GPT-6.1 Terra Pro vs GPT-6.1 Sol: Chọn theo công việc, không theo bảng giá

GPT-6.1 Terra Pro so với GPT-6.1 Sol là cặp so sánh mà mọi người tìm kiếm, nhưng chỉ một vế của tên gọi đó là có thật: mô hình của OpenAI là GPT-6.1 Terra, và “Pro” là nhãn gói ChatGPT chứ không phải một biến thể. Phép so sánh đáng quan tâm là GPT-6.1 Terra đối đầu với GPT-6.1 Sol, hai mô hình cùng thế hệ với cùng cửa sổ ngữ cảnh 1,05 triệu token, cùng giới hạn đầu ra 128.000 token và khoảng cách giá 2:1. Câu hỏi hữu ích không phải là mô hình nào tốt hơn, mà là mô hình nào làm tốt hơn công việc mà bạn sắp giao cho nó.

Cách đặt vấn đề đó thay đổi câu trả lời. Trên chỉ số độc lập, Sol dẫn trước bốn điểm. Về giá, Terra chỉ bằng một nửa. Về tốc độ, theo chính phép đo của OpenAI, Terra nhanh hơn hơn ba lần. Không một sự thật nào trong ba sự thật đó tự nó quyết định cuộc đối đầu, vì mỗi yếu tố ánh xạ tới một phần khác nhau của khối lượng công việc: chất lượng, chi phí và độ trễ. Mô hình nào thắng phụ thuộc vào việc nhiệm vụ của bạn thực sự thiếu yếu tố nào trong số đó.

Câu trả lời ngắn gọn

Nếu công việc là một agent trình duyệt hoặc máy tính để bàn nhấp qua các ứng dụng, một pipeline điền biểu mẫu, một hàng đợi hóa đơn, một bản vẽ kỹ thuật cần được chuyển thành mô hình, hoặc một tài liệu cần được viết rõ ràng từ tư liệu được cung cấp, hãy bắt đầu với GPT-6.1 Terra. Nếu công việc là một đợt tái cấu trúc dài hơi, một tính năng nhiều tệp, một phiên gỡ lỗi khó, một tài liệu chuyên môn dày đặc hoặc một tác vụ nghiên cứu kéo dài nhiều giờ, hãy bắt đầu với GPT-6.1 Sol. Nếu bạn cần bậc trả phí nhanh nhất mà OpenAI cung cấp, Sol là lựa chọn duy nhất trong hai lựa chọn có tùy chọn Ultrafast.

Đó là hình hài của nó. Phần còn lại của bài viết này là bằng chứng, những điểm hình hài đó bị phá vỡ, và những cài đặt có thể đảo ngược câu trả lời.

Hai mẫu, hai công việc

Nhiệm vụ của GPT-6.1 Terra là công việc hằng ngày: suy luận thị giác, điều khiển máy tính và viết lách đọc như thể một người viết từ tư liệu do ai đó cung cấp. Thông báo của OpenAI nêu tên việc soạn thảo đề xuất, diễn giải bản vẽ kỹ thuật, điền biểu mẫu và chỉnh sửa video. Nhiệm vụ của GPT-6.1 Sol là công việc khó hơn, dài hơi hơn: lập trình gần mức Astra và tài liệu chuyên nghiệp, với việc OpenAI khuyến nghị Sol hoặc Astra cho các tác vụ lập trình phức tạp nhất ngay cả trong bài đăng ra mắt Terra.

Ted Sanders của OpenAI, được trích dẫn trên khắp các bài đưa tin trong ngày ra mắt, nói thẳng thừng hơn về sự đánh đổi: Terra tốt hơn Astra và Sol ở khả năng giao tiếp kỹ thuật, tương đương về thị giác và sử dụng máy tính nhưng nhanh hơn nhiều, và kém hơn một chút ở hầu hết những thứ khác. Đó là mô tả của nhà cung cấp chứ không phải một phát hiện độc lập, và nó hữu ích vì nó nêu rõ sự đánh đổi thay vì che giấu nó.

Cả hai mô hình dùng chung một bộ khung: ngữ cảnh 1,05 triệu token, đầu vào tối đa 922.000, đầu ra tối đa 128.000, đầu vào văn bản và hình ảnh, các endpoint Chat Completions và Responses, và không hỗ trợ tinh chỉnh. Khác biệt nằm ở mốc kiến thức (Terra: 1 tháng 6, 2026; Sol: 30 tháng 4, 2026), mức sàn suy luận (Terra chấp nhận none; Sol bắt đầu từ low), bậc tốc độ (Sol có Ultrafast; Terra không có) và bảng giá.

Nơi các chỉ số chuẩn phân tách

Artificial Analysis là cách đọc độc lập rõ ràng nhất: 48 cho Terra ở mức nỗ lực tối đa so với 52 cho Sol, xếp hạng 25 và 13 trên 221, và $0.40 so với $0.72 mỗi tác vụ chỉ số. Bốn điểm chỉ số là một khoảng cách thực sự, nhưng đó là kiểu khoảng cách mà một đánh giá dành riêng cho tác vụ có thể xóa bỏ theo hướng này hay hướng kia.

• Chỉ số tổng thể — Terra 48 so với Sol 52 (Artificial Analysis).

• Coding Agent Index v2.0 — Terra 48 so với Sol 54, với GPT-6 Luna ở mức 31 (Artificial Analysis).

• Terminal-Bench 4.0 — Terra đạt 50,3% ở mức nỗ lực tối đa; OpenAI không công bố con số nào cho Sol cùng với đợt ra mắt Terra (do nhà cung cấp báo cáo).

• Terminal-Bench-Science 0.1 — OpenAI cho biết Terra ở mức nỗ lực tối đa vượt Sol với chi phí thấp hơn và chỉ kém Claude Opus 5.5 trong vòng năm điểm, với chi phí dưới một phần năm chi phí ước tính (do nhà cung cấp báo cáo và là tuyên bố đáng ngạc nhiên nhất trong đợt ra mắt).

• Bài thi phân tích dữ liệu Plotly — Terra 40/43, Sol 43/43, Luna 38/43, với chi phí $1.31 so với $2.61 cho bài thi; Terra là mô hình nhanh nhất đạt từ 40 điểm trở lên, khoảng 15 giây mỗi câu hỏi (đánh giá của bên thứ ba).

• OSWorld 2.1 — OpenAI nói rằng Terra ở mức nỗ lực trung bình vượt điểm số tốt nhất của GPT-5.6 Terra với chi phí chỉ bằng một phần nhỏ, nhưng không công bố con số đối đầu trực tiếp với Sol, vì vậy tuyên bố về sử dụng máy tính quan trọng nhất đối với định vị của Terra lại là tuyên bố có ít bằng chứng trực tiếp nhất.

Hãy đọc danh sách đó như một tấm bản đồ về vị trí của bốn điểm. Lợi thế của Sol tập trung ở lập trình và suy luận tầm xa. Lợi thế của Terra là tốc độ, giá cả và mốc dữ liệu mới hơn. Trên benchmark duy nhất mà OpenAI chọn công bố để đối đầu trực tiếp với Sol, Terminal-Bench-Science 0.1, Terra thắng với chi phí thấp hơn — đó hoặc là một cú lật kèo thực sự, hoặc chỉ là hiệu ứng chọn benchmark. Chưa ai bên ngoài OpenAI tái lập được kết quả này.

Núm chỉnh mức độ nỗ lực quyết định nhiều hơn bản thân mô hình.

Cả hai mô hình đều cho phép điều chỉnh mức nỗ lực suy luận, và thiết lập này có thể tốn kém hơn cả việc chọn mô hình. Mức thấp nhất của Terra là none, khiến nó rẻ bất thường cho trích xuất và phân loại; mức thấp nhất của Sol là low, nên một lệnh gọi Sol luôn phải trả chi phí cho một lượng suy luận nào đó. Ở đầu cao nhất, Terra ở xhigh có thể tiêu thụ nhiều token hơn và tốn kém hơn Sol ở low trong khi đạt điểm kém hơn trên cùng một tác vụ — một quan sát mà các bình luận viên Hacker News đưa ra chỉ trong vài giờ sau khi ra mắt. Chúng tôi chưa tự đo lường điều này, và nó hợp lý về mặt số học: mức effort thay đổi số lượng token theo cấp số nhân, trong khi khoảng cách giá chỉ là 2×.

Quy tắc thực tiễn là chốt mức nỗ lực dựa trên đánh giá, không dựa trên thói quen. Hãy chạy năm mươi tác vụ thật qua cả hai mô hình ở hai mức nỗ lực, đặt ra ngưỡng chất lượng, rồi chọn cặp mô hình–mức nỗ lực rẻ nhất đáp ứng được ngưỡng đó. So sánh Terra và Sol ở cùng một mức nỗ lực danh nghĩa là sai lầm phổ biến nhất trong cuộc đối chiếu này và cũng là sai lầm dễ dẫn đến câu trả lời sai nhất.

Chi phí của một nhiệm vụ đã hoàn thành

• Đầu vào — Terra $1,00 mỗi triệu token so với Sol $2,00.

• Đầu vào được lưu trong bộ nhớ đệm — $0.05 so với $0.10.

• Đầu ra — $5.00 so với $10.00.

• Ghi bộ nhớ đệm — $1.25 với thời gian lưu giữ 30 phút hoặc $2.50 với thời gian lưu giữ 12 giờ cho Terra; $2.50 cho Sol.

Lời nhắc dài — trên 272.000 token đầu vào sẽ bị tính gấp đôi mức giá đầu vào và bộ nhớ đệm, đồng thời gấp 1,5 lần mức giá đầu ra cho toàn bộ yêu cầu.

• Chi phí đo được cho mỗi tác vụ lập chỉ mục — $0.40 cho Terra so với $0.72 cho Sol, mức tiết kiệm 44% thay vì 50% như bảng giá ngụ ý, vì Terra có thể đốt nhiều token hơn ở mức nỗ lực tối đa.

Ví dụ đã tính với các giả định rõ ràng: 2.000 token đầu vào và 500 token đầu ra cho mỗi tài liệu, không dùng bộ nhớ đệm. Terra tốn 0,002 USD cho đầu vào cộng 0,0025 USD cho đầu ra, tức 0,0045 USD mỗi tài liệu. Sol tốn 0,009 USD. Một triệu tài liệu là 4.500 USD so với 9.000 USD. Nếu một nửa đầu vào được lưu trong bộ nhớ đệm, chi phí đầu vào của Terra lại giảm một nửa; của Sol giảm theo cùng tỷ lệ, nên tỷ lệ vẫn giữ nguyên. Khoảng cách chỉ mở rộng khi có thể dùng thiết lập none của Terra, và thu hẹp khi Sol hoàn thành tác vụ với ít token hơn.

Access là một phần của việc so sánh.

Terra có mặt trong API và trong ChatGPT Work cùng Codex trên các gói Plus, Pro, Enterprise và Edu; thông báo của OpenAI không liệt kê bộ chọn Chat chính. Sol có mặt trong API và trong ChatGPT, và đây là lựa chọn duy nhất trong hai lựa chọn có chế độ Ultrafast; cả hai đều cung cấp Fast với giá gấp đôi mức tiêu chuẩn. Trên gói Pro 500, Ultrafast tiêu thụ hạn mức sử dụng đi kèm với tốc độ gấp tám lần mức tiêu chuẩn và tín dụng đã mua với tốc độ gấp sáu lần, vì vậy “nhanh hơn” là một quyết định về tính phí cũng như là một quyết định về độ trễ.

Về phía định tuyến, sự bất đối xứng rất đơn giản. GPT-6.1 Sol nằm trong danh mục OrcaRouter với giá niêm yết, 2 đô la cho đầu vào và 10 đô la cho đầu ra, không có phụ giá, nên khi nhà cung cấp thay đổi giá thì thay đổi đó được chuyển thẳng theo cùng điều khoản. Tính đến ngày 27 tháng 10, GPT-6.1 Terra vẫn chưa có trong danh mục, vì vậy các cuộc gọi Terra phải đi đến API riêng của OpenAI; đó là thực tế của danh mục hiện tại, không phải một vị thế cố định. Chuyển đổi dự phòng tự động giữa các mô hình mà chúng tôi thực sự cung cấp là lý do để giữ một phương án thứ hai được cấu hình ngay cả khi một mô hình rõ ràng rẻ hơn.

Một quy tắc lựa chọn bạn có thể áp dụng ngay tuần này

• Phân loại nhiệm vụ theo những gì nó cần: điều khiển màn hình và tạo tài liệu thì hướng đến Terra; mã, suy luận dài và nghiên cứu chuyên sâu thì hướng đến Sol.

• Hãy đặt ra một chuẩn chất lượng trên dữ liệu của chính bạn trước khi xem bảng giá. Bốn điểm chỉ số không phải là chuẩn chất lượng; đánh giá của bạn mới là.

• Hãy kiểm thử ở hai mức nỗ lực, không phải chỉ một. Terra ở mức none so với Sol ở mức low là một phép so sánh khác với Terra ở mức max so với Sol ở mức max.

• Định giá tác vụ đã hoàn thành, bao gồm các lần thử lại và lệnh gọi công cụ. Phép tính theo token đếm thiếu mô hình cần nhiều lượt hơn.

• Giữ mô hình thua cuộc làm nhánh dự phòng chuyển đổi. Mô hình rẻ nhất mà bị giới hạn tốc độ thì không hề rẻ.

Nếu bạn định tuyến qua OrcaRouter, bước cuối cùng đó là cấu hình chứ không phải mã: một khóa, một quy tắc định tuyến cho mỗi lớp tác vụ, và chuyển đổi dự phòng khi một nhà cung cấp bị suy giảm. Hai mô hình có thể nằm sau cùng một endpoint khi Terra được đưa vào; hiện tại chỉ có Sol.

Điều gì sẽ làm thay đổi câu trả lời

Ba điều. Một đánh giá lập trình độc lập đặt Terra gần Sol sẽ làm sụp đổ lý do chính để trả gấp đôi. Một so sánh đối đầu trực tiếp OSWorld 2.1 được công bố sẽ giải quyết tuyên bố về sử dụng máy tính mà OpenAI để ngỏ. Và việc đưa Terra vào danh sách trên các router sẽ khiến câu chuyện chuyển đổi dự phòng trở nên thực tế thay vì chỉ là khát vọng. Cho đến lúc đó, mặc định có thể bảo vệ là Terra cho khối lượng công việc và công việc màn hình, Sol cho mã và lập luận dài, và một đánh giá ở giữa thay vì một khẩu hiệu.