GPT-6.1 Terra vs Claude Sonnet 5.5: quale modello di fascia media scegliere per agenti che lavorano su schermo e documenti?

OpenAI ha rilasciato GPT-6.1 Terra il 26 ottobre 2026, quattro settimane dopo che Anthropic aveva lanciato Claude Sonnet 5.5. Nel suo post di lancio, OpenAI ha messo Terra a confronto con Claude Opus 5.5, ma la stampa ha tracciato un confine diverso. The Decoder ha definito Terra «il concorrente più vicino di OpenAI alla serie Sonnet di fascia media di Anthropic, a metà prezzo», mentre AlphaCorp ha descritto il confronto tra Terra e Sonnet come «la vera battaglia per la fascia media». GPT-6.1 Sol e Sonnet 5.5 hanno lo stesso listino, $2 / $10, quindi per un team che questo mese deve scegliere un modello di fascia media la vera scelta è tra Terra a $1 / $5 e Sonnet a $2 / $10.

Questo articolo affronta la scelta per un tipo di attività: gli agenti che lavorano su schermo e documenti. L’agente legge una fattura, un modulo o uno screenshot, estrae i campi e li inserisce in un’altra app. Ogni passaggio è breve e verificabile, e viene eseguito migliaia di volte al giorno. Per questo compito i due modelli eccellono in aspetti diversi. Sonnet 5.5 completa una quota maggiore dei benchmark più impegnativi per gli agenti, compreso il benchmark sull’uso del computer presentato nel lancio di OpenAI. Terra costa la metà per token, nei test indipendenti ha usato molti meno token per attività e, in un piccolo progetto pilota, ha rispettato più regolarmente i formati di output rigorosi.

In breve: per passaggi ad alto volume il cui output può essere verificato, iniziate con Terra. Per sessioni desktop lunghe e non supervisionate, in cui un’esecuzione fallita costa più della fattura dei token, Sonnet 5.5 vale il prezzo. Entrambi sono accessibili con un’unica chiave tramite AIHubMix, agli stessi prezzi delle API dei rispettivi fornitori; la pagina del modello GPT-6.1 Terra contiene tutti i dettagli.

L’attività a cui si riferisce questo confronto

Un passaggio tipico di un agente che lavora su schermo o documenti è il seguente:

• Input: un prefisso stabile (prompt di sistema, schema di output, definizioni degli strumenti) che si ripete a ogni chiamata, più contenuti nuovi: un’immagine della pagina, uno screenshot o del testo estratto.
• Output: una breve risposta strutturata, come campi JSON o la successiva azione nell’interfaccia.
• Volume: da migliaia a centinaia di migliaia di passaggi, ciascuno verificato dal codice prima di passare alla fase successiva.

In questo caso, quattro fattori determinano la scelta del modello: correttezza dei campi, output analizzabile senza correzioni, costo per mille passaggi e tempo per passaggio. Completare attività su orizzonti lunghi conta meno quando ogni passaggio è breve e verificato, e molto di più quando l’agente gestisce un desktop per decine di azioni senza supervisione.

Entrambi i modelli accettano testo e immagini in input e si adattano a questo scenario. Ecco le specifiche più rilevanti:

I prezzi sono quelli di listino ufficiali per milione di token; AIHubMix applica gli stessi prezzi per entrambi i modelli. Il livello di ragionamento predefinito di Sonnet è quello della piattaforma Claude. Quando l’input supera 272K token, Terra fattura l’intera richiesta a 2x il prezzo dell’input e 1.5x quello dell’output: un limite che un passaggio relativo a un singolo documento non raggiungerà.

Un dettaglio pratico per gli agenti che lavorano su schermo: OpenAI documenta l’uso degli strumenti di Terra, incluso lo strumento integrato per il controllo del computer, come funzionalità dell’API Responses. Nei test di AIHubMix del 27 ottobre, Terra sull’endpoint Responses ha restituito un’azione computer_call quando gli sono stati forniti lo strumento per il controllo del computer e uno screenshot; quindi questo flusso funziona tramite AIHubMix.

Dove vince Sonnet 5.5: completare le attività più difficili per gli agenti

I risultati dei benchmark riportati di seguito provengono da tre fonti, mantenute volutamente separate. I grafici del lancio di OpenAI, trascritti da Kingy, riportano dati dichiarati dall’azienda e non sono stati riprodotti in modo indipendente. Anche i dati di Anthropic sul lancio di Sonnet 5.5 sono dichiarati dall’azienda. Artificial Analysis (AA) è un tester indipendente. Per ogni risultato è indicato il livello di ragionamento, quando specificato dalla fonte.

Partiamo dai grafici pubblicati da OpenAI, in cui Sonnet 5.5 compare come riferimento:

I risultati di Sonnet 5.5 sono quelli ottenuti con il livello di ragionamento massimo, come indicato nei grafici di OpenAI. I costi per attività sono stime di OpenAI.

OSWorld 2.1 è un benchmark sull’uso del computer, il test pubblico più simile a un agente che lavora su schermo. Nel set offline di OpenAI, Sonnet 5.5 supera Terra con il livello di ragionamento massimo di 9.7 punti. Con il livello medio, quello predefinito, Terra è indietro di 17.2 punti.

La pagina di lancio di Sonnet 5.5 di Anthropic riporta un proprio risultato su OSWorld 2.1 dell’80.1%, contrassegnato come «parziale», e del 70.6% su Terminal-Bench 4.0. Il test su OSWorld è stato eseguito con una configurazione diversa dal set offline di OpenAI: quindi l’80.1% e l’83.9% non sono confrontabili tra loro, né vanno confrontati con il punteggio di Terra ottenuto nell’esecuzione dell’altro fornitore. I dati pubblicati da entrambi i fornitori indicano la stessa tendenza: Sonnet 5.5 è forte nelle attività degli agenti su desktop e terminale.

Artificial Analysis ha testato entrambi i modelli con il proprio sistema di valutazione:

I dati di Sonnet 5.5 di AA si riferiscono alla configurazione con livello di ragionamento massimo e fallback, come specificato da AA.

I test indipendenti confermano il vantaggio di Sonnet nelle attività degli agenti: 12 punti su AutomationBench-AA e 8 nel test Terminal-Bench di AA. Due risultati fanno eccezione. Su AA-LCR, un test di ragionamento con contesto lungo, i due modelli sono a pari merito all’83%. Su GDP.pdf, Terra è leggermente avanti, con il 29% contro il 26%. Nessuno dei due risultati rende Terra il modello più forte, ma nemmeno dimostra che Sonnet si distacchi come accade nei test sugli agenti.

Non interpretate questi dati come una vittoria di Terra nell’uso del computer. In tutti i benchmark sull’uso del computer e sugli agenti presentati in questo articolo, Sonnet 5.5 ottiene un punteggio superiore.

Dove vince Terra: costo per attività, velocità e rigore nell’output

La stessa esecuzione di AA ha misurato quanto ha speso ciascun modello per ottenere il proprio punteggio:

Sonnet 5.5 ha usato per ogni attività più di cinque volte i token di output usati da Terra, e ciascuno di quei token costa il doppio. Il risultato è un costo per attività inferiore a un decimo di quello di Sonnet ($0.40 contro $5.46) e un tempo pari a circa il 43% di quello misurato da AA per attività (384 secondi contro 901; AA conteggia il tempo di generazione, non l’attesa prima del primo token). Nel test, lo stream di Sonnet è in realtà più veloce: 141 token di output al secondo contro i 91 di Terra. Il vantaggio di Terra sui tempi deriva quindi dal fatto che genera meno token, non da una maggiore velocità del modello. Con quella spesa, Sonnet ha ottenuto otto punti in più nell’indice. Stabilire se otto punti valgano un costo quasi 14 volte superiore dipende da quanto costa un passaggio fallito.

Il grafico di Terminal-Bench di OpenAI mostra lo stesso compromesso da un’altra prospettiva: per Sonnet, 70.6% a $10.44 per attività contro il 50.3% a $1.84 di Terra con il livello di ragionamento massimo. Kingy ha posto chiaramente la questione per le aziende: quanto vale un tasso di completamento più alto, quando si considerano i nuovi tentativi e la revisione umana?

Per le attività su schermo e documenti, il dato indipendente più rilevante è il test pilota di Kingy del 26 ottobre. Era di dimensioni ridotte: sei attività brevi, due tentativi ciascuna, con livello di ragionamento medio e senza strumenti. Una delle attività consisteva nell’estrarre campi da un’immagine di fattura sintetica; le altre chiedevano di restituire JSON, Python o SQL in un formato esatto.

I tempi delle richieste includono la latenza di rete e del fornitore.

Entrambi i modelli hanno risposto correttamente a tutte le domande. La differenza stava nel modo in cui hanno fornito le risposte. In entrambi i tentativi di una delle attività, Sonnet ha aggiunto un calcolo prima del JSON e ha racchiuso le risposte Python e SQL in blocchi Markdown, nonostante fosse vietato dai prompt. Kingy osserva che un parser di produzione o un formato strutturato imposto potrebbero gestire alcuni di questi contenuti aggiuntivi, ma non ha testato queste soluzioni. Tuttavia, in una pipeline in cui il codice analizza ogni passaggio, un modello che restituisce JSON semplice senza bisogno di ulteriori istruzioni evita un nuovo tentativo o una fase di pulizia. Terra lo ha fatto in tutti e dieci i tentativi, con un costo pari a circa il 41% di quello di Sonnet. In questo test pilota, Sonnet ha risposto più rapidamente a ogni richiesta.

C’è un altro dato che circola ampiamente, ma va considerato per quello che è: un singolo aneddoto. atomic.chat ha chiesto a team di otto agenti di creare un piccolo gioco usando lo stesso prompt. Terra ha terminato in 6 minuti al costo di $1.06; Sonnet 5.5 ci ha messo un’ora e $18.10, ma atomic.chat ha giudicato il gioco di Sonnet «di gran lunga migliore». Le impostazioni del test non sono state pubblicate, quindi il risultato non dimostra nulla da solo, ma coincide con la tendenza descritta sopra: Sonnet spende di più e spesso offre risultati migliori.

Quanto costa l’attività con ciascun modello

Un esempio concreto basato sui prezzi di listino, con lo stesso numero di token per entrambi i modelli. Consideriamo 10,000 passaggi su documenti. Ogni passaggio invia un prefisso stabile di 2,500 token, che viene memorizzato nella cache, 1,500 token di input nuovi (il contenuto della pagina o dello screenshot) e riceve 1,500 token di output.

I costi di scrittura nella cache non sono inclusi. Si aggiunge un piccolo importo per entrambi i modelli, alle tariffe di scrittura riportate nella tabella delle specifiche sopra.

A parità di numero di token, Sonnet costa esattamente il doppio, perché ogni tariffa è raddoppiata. Nella realtà, il numero di token non sarà identico. Nell’esecuzione di AA, con il livello di ragionamento massimo, Sonnet ha usato per ogni attività circa 5.6 volte i token di output usati da Terra. Poiché l’output è la voce di spesa maggiore in questo esempio, il divario effettivo nei compiti degli agenti probabilmente supererà il doppio. L’entità del divario dipende dai prompt e dalle impostazioni del livello di ragionamento: misuratelo su un campione dei vostri passaggi prima di impegnarvi.

Una nota sui prezzi: lo sconto dell’API Batch di OpenAI non si applica su AIHubMix, che non offre l’endpoint Batch; le cifre sopra si riferiscono quindi alle tariffe standard.

Quale scegliere

Scegliete GPT-6.1 Terra quando:

• i passaggi sono brevi, numerosi e verificati dal codice: campi di fatture, inserimenti nei moduli, clic successivi su schermate note;
• l’output deve essere analizzabile senza correzioni e preferite evitare un livello aggiuntivo di riparazione;
• il budget dipende dal costo per mille passaggi;
• un passaggio fallito si può riprovare facilmente o affidare a una persona.

Scegliete Claude Sonnet 5.5 quando:

• l’agente gestisce un desktop per lunghe sessioni con più passaggi, senza che nessuno controlli ogni azione;
• il tasso di completamento conta più del costo, perché un’esecuzione fallita costa più dei token;
• lo stesso agente svolge anche attività di programmazione, in cui Sonnet supera Terra su Terminal-Bench sia nel grafico di OpenAI sia nel test di AA.

Usare entrambi è un’altra possibilità: Terra per le fasi di estrazione e inserimento ad alto volume, Sonnet per le attività lunghe e complesse e per i casi in cui l’output di Terra non supera la convalida. Tramite AIHubMix basta cambiare l’ID del modello: non serve una seconda integrazione.

Prova entrambi con AIHubMix

Entrambi i modelli sono disponibili con un’unica chiave AIHubMix ai prezzi ufficiali. L’elenco dei modelli di AIHubMix mostra Sonnet 5.5 su Chat Completions, Responses e Anthropic Messages, e nelle verifiche interne di AIHubMix del 27 ottobre Terra ha risposto su tutti e tre. Per Terra usa l’endpoint Responses: OpenAI documenta i suoi strumenti come disponibili solo tramite Responses e, nelle verifiche di AIHubMix, il livello di ragionamento ha avuto effetto solo lì. La documentazione dell’API Responses di AIHubMix descrive il formato delle richieste.

L’esempio invia a entrambi i modelli lo stesso prompt di estrazione tramite l’SDK OpenAI e stampa ciascuna risposta e il relativo utilizzo di token:

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)

Eseguilo su un campione di documenti o schermate tuoi, verifica quante risposte vengono analizzate correttamente e confronta le righe sull’utilizzo: otterrai così il tuo rapporto effettivo tra token. Per confrontare specifiche e prezzi fianco a fianco, consulta la pagina di confronto Terra vs Sonnet 5.5.

FAQ

GPT-6.1 Terra è migliore di Claude Sonnet 5.5 nell’uso del computer?
No. Sonnet 5.5 ottiene un punteggio più alto su OSWorld 2.1 nel grafico di OpenAI (83.9% contro il 74.2% di Terra al massimo livello di impegno) e su AutomationBench-AA nell’esecuzione di Artificial Analysis (72% contro 60%). Il vantaggio di Terra riguarda il costo e il formato dell’output, non le capacità.

Quanto costa meno Terra rispetto a Sonnet 5.5?
Per token, la metà: $1 in input e $5 in output per milione di token, contro $2 e $10; per l’input memorizzato nella cache, $0.05 contro $0.10. Per attività, la differenza può essere maggiore, perché Sonnet tende a usare più token in output. Nell’esecuzione di Artificial Analysis al massimo livello di impegno, Terra è costato $0.40 per attività e Sonnet $5.46.

Quale modello è migliore per estrarre dati da fatture e moduli?
Per l’estrazione ad alto volume verificata tramite codice, Terra è il punto di partenza migliore. Nel piccolo progetto pilota di Kingy, entrambi i modelli hanno estratto correttamente i campi della fattura nel formato richiesto. Tuttavia, in tutti e dieci i tentativi oggettivi, Terra ha restituito il formato esatto richiesto 10 volte, mentre Sonnet lo ha fatto 4 volte; gli errori di Sonnet riguardavano un’attività JSON separata e le attività in Python e SQL. Inoltre, Terra è costato circa il 41% dei crediti di Sonnet. Prima di decidere, prova entrambi sui tuoi documenti.

Perché Anthropic e OpenAI riportano punteggi diversi per Sonnet 5.5 su OSWorld?
Hanno usato configurazioni diverse. Anthropic riporta 80.1% su OSWorld 2.1, contrassegnato come parziale; il grafico di OpenAI mostra 83.9% sul proprio set offline di OSWorld 2.1. I due valori non sono confrontabili tra loro e ciascuno va valutato solo rispetto ai punteggi ottenuti nella stessa esecuzione.

Su AIHubMix entrambi i modelli costano quanto sulle API ufficiali?
Sì. AIHubMix applica i prezzi di listino ufficiali per entrambi: $1 e $5 per Terra, $2 e $10 per Sonnet 5.5, per milione di token. Lo sconto dell’API Batch di OpenAI non è disponibile, perché AIHubMix non offre l’endpoint Batch.

Quale endpoint bisogna usare per chiamare Terra tramite AIHubMix?
L’API Responses. OpenAI documenta gli strumenti di Terra, incluso lo strumento per il computer, come disponibili solo tramite Responses; inoltre, nelle verifiche di AIHubMix del 27 ottobre, l’impostazione del livello di ragionamento ha avuto effetto su Responses, ma non su Chat Completions. Anche Sonnet 5.5 è disponibile su Responses, quindi un solo ciclo può chiamare entrambi.

Continua a leggere: la serie GPT-6.1 Terra

• Se oggi il tuo agente usa GPT-5.6 Terra, scopri cosa cambia con il solo aggiornamento prima di confrontare i fornitori: GPT-6.1 Terra vs GPT-5.6 Terra: metà del prezzo, cosa cambia e chi dovrebbe passare al nuovo modello
• Prima di passare a Terra con un agente per l’uso dello schermo, correggi i parametri e le chiamate agli strumenti che causano problemi durante la migrazione: Migrazione a GPT-6.1 Terra: correggi gli errori 400 di temperature, sposta gli strumenti su Responses e configura Codex
• Se per le attività desktop più lunghe ti serve qualcosa di più potente di Terra, ma vuoi restare con OpenAI, confronta il livello superiore: GPT-6.1 Terra vs GPT-6.1 Sol: quali attività hanno ancora bisogno di Sol?
• Per adattare la tabella dei costi qui sopra al tuo traffico, esamina i livelli di impegno e la memorizzazione nella cache: Quanto costa davvero GPT-6.1 Terra: livelli di impegno, la soglia di 272K e la memorizzazione nella cache

Fonti

• OpenAI: Presentazione di GPT-6.1 Terra
• Anthropic: Presentazione di Claude Sonnet 5.5
• Artificial Analysis: Confronto tra GPT-6.1 Terra e Claude Sonnet 5.5
• Kingy: GPT-6.1 Terra: benchmark, prezzi e confronti tra modelli
• AIHubMix: Pagina di confronto GPT-6.1 Terra vs Claude Sonnet 5.5