GPT-6.1 Terra vs GPT-6.1 Sol: Khi nào đầu ra $5 không còn là câu trả lời rẻ hơn

Phép so sánh mà hầu hết mọi người thực hiện giữa GPT-6.1 Terra và GPT-6.1 Sol là sai, và nó sai theo cách tâng bốc mô hình rẻ hơn. Họ đặt cả hai ở mức nỗ lực suy luận tối đa, nhận thấy Terra đạt điểm thấp hơn một chút, nhận thấy Terra có giá bằng một nửa, rồi kết luận Terra là lựa chọn mặc định hợp lý. Nhưng không ai vận hành một pipeline production ở mức nỗ lực tối đa cho mọi lần gọi. Lựa chọn thực sự là Terra ở xhigh so với Sol ở low — và trong phép so sánh đó, các bình luận viên trên Hacker News đã chỉ ra trong vòng vài giờ sau khi ra mắt, Terra có thể tốn nhiều hơn Sol trong khi đạt điểm kém hơn. Mô hình bạn chọn ít quan trọng hơn mức nỗ lực mà bạn ghim nó vào, và mức nỗ lực là biến số mà cả hai trang ra mắt đều không đưa lên tiêu đề.

Cả hai mô hình đều thuộc cùng một thế hệ và cùng một tháng: GPT-6.1 Sol ra mắt ngày 29 tháng 9 năm 2026, GPT-6.1 Terra vào ngày 26 tháng 10. Chúng có chung cửa sổ ngữ cảnh 1,05M, giới hạn đầu ra 128K, cùng ba endpoint và cùng khả năng đầu vào văn bản lẫn hình ảnh. Điều tách biệt chúng là khoảng cách bốn điểm trên chỉ số độc lập và khoảng cách gấp 2 lần trên bảng giá — và câu hỏi liệu bốn điểm có đáng gấp đôi hay không hoàn toàn phụ thuộc vào việc khối lượng công việc của bạn làm gì với bốn điểm cuối cùng.

Cùng một mẫu, hai thẻ giá

Thông số kỹ thuật từ tài liệu mô hình của OpenAI, đọc ngày 27 tháng 10 năm 2026.

• Giá — GPT-6.1 Terra $1 đầu vào / $5 đầu ra mỗi triệu; GPT-6.1 Sol $2 / $10. Đầu vào được lưu trong bộ nhớ đệm của Terra là $0,05, của Sol là $0,10.

• Ngữ cảnh — mỗi bên 1.050.000 token, đầu vào tối đa 922.000, đầu ra tối đa 128.000. Giống hệt nhau.

• Mốc kiến thức — Terra: ngày 1 tháng 6 năm 2026; Sol: ngày 30 tháng 4 năm 2026. Mẫu rẻ hơn, mới hơn có dữ liệu thế giới mới hơn khoảng một tháng.

• Mức nỗ lực suy luận — Terra cung cấp none, low, medium, high, xhigh, max; Sol cung cấp từ low đến max. Bậc “none” bổ sung của Terra là một mức sàn chi phí thực sự mà Sol không có.

• Các hệ số điều chỉnh — cả hai đều có batch và flex ở mức thấp hơn 50% so với tiêu chuẩn, fast ở mức 2×, regional ở mức +10%, và ngưỡng đầu vào 272K. Chỉ riêng Sol có bậc Ultrafast ở mức 6× tiêu chuẩn, mà theo giá niêm yết tính ra là $12 đầu vào và $60 đầu ra mỗi triệu.

Công cụ và điểm cuối — cùng một bộ. Responses API để gọi công cụ, Chat Completions không có công cụ, Batch cho cả hai, không tinh chỉnh trên cả hai.

Bốn điểm, gấp đôi giá

Artificial Analysis hiện xếp GPT-6.1 Terra ở Chỉ số Thông minh 48 — thứ 25 trong 221 mô hình — và GPT-6.1 Sol ở 52, thứ 13. Đó là toàn bộ khoảng cách năng lực độc lập: bốn điểm, ở mức nỗ lực tối đa, trên một chỉ số tổng hợp. Đó không phải là chuyện nhỏ. Đó cũng không phải là khoảng cách mà ngôn từ “cao cấp so với tầm trung” hàm ý, và hai mô hình chia sẻ cùng một thế hệ, một họ kiến trúc và một cửa sổ ngữ cảnh.

Khoảng cách chi phí dễ nói hơn: chính xác 2× ở cả đầu vào và đầu ra theo mức giá tiêu chuẩn. Terra không phải là mô hình hàng giảm giá; đó là mức giá của Sol bị cắt giảm một nửa với bốn điểm chỉ số bị loại bỏ.

Chi phí cho mỗi tác vụ hoàn thành, không phải cho mỗi token

Con số nên định hướng quyết định là chi phí trên mỗi tác vụ đã hoàn thành, vì nó bao gồm lượng token mà mỗi mô hình tiêu tốn để suy nghĩ. Trên Intelligence Index của Artificial Analysis, GPT-6.1 Terra tốn 0,40 USD mỗi tác vụ và GPT-6.1 Sol tốn 0,72 USD — mức tiết kiệm 44% cho Terra, nhỏ hơn con số 50% được nêu nổi bật vì Terra dùng nhiều token hơn một chút để hoàn thành cùng công việc ở mức nỗ lực tối đa.

Hãy nhân quy mô đó lên. Với một triệu tác vụ mỗi tháng, chênh lệch là khoảng 320.000 đô la. Với mười nghìn tác vụ, con số là 3.200 đô la — tiền thật, nhưng nhỏ hơn một tuần công của một kỹ sư dành để xây lại một eval harness. Ngưỡng mà tại đó lợi thế giá của Terra đủ để biện minh cho việc chuyển đổi là một câu hỏi về khối lượng, không phải câu hỏi về chất lượng, và đó là con số đầu tiên cần tính trước khi đọc bất kỳ bảng benchmark nào.

Có một hiệu ứng bậc hai có lợi cho Terra mà không xuất hiện trong cả hai mức giá: mốc cắt kiến thức. Mốc huấn luyện ngày 1 tháng 6 của Terra mới hơn một tháng so với ngày 30 tháng 4 của Sol. Đối với các khối lượng công việc phụ thuộc vào API gần đây, phiên bản thư viện hoặc tài liệu, tháng đó đáng giá hơn bốn điểm chỉ số, và chi phí để có được nó chỉ bằng một nửa.

Cái bẫy mức độ nỗ lực, được lý giải cặn kẽ

Đây là chế độ lỗi được mô tả cụ thể. Terra ở mức nỗ lực xhigh tiêu tốn nhiều token cho mỗi tác vụ hơn Sol ở mức nỗ lực thấp. Nếu token của Terra có giá chỉ bằng một nửa nhưng nó dùng nhiều hơn gấp đôi số token, thì mô hình rẻ hơn không còn rẻ hơn nữa — và vì xhigh là một thiết lập yếu hơn mức thấp của Sol trên những tác vụ khó nhất, bạn đang trả nhiều hơn để nhận một câu trả lời tệ hơn. Những người bình luận trên Hacker News đã mô tả chính xác điều này trên Terminal-Bench 4.0 trong vòng một ngày sau khi ra mắt.

Cách khắc phục không phải là tránh Terra. Mà là so sánh ở cùng mức chi tiêu thay vì cùng thiết lập. Cụ thể: hãy chọn ngưỡng chất lượng trước — tỷ lệ đạt mà sản phẩm của bạn cần trên bài đánh giá của chính bạn — rồi tìm cặp (mô hình, mức nỗ lực) rẻ nhất đáp ứng được ngưỡng đó. Không gian tìm kiếm đó có mười hai điểm thực tế trên hai mô hình này, chứ không phải hai, và câu trả lời thường không phải là "Terra ở mức tối đa" hay "Sol ở mức tối đa."

Các con số của chính OpenAI cho thấy thiết lập này thay đổi mọi thứ đến mức nào. Tỷ lệ lỗi của Terra trên tập gây lỗi nội bộ của nhà cung cấp giảm từ 16,7% ở mức nỗ lực thấp xuống 4,3% ở mức tối đa — mức chênh lệch 12 điểm trong cùng một mô hình. Khoảng cách giữa Terra và Sol trên chỉ số độc lập là bốn điểm. Núm điều chỉnh mức nỗ lực là đòn bẩy lớn hơn việc lựa chọn mô hình, và việc xoay nó không tốn gì.

Nơi Sol vẫn kiếm được khoản chênh lệch giá

Định vị của OpenAI dành cho Sol là "hiệu năng gần Astra cho công việc phức tạp với chi phí thấp hơn", và các điểm chuẩn của nhà cung cấp — nơi Sol tách biệt so với Terra — đều nhất quán với điều đó: công việc tác tử theo chân trời dài, lập trình khó nhất và tài liệu chuyên môn dày đặc. Đó cũng là những tác vụ mà một lần chạy thất bại tốn kém hơn cả lượng token, và chính khi đó thì mức giá cao gấp 2 lần rất dễ biện minh.

Phản biện của Terra hẹp hơn những gì marketing gợi ý nhưng sắc bén hơn những gì chỉ số ngụ ý. OpenAI báo cáo rằng Terra chỉ kém Claude Opus 5.5 trong vòng 5 điểm trên Terminal-Bench-Science 0.1 với chi phí ước tính dưới một phần năm, và cao hơn GPT-5.6 Terra 15 điểm trên Agents' Last Exam với chi phí chỉ khoảng một phần ba. Đó là những con số do nhà cung cấp tự chạy trên các bài kiểm tra do nhà cung cấp tự chọn, nên chúng xác lập hướng đi hơn là độ lớn — nhưng hướng đó là “đủ tốt ở các tác vụ cận khoa học và tác vụ tác nhân, rẻ hơn nhiều”, và đó là một ngách thực sự.

Cách phân chia thẳng thắn là thế này: Sol dành cho những tác vụ mà ở đó bạn sẽ nhận ra chất lượng giảm bốn điểm, còn Terra dành cho những tác vụ mà ở đó bạn sẽ nhận ra hóa đơn. Rất ít khối lượng công việc hoàn toàn thuộc về cái này hay cái kia, đó là lý do câu hỏi định tuyến quan trọng hơn câu hỏi về mô hình.

Độ trễ có thể quyết định kết quả trước cả chất lượng.

Artificial Analysis đo GPT-6.1 Sol đạt 65,9 token đầu ra mỗi giây với 325,58 giây đến token đầu tiên ở mức nỗ lực tối đa. Con số thời gian đến token đầu tiên đó không phải lỗi đánh máy, và nó khiến mô hình không đủ điều kiện cho bất kỳ thứ gì mang tính tương tác. Terra chưa có phép đo thông lượng độc lập nào; OpenAI mô tả nó nhanh hơn đáng kể, và nếu điều đó đúng, khoảng cách đủ lớn để phân định tranh luận cho các sản phẩm dạng chat hoặc dạng vòng lặp agent, bất kể điểm chỉ số.

Với công việc theo lô, phép tính đảo ngược: 325 giây suy nghĩ là không đáng kể nếu tác vụ chạy qua đêm, và mức trần cao hơn của Sol đáng để bỏ tiền. Độ trễ là thuộc tính của khối lượng công việc, không phải thuộc tính của mô hình, và nó cần được đưa vào quyết định trước cả thứ hạng benchmark.

Giữ cả hai cánh tay trên một phím

OrcaRouter cung cấp GPT-6.1 Sol với giá niêm yết $2/$10, phụ thu 0%, trên cùng khóa như hơn 200 mô hình khác. Tính đến ngày 27 tháng 10, GPT-6.1 Terra chưa có trong danh mục của chúng tôi — nó mới ra mắt được một ngày và có sẵn qua API của OpenAI — vì vậy cách làm thực tế hiện nay là đo nhánh Sol ở phía chúng tôi và đặt nó làm mục tiêu leo thang: chạy Terra ở nơi nó vượt trội, chuyển dự phòng sang Sol khi một yêu cầu cần thêm bốn điểm hoặc khi một nhà cung cấp gặp sự cố tạm thời. Cả hai cùng thế hệ, cùng cửa sổ ngữ cảnh và cùng dạng endpoint, nên quy tắc định tuyến chỉ là một chuỗi mô hình và một thiết lập effort, không phải viết lại.

DSL định tuyến có ý nghĩa ở đây vì một lý do cụ thể. Cấu hình production thú vị không phải là "Terra hoặc Sol" mà là "Terra ở mức cao, chuyển sang Sol ở mức trung bình khi độ tin cậy thấp" — một tổ hợp mà nếu không thì sẽ đồng nghĩa với hai tích hợp, hai chính sách thử lại và hai hóa đơn. Đó là kiểu quyết định mà cặp mô hình này mời gọi, và đó là lý do hai mô hình nên được đánh giá như một thang bậc thay vì như một lựa chọn hoặc cái này hoặc cái kia.

Quy tắc quyết định

• Khối lượng lớn, được đặc tả rõ ràng, nhạy cảm về độ trễ — ảnh chụp màn hình, biểu mẫu, trích xuất, tự động hóa trình duyệt, soạn thảo thường quy. {{1}}Terra{{/1}}, ở mức nỗ lực thấp nhất mà vẫn vượt qua bài đánh giá của bạn. Mức thiếu hụt bốn điểm sẽ không lộ ra, và khoản tiết kiệm 44% mỗi tác vụ sẽ có.

• Lập trình khó, tác nhân dài hạn, tài liệu chuyên môn dày đặc, bất kỳ trường hợp nào mà một lần chạy thất bại tốn kém hơn số token. Sol. Đây chính là loại khối lượng công việc mà mức phụ phí gấp 2× tồn tại để phục vụ.

• Trò chuyện tương tác với hạn mức nghiêm ngặt về thời gian đến token đầu tiên. Terra, trừ khi bạn đã đo Sol ở mức nỗ lực thấp và thấy độ trễ chấp nhận được. Sol ở mức nỗ lực tối đa là một công cụ xử lý theo lô khoác lên mình giao diện trò chuyện.

• Công việc nhạy cảm với độ mới — API gần đây, phiên bản thư viện, tài liệu hiện hành. Mốc cắt tháng 6 của Terra tốt hơn mốc cắt tháng 4 của Sol, và chỉ với một nửa mức giá.

• Không chắc. Hãy đo điểm chuẩn ở cùng mức chi tiêu, không phải cùng thiết lập. Chỉ thay đổi đó sẽ đưa nhiều nhóm chuyển sang Terra hơn bất kỳ bảng điểm chuẩn nào.

Câu hỏi bỏ ngỏ không phải là liệu Terra có đủ tốt để thay thế Sol hay không — rõ ràng là không, xét theo thước đo độc lập duy nhất hiện có. Mà là liệu khoảng cách bốn điểm có tồn tại được sau khi GPT-6.1 Astra xuất hiện hay không, sản phẩm chưa phát hành này sẽ đẩy Sol xuống bậc thang theo đúng cách Sol đã đẩy Astra xuống. Khi điều đó xảy ra, phép so sánh thú vị sẽ là Terra đối đầu với một Sol được giảm giá, và nút điều chỉnh nỗ lực sẽ còn quan trọng hơn hiện nay.