Quanto costa davvero GPT-6.1 Terra: livelli di effort, la soglia dei 272K e il caching

GPT-6.1 Terra è stato lanciato il 26 ottobre 2026 a $1 per milione di token di input e $5 per milione di token di output: metà del prezzo di input di GPT-5.6 Terra e ben meno della metà del suo prezzo di output di $12. Il prezzo di listino è solo il punto di partenza. Tre fattori determinano il costo effettivo di un carico di lavoro su Terra:

• Lo sforzo di ragionamento. I token di ragionamento sono fatturati come token di output e la differenza tra i livelli di effort è di diverse volte.
• La soglia dei 272K. Quando l’input di una richiesta supera i 272,000 token, l’intera richiesta passa a una tariffa più alta.
• Il caching. Un prefisso memorizzato nella cache costa il 5% del normale input; un prefisso che non genera un hit o viene riscritto costa il prezzo pieno o più.

Di seguito: un carico di lavoro con ogni ipotesi esplicitata, le regole di fatturazione facili da trascurare, il costo per attività a confronto con GPT-6.1 Sol, Claude Sonnet 5.5 e GPT-5.6 Terra, e un esempio Python che registra i campi di utilizzo alla base della fattura. AIHubMix offre Terra come gpt-6.1-terra agli stessi prezzi di OpenAI.

Il listino prezzi

Tutti i prezzi sono in USD per milione di token e provengono dalla pagina del modello OpenAI. La pagina del modello di AIHubMix riporta gli stessi prezzi standard per input, lettura dalla cache e output, ma non indica una tariffa per la scrittura nella cache né per il contesto lungo; la documentazione sul caching applica un’unica tariffa di scrittura pari a 1.25x, quindi non vi è pubblicata una tariffa maggiorata per 12 ore.

OpenAI mostra un solo insieme di tariffe e specifica il resto come regola: oltre 272K token di input, le tariffe di input e cache raddoppiano e quella di output aumenta di 1.5x per l’intera richiesta, portando la scrittura nella cache per 12 ore a $5.00. AIHubMix non pubblica una tariffa per il contesto lungo di Terra, quindi non è confermato quanto addebiti il gateway oltre i 272K.

OpenAI offre anche l’elaborazione Batch e Flex con uno sconto del 50%, la modalità Fast a 2x e l’elaborazione regionale a +10%. Queste sono le condizioni di OpenAI. AIHubMix non offre l’API Batch di OpenAI (nelle verifiche di AIHubMix del 27 ottobre, GET /v1/batches ha restituito 404). Le stesse verifiche hanno rilevato che service_tier "flex" viene accettato e restituito come "flex", mentre "priority" viene accettato e restituito come "fast", che secondo le condizioni di OpenAI corrisponde alla modalità Fast a 2x. Il listino di AIHubMix per Terra mostra solo le tariffe standard, quindi nessuna delle due tariffe effettivamente fatturate è confermata. Controlla il registro di utilizzo anziché dare per scontato uno sconto.

I modelli confrontati più avanti, ai prezzi ufficiali (uguali anche su AIHubMix):

Regole di fatturazione facili da trascurare

I token di ragionamento sono token di output. Una richiesta che restituisce 2,000 token visibili dopo 8,000 token di ragionamento fattura 10,000 token di output. Controlla i costi nei dati di utilizzo, non nella lunghezza della risposta.

La soglia dei 272K ricalcola il prezzo dell’intera richiesta. Non è una tariffa marginale applicata ai token oltre i 272,000. Ogni token di input della richiesta raddoppia di prezzo e ogni token di output aumenta del 50%. Ecco il calcolo in prossimità della soglia, senza caching e con 20,000 token di output in entrambi i casi:

L’11% in più di input circa raddoppia la fattura. Terra accetta fino a 922,000 token di input (contesto da 1,050,000); oltre 272K, semplicemente, costa di più.

Le scritture nella cache non sono gratuite. Con GPT-5.6 e versioni successive, la scrittura di un prefisso nella cache viene fatturata a 1.25x la tariffa di input per la durata predefinita di 30 minuti e a 2.5x per una durata di 12 ore, disponibile solo tramite l’API Responses. Le letture su Terra costano 0.05x, indipendentemente dalla durata scelta. Secondo la guida al prompt caching di OpenAI, queste sono tariffe totali, non supplementi: ogni token di input viene fatturato una sola volta, come input normale, lettura o scrittura. Il prefisso minimo memorizzabile nella cache è di 1,024 token.

Su AIHubMix, Chat Completions e Responses non condividono la cache. Nelle verifiche di AIHubMix, un prefisso developer di 9,623 token è stato scritto nella cache alla prima chiamata Responses e letto alla seconda e alla terza. Subito dopo, lo stesso prefisso inviato a Chat Completions è stato scritto di nuovo, senza hit. Il traffico misto paga due serie di scritture.

Su AIHubMix, l’effort ha effetto solo tramite Responses. Nell’API Responses, un prompt con somme di numeri primi ha prodotto 72 token di output con effort none e 1,153 con max (di cui 1,078 di ragionamento). Con Chat Completions, impostare reasoning_effort non ha prodotto differenze coerenti nei test svolti (sia none sia max hanno generato circa 200-300 token di ragionamento da un’esecuzione all’altra), il che suggerisce che quel percorso funzioni con un effort fisso. Se vuoi risparmiare impostando un effort più basso, invia le richieste tramite Responses.

La ricerca web integrata è fatturata a chiamata. AIHubMix indica un costo di $0.01 per chiamata per web_search_requests, oltre ai token.

Un mese realistico, con i costi voce per voce

Consideriamo un carico di lavoro di assistenza o elaborazione documentale con 10,000 richieste al mese tramite l’API Responses. Ecco le ipotesi:

• ogni richiesta include un prefisso stabile di 2,500 token (prompt di sistema, definizioni degli strumenti, regole di riferimento) che genera un hit nella cache;
• ogni richiesta aggiunge 1,500 token di input nuovi (il messaggio dell’utente o il documento);
• ogni richiesta restituisce 1,500 token di output, ragionamento incluso, con effort medio (il valore predefinito di Terra);
• tutte le richieste restano sotto i 272K token di input, quindi si applicano le tariffe standard;
• le scritture nella cache non sono incluse nei totali (vedi la nota sotto la tabella).

Nel corso del mese si totalizzano 25M token memorizzati nella cache, 15M token di input nuovi e 15M token di output.

In questo caso, le scritture nella cache incidono poco. Ogni volta che viene scritto il prefisso di 2,500 token, questi sono fatturati a $1.25 per milione invece che a $0.05: circa $0.003 in più per scrittura.

Due varianti mostrano dove si concentra la spesa.

Senza caching. Se il prefisso non genera mai un hit (perché cambia a ogni richiesta o il traffico è distribuito su percorsi diversi), tutti i 40M token di input sono fatturati a $1: $40 per l’input più $75 per l’output, per un totale di $115. Il caching fa risparmiare $23.75 al mese, circa un quinto della fattura.

Con effort max. Artificial Analysis ha misurato circa 6,000 token di output per attività con effort medio e 35,000 con max nel suo Intelligence Index, un rapporto di circa 5.8x. Aumentando i 1,500 token di output in proporzione a 35/6 si ottengono 8,750 per richiesta, ovvero 87.5M al mese. L’output costa quindi 87.5M x $5 = $437.50 e il totale mensile è $1.25 + $15.00 + $437.50 = $453.75, circa cinque volte il costo con effort medio. L’effort max costa molto più della perdita della cache.

In tutti i casi, la voce di output è quella più rilevante. Con effort medio ammonta a $75 su $91.25, pari all’82% della fattura. Ecco perché la prima impostazione da valutare è l’effort, non il prezzo dell’input.

Costo per attività a confronto con Sol, Sonnet 5.5 e GPT-5.6 Terra

Stesso carico di lavoro, stessi conteggi di token (25M memorizzati nella cache, 15M di input nuovi, 15M di output), con ogni modello al proprio prezzo ufficiale:

A parità di conteggio dei token, Terra costa la metà di Sol e Sonnet 5.5 e circa il 42% di GPT-5.6 Terra. Il punto è proprio la parità di conteggio: i modelli dedicano quantità diverse di ragionamento alla stessa attività e Terra, con un effort più alto, può usare più token di Sol con un effort più basso.

Il costo per attività misurato lo dimostra. I dati seguenti provengono da Artificial Analysis, un benchmark indipendente che ha sottoposto ogni modello al suo Intelligence Index con l’effort indicato.

La riga di Sonnet 5.5 corrisponde alla configurazione predefinita di Artificial Analysis con effort max.

Ecco tre osservazioni. Terra con effort medio è l’opzione meno costosa della tabella e Artificial Analysis considera gli effort basso e medio Pareto-ottimali per Terra. In questo test disattivare il ragionamento non ha fatto risparmiare: senza ragionamento il costo era $0.11 per attività, con un punteggio di 33. All’altro estremo, Terra con effort max ($0.40) costa più o meno quanto Sol con xhigh ($0.39), che ottiene un punteggio più alto, e raggiunge appena il risultato di Sol con effort medio a quasi il doppio del prezzo. Sonnet 5.5 ottiene il punteggio più alto, ma con effort max ha usato circa 197,000 token di output per attività.

Anche altri test pubblicati indicano la stessa tendenza. Nel benchmark di analisi dei dati di Plotly, eseguito con l’effort predefinito tramite OpenRouter, Terra ha ottenuto 40 punti su 43 con $1.31 per un’esecuzione completa, contro i 43 su 43 di Sol con $2.61, usando circa 1,460 token di output per domanda. I grafici di lancio di OpenAI, basati su dati autodichiarati e qui trascritti da Kingy AI, indicano un costo per attività con effort max sul set offline OSWorld 2.1 pari a $1.19 per Terra, contro $1.15 per Sol. Con effort max nelle attività di tipo agentico, lo sconto per token di Terra può svanire.

Chi rischia di pagare più del previsto

• Team che usano effort max come impostazione predefinita. A parità di traffico, la fattura può essere cinque volte quella con effort medio. Gli utenti di Codex su Reddit raccontano che Terra con effort alto esaurisce rapidamente i limiti del piano; uno ha detto che il 40% del limite di cinque ore è stato consumato in 20 minuti. Sono esperienze aneddotiche, ma coerenti con i conteggi dei token riportati sopra.
• RAG con contesti lunghi vicini a 272K. Un passaggio di recupero che a volte aggiunge qualche chunk in più farà superare la soglia ad alcune richieste, che costeranno all’incirca il doppio.
• Traffico misto su Chat Completions e Responses. Su AIHubMix i due percorsi mantengono cache separate, quindi lo stesso prefisso viene scritto due volte; inoltre, le impostazioni di effort sul percorso Chat non hanno effetti visibili.

Passaggi per ridurre la fattura

1. Imposta l’effort in base al carico di lavoro, non all’account. Parti da medio, il valore predefinito di Terra, e prova basso o none per attività semplici come estrazione, classificazione e formattazione. Valuta qualità e costo con i tuoi prompt, perché nel test di Artificial Analysis none non è risultato più economico di medio. Riserva alto e max alle richieste che non funzionano con medio.

2. Metti prima il prefisso stabile e mantieni fisso il percorso. Inserisci il prompt di sistema, le definizioni degli strumenti e il materiale di riferimento all’inizio di ogni richiesta, sempre nello stesso ordine, e aggiungi dopo tutto ciò che varia (input dell’utente, timestamp, chunk recuperati). Un prefisso deve contenere almeno 1,024 token per poter essere memorizzato nella cache. Invia il carico di lavoro tramite un solo percorso; su AIHubMix, usa Responses, dove l’effort ha effetto.

3. Usa la modalità esplicita per non pagare le scritture che non riutilizzerai. Con prompt_cache_options.mode impostato su "explicit", vengono scritti solo i punti di interruzione che contrassegni. Il contenuto dopo l'ultimo punto di interruzione viene fatturato alla normale tariffa di input, senza costi di scrittura: una soluzione adatta al materiale specifico di ogni richiesta, come la domanda dell'utente. La modalità esplicita senza punti di interruzione non attiva alcuna memorizzazione nella cache e i controlli di AIHubMix hanno confermato che una richiesta del genere non ha scritto nulla.

4. Scegli la durata della cache facendo i conti. Per milione di token di prefisso, una scrittura con durata di 30 minuti costa $1.25, mentre una scrittura di 12 ore costa $2.50; le letture costano $0.05 in entrambi i casi. Se le interruzioni del traffico fanno sì che, con la cache di 30 minuti, il prefisso venga scritto tre o più volte in 12 ore ($3.75 o più), una singola scrittura di 12 ore costa meno. Con due scritture ($2.50), i costi sono uguali. Se il traffico è costante e mantiene attiva la voce di cache di 30 minuti, continua a usare i 30 minuti. I controlli di AIHubMix hanno confermato che l'impostazione di 12 ore funziona su Terra: alla prima chiamata, un prefisso di 9,020 token è stato scritto come ttl_12h_tokens; alla seconda, sono stati letti 9,007 di quei token.

5. Rimani sotto i 272K token di input. Limita il recupero con un budget di token anziché con un numero di blocchi, elimina i turni obsoleti e riassumi le cronologie lunghe prima che superino la soglia. OpenAI documenta anche una funzione di compattazione per i contesti lunghi, che AIHubMix non ha verificato su Terra.

6. Modifica il livello di effort con configuration_update, non con il campo della richiesta. La guida ai modelli GPT-6 di OpenAI consiglia di mantenere fisso il livello di effort a livello di richiesta e di aggiungere un elemento di input configuration_update per aumentarlo o ridurlo a metà conversazione. Nei controlli del 27 ottobre, AIHubMix ha accettato un elemento configuration_update su Terra (200).

7. Registra i campi di utilizzo per ogni risposta. I campi che spiegano una fattura di Terra sono input_tokens_details.cached_tokens (letture fatturate), cache_write_tokens e la suddivisione tra ttl_30m_tokens e ttl_12h_tokens, oltre a output_tokens_details.reasoning_tokens. Dividi il totale dei token memorizzati nella cache per il totale dei token di input per ottenere il tasso di cache hit, raggruppato per giorno o per funzionalità.

Registrare il costo per richiesta in Python

L'esempio usa l'SDK OpenAI con l'endpoint Responses di AIHubMix. Imposta il livello di effort di ragionamento, passa prompt_cache_options tramite extra_body e stampa i campi di utilizzo con una stima del costo alle tariffe standard. I passaggi di configurazione sono disponibili nella documentazione dell'API Responses di AIHubMix; il comportamento della cache sul gateway è descritto nella documentazione sulla cache di AIHubMix.

import os
from openai import OpenAI

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

# Keep this identical across requests so it can be cached (1,024+ tokens).
STABLE_PREFIX = open("support_rules.txt").read()

# Terra standard rates, USD per 1M tokens, input up to 272K.
PRICE = {"input": 1.00, "cached": 0.05, "write_30m": 1.25,
         "write_12h": 2.50, "output": 5.00}

resp = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"effort": "low"},  # none, low, medium, high, xhigh, max
    input=[
        {"role": "developer", "content": STABLE_PREFIX},
        {"role": "user", "content": "Classify this ticket: refund not received."},
    ],
    extra_body={"prompt_cache_options": {"ttl": "30m"}},  # or "12h"
)

u = resp.usage.model_dump()
inp = u["input_tokens_details"]
cached = inp.get("cached_tokens", 0)
writes = inp.get("cache_write_tokens", 0)
by_ttl = inp.get("cache_write_tokens_details") or {}
w12 = by_ttl.get("ttl_12h_tokens", 0)
w30 = writes - w12
ordinary = u["input_tokens"] - cached - writes
reasoning = u["output_tokens_details"].get("reasoning_tokens", 0)

cost = (ordinary * PRICE["input"] + cached * PRICE["cached"]
        + w30 * PRICE["write_30m"] + w12 * PRICE["write_12h"]
        + u["output_tokens"] * PRICE["output"]) / 1_000_000

print(f"input={u['input_tokens']} cached={cached} writes={writes} (12h={w12})")
print(f"output={u['output_tokens']} reasoning={reasoning}")
print(f"estimated cost=${cost:.6f}")

La formula segue la guida alla cache di OpenAI: l'input ordinario è pari a input_tokens meno cached_tokens meno cache_write_tokens, e il totale delle scritture non va conteggiato di nuovo oltre alle sue componenti. Oltre i 272,000 token di input, sostituisci le tariffe con quelle per contesti lunghi ($2, $0.10, $2.50 per le scritture di 30 minuti e $5 per quelle di 12 ore, $7.50 per l'output). Invia lo stesso prefisso due volte entro 30 minuti e la seconda risposta dovrebbe riportarlo sotto cached_tokens; in caso contrario, qualcosa nel prefisso è cambiato.

Domande frequenti

GPT-6.1 Terra costa meno su AIHubMix che su OpenAI?
No. AIHubMix indica le stesse tariffe standard: $1 per l'input, $0.05 per la lettura dalla cache e $5 per l'output, per milione di token. Non pubblica tariffe per le scritture nella cache né per i contesti lunghi di Terra; quindi, le tariffe di scrittura di $1.25 e $2.50 e le tariffe raddoppiate oltre 272K sono quelle di OpenAI, finché il registro di utilizzo non conferma quanto fattura il gateway.

Lo sconto Batch o Flex è disponibile tramite AIHubMix?
Non come opzione confermata. Lo sconto del 50% per Batch e Flex è offerto da OpenAI, ma AIHubMix non fornisce l'API Batch di OpenAI. Nei controlli di AIHubMix, le richieste Flex sono state accettate, ma il listino di AIHubMix mostra solo le tariffe standard per Terra: controlla quindi il registro di utilizzo prima di fare affidamento su un prezzo più basso.

I token di ragionamento costano di più?
Vengono fatturati alla tariffa di output, $5 per milione, come parte di output_tokens. L'oggetto di utilizzo li riporta separatamente come reasoning_tokens, così puoi vedere quanti token dell'output sono stati dedicati al ragionamento.

Cosa succede a una richiesta con 280,000 token di input?
L'intera richiesta viene fatturata alle tariffe per contesti lunghi: $2 per milione di token di input, $0.10 per quelli letti dalla cache e $7.50 per l'output. Non solo gli 8,000 token oltre la soglia.

Vale la pena usare la cache di 12 ore?
Solo quando, altrimenti, una voce di cache di 30 minuti verrebbe scritta tre o più volte nell'arco di 12 ore. Una scrittura di 12 ore costa $2.50 per milione di token, contro $1.25 per 30 minuti; le letture costano $0.05 in entrambi i casi.

Perché il livello di effort massimo costa molto di più?
Artificial Analysis ha misurato circa 35,000 token di output per attività al livello massimo, contro 6,000 al livello medio; il costo per attività è passato da $0.10 a $0.40. Nell'esempio di calcolo qui sopra, passare dal livello medio a quello massimo porta la spesa mensile da $91.25 a $453.75.

Terra costa sempre la metà di Sol?
Per token, sì. Per attività, non sempre: al livello massimo, Terra costa per attività all'incirca quanto Sol al livello xhigh nella prova di Artificial Analysis, dove Sol ha ottenuto un punteggio più alto.

Continua a leggere: la serie GPT-6.1 Terra

• Per scoprire cosa offre il prezzo dimezzato rispetto al modello che sostituisce: GPT-6.1 Terra vs GPT-5.6 Terra: metà prezzo, cosa è cambiato e chi dovrebbe passare al nuovo modello
• Prima di trasferire il traffico a Responses per usare le impostazioni di effort e la cache: Migrazione a GPT-6.1 Terra: correggere gli errori 400 di temperature, spostare gli strumenti a Responses e configurare Codex
• Se stai valutando Terra rispetto a un concorrente che costa il doppio per token: GPT-6.1 Terra vs Claude Sonnet 5.5: quale modello di fascia media scegliere per agenti che lavorano con schermate e documenti?
• Quando Terra al livello massimo costa quanto Sol per attività: GPT-6.1 Terra vs GPT-6.1 Sol: quali attività richiedono ancora Sol?

Fonti

• OpenAI, pagina del modello GPT-6.1 Terra: prezzi, regola per i contesti lunghi, limiti di contesto, livelli di effort.
• OpenAI, guida alla cache dei prompt: tariffe di scrittura e lettura, durata della cache, modalità esplicita, campi di utilizzo.
• AIHubMix, pagina del modello GPT-6.1 Terra: prezzi e accesso tramite AIHubMix.
• Artificial Analysis, GPT-6.1 Terra spinge oltre la frontiera dell'efficienza dei costi: costo e token di output per attività a ciascun livello di effort.
• Kingy AI, GPT-6.1 Terra: benchmark, prezzi, specifiche e confronto con altri modelli: fasce di prezzo, esempio del limite di 272K e valori dei grafici di OpenAI trascritti.