåva.

• Kunskapsgräns – 1 juni 2026, upp från 16 februari 2026 i GPT-5.6 Terra.

Resonemangsinsats — none, low, medium (standard), high, xhigh, max. Observera inställningen ”none”: GPT-6.1 Sol erbjuder inte den, så Terra har en billigare lägstanivå än Sol.

• Modaliteter – text och bild in, text ut. Inget ljud, ingen video.

• Slutpunkter – Chat Completions, Responses och Batch. Verktygsanrop kräver Responses API. Ingen finjustering, ingen Realtime, inga Assistants.

• Kostnadsmodifierare – batch och flex är 50 % lägre än standard; snabbläge är 2× standard; regional bearbetning har 10 % påslag där det erbjuds. Förfrågningar med fler än 272K indatatoken debiteras med 2× indata- och cachepriser plus 1,5× utdata för hela förfrågan.

ChatGPT-utrullningen är snävare än API-utrullningen. Terra är tillgängligt på Plus-, Pro-, Business-, Enterprise- och Edu-abonnemangen, i ChatGPT Work och Codex, och går att välja från menyn Advanced i skrivbordsappen och i Work för webben, där Work även stöder det på mobilen. Det är uttryckligen inte tillgängligt i ChatGPT Chat och stöder inte inferensresidens i UAE. Åtkomst för Enterprise beror fortfarande på arbetsytans tillgänglighet och administratörskontroller. Om din mentala modell av en OpenAI-lansering är "att den dyker upp i chattrutan", gör den här inte det.

Påståendet om de 37 punkterna är sant men snävare än det låter

OpenAI:s huvudresultat är en minskning av fel på promptar utformade för att framkalla misstag – ett test som företaget kör internt, inte har publicerat och som ingen utanför har reproducerat. Vid låg resonemangsansträngning sjönk felfrekvensen från 53,6 % på GPT-5.6 Terra till 16,7 % på Terra. Vid maximal ansträngning rapporterar företaget ytterligare en minskning med 18 procentenheter till 4,3 %, vilket det beskriver som nära GPT-6 Astra och GPT-6.1 Sol.

Läs det noggrant. Siffran på 37 punkter är inte "37 % färre fel i ditt arbete". Det är en svängning på 37 punkter på en adversariellt konstruerad intern testuppsättning, vid den lägsta ansträngningsinställningen, mot en modell som håller på att fasas ut från vissa distributionskanaler. Den ärliga sammanfattningen är att Terras golv blev mycket mindre pinsamt. Huruvida dess tak nådde Sols är en annan fråga, och det interna testet kan inte besvara den, eftersom Sols siffra på samma test bara anges som "nära".

Resten av OpenAI:s publicerade påståenden, alla utförda av leverantören:

• Terminal-Bench 4.0 — 50,3 % lösta vid maximal ansträngning på Terra, mot 21,5 % för GPT-5.6 Terra. Mer än dubbelt så många, och det största hoppet mellan generationer i släppet.

• Agents' Last Exam — 15 procentenheter över GPT-5.6 Terra vid medelhög ansträngning, till ungefär en tredjedel av kostnaden.

• MMMU-Pro — slår GPT-5.6 Terra på alla resonemangsnivåer och närmar sig Astra och Sol, utan att några numeriska poäng har publicerats.

Terminal-Bench-Science 0.1 – inom 5 poäng från Claude Opus 5.5 till mindre än en femtedel av den uppskattade kostnaden.

• Hastighet — lanseringen beskriver Terra som betydligt snabbare än Astra och Sol. Artificial Analysis hade inte publicerat någon uppmätt genomströmningssiffra för modellen när vi kontrollerade, så betrakta "snabbare" som ett påstående tills någon har kört den.

Oberoende betyg: sex poäng över föregångaren, fyra bakom Sol

Artificial Analysis listar GPT-6.1 Terra med ett Intelligence Index på 48, på 25:e plats av 221 modeller, till 0,40 USD per indexuppgift. I samma aktuella lista ligger GPT-5.6 Terra på 42 (53:e plats, 1,40 USD per uppgift) och GPT-6.1 Sol på 52 (13:e plats, 0,72 USD per uppgift). Dessa jämförelser är bara giltiga mot varandra så som de är publicerade just nu – indexet normaliseras om med jämna mellanrum, och äldre texter anger andra absoluta siffror för samma modeller.

Tre saker följer av det. För det första är Terra en genuin uppgradering av sin föregångare: sex indexpoäng för mindre än en tredjedel av kostnaden per uppgift. För det andra slår den inte Sol, vilket rapporteringen före lanseringen antydde att den skulle kunna göra. För det tredje, och minst diskuterat, är Terras kostnad per slutförd uppgift lägst av de tre – 0,40 dollar mot Sols 0,72 dollar – vilket är ett mer användbart tal än pris per token, eftersom det inbegriper hur många tokens modellen gör av med för att komma fram till ett svar.

Det uppmätta hastighetsgapet är det som slår åt andra hållet. GPT-5.6 Terra anges till 137 utdatatokens per sekund och 111,75 sekunder till första token; GPT-6.1 Sol till 65,9 tokens per sekund och 325,58 sekunder. Om Terra verkligen är snabbast av de tre ärver det både latenskronan och priskronan, och den kombinationen – inte rå intelligens – är vad en computer-use- eller dokumentpipeline faktiskt bryr sig om.

Där ”halva priset” överlever, och där det tyst upphör att vara sant

{{1}}En arbetsbelastning på standardnivå med 100 000 indatatoken och 5 000 utdatatoken{{/1}} kostade {{2}}$0,26{{/2}} på GPT-5.6 Terra och kostar {{3}}$0,125{{/3}} på GPT-6.1 Terra – en {{4}}besparing på 52 %{{/4}}, något bättre än rubriksiffran eftersom utdata var den dyrare delen av den gamla prislistan.

Långkontextmultiplikatorn raderar inte rabatten, eftersom den tillämpas på båda modellerna: över 272K indatatoken debiterar Terra $2 för indata och $7.50 för utdata för hela begäran, GPT-5.6 Terra $4 och $18. En begäran med 400K indata och 4K utdata kostar $0.83 mot $1.67. Fortfarande hälften.

Det är i snabbläget som kalkylen förändras. Terra med 2× standard är $2/$10 – exakt GPT-6.1 Sols ordinarie listpris, för en modell som är fyra indexpoäng svagare. Om din arbetsbelastning behöver Terras hastighet och du betalar multiplikatorn för snabbläget, försvinner prisargumentet för Terra gentemot Sol, och den enda återstående frågan är om Terras utdata är tillräckligt bra för uppgiften. Batch och flex är det omvända: 50 % rabatt tar Terra till $0,50/$2,50, vilket är den billigaste kompetenta allmänna prisnivån på OpenAIs prislista och den inställning som de flesta bulkpipelines bör testa först.

Vad detta innebär om du routar modeller som yrke

En ärlig anteckning före produktanteckningen: GPT-6.1 Terra finns inte i OrcaRouters katalog när detta skrivs. Vår katalog listar 214 modeller, inklusive GPT-5.6 Terra, GPT-6.1 Sol, GPT-6 Astra och GPT-6 Luna, men inte den här – så alla som säger att de routar Terra i dag går antingen snabbare än leverantörens egen dokumentation eller gissar.

Det som återstår för dig är ett tvådelat beslut som OrcaRouter faktiskt gör billigare. Jämförelsearmarna är båda redan igång: GPT-5.6 Terra till sitt listpris på $2/$12 och GPT-6.1 Sol till $2/$10, med en nyckel, med 0 % påslag över leverantörens listpris. Det spelar större roll än vanligt här, eftersom den intressanta frågan inte är "är Terra bättre än Sol" i abstrakt mening utan "vid vilken punkt slutar Terras $0.40 per uppgift att slå Sols $0.72 på min trafik". Du kan mäta Sol-armen på vår sida idag och låta fallback-stegen ligga kvar där medan Terra testas direkt mot OpenAI:s API. Om du senare flyttar över arbetsbelastningen dit innebär automatisk failover att en dålig dag hos en leverantör inte blir en dålig dag för din produkt.

Det pinsamma läget i uppställningen

Den skarpaste kritiken mot det här släppet handlar inte om benchmarkresultat. Det är att Terra ligger i ett segment som dess egna syskonmodeller har trängt samman. Kommentatorer på Hacker News ägnade lanseringen åt att argumentera för att Terra med xhigh effort kostar mer än Sol med low effort samtidigt som det presterar sämre, vilket gör "välj den billigare modellen" till en mycket mindre självklar regel än priskortet antyder. Andra påpekade att GPT-6.1 Sol redan matchar äldre Astra i vissa uppgifter och frågade vad som återstår för en modell i mellanskiktet när skiktet under den fortsätter att absorbera kapacitet.

OpenAI:s svar är arbetsbelastningens karaktär snarare än placeringen i benchmark: rutinmässiga dokument, skärmbilder, formulär, tekniska ritningar, webbläsar- och skrivbordsautomatisering, utkast och redigering – uppgifter med hög volym där modellen måste vara pålitlig och snabb, inte maximalt smart. Det är en verklig kategori, och minskningen av fel med 37 punkter är riktad direkt mot den. Det är också en kategori där ett indexunderskott på fyra punkter mot Sol är irrelevant och en besparing på 0,32 dollar per uppgift vid tusen anrop inte heller är det.

Två saker att hålla ögonen på. OpenAI har inte publicerat något nedstängningsdatum för gpt-5.6-terra, trots att tredjepartsdokumentation redan markerar det som föråldrat och GitHub Copilot avvecklar det den 16 november 2026, med GPT-6.1 Sol eller GPT-6 Luna angivna som migreringsmål – inte Terra. Och GPT-6.1 Astra har inte lanserats; tills den gör det är toppen av den här familjen fortfarande GPT-6 Astra, en modell som Terra nu uttryckligen mäts mot till en tiondel av priset per token.

Om ditt arbete är högvolym och väl specificerat är argumentet för att byta starkt, och migreringskostnaden är en modellsträng. Om ditt arbete är de svåraste 5 % — kodning med lång horisont, djupgående research, agentiska uppgifter där ett enda felsteg förstör körningen — ändrar inget i den här utgåvan ditt svar, och gapet på fyra punkter i indexet är anledningen. Prissänkningen är verklig; den är bara inte en berättelse om förmåga.