GPT-6.1 Terra vs GPT-5.6 Terra: metà prezzo, cosa è cambiato e chi dovrebbe passare al nuovo modello

OpenAI ha rilasciato GPT-6.1 Terra il 26 ottobre 2026. Nella famiglia GPT-6 si colloca sotto Sol e Astra e costa meno del suo predecessore, GPT-5.6 Terra: 1 $ per milione di token in input anziché 2 $, e 5 $ per milione di token in output anziché 12 $. Il post di lancio lo propone per il ragionamento visivo, l'uso del computer e la scrittura. I benchmark di OpenAI mostrano che legge meglio schermate e immagini, mentre i test di OpenAI e quelli indipendenti rilevano molti meno errori fattuali.

In breve, per chi usa GPT-5.6 Terra:

• Passa al nuovo modello se esegui carichi di lavoro su schermate, moduli, documenti o immagini con un livello di ragionamento basso o medio. Il modello ottiene punteggi più alti e, a parità di numero di token, la spesa si riduce di oltre la metà.
• Prima fai dei test se usi agenti di programmazione o qualsiasi carico di lavoro al livello massimo. Con il livello massimo, il nuovo Terra usa diverse volte più token rispetto al livello medio e, per alcune attività, il costo per attività si avvicina a quello di GPT-6.1 Sol.
• Resta su Sol per le attività di programmazione più complesse su interi repository. OpenAI indica Sol e Astra per le attività di programmazione più impegnative.

La struttura dell'API è pressoché invariata: stessa finestra di contesto, stessi livelli di intensità del ragionamento, stesso input di testo e immagini. L'ID del modello è gpt-6.1-terra ed è disponibile sulla pagina del modello AIHubMix allo stesso prezzo applicato da OpenAI.

La variazione di prezzo, in una tabella

Prezzi standard per milione di token, per richieste fino a 272K token in input, tratti dalla pagina del modello e dalla tabella dei prezzi di OpenAI:

AIHubMix applica le stesse tariffe di OpenAI per tutti e quattro i modelli.

Rispetto a GPT-5.6 Terra, l'input costa il 50% in meno e l'output circa il 58% in meno. Nel riepilogo del lancio, OpenAI parla di «un prezzo inferiore del 50%», ma il taglio sul prezzo dell'output è maggiore e, nell'esempio seguente, l'output rappresenta la maggior parte della spesa. Il prezzo dell'input memorizzato nella cache è sceso a un quarto della tariffa precedente. Le scritture nella cache con la durata predefinita di 30 minuti costano 1,25 $ per milione di token (1,25x il prezzo dell'input).

Restano invariate due regole:

• La soglia di 272K. Quando l'input di una richiesta supera i 272,000 token, l'intera richiesta viene fatturata a tariffe doppie per input e cache e a 1,5x per l'output. È possibile usare la finestra da 1.05M, ma non al prezzo standard indicato in evidenza. La pagina Terra di AIHubMix pubblica solo le tariffe standard di 1 $ / 0,05 $ / 5 $, senza indicare tariffe per il contesto lungo: il costo oltre 272K non è quindi confermato.
• Sconti riservati al fornitore. L'elaborazione Batch e Flex di OpenAI applica uno sconto del 50%, mentre la modalità Fast costa il doppio. Sono offerte di OpenAI. AIHubMix non offre l'API Batch di OpenAI e il listino AIHubMix per Terra mostra solo le tariffe standard: tramite AIHubMix, quindi, è bene prevedere i prezzi standard.

GPT-6.1 Sol, il livello immediatamente superiore, costa il doppio per token: una differenza abbastanza ampia da meritare un articolo a sé in questa serie.

Quanto costa un carico di lavoro reale

Ecco il calcolo dei costi per un carico di lavoro: una pipeline di elaborazione documentale con 10,000 richieste di estrazione dati da fatture. Ogni richiesta contiene:

• un prompt stabile di 2,500 token (istruzioni e schema), memorizzato nella cache dopo la prima richiesta;
• 1,500 token di input nuovi (l'immagine della pagina più il testo);
• 1,500 token di output, incluso il ragionamento.

In totale, sono 15M di token di input nuovi, 25M di token di input memorizzati nella cache e 15M di token di output. Ai prezzi standard:

Sono stime calcolate, non misurazioni, e presuppongono che ogni modello usi lo stesso numero di token. Le scritture nella cache non sono incluse: il prompt stabile viene scritto una volta per ogni periodo di validità della cache di 30 minuti e ogni scrittura da 2,500 token costa meno di un centesimo.

Secondo queste ipotesi, GPT-6.1 Terra riduce la spesa da 215 $ a 91,25 $, circa il 58% in meno, e costa la metà di Sol. In ogni riga, la voce più consistente è l'output.

La variabile da tenere d'occhio è il numero di token, che dipende più di ogni altra cosa dal livello di ragionamento. Artificial Analysis (AA) ha misurato circa 6k token di output per attività con GPT-6.1 Terra al livello medio e 35k al livello massimo. Passare dal livello medio a quello massimo in una pipeline può moltiplicare più volte il costo dell'output.

Cosa rimane invariato

Per il codice che già usa GPT-5.6 Terra, cambia poco:

• Contesto: 1,050,000 token in totale, fino a 922,000 token in input e 128,000 in output.
• Intensità del ragionamento: none, low, medium, high, xhigh e max, con medium come valore predefinito.
• Input e output: testo e immagini in input, testo in output.
• Endpoint di OpenAI: Chat Completions, Responses e Batch.
• Prezzi per il contesto lungo: la stessa soglia di 272K.

Al di fuori dei benchmark, cambiano due cose. La data limite delle conoscenze passa dal 16 febbraio 2026 al 1 giugno 2026. Inoltre, OpenAI documenta le chiamate agli strumenti per GPT-6.1 Terra solo sull'API Responses, quindi le chiamate agli strumenti effettuate tramite Chat Completions andrebbero spostate lì.

Cosa è cambiato: i dati di OpenAI

I dati di questa sezione sono di OpenAI e sono stati trascritti dai grafici del lancio da Kingy AI. Sono dichiarati dal fornitore e nessuno li ha riprodotti in modo indipendente.

Più alto è meglio, tranne per le righe sugli errori fattuali, per cui è meglio un valore più basso.

• Attività professionali con agenti. Agents' Last Exam valuta attività informatiche del mondo reale in numerosi ambiti. A livello medio, GPT-6.1 Terra ottiene un punteggio superiore di 15 punti rispetto a GPT-5.6 Terra e, secondo le stime riportate nel grafico di OpenAI, costa 0,29 $ per attività contro 0,84 $, circa un terzo.
• Immagini. Nel test di ragionamento multimodale MMMU-Pro, il nuovo Terra raggiunge l'84.6% con intensità media, superando già l'81.7% ottenuto da GPT-5.6 Terra al livello massimo.
• Uso del computer. Nel set offline di OSWorld 2.1, il nuovo Terra al livello medio (66.7%) supera GPT-5.6 Terra al livello massimo (57.1%). Al livello massimo, raggiunge il 74.2%.
• Programmazione da terminale. Il punteggio su Terminal-Bench 4.0 più che raddoppia, passando dal 21.5% al 50.3% al livello massimo, anche se resta inferiore a Sol e Astra.
• Errori fattuali. Il set di prompt difficili di OpenAI è composto da prompt che gli utenti hanno segnalato per la presenza di errori fattuali. La scheda di sistema di OpenAI invita a non interpretare questi valori come tassi di errore in produzione.

Non tutti i punteggi sono aumentati. Nella scheda di sistema, HealthBench Professional è salito da 57.7 a 62.7, ma HealthBench e HealthBench Hard sono scesi (da 57.0 a 55.1 e da 32.7 a 31.4).

Cosa è cambiato: dati indipendenti

Artificial Analysis (AA) ha condotto test propri al momento del lancio. I risultati vanno nella stessa direzione di quelli di OpenAI.

AA ha eseguito Terminal-Bench 4.0 con mini-swe-agent su 66 attività, quindi i suoi punteggi differiscono da quelli di OpenAI. Il tasso di allucinazioni proviene da AA-Omniscience: risposte errate in rapporto a tutte le risposte non corrette, astensioni incluse.

Con l'intensità massima, nell'indice di AA il nuovo modello è sia più potente sia meno costoso per attività: 0,40 $ contro 1,40 $. Il tasso di allucinazioni è sceso dall'88% al 38%, mentre la precisione è aumentata solo dal 47% al 49%. Secondo la definizione di AA, una quota molto maggiore delle risposte non corrette del nuovo modello consiste in astensioni o risposte parziali, anziché in risposte sbagliate. Per le attività di estrazione e ricerca, una risposta vuota costa di solito meno di una risposta errata.

AA ha anche rilevato che i livelli di intensità bassa e media si collocano sulla frontiera di efficienza dei costi, mentre i livelli superiori ne restano al di sotto. A livello medio, AA ha misurato un punteggio dell'indice pari a 41, con un costo di 0,10 $ per attività e circa 6k token di output. Al livello massimo, il punteggio sale a 48, ma il costo quadruplica, raggiungendo 0,40 $, e l'output arriva a circa 35k token.

Per quanto riguarda la velocità, AA ha misurato circa 91 token di output al secondo. L'affermazione di OpenAI secondo cui è oltre 3x più veloce di Astra e Sol si riferisce al completamento delle attività nella sua valutazione, non ai token al secondo.

Quanto si avvicina a Sol e Astra?

Il nuovo Terra riduce gran parte del divario rispetto ai livelli superiori nelle attività visive e agentiche, ma non nella programmazione più complessa. Ecco i dati dei grafici di OpenAI, trascritti da Kingy:

Con un'intensità media, Terra eguaglia anche Astra al livello medio su Agents' Last Exam (57.6% ciascuno), a un costo stimato di 0,29 $ per attività contro 4,82 $. Per quanto riguarda immagini ed errori fattuali, si mantiene a circa un punto da Sol e Astra. Su OSWorld e Terminal-Bench è indietro di circa 4-8 punti; nel post di lancio, OpenAI indica Sol o Astra per le attività di programmazione più complesse.

Quando il modello più economico non costa meno

Il costo per attività dipende dal numero di token usati e, al livello massimo, il nuovo Terra può consumarne abbastanza da annullare il vantaggio di prezzo:

• Programmazione complessa da terminale. Su Terminal-Bench 4.0, Sol al livello medio ottiene il 52.7% a un costo stimato di 1,02 $ per attività. Terra al livello massimo ottiene il 50.3% a 1,84 $. Sol al livello medio è sia più preciso sia più economico (dati dei grafici di OpenAI, trascritti da Kingy).
• Uso del computer con intensità massima. Su OSWorld 2.1, il grafico di OpenAI indica un costo per attività di 1,19 $ per Terra e 1,15 $ per Sol al livello massimo. In quel test, il prezzo inferiore per token non ha reso Terra più economico.
• Stesso punteggio, costi diversi. Nell'Intelligence Index di AA, Terra al livello massimo e Sol al livello medio ottengono entrambi 48. Sol al livello medio costa 0,21 $ per attività; Terra al livello massimo costa 0,40 $.

Anche nelle attività specialistiche Sol può risultare avvantaggiato. Nel benchmark interno del fornitore di software contabile DualEntry (101 casi sintetici), Terra ha superato il test nel 78.2% dei casi, contro l'81.2% di Sol e Astra.

In sintesi: il vantaggio del nuovo Terra è più evidente con un'intensità bassa o media. Se il tuo carico di lavoro richiede il livello massimo per superare il test, confrontalo prima con Sol al livello medio.

Prima di trasferire gli agenti, c'è un'altra differenza da considerare. La scheda di sistema di GPT-6.1 Terra riporta che, in un test sul rispetto degli avvisi, Terra al livello massimo ha aggirato le restrizioni esplicite nel 29.6% dei test. Quando ha ricevuto un messaggio da un agente apparentemente dello stesso livello, ha compiuto un'azione non autorizzata nel 13.75% dei campioni (11 su 80), contro l'1.25% di Sol. Si trattava di simulazioni controllate, per lo più a basso rischio, quindi non consentono di prevedere direttamente il comportamento nel mondo reale. Il post sulla migrazione in questa serie approfondisce i limiti di approvazione.

Chi dovrebbe passare al nuovo modello

OpenAI ha sviluppato Terra proprio per le attività che richiedono l’elaborazione di immagini e moduli. Anche in questi casi, la guida alla migrazione di OpenAI consiglia di confrontare i due modelli sulle stesse immagini e sugli stessi flussi di lavoro, con lo stesso livello di ragionamento. Per la programmazione o le attività con impegno massimo, prova i tuoi task con Terra a livello medio, Terra al massimo e Sol a livello medio; confronta il costo per risultato accettato, non il costo per token.

Un dettaglio della migrazione può cogliere di sorpresa: con qualsiasi livello di ragionamento diverso da none, la guida alla migrazione di OpenAI dice di rimuovere temperature, top_p e top_logprobs; l’API Responses li rifiuta. L’articolo sulla migrazione spiega anche come trasferire le chiamate agli strumenti a Responses.

Usare GPT-6.1 Terra tramite AIHubMix

Nei test del 27 ottobre, AIHubMix ha verificato che gpt-6.1-terra risponde tramite Chat Completions, Responses e Anthropic Messages. I prezzi corrispondono alle tariffe standard di OpenAI.

Usa l’API Responses se vuoi impostare il livello di ragionamento. Negli stessi test, Responses ha accettato tutti e sei i livelli; passando da none a max, un prompt è passato da 0 a 1,078 token di ragionamento. Sui pochi prompt brevi provati, impostare reasoning_effort in Chat Completions non ha prodotto differenze costanti (none e max hanno entrambi generato circa 200–300 token di ragionamento, a seconda dell’esecuzione). Ecco una richiesta minima con un’immagine, basata sulla documentazione dell’API Responses di AIHubMix:

import os
from openai import OpenAI

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

response = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"effort": "medium"},
    input=[{
        "role": "user",
        "content": [
            {"type": "input_text", "text": "Return the invoice number, date and total as JSON."},
            {"type": "input_image", "image_url": "data:image/png;base64,<your-image>"},
        ],
    }],
)
print(response.output_text)

Inizia da medium e aumenta il livello di impegno solo quando i tuoi test mostrano un miglioramento della qualità che giustifica i token aggiuntivi.

Domande frequenti

GPT-6.1 Terra costa meno di GPT-5.6 Terra?
Sì. Il prezzo dell’input scende da $2 a $1 per milione di token, quello dell’input memorizzato nella cache da $0.20 a $0.05 e quello dell’output da $12 a $5. AIHubMix applica le stesse tariffe. Il risparmio effettivo dipende dal livello di impegno, perché max usa diverse volte i token di medium.

GPT-6.1 Terra è migliore di GPT-5.6 Terra?
Nei benchmark di OpenAI riportati in questo articolo ottiene punteggi più alti in ogni riga della tabella di lancio, con i maggiori progressi nella programmazione da terminale, nell’uso del computer e nella riduzione degli errori fattuali, anche se due sottoinsiemi di HealthBench hanno registrato lievi cali. Anche i test indipendenti di Artificial Analysis indicano lo stesso risultato: un punteggio indice di 48 contro 42 con impegno massimo.

Devo modificare il codice per passare al nuovo modello?
Di solito basta cambiare l’ID del modello. I limiti di contesto, i livelli di impegno e i tipi di input sono gli stessi. Se usi un livello diverso da none, rimuovi temperature e top_p e trasferisci le chiamate agli strumenti da Chat Completions all’API Responses.

È meglio usare GPT-6.1 Terra o GPT-6.1 Sol?
Terra per attività con schermi, moduli, documenti e immagini, con impegno basso o medio. Sol per la programmazione più impegnativa: nei grafici di OpenAI, su Terminal-Bench 4.0 Sol a livello medio ha superato Terra al massimo e ha avuto un costo inferiore per task.

Quale livello di impegno nel ragionamento dovrei usare?
Inizia da medium, il valore predefinito. Secondo Artificial Analysis, low e medium offrono il miglior rapporto costo-efficacia; max ha portato il punteggio indice di Terra da 41 a 48, ma ha quadruplicato il costo per task.

Posso usufruire dello sconto Batch di OpenAI tramite AIHubMix?
No. Gli sconti del 50% su Batch e Flex sono offerte di OpenAI e AIHubMix non offre l’API Batch di OpenAI. Tramite AIHubMix, considera le tariffe standard.

Qual è la data limite delle conoscenze di GPT-6.1 Terra?
1 June 2026, rispetto al 16 February 2026 di GPT-5.6 Terra. Per informazioni successive a quella data, fornisci al modello fonti recuperate.

Continua a leggere: la serie GPT-6.1 Terra

• Pronto a passare al nuovo modello? La guida alla migrazione spiega come risolvere gli errori 400 relativi a temperature, trasferire gli strumenti a Responses e configurare Codex: Migrazione a GPT-6.1 Terra: risolvi gli errori 400 relativi a temperature, trasferisci gli strumenti a Responses e configura Codex
• Se stai valutando Terra rispetto al modello di fascia media di Anthropic per gli agenti che lavorano con schermi e documenti: GPT-6.1 Terra vs Claude Sonnet 5.5: quale modello di fascia media scegliere per gli agenti che lavorano con schermi e documenti?
• Se gli esempi di costo con impegno massimo riportati sopra corrispondono al tuo carico di lavoro, il confronto tra le fasce analizza i task uno per uno: GPT-6.1 Terra vs GPT-6.1 Sol: quali task hanno ancora bisogno di Sol?
• Per un quadro completo della fatturazione dietro all’esempio di fattura, compresi i livelli di impegno, i prompt lunghi e le scritture 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
• Documentazione API di OpenAI: pagina del modello GPT-6.1 Terra
• AIHubMix: pagina del modello GPT-6.1 Terra
• Kingy AI: benchmark, prezzi e specifiche di GPT-6.1 Terra e confronto con altri modelli
• Artificial Analysis: GPT-6.1 Terra sposta in avanti la frontiera del rapporto costo-efficacia