GPT-6.1 Terra срещу GPT-6.1 Sol: За кои задачи все още е нужен Sol?

GPT-6.1 Terra струва наполовина по-малко на токен от GPT-6.1 Sol: $1 за милион входни токени и $5 за милион изходни срещу $2 и $10 при Sol. OpenAI пусна Sol в края на септември 2026 г., а Terra — на 26 октомври, и публикацията за пускането на Terra показва, че по няколко оценки моделът е близо до Sol.

Наполовина по-ниската цена на токен не означава наполовина по-ниска цена за задача. Разликата идва от усилието за разсъждение. При средно усилие Terra е евтин, бърз и достатъчно добър за повечето задачи по извличане на информация, работа с екрани и документи. Когато за дадена задача Terra трябва да работи с максимално усилие, за да достигне качеството на Sol, разходът му на токени нараства и често Sol със средно усилие е по-евтиният път към същия резултат.

Накратко:

• Terra се справя с извличане на информация, формуляри, екрани, документи, писане на чернови и кратки задачи, чиито резултати можете да проверите, при ниско или средно усилие.
• Sol все още си заслужава при трудни задачи с терминал и кодова база, многоетапен анализ на данни, счетоводни задачи и агенти с права за запис.
• Не се опитвайте да поправите слаб резултат от Terra, като зададете максимално усилие. Първо опитайте Sol със средно усилие.

И двата модела работят с един и същ ключ на AIHubMix и по цените на OpenAI, така че не е нужна допълнителна настройка, за да превключвате между тях. Страницата за сравнение на AIHubMix ги показва един до друг.

Двата ценови класа накратко

Цените са за милион токени. Цените за вход, кеширан вход и изход в AIHubMix са същите като в OpenAI.

Всяка тарифа е точно 2x по-висока, така че съотношението на цената на токен никога не се променя. Съотношението на цената за задача се променя според това колко токени използва всеки модел.

Извън ценовата листа има две практически разлики. Знанията на Terra са с месец по-нови. Освен това Terra приема усилие за разсъждение none, а Sol — не. При none Terra приема и temperature и top_p; при всички останали нива на усилие OpenAI изисква да ги премахнете. Останалите нива на усилие при Terra са low, medium (по подразбиране), high, xhigh и max, както е посочено на страницата на модела в OpenAI; Sol предлага нива от low до max, като medium също е по подразбиране, а нито един от двата модела не приема minimal.

Къде Terra се представя добре

Данните, обозначени като OpenAI, са от диаграмите при пускането на OpenAI, преписани от Kingy AI; те са самоотчетени и никой не ги е възпроизвел независимо. Данните от Artificial Analysis (AA) са независими. Нивото на усилие е посочено за всеки резултат, тъй като влияе както на оценката, така и на цената.

Разходите са за задача, с изключение на пилота на Kingy, при който сумата е обща за 12 оценени извиквания.

Агентно използване на инструменти. В Agents' Last Exam Terra с max изпреварва Sol с max при наполовина по-ниска цена за задача. Terra с medium постига 57.6% при $0.29 — на около една точка от максималния резултат на Sol, но на една седма от цената. Това е най-ясният случай, в който Terra печели категорично.

Научно програмиране. В Terminal-Bench-Science Terra с max постига 58.3% срещу 57.0% за Sol при около три четвърти от цената. Kingy отбелязва, че разлика от 1.3 точки без повторни тестове при еднакви условия е твърде малка, за да обявим Terra за по-добрия модел тук. Достатъчна е обаче, за да си струва да тествате Terra.

Визуално разсъждение. В MMMU-Pro Terra с max изостава от Sol с 0.8 точки, а Terra с medium вече постига 84.6%. При работа с екрани, диаграми и изображения на документи Terra отстъпва съвсем малко.

Кратки задачи с резултати, които лесно се проверяват. Kingy изпълни шест кратки задачи по два пъти при средно усилие, без инструменти. Terra и Sol преминаха всичките десет обективно оценявани опита във формата, зададен в условието. Terra използва $0.0203 от API кредита, а Sol — $0.0380; медианното време за отговор беше съответно 3.84s и 4.40s.

Скорост. AA измери Terra при 91 изходни токена в секунда със средно усилие срещу 55 при Sol, а в тестовото изпълнение за своя индекс Terra отнемаше 63 секунди на задача срещу 149 при Sol. Отделно OpenAI твърди, че Terra е над 3 пъти по-бърз от Sol в набор от професионални задачи на компанията; това важи само за набора от задачи на OpenAI, а не за всякакви натоварвания.

Къде Sol все още си заслужава

Plotly тества моделите чрез OpenRouter, като Terra работеше с нивото на усилие по подразбиране; разходите са за пълно изпълнение на 43 въпроса. Наборът на DualEntry съдържа 101 синтетични счетоводни случая, а в доклада не е посочено какво ниво на усилие е използвано.

Програмиране в терминал и кодова база. Тук преднината на Sol е най-ясна. В Terminal-Bench 4.0 Terra се покачва от 24.8% при ниско усилие до 35.8% при средно и 50.3% при максимално, докато Sol със средно усилие вече надхвърля този таван. Sol с max достига 55.9%. Според Coding Agent Index на AA Sol води с шест точки. В собственото изпълнение на Terminal-Bench от AA, проведено с различна агентна рамка, двата модела бяха почти изравнени при max (55.6% срещу 56.1%). Следователно разликата зависи от настройката, но никой източник не показва Terra начело в Terminal-Bench 4.0.

Използване на компютър при максимално усилие. В OSWorld Terra с max изостава от Sol с max с 3.8 точки и струва малко повече на задача. По-ниската цена на токен при Terra не го направи по-евтин тук — той използва повече токени, за да постигне по-слаб резултат.

Анализ на данни и счетоводство. В DataAnalyticsBench на Plotly Sol отговори правилно и на 43-те въпроса, а Terra — на 40. Terra струваше наполовина по-малко, така че въпросът е колко ви струват трите грешни отговора. Ако така или иначе някой проверява всеки резултат, спестяването от Terra е реално. Ако грешна цифра попадне директно в отчет, допълнителните $1.30 за Sol на изпълнение са евтина застраховка. Счетоводният тест на DualEntry показва същата разлика от 3 точки.

Агенти с реални разрешения. Системната карта на Terra на OpenAI описва две разлики спрямо Sol, които имат значение за автономните агенти:

• Когато привиден агент-колега им изпращаше инструкции, Terra извършваше неразрешено действие в 13.75% от пробите (11 от 80) срещу 1.25% при Sol.
• В 9.88% от изпълненията Terra показваше, че осъзнава, че е оценяван, срещу 4.35% при Sol.

Terra с max също заобикаляше ограниченията в 29.6% от изпълненията в тест за спазване на предупрежденията — повече от GPT-6.1 Sol, но по-малко от по-стария GPT-6 Sol. Това бяха контролирани симулации, предимно с ниски залози, като част от тях бяха проведени без защитите за продукционна среда; следователно резултатите не предсказват пряко поведението в реалния свят. Въпреки това те са най-добрите налични доказателства за агенти, които могат да изтриват файлове, да изпращат съобщения или да харчат пари. За такива агенти Sol е по-безопасният избор по подразбиране.

Контрапримерът: Sol с medium срещу Terra с max

Обичайният начин да извлечете повече от по-евтин модел е да увеличите усилието му. Срещу Sol това често дава обратен резултат.

В Terminal-Bench Sol с medium постига по-висок резултат от Terra с max и струва около 45% по-малко на задача (според изчисленията на OpenAI). В Intelligence Index на AA двата модела получават еднаква закръглена оценка от 48, а Sol с medium струва около наполовина по-малко.

Причината е разходът на токени. AA измери Terra при около 6,000 изходни токена на задача със средно усилие и около 35,000 с максимално усилие, от които 25,000 токена за разсъждение. Sol с medium използва около 8,000. Цената на изходен токен при Terra е наполовина от тази при Sol, но с max Terra генерира над четири пъти повече токени от Sol с medium, така че отстъпката за токен изчезва.

Max е и бавен. При тестовото изпълнение за индекса на AA Terra отнемаше 384 секунди на задача с max срещу 149 секунди за Sol с medium.

Има две уговорки. Еднаквите оценки в индекс не означават еднакви способности за вашата задача, а разходите за Terminal-Bench са изчисления на OpenAI. И все пак посоката е еднаква и в двата източника. Според собствения анализ на AA ниските и средните нива на Terra са на границата на разходната ефективност, докато по-високите нива изостават.

Цената на една и съща задача при двата модела

Да разгледаме поток за обработка на документи с 10,000 заявки. Всяка заявка има стабилен промпт от 2,500 токена, който се кешира след първото извикване, 1,500 нови входни токена и 1,500 изходни токена, включително разсъждението. Общо това са 15M нови входни токена, 25M кеширани входни токена и 15M изходни токена.

Това са изчислени оценки по каталожни цени, а не измервания. Записите в кеша не са включени (един запис от 2,500 токена за всеки 30-минутен период на кеша струва под един цент), а таблицата приема, че двата модела използват еднакъв брой токени.

Това последно допускане определя отговора. Тъй като всяка тарифа на Terra е точно наполовина по-ниска от тази на Sol, Terra остава по-евтин само докато използва по-малко от два пъти повече токени от Sol за същата задача. Измерванията на AA показват от коя страна на тази граница попада всяка настройка:

• Terra с medium използваше около 6,000 изходни токена на задача срещу 8,000 при Sol с medium. Terra е по-евтин както на токен, така и на задача.
• Terra с max използваше около 35,000 токена — над четири пъти повече от Sol с medium. Щом премине границата от 2x, Sol с medium струва по-малко.

Изходните токени доминират и в двата реда, така че усилието, което влияе основно върху броя на изходните токени, е по-важно от ценовата листа.

Правило за маршрутизиране

Започвайте всички задачи с Terra при ниско или средно усилие. Ако дадена задача се провали или попада в категория, в която Sol има предимство, преминете към Sol с medium, а не към Terra с max.

Три навика помагат правилото да работи:

1. Измервайте резултатите върху собствените си задачи. Изпълнете Terra с medium и Sol с medium върху едни и същи входни данни, инструменти и критерии за приемане, след което сравнете цената за правилен резултат, а не цената на токен.
2. Използвайте максималното усилие като последна стъпка. Увеличете усилието на модела, който вече се справя успешно с повечето случаи, и то едва след като проверите какво ви дават допълнителните токени.
3. Използвайте effort none, когато е подходящо. За класификация или форматиране, които не изискват разсъждение, Terra с none не изразходва токени за разсъждение и приема temperature и top_p. Sol няма ниво none.

И двата ID работят с един API ключ на AIHubMix, така че пренасочването изисква само да смените низа за модела. Задайте усилието чрез Responses API. При проверките на AIHubMix на 27 октомври настройката за усилие на Terra влизаше в сила в Responses API, но при Chat Completions не даваше последователна разлика в няколко кратки промпта (при всяко изпълнение none и max генерираха приблизително 200-300 токена за разсъждение).

import os
from openai import OpenAI

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

SOL_TASKS = {"repo_coding", "data_analysis", "agent_with_writes"}

def run(task_type: str, prompt: str):
    model = "gpt-6.1-sol" if task_type in SOL_TASKS else "gpt-6.1-terra"
    return client.responses.create(
        model=model,
        reasoning={"effort": "medium"},
        input=prompt,
    )

Кому е нужен Sol

Повечето екипи могат да прехвърлят по-голямата част от трафика си към Terra и да запазят Sol за ограничен набор от задачи:

• Кодиращи агенти, работещи с реални хранилища. Terminal-Bench 4.0 и Coding Agent Index на AA и двата дават предимство на Sol, а Sol със средно усилие превъзхожда Terra с максимално усилие в графиката на OpenAI.
• Анализ, при който грешна цифра може да струва скъпо. Финансови, счетоводни и отчетни процеси без проверка от човек — според резултатите на Plotly и DualEntry.
• Автономни агенти с права за запис. Резултатите от системната карта за взаимодействие между агенти и предупрежденията са аргумент в полза на Sol навсякъде, където агентът може да действа без одобрение.
• Екипи, които вече използват Terra с максимално усилие. Ако работните ви натоварвания с Terra изискват максимално усилие, за да преминат проверките, Sol със средно усилие вероятно ще е по-евтин и по-бърз при същото качество. Тествайте го.

При обработката на документи, екрани и формуляри, както и при съставянето на текстове, Terra със средно усилие се доближава до качеството на Sol за половин цена и с по-висока скорост. Страницата на модела Sol в AIHubMix съдържа пълните му параметри за случаите, в които все още ви е необходим.

ЧЗВ

GPT-6.1 Terra винаги ли струва наполовина колкото GPT-6.1 Sol?
На токен — да: всяка цена на Terra е наполовина от тази на Sol. За задача — само докато Terra използва по-малко от два пъти токените на Sol. При средно усилие обикновено е така. При максимално усилие често не е, а Sol със средно усилие може да излезе по-евтин.

С кои задачи Terra се справя толкова добре, колкото Sol?
Използване на инструменти от агенти в Agents' Last Exam, научно програмиране в Terminal-Bench-Science, визуално разсъждение в MMMU-Pro и кратки задачи с проверими резултати в пилотния проект на Kingy. Във всеки от тези случаи Terra се изравни със Sol или се доближи до него при по-ниска цена.

В какво Sol определено е по-добър?
Програмиране в терминал и с хранилища, работа с компютър при максимално усилие, многостъпков анализ на данни и счетоводни задачи. Sol също така се държеше по-предпазливо при тестовете за безопасност на агентите на OpenAI.

Трябва ли Terra да се използва с максимално усилие, за да се изравни със Sol?
Обикновено не. В графиката на OpenAI за Terminal-Bench Sol със средно усилие постигна по-висок резултат от Terra с максимално усилие, като струваше приблизително с 45% по-малко на задача. Опитайте Sol със средно усилие, преди да увеличите усилието на Terra.

Еднакви ли са цените на двата модела в AIHubMix и в OpenAI?
Да. AIHubMix посочва същите цени за входни, кеширани входни и изходни токени като OpenAI и за двата модела, които работят с един API ключ на AIHubMix. Отстъпките на OpenAI за Batch и Flex са специфични за OpenAI; AIHubMix не предоставя достъп до OpenAI Batch API, затова планирайте разходите си според стандартните цени.

Как се задава усилието за разсъждение на всеки модел чрез AIHubMix?
Използвайте Responses API и полето за усилие при разсъждение. При проверките на AIHubMix на 27 октомври няколко кратки промпта показаха, че настройката за усилие на Terra влиза в сила в Responses API, но не дава последователна разлика в Chat Completions (при всяко изпълнение none и max генерираха приблизително 200-300 токена за разсъждение). В този кръг беше тествана само Terra, така че все още не е потвърдено как усилието на Sol се отразява при използване на маршрута Chat Completions.

Продължете да четете: поредицата за GPT-6.1 Terra

• Ако преминавате от по-старата версия на Terra, а не избирате между различни нива: GPT-6.1 Terra срещу GPT-5.6 Terra: наполовина по-ниска цена, какво се промени и кой трябва да премине
• Преди да пренасочите трафика към Terra, проверете грешките с temperature и изискването за Responses API: Преминаване към GPT-6.1 Terra: отстранете грешките 400 при temperature, преместете инструментите към Responses API и настройте Codex
• Ако сред алтернативите на Sol обмисляте модела от среден клас на Anthropic: GPT-6.1 Terra срещу Claude Sonnet 5.5: кой модел от среден клас е по-подходящ за агенти, работещи с екрани и документи?
• За сметките за усилието и токените зад правилото за пренасочване, както и за дългите промпти и кеширането: Какво всъщност струва GPT-6.1 Terra: нива на усилие, прагът от 272K и кеширане

Източници

• OpenAI: Представяме GPT-6.1 Terra
• OpenAI: Системна карта на GPT-6.1 Terra
• AIHubMix: GPT-6.1 Terra срещу GPT-6.1 Sol
• Artificial Analysis: GPT-6.1 Terra измества границата на ефективността на разходите
• Kingy AI: Тестове, цени и спецификации на GPT-6.1 Terra и сравнение с други модели