GPT-6.1 Terra срещу Claude Sonnet 5.5: кой модел от среден клас е подходящ за агенти за работа с екрани и документи?

OpenAI пусна GPT-6.1 Terra на 26 октомври 2026 г., четири седмици след като Anthropic представи Claude Sonnet 5.5. В публикацията за пускането OpenAI сравни Terra с Claude Opus 5.5, но медиите очертаха различна линия. The Decoder нарече Terra „най-близкия конкурент на OpenAI на моделите от средния клас в серията Sonnet на Anthropic, при половината цена“, а AlphaCorp определи сравнението между Terra и Sonnet като „истинската битка за средния клас“. GPT-6.1 Sol и Sonnet 5.5 са на една и съща цена от $2 / $10, така че екип, който избира модел от средния клас този месец, всъщност избира между Terra на цена $1 / $5 и Sonnet на цена $2 / $10.

Тази публикация разглежда избора за конкретен вид работа: агент за работа с екрани и документи. Агентът прочита фактура, формуляр или екранна снимка, извлича полетата и ги въвежда в друго приложение. Всяка стъпка е кратка и подлежи на проверка, а се изпълнява хиляди пъти на ден. При тази задача двата модела имат различни предимства. Sonnet 5.5 се справя с повече от трудните бенчмаркове за агенти, включително класацията за работа с компютър от собствената публикация на OpenAI. Terra струва наполовина по-малко за токен, използва значително по-малко токени на задача в независими тестове и в един малък пилотен тест по-надеждно спазваше строги формати на изхода.

Накратко: за високочестотни стъпки, чийто резултат може да се провери, започнете с Terra. За дълги, оставени без надзор сесии на настолен компютър, при които неуспешното изпълнение струва повече от токените, Sonnet 5.5 си заслужава цената. И двата модела работят с един ключ през AIHubMix, на същите цени като в собствените API на доставчиците; подробностите са на страницата на модела GPT-6.1 Terra.

Задачата, която разглежда сравнението

Една стъпка на агент за работа с екран или документ обикновено изглежда така:

• Вход: постоянен префикс (системен prompt, схема на изхода, дефиниции на инструменти), който се повтаря при всяко извикване, плюс ново съдържание: изображение на страница, екранна снимка или извлечен текст.
• Изход: кратък структуриран отговор, например полета в JSON или следващо действие в потребителския интерфейс.
• Обем: хиляди до стотици хиляди стъпки, всяка проверявана с код, преди данните да бъдат записани надолу по веригата.

Тук моделът се избира според четири неща: правилно извлечени полета, изход, който се парсва без допълнителна обработка, цена за хиляда стъпки и време за една стъпка. Успешното изпълнение на дълги задачи е по-маловажно, когато всяка стъпка е кратка и проверена, и много по-важно, когато агентът изпълнява десетки действия на настолен компютър без надзор.

И двата модела приемат текст и изображения и са подходящи за този сценарий. Важните тук спецификации:

Цените са официалните тарифи за един милион токена; AIHubMix таксува еднакво и за двата модела. Усилието по подразбиране за Sonnet е това на платформата Claude. Terra таксува цялата заявка по тарифи, умножени по 2 за входа и по 1.5 за изхода, когато входът надхвърля 272K токена — нещо, което няма да се случи при стъпка за документ от една страница.

Една практическа подробност за агентите за работа с екрани: OpenAI описва извикването на инструменти в Terra, включително вградения инструмент за работа с компютър, като възможност на Responses API. При проверките на AIHubMix от 27 октомври Terra през Responses endpoint върна действие computer_call, когато му бяха предоставени инструментът за работа с компютър и екранна снимка — значи този път работи през AIHubMix.

В какво печели Sonnet 5.5: при изпълнение на трудни задачи с агенти

Числата за бенчмарковете по-долу идват от три източника, които умишлено разглеждаме отделно. Графиките на OpenAI от премиерата, преписани от Kingy, са резултати, докладвани от самата компания, и никой не ги е възпроизвел независимо. Резултатите за Sonnet 5.5 от премиерата на Anthropic също са докладвани от самата компания. Artificial Analysis (AA) е независима организация за тестване. Когато източникът посочва ниво на усилие, то е указано заедно с резултата.

Нека започнем със собствените графики на OpenAI, в които Sonnet 5.5 е включен за сравнение:

Посочените за Sonnet 5.5 стойности са резултатите му при максимално усилие в графиките на OpenAI. Разходите за задача са оценки на OpenAI.

OSWorld 2.1 е бенчмарк за работа с компютър и най-близкият публичен тест до агент за работа с екран. В офлайн набора на OpenAI Sonnet 5.5 изпреварва Terra при максимално усилие с 9.7 пункта. Terra изостава с 17.2 пункта при средно усилие — настройката по подразбиране.

На страницата за премиерата на Sonnet 5.5 Anthropic посочва собствен резултат от 80.1% на OSWorld 2.1, отбелязан като „частичен“, и 70.6% на Terminal-Bench 4.0. Тестът на OSWorld е проведен при различни условия от офлайн набора на OpenAI, затова стойностите 80.1% и 83.9% не са сравними помежду си и нито една от тях не бива да се сравнява с резултата на Terra от теста на другия доставчик. Данните и на двата доставчика сочат в една посока: Sonnet 5.5 е силен при работа с настолни компютри и терминали чрез агенти.

Artificial Analysis тества двата модела в собствената си тестова среда:

Стойностите на AA за Sonnet 5.5 са за конфигурацията с максимално усилие и резервен модел, както е отбелязано от AA.

Независимите тестове също показват, че Sonnet изпреварва при задачите с агенти — с 12 пункта на AutomationBench-AA и с 8 при теста на AA за Terminal-Bench. Два резултата се различават от тази тенденция. При AA-LCR, тест за разсъждение с дълъг контекст, двата модела са равни с 83%. При GDP.pdf Terra е малко по-добър — 29% срещу 26%. Нито един от резултатите не прави Terra по-силен модел, но нито един и не показва, че Sonnet се откъсва напред така, както при задачите с агенти.

Не приемайте нищо от това като доказателство, че Terra превъзхожда Sonnet при работа с компютър. Във всеки бенчмарк за работа с компютър и агенти в тази публикация Sonnet 5.5 има по-висок резултат.

В какво печели Terra: цена на задача, скорост и стриктно спазване на формата

В същия тест AA измери колко е похарчил всеки модел, за да постигне резултата си:

Sonnet 5.5 използва над пет пъти повече изходни токени на задача от Terra, а всеки от тези токени струва двойно повече. В резултат цената на задача е под една десета от тази на Sonnet ($0.40 срещу $5.46), а времето е около 43% от измереното от AA за задача (384 секунди срещу 901; AA отчита времето за генериране, а не чакането до първия токен). Самият поток на Sonnet е по-бърз — 141 изходни токена в секунда срещу 91 за Terra в същия тест, така че времевото предимство на Terra идва от това, че генерира по-малко токени, а не от по-бърз модел. С тези разходи Sonnet спечели осем пункта повече в индекса. Дали осем пункта си струват почти 14 пъти по-висока цена, зависи от цената на неуспешна стъпка за вас.

Графиката на OpenAI за Terminal-Bench показва същия компромис от другата страна: 70.6% при $10.44 на задача за Sonnet срещу 50.3% при $1.84 за Terra на максимално усилие. Kingy формулира деловия въпрос ясно: колко си струва по-високият процент на успешно изпълнение, когато се отчетат повторните опити и проверката от човек.

За задачата с екран и документ най-подходящите независими данни са от пилотния тест на Kingy от 26 октомври. Той беше малък: шест кратки задачи, по два опита, при средно усилие и без инструменти. Една задача беше извличане на полета от изображение на синтетична фактура; в другите се изискваше JSON, Python или SQL в точно зададен формат.

Времената за заявка включват мрежовото закъснение и забавянето от доставчика.

Двата модела дадоха правилен отговор на всеки въпрос. Разликата беше във формата на отговора. И при двата опита за една от задачите Sonnet добави аритметични сметки преди JSON, а отговорите му на Python и SQL бяха оградени с Markdown блокове, въпреки че prompt-овете забраняваха това. Kingy отбелязва, че продукционен парсер или наложен структуриран изход биха могли да обработят някои от тези обвивки, но тези решения не бяха тествани. В конвейер, в който кодът парсва всяка стъпка, обаче модел, който връща чист JSON без допълнителни инструкции, спестява повторен опит или допълнителна обработка. Terra го направи и в десетте опита, при около 41% от разхода за кредити на Sonnet. В този пилотен тест Sonnet отговори по-бързо на всяка заявка.

Има още една широко разпространена информация, която трябва да се възприема точно като единичен анекдот. atomic.chat дал на екипи от осем агента една и съща задача — да създадат малка игра. Terra я завършил за 6 минути срещу $1.06; на Sonnet 5.5 му отнело час и $18.10, а според оценката на atomic.chat играта на Sonnet била „много по-добра“. Условията на теста не са публикувани, затова той сам по себе си не доказва нищо, но съвпада с описаната по-горе тенденция: Sonnet харчи повече и често постига повече.

Колко струва задачата с всеки модел

Примерно изчисление по стандартните тарифи, при еднакъв брой токени. Да вземем 10,000 стъпки за обработка на документи. Всяка стъпка изпраща 2,500 токена постоянен префикс, който попада в кеша, 1,500 нови входни токена (съдържанието на страницата или екранната снимка) и получава 1,500 изходни токена.

Записът в кеша не е включен. Той добавя малка сума за двата модела според тарифите за запис в таблицата със спецификации по-горе.

При еднакъв брой токени Sonnet струва точно два пъти повече, защото всички тарифи са удвоени. В действителност броят токени няма да е еднакъв. В теста на AA Sonnet използва около 5.6 пъти повече изходни токени на задача от Terra при максимално усилие, а изходът е най-големият разход в този пример. Затова реалната разлика при задачи с агенти вероятно е над 2x. Колко точно — зависи от вашите prompt-ове и настройките за усилие; измерете я върху извадка от собствените си стъпки, преди да се ангажирате.

Бележка за ценообразуването: отстъпката на OpenAI за Batch API не важи за AIHubMix, който не предлага Batch endpoint, затова посочените по-горе стойности са по стандартните тарифи.

Кой модел да изберете

Изберете GPT-6.1 Terra, когато:

• стъпките са кратки, многобройни и проверявани с код: полета от фактури, въвеждане на данни във формуляри, следващото щракване на познат екран;
• изходът трябва да се парсва без допълнителна обработка и не искате да добавяте слой за поправки;
• бюджетът зависи от цената за хиляда стъпки;
• неуспешната стъпка лесно може да се повтори или предаде на човек.

Изберете Claude Sonnet 5.5, когато:

• агентът изпълнява дълги, многоетапни задачи на настолен компютър и никой не проверява всяко действие;
• процентът на успешно изпълнение е по-важен от сметката, защото неуспешното изпълнение струва повече от токените;
• същият агент изпълнява и задачи по програмиране, при които Sonnet изпреварва Terra на Terminal-Bench както в графиката на OpenAI, така и в теста на AA.

Изпълнението и на двата модела също е вариант: Terra за извличане на големи обеми и стъпките по въвеждане на данни, а Sonnet за продължителните и сложни задачи и случаите, в които резултатът от Terra не минава проверката. С AIHubMix това означава смяна на ID на модела, а не втора интеграция.

Изпробвайте и двата чрез AIHubMix

И двата модела работят с един ключ за AIHubMix на официалните цени. Списъкът с модели на AIHubMix показва, че Sonnet 5.5 е наличен чрез Chat Completions, Responses и Anthropic Messages, а Terra е дал отговор и през трите при собствените проверки на AIHubMix на 27 октомври. Използвайте крайната точка Responses за Terra: OpenAI документира инструментите му като достъпни само чрез Responses, а при проверките на AIHubMix параметърът за усилие на разсъждение имаше ефект само там. Документацията на Responses API на AIHubMix описва формата на заявката.

Примерът изпраща една и съща заявка за извличане и към двата модела чрез OpenAI SDK и отпечатва всеки отговор и използваните токени:

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
)

prompt = (
    "Extract the invoice number, date and total from this text. "
    "Return only JSON with keys invoice_number, date, total.\n\n"
    "Invoice INV-2041, issued 2026-10-12. Amount due: $1,291.50."
)

for model in ["gpt-6.1-terra", "claude-sonnet-5-5"]:
    response = client.responses.create(model=model, input=prompt)
    print(f"--- {model}")
    print(response.output_text)
    print(response.usage)

Пуснете го върху извадка от собствените си документи или екрани, проверете колко често отговорите на всеки модел могат да бъдат анализирани и сравнете редовете с използването на токени: така ще получите реалното си съотношение на токени. За сравнение на спецификациите и цените един до друг вижте страницата за сравнение на Terra и Sonnet 5.5.

Често задавани въпроси

GPT-6.1 Terra по-добър ли е от Claude Sonnet 5.5 при работа с компютър?
Не. Sonnet 5.5 постига по-висок резултат от Terra в OSWorld 2.1 според собствената диаграма на OpenAI (83.9% срещу 74.2% за Terra при максимално усилие), както и в теста на Artificial Analysis за AutomationBench-AA (72% срещу 60%). Предимствата на Terra са цената и форматът на резултата, а не възможностите.

Колко по-евтин е Terra от Sonnet 5.5?
На токен е два пъти по-евтин: $1 за входящи и $5 за изходящи токени на милион токена, срещу съответно $2 и $10, а кешираният вход струва $0.05 срещу $0.10. Разликата в цената на задача може да е по-голяма, защото Sonnet обикновено използва повече изходящи токени. При теста на Artificial Analysis с максимално усилие Terra струваше $0.40 на задача, а Sonnet — $5.46.

Кой модел е по-подходящ за извличане на данни от фактури и формуляри?
За извличане на големи обеми, чиито резултати се проверяват с код, Terra е по-добрата отправна точка. В малкия пилотен проект на Kingy и двата модела извлякоха правилно полетата от фактурата и ги върнаха в заявения формат. При всичките десет обективни опита обаче Terra върна точно заявения формат 10 пъти, а Sonnet — 4 пъти. При Sonnet неуспешни бяха отделната задача с JSON и задачите с Python и SQL; Terra използва около 41% от кредитите на Sonnet. Преди да решите, тествайте и двата модела върху собствените си документи.

Защо Anthropic и OpenAI посочват различни резултати за Sonnet 5.5 в OSWorld?
Те са използвали различни настройки. Anthropic посочва 80.1% в OSWorld 2.1 и отбелязва, че резултатът е частичен; диаграмата на OpenAI показва 83.9% за офлайн набора им от OSWorld 2.1. Тези числа не могат да се сравняват помежду си и всяко от тях трябва да се разглежда само спрямо резултатите от същия тест.

Струват ли еднакво двата модела в AIHubMix и в официалните API?
Да. AIHubMix прилага официалните цени в списъка и за двата модела: $1 и $5 за Terra, $2 и $10 за Sonnet 5.5 на милион токена. Отстъпката от Batch API на OpenAI не е налична, тъй като AIHubMix не предоставя Batch крайната точка.

Коя крайна точка трябва да се използва за извикване на Terra чрез AIHubMix?
Responses API. OpenAI документира инструментите на Terra, включително инструмента за работа с компютър, като достъпни само чрез Responses. При проверките на AIHubMix на 27 октомври настройката за усилие на разсъждение имаше ефект в Responses, но не и в Chat Completions. Sonnet 5.5 също се предлага чрез Responses, така че един цикъл може да извиква и двата модела.

Продължете с поредицата за GPT-6.1 Terra

• Ако днес агентът ви работи с GPT-5.6 Terra, вижте какво се променя само от надстройката, преди да сравнявате доставчиците: GPT-6.1 Terra срещу GPT-5.6 Terra: наполовина по-ниска цена, какво се промени и кой трябва да премине
• Преди да преминете със screen агент към Terra, отстранете проблемите с параметрите и извикванията на инструменти, които възникват при смяната: Миграция към GPT-6.1 Terra: отстранете грешките 400 за temperature, преместете инструментите в Responses и настройте Codex
• Ако продължителните задачи на настолен компютър изискват повече от Terra, но искате да останете с OpenAI, сравнете по-високия клас: GPT-6.1 Terra срещу GPT-6.1 Sol: кои задачи все още изискват Sol?
• За да адаптирате таблицата с разходите по-горе към собствения си трафик, разгледайте нивата на усилие и кеширането: Колко всъщност струва GPT-6.1 Terra: нивата на усилие, прагът от 272K и кеширането

Източници

• OpenAI: Представяме GPT-6.1 Terra
• Anthropic: Представяме Claude Sonnet 5.5
• Artificial Analysis: Сравнение на GPT-6.1 Terra и Claude Sonnet 5.5
• Kingy: GPT-6.1 Terra: бенчмаркове, цени и сравнения на модели
• AIHubMix: Страница за сравнение на GPT-6.1 Terra и Claude Sonnet 5.5