GPT-6.1 Terra Pro vs GPT-6.1 Sol: เลือกตามงานที่ทำ ไม่ใช่ตามป้ายราคา

GPT-6.1 Terra Pro เทียบกับ GPT-6.1 Sol คือการจับคู่ที่ผู้คนค้นหา แต่มีเพียงด้านเดียวของชื่อนั้นที่เป็นจริง: โมเดลของ OpenAI คือ GPT-6.1 Terra และ “Pro” เป็นป้ายชื่อแผน ChatGPT ไม่ใช่รูปแบบย่อย การเปรียบเทียบที่สำคัญคือ GPT-6.1 Terra กับ GPT-6.1 Sol ซึ่งเป็นสองโมเดลจากรุ่นเดียวกันที่มีหน้าต่างบริบท 1.05 ล้านโทเคนเท่ากัน เพดานเอาต์พุต 128,000 โทเคนเท่ากัน และช่องว่างราคาสองต่อหนึ่ง คำถามที่มีประโยชน์ไม่ใช่คำถามว่าโมเดลไหนดีกว่า แต่เป็นคำถามว่าโมเดลไหนดีกว่าสำหรับงานที่คุณกำลังจะมอบให้มัน

การวางกรอบแบบนั้นเปลี่ยนคำตอบ บนดัชนีอิสระ Sol นำอยู่สี่จุด ด้านราคา Terra มีราคาเพียงครึ่งเดียว ด้านความเร็ว Terra เร็วกว่าเกินสามเท่าตามการวัดของ OpenAI เอง ไม่มีข้อเท็จจริงทั้งสามข้อนี้ข้อใดตัดสินการเปรียบเทียบกันได้ด้วยตัวเอง เพราะแต่ละข้อสอดคล้องกับส่วนต่าง ๆ ของภาระงาน ได้แก่ คุณภาพ ต้นทุน และความหน่วง โมเดลที่ชนะขึ้นอยู่กับว่าภารกิจของคุณขาดสิ่งใดในสามสิ่งนั้นจริง ๆ

คำตอบสั้น ๆ

หากงานคือเอเจนต์เบราว์เซอร์หรือเดสก์ท็อปที่คลิกผ่านแอปพลิเคชัน ไปป์ไลน์กรอกแบบฟอร์ม คิวใบแจ้งหนี้ แบบทางเทคนิคที่ต้องกลายเป็นโมเดล หรือเอกสารที่ต้องเขียนให้ชัดเจนจากเนื้อหาที่ให้มา ให้เริ่มด้วย GPT-6.1 Terra หากงานคือการรีแฟกเตอร์ระยะยาว ฟีเจอร์หลายไฟล์ เซสชันดีบักที่ยาก เอกสารวิชาชีพที่เนื้อหาแน่น หรืองานวิจัยที่ใช้เวลาหลายชั่วโมง ให้เริ่มด้วย GPT-6.1 Sol หากคุณต้องการระดับแบบเสียเงินที่เร็วที่สุดที่ OpenAI จำหน่าย Sol เป็นตัวเดียวในสองตัวที่มีตัวเลือก Ultrafast

นั่นคือภาพรวมของเรื่องนี้ ส่วนที่เหลือของบทความนี้คือหลักฐาน จุดที่โครงสร้างนั้นพังลง และการตั้งค่าที่สามารถพลิกคำตอบได้

สองโมเดล สองงาน

ขอบเขตงานของ GPT-6.1 Terra คืองานในวันทำงาน ได้แก่ การให้เหตุผลเชิงภาพ การควบคุมคอมพิวเตอร์ และการเขียนที่อ่านแล้วเหมือนมีคนเขียนขึ้นจากเนื้อหาที่มีผู้ให้มา ประกาศของ OpenAI ระบุถึงการร่างข้อเสนอ การตีความภาพเขียนแบบทางเทคนิค การกรอกแบบฟอร์ม และการตัดต่อวิดีโอ ขอบเขตงานของ GPT-6.1 Sol คืองานที่ยากและใช้เวลานานกว่า ได้แก่ การเขียนโค้ดที่ใกล้เคียงระดับ Astra และเอกสารระดับมืออาชีพ โดย OpenAI แนะนำ Sol หรือ Astra สำหรับงานเขียนโค้ดที่ซับซ้อนที่สุด แม้แต่ในโพสต์เปิดตัว Terra

เท็ด แซนเดอร์ส แห่ง OpenAI ซึ่งถูกอ้างอิงในสื่อต่าง ๆThroughoutการรายงานข่าววันเปิดตัว กล่าวถึงข้อแลกเปลี่ยนนี้อย่างตรงไปตรงมามากกว่า: Terra ดีกว่า Astra และ Sol ในด้านการสื่อสารทางเทคนิค ใกล้เคียงกันในด้าน vision และ computer use แต่เร็วกว่ามาก และด้อยกว่าเล็กน้อยในเรื่องอื่น ๆ ส่วนใหญ่ นั่นเป็นคำอธิบายจากผู้ขายมากกว่าจะเป็นข้อค้นพบที่เป็นอิสระ และเป็นคำอธิบายที่มีประโยชน์เพราะระบุข้อแลกเปลี่ยนแทนที่จะปกปิดไว้

ทั้งสองโมเดลใช้โครงสร้างเดียวกัน: คอนเท็กซ์ 1.05 ล้านโทเคน, อินพุตสูงสุด 922,000, เอาต์พุตสูงสุด 128,000, อินพุตข้อความและรูปภาพ, เอนด์พอยต์ Chat Completions และ Responses และไม่มีการปรับแต่ง (fine-tuning) ความแตกต่างคือ วันตัดขอบเขตความรู้ (Terra 1 มิถุนายน 2026; Sol 30 เมษายน 2026), ระดับพื้นฐานการให้เหตุผล (Terra ยอมรับ none; Sol เริ่มที่ low), ระดับความเร็ว (Sol มี Ultrafast; Terra ไม่มี) และการ์ดราคา

จุดที่เกณฑ์มาตรฐานแยกออกจากกัน

Artificial Analysis คือการประเมินอิสระที่ชัดเจนที่สุด: 48 สำหรับ Terra ที่ความพยายามสูงสุด เทียบกับ 52 สำหรับ Sol อยู่อันดับ 25 และ 13 จาก 221 และ $0.40 เทียบกับ $0.72 ต่องานในดัชนี ช่องว่าง 4 คะแนนดัชนีเป็นช่องว่างจริง แต่เป็นช่องว่างประเภทที่การประเมินเฉพาะงานสามารถลบได้ในทิศทางใดทิศทางหนึ่ง

• ดัชนีโดยรวม — Terra 48 เทียบกับ Sol 52 (Artificial Analysis)

• ดัชนี Coding Agent v2.0 — Terra 48 เทียบกับ Sol 54 โดย GPT-6 Luna อยู่ที่ 31 (Artificial Analysis)

• Terminal-Bench 4.0 — Terra 50.3% ที่ความพยายามสูงสุด; OpenAI ไม่ได้เผยแพร่ตัวเลขของ Sol ควบคู่ไปกับการเปิดตัว Terra (ตามข้อมูลจากผู้ขาย)

• {{1}}Terminal-Bench-Science 0.1{{/1}} — OpenAI กล่าวว่า {{2}}Terra{{/2}} ที่ใช้ความพยายามสูงสุดนั้นเหนือกว่า {{3}}Sol{{/3}} ด้วยต้นทุนที่ต่ำกว่า และมีคะแนนตามหลัง {{4}}Claude Opus 5.5{{/4}} ไม่เกินห้าคะแนน โดยใช้ต้นทุนต่ำกว่าหนึ่งในห้าของต้นทุนโดยประมาณ (ข้อมูลที่ผู้ขายรายงานเอง และเป็นคำกล่าวอ้างที่น่าประหลาดใจที่สุดในการเปิดตัว)

• การสอบวิเคราะห์ข้อมูลด้วย Plotly — Terra 40/43, Sol 43/43, Luna 38/43 ในราคา $1.31 เทียบกับ $2.61 สำหรับการสอบ; Terra เป็นโมเดลที่เร็วที่สุดที่ทำได้ถึง 40 ขึ้นไป โดยใช้เวลาประมาณ 15 วินาทีต่อคำถาม (การประเมินจากบุคคลที่สาม)

• OSWorld 2.1 — OpenAI กล่าวว่า Terra ที่ใช้ความพยายามระดับปานกลางเอาชนะคะแนนดีที่สุดของ GPT-5.6 Terra ได้ด้วยต้นทุนเพียงเศษเสี้ยว แต่ไม่ได้เผยแพร่ตัวเลขการเทียบแบบตัวต่อตัวกับ Sol ดังนั้นข้ออ้างด้านการใช้คอมพิวเตอร์ที่สำคัญที่สุดต่อการวางตำแหน่งของ Terra จึงเป็นข้อที่มีหลักฐานตรงน้อยที่สุด

อ่านรายการนั้นเป็นแผนที่ว่าสี่จุดอยู่ตรงไหน จุดแข็งของ Sol กระจุกตัวอยู่ที่การเขียนโค้ดและการให้เหตุผลระยะยาว จุดแข็งของ Terra คือความเร็ว ราคา และ cutoff ที่ใหม่กว่า บนเบนช์มาร์กหนึ่งที่ OpenAI เลือกเผยแพร่เพื่อเทียบกับ Sol โดยตรง คือ Terminal-Bench-Science 0.1 Terra ชนะด้วยต้นทุนที่ต่ำกว่า ซึ่งอาจเป็นการพลิกความคาดหมายจริง ๆ หรือเป็นผลจากการเลือกเบนช์มาร์ก ยังไม่มีใครนอก OpenAI ที่ทำซ้ำผลนี้ได้

ตัวปรับระดับความพยายามมีอิทธิพลต่อผลลัพธ์มากกว่าตัวโมเดลเสียอีก

ทั้งสองโมเดลมีฟีเจอร์ปรับ reasoning effort และการตั้งค่านี้อาจมีต้นทุนสูงกว่าการเลือกโมเดลเสียอีก ระดับต่ำสุดของ Terra คือ none ซึ่งทำให้มันถูกเป็นพิเศษสำหรับงานสกัดข้อมูลและการจำแนกประเภท ส่วนระดับต่ำสุดของ Sol คือ low ดังนั้นการเรียกใช้ Sol จึงต้องจ่ายค่าการให้เหตุผลบางส่วนเสมอ ที่ระดับสูงสุด Terra ที่ xhigh อาจใช้โทเคนมากกว่าและมีต้นทุนสูงกว่า Sol ที่ low ขณะที่ได้คะแนนแย่กว่าในงานเดียวกัน ซึ่งเป็นข้อสังเกตที่ผู้แสดงความคิดเห็นบน Hacker News ตั้งขึ้นภายในไม่กี่ชั่วโมงหลังเปิดตัว เราไม่ได้วัดด้วยตัวเอง และเป็นไปได้ในเชิงเลขคณิต: effort เปลี่ยนจำนวนโทเคนแบบทวีคูณ ขณะที่ช่องว่างราคาเพียง 2×

หลักปฏิบัติคือการกำหนดระดับความพยายาม (effort) ด้วยการประเมิน ไม่ใช่ด้วยความเคยชิน จงรันงานจริงห้าสิบงานผ่านทั้งสองโมเดลที่สองระดับความพยายาม ตั้งเกณฑ์คุณภาพ และเลือกคู่ที่ถูกที่สุดที่ผ่านเกณฑ์ การเปรียบเทียบ Terra กับ Sol ที่ระดับความพยายามตามชื่อเดียวกันเป็นความผิดพลาดที่พบบ่อยที่สุดในการจับคู่นี้ และเป็นสิ่งที่มีแนวโน้มที่สุดที่จะทำให้ได้คำตอบผิด

ต้นทุนของงานที่เสร็จสมบูรณ์

• อินพุต — Terra $1.00 ต่อล้านโทเคน เทียบกับ Sol $2.00

• อินพุตที่แคชไว้ — $0.05 เทียบกับ $0.10

• ผลลัพธ์ — $5.00 เทียบกับ $10.00

• การเขียนแคช — $1.25 ที่ระยะเวลาเก็บรักษา 30 นาที หรือ $2.50 ที่ระยะเวลาเก็บรักษา 12 ชั่วโมงสำหรับ Terra; $2.50 สำหรับ Sol

• พรอมต์แบบยาว — เมื่อมีโทเค็นอินพุตเกิน 272,000 ทั้งอัตราค่าอินพุตและอัตราค่าแคชจะถูกคิดเป็นสองเท่า และอัตราค่าเอาต์พุตคิดเป็น 1.5 เท่า สำหรับคำขอทั้งรายการ

• ต้นทุนที่วัดได้ต่องาน index — $0.40 สำหรับ Terra เทียบกับ $0.72 สำหรับ Sol ซึ่งประหยัดได้ 44% ไม่ใช่ 50% อย่างที่ตารางราคาบ่งบอก เพราะ Terra สามารถใช้โทเค็นได้มากขึ้นเมื่อทำงานที่ความพยายามสูงสุด

ตัวอย่างการคำนวณด้วยสมมติฐานที่เรียบง่ายและชัดเจน: 2,000 โทเค็นอินพุตและ 500 โทเค็นเอาต์พุตต่อเอกสาร โดยไม่ใช้แคช Terra มีค่าใช้จ่าย $0.002 สำหรับอินพุตบวก $0.0025 สำหรับเอาต์พุต หรือ $0.0045 ต่อเอกสาร Sol มีค่าใช้จ่าย $0.009 หนึ่งล้านเอกสารคิดเป็น $4,500 เทียบกับ $9,000 หากครึ่งหนึ่งของอินพุตถูกแคช ค่าใช้จ่ายอินพุตของ Terra จะลดลงครึ่งหนึ่งอีกครั้ง และของ Sol ก็ลดลงในสัดส่วนเดียวกัน อัตราส่วนจึงยังคงเดิม ช่องว่างจะกว้างขึ้นเฉพาะในกรณีที่สามารถใช้การตั้งค่า none ของ Terra ได้ และจะแคบลงเมื่อ Sol ทำงานเสร็จโดยใช้โทเค็นน้อยกว่า

การเข้าถึงเป็นส่วนหนึ่งของการเปรียบเทียบ

Terra ใช้งานได้ใน API และใน ChatGPT Work กับ Codex บนแผน Plus, Pro, Enterprise และ Edu; ประกาศของ OpenAI ไม่ได้ระบุตัวเลือก Chat หลัก Sol ใช้งานได้ใน API และใน ChatGPT และเป็นเพียงตัวเดียวในสองตัวนี้ที่มีโหมด Ultrafast; ทั้งคู่มี Fast ในราคาสองเท่าของราคามาตรฐาน ในแผน Pro 500 โหมด Ultrafast จะใช้สิทธิ์การใช้งานที่รวมอยู่ในอัตราแปดเท่าของอัตรามาตรฐาน และใช้เครดิตที่ซื้อไว้ในอัตราหกเท่า ดังนั้น “เร็วขึ้น” จึงเป็นการตัดสินใจด้านการเรียกเก็บเงินพอๆ กับการตัดสินใจด้านความหน่วง

ในฝั่งการจัดเส้นทาง ความไม่สมมาตรเป็นเรื่องง่าย ๆ GPT-6.1 Sol อยู่ในแค็ตตาล็อก OrcaRouterในราคาตามรายการ คืออินพุต $2 และเอาต์พุต $10 โดยไม่มีมาร์กอัป ดังนั้นการเปลี่ยนแปลงราคาจากผู้ขายจะส่งผ่านมาด้วยเงื่อนไขเดียวกัน GPT-6.1 Terra ยังไม่อยู่ในแค็ตตาล็อก ณ วันที่ 27 ตุลาคม ดังนั้นการเรียก Terra ต้องไปที่ API ของ OpenAI เอง นี่เป็นข้อเท็จจริงเกี่ยวกับแค็ตตาล็อกปัจจุบัน ไม่ใช่สถานะถาวร การสลับสำรองอัตโนมัติข้ามโมเดลที่เรามีให้บริการอยู่ คือเหตุผลที่ต้องกำหนดช่องทางสำรองที่สองไว้ แม้โมเดลหนึ่งจะถูกกว่าอย่างชัดเจน

กฎการคัดเลือกที่คุณสามารถนำไปใช้ได้ในสัปดาห์นี้

• จำแนกงานตามสิ่งที่จำเป็น: การควบคุมหน้าจอและการผลิตเอกสารชี้ไปที่ Terra; ส่วนโค้ด การใช้เหตุผลแบบยาว และการวิจัยที่หนาแน่นชี้ไปที่ Sol

• ตั้งเกณฑ์คุณภาพบนข้อมูลของคุณเองก่อนที่จะดูการ์ดราคา สี่คะแนนดัชนีไม่ใช่เกณฑ์คุณภาพ การประเมินของคุณต่างหากคือเกณฑ์

• ทดสอบที่สองระดับความพยายาม ไม่ใช่ระดับเดียว การเปรียบเทียบ Terra ที่ระดับ none กับ Sol ที่ระดับ low เป็นการเปรียบเทียบที่ต่างจากการเปรียบเทียบ Terra ที่ระดับ max กับ Sol ที่ระดับ max

• คิดราคาจากงานที่เสร็จสมบูรณ์ รวมถึงการลองใหม่และการเรียกใช้เครื่องมือ การคำนวณต่อโทเคนจะประเมินโมเดลที่ต้องใช้รอบมากขึ้นต่ำเกินไป

• เก็บตัวที่แพ้ไว้เป็นแขนสำรองสำหรับกรณีระบบหลักล้มเหลว โมเดลที่ถูกที่สุดซึ่งติด rate limit ไม่ได้ถูกอย่างที่คิด

หากคุณกำหนดเส้นทางผ่าน OrcaRouter ขั้นตอนสุดท้ายนั้นเป็นการตั้งค่ามากกว่าโค้ด: คีย์เดียว กฎการกำหนดเส้นทางหนึ่งข้อต่อคลาสงานหนึ่งคลาส และการสลับไปใช้ระบบสำรองเมื่อผู้ให้บริการมีประสิทธิภาพลดลง โมเดลทั้งสองสามารถอยู่หลังปลายทางเดียวกันได้เมื่อ Terra ถูกนำมารองรับแล้ว ส่วนปัจจุบันมีเพียง Sol เท่านั้น

อะไรจะเปลี่ยนคำตอบ

สามเรื่อง. การประเมินการเขียนโค้ดโดยอิสระซึ่งทำให้ Terra ใกล้เคียงกับ Sol จะล้มล้างเหตุผลหลักในการจ่ายแพงเป็นสองเท่า. การเปรียบเทียบแบบตัวต่อตัวบน OSWorld 2.1 ที่เผยแพร่แล้วจะช่วยตัดสินข้ออ้างเรื่องการใช้คอมพิวเตอร์ที่ OpenAI ปล่อยให้เป็นนัย. และการมี Terra อยู่ในรายชื่อบนเราเตอร์จะทำให้เรื่องการสลับใช้งานเมื่อระบบล่มเป็นเรื่องจริงมากกว่าความฝัน. จนถึงตอนนั้น ค่าเริ่มต้นที่สมเหตุสมผลคือ Terra สำหรับงานปริมาณมากและงานบนหน้าจอ, Sol สำหรับโค้ดและการให้เหตุผลยาว, และการประเมินในระหว่างนั้นแทนสโลแกน.