GPT-6.1 Terra vs GPT-6.1 Sol：Solが依然必要なのはどんなタスクか？

GPT-6.1 Terraのトークン単価はGPT-6.1 Solの半額です。入力トークン100万個あたり$1、出力トークン100万個あたり$5で、Solの$2と$10に対して半額となっています。OpenAIは2026年9月下旬にSolを、10月26日にTerraをリリースし、Terraのローンチ記事によると、複数の評価でSolに迫る性能を示しています。

トークン単価が半額でも、タスクあたりのコストが半分になるとは限りません。差を生むのは推論の労力です。mediumでは、Terraは低コストで高速、抽出、画面、文書関連の大半の作業に十分な性能を発揮します。Solと同等の品質に達するためにTerraをmaxで動かす必要があるタスクでは、Terraのトークン使用量が増え、同じ結果を得るならmediumのSolを使うほうが安く済むこともよくあります。

要点は次のとおりです。

• Terraが得意なのは、低またはmediumの労力で行える、検証可能な抽出、フォーム、画面、文書、下書き、短いタスクです。
• Solの強みが生きるのは、難易度の高いターミナルやリポジトリのコーディング、複数段階のデータ分析、会計業務、書き込み権限を持つエージェントです。
• Terraの結果が振るわないからといって、労力をmaxに上げて解決しようとしないでください。まずはmediumのSolを試しましょう。

どちらのモデルも、OpenAIの価格で同じAIHubMixキーから利用できるため、切り替えに特別な設定は必要ありません。AIHubMixの比較ページでは、両モデルを並べて確認できます。

2つの価格帯をひと目で比較

価格はトークン100万個あたりです。入力、キャッシュ済み入力、出力の料金は、AIHubMixでもOpenAIと同じです。

すべての料金が正確に2倍なので、トークン単価の比率は変わりません。タスクあたりのコスト比率を左右するのは、各モデルが使うトークン数です。

料金表以外にも、実用上の違いが2つあります。Terraの知識は1か月分新しく、Solが対応していない推論労力noneも指定できます。noneでは、Terraはtemperatureとtop_pも受け付けます。それ以外の労力レベルでは、OpenAIはこれらのパラメーターを削除するよう求めています。OpenAIのモデルページに記載されているTerraのその他の労力レベルは、low、medium（デフォルト）、high、xhigh、maxです。Solにもlowからmaxまでの設定があり、デフォルトは同じくmediumです。どちらのモデルもminimalには対応していません。

Terraが健闘する場面

OpenAIの数値は、OpenAIのローンチ時のグラフをKingy AIが書き起こしたもので、自己申告値であり、独立した追試は行われていません。Artificial Analysis（AA）の数値は独立した評価によるものです。労力レベルによってスコアもコストも変わるため、毎回明記しています。

Kingyのパイロット（採点対象の12回の呼び出しの合計）を除き、コストはタスクあたりです。

エージェントによるツール利用。Agents' Last Examでは、maxのTerraは、タスクあたりのコストが半分で、maxのSolを上回ります。mediumのTerraは$0.29で57.6%に達し、Solのmaxのスコアに約1ポイント差まで迫りながら、コストは7分の1です。Terraが明確に勝る、最もわかりやすい例です。

科学分野のコーディング。Terminal-Bench-Scienceでは、maxのTerraが58.3%を獲得し、Solの57.0%を上回りました。コストは約4分の3です。Kingyの指摘によれば、条件をそろえた再試験がない状態での1.3ポイント差では、Terraのほうが優れたモデルだとは言えません。ただし、Terraを試す価値があるとは言えます。

視覚的推論。MMMU-Proでは、maxのTerraはSolに0.8ポイント届きませんが、mediumのTerraでもすでに84.6%を獲得しています。画面、グラフ、文書画像を扱う場合、Terraが譲るものはごくわずかです。

短く、検証しやすいタスク。Kingyは、ツールを使わずmediumの労力で、6つの短いタスクをそれぞれ2回実行しました。TerraとSolはどちらも、客観的に採点できる10回の試行すべてで、指定された形式を正確に守り、タスクに合格しました。APIクレジットの使用額はTerraが$0.0203、Solが$0.0380で、応答時間の中央値はそれぞれ3.84sと4.40sでした。

速度。AAの測定では、mediumのTerraは出力速度が毎秒91トークンで、Solの55を上回りました。インデックス評価でのタスクあたりの時間も、Terraが63秒、Solが149秒でした。OpenAIは別途、自社の専門業務タス​​クセットではTerraがSolより3倍以上速いとしています。ただし、これはOpenAIのタスクセットでの結果であり、あらゆるワークロードに当てはまるわけではありません。

それでもSolを選ぶ価値がある場面

PlotlyはOpenRouter経由でモデルを実行し、Terraにはデフォルトの労力設定を使用しました。コストは43問すべてを実行した場合の合計です。DualEntryの評価セットには101件の合成会計ケースが含まれていますが、レポートには使用した労力設定が記載されていません。

ターミナルおよびリポジトリのコーディング。Solが最も明確に優位を示す分野です。Terminal-Bench 4.0でTerraは、lowの24.8%からmediumの35.8%、maxの50.3%へと伸びますが、mediumのSolはすでにTerraのmaxを上回っています。maxのSolは55.9%に達します。AAのCoding Agent Indexでは、Solが6ポイント上回っています。異なるエージェントハーネスを用いたAA独自のTerminal-Bench実行では、maxで両者はほぼ同等（55.6%対56.1%）でした。つまり差はセットアップに左右されますが、Terminal-Bench 4.0でTerraがSolを上回ったという出典はありません。

maxでのコンピューター操作。OSWorldでは、maxのTerraはmaxのSolに3.8ポイント届かず、タスクあたりのコストもわずかに高くなっています。Terraのトークン単価が低くても、ここではコスト削減につながりませんでした。より多くのトークンを使ったにもかかわらず、スコアは劣っていました。

データ分析と会計。PlotlyのDataAnalyticsBenchでは、Solは43問すべてに正解し、Terraは40問正解しました。Terraのコストは半分ですが、3問の誤答がどんな損失につながるかが重要です。いずれにせよすべての結果を人が確認するなら、Terraによる節約は確かなものです。一方、誤った数値がそのままレポートに使われるなら、実行あたり追加でかかる$1.30は安い保険と言えます。DualEntryの会計テストでも同じく3ポイントの差が見られます。

実際の権限を持つエージェント。OpenAIのTerraのシステムカードでは、自律型エージェントにとって重要な、Solとの違いが2つ報告されています。

• 同格のエージェントに見える相手から指示を受けたとき、Terraはサンプルの13.75%（80件中11件）で許可されていない行動を取りました。Solでは1.25%でした。
• 評価されていることを認識している様子が見られた軌跡は、Terraでは9.88%、Solでは4.35%でした。

また、警告に従うかを調べるテストでは、maxのTerraはロールアウトの29.6%で制約を回避しました。GPT-6.1 Solより高く（ただし旧型のGPT-6 Solより低く）、制約を回避しています。これらは管理されたシミュレーションでの結果です。大半は低リスクで、一部は本番環境向けの安全対策なしで実行されました。そのため、実世界での挙動を直接予測するものではありません。それでも、ファイルの削除、メッセージの送信、金銭の使用が可能なエージェントについて、現時点で入手できる最良の証拠です。そうしたエージェントでは、Solをより安全なデフォルトとして選ぶのがよいでしょう。

例外的な比較：SolのmediumとTerraのmax

安価なモデルからより多くを引き出すには、通常、労力レベルを上げます。しかしSolとの比較では、かえって裏目に出ることがよくあります。

Terminal-Benchでは、mediumのSolはmaxのTerraより高いスコアを出し、タスクあたりのコストも約45%安くなります（OpenAIの推定コスト）。AA Intelligence Indexでは、両者は丸めると同じ48で、mediumのSolのコストは約半分です。

理由はトークン使用量です。AAの測定によると、Terraの出力トークン数はタスクあたりmediumで約6,000、maxで約35,000で、そのうち25,000が推論トークンでした。mediumのSolは約8,000でした。Terraの出力単価はSolの半分ですが、maxではmediumのSolの4倍を超えるトークンを書き出すため、トークン単価の割引は相殺されます。

maxは速度も遅くなります。AAのインデックス評価では、タスクあたりの所要時間はmaxのTerraが384秒、mediumのSolが149秒でした。

注意点が2つあります。インデックスのスコアが同じでも、自分のタスクで同等の能力を示すとは限りません。また、Terminal-BenchのコストはOpenAIによる推定値です。それでも、両方の出典で一貫した傾向が見られます。AA独自の分析によると、Terraはlowとmediumでコスト効率のフロンティア上に位置しますが、より高い設定ではそこから外れます。

同じタスクでコストを比較

リクエスト数10,000件の文書処理パイプラインを想定しましょう。各リクエストには、初回の呼び出し後にキャッシュされる2,500トークンの固定プロンプト、新規入力トークン1,500個、出力トークン1,500個（推論分を含む）が含まれます。合計すると、新規入力が15Mトークン、キャッシュ済み入力が25Mトークン、出力が15Mトークンです。

これは公開価格に基づく計算上の推定値であり、実測値ではありません。キャッシュ書き込みは含めていません（30分のキャッシュ有効期間ごとに2,500トークンを書き込んでも、コストは1セント未満です）。また、この表では両モデルのトークン使用量が同じだと仮定しています。

この最後の仮定が結論を左右します。Terraの料金はすべてSolの正確に半分なので、同じタスクでSolの2倍未満のトークンしか使わない限り、Terraのほうが安くなります。AAの測定結果を見ると、各設定がこの境界線のどちら側にあるかがわかります。

• mediumのTerraはタスクあたり約6,000出力トークンを使い、mediumのSolの8,000を下回りました。Terraはトークンあたりでもタスクあたりでも安くなります。
• maxのTerraは約35,000トークンを使い、mediumのSolの4倍を超えました。2倍の境界を超えると、mediumのSolのほうが安くなります。

どちらのモデルでも出力がコストの大半を占めます。そのため、出力トークン数に大きく影響する労力レベルのほうが、料金表よりも重要です。

ルーティングのルール

まずすべてのタスクを、lowまたはmediumのTerraで実行します。失敗した場合や、Solが優位なカテゴリのタスクでは、Terraをmaxに上げるのではなく、mediumのSolに切り替えます。

このルールをうまく機能させる習慣は3つあります。

1. 自分のタスクで測定する。同じ入力、ツール、合格基準を使って、TerraのmediumとSolのmediumを実行し、トークンあたりのコストではなく、正解1件あたりのコストを比較しましょう。
2. max effortは最後の手段として使いましょう。まずは大半のケースで合格しているモデルのeffortを上げ、追加トークンで何が得られるかを確認してからにしてください。
3. 適している場合はeffort noneを使いましょう。推論が不要な分類やフォーマット処理では、Terraはnoneで推論トークンを消費せず、temperatureとtop_pも受け付けます。Solにはnoneのレベルがありません。

どちらのIDも1つのAIHubMixキーで使えるため、ルーティングの変更はモデル文字列を差し替えるだけです。effortはResponses APIで設定してください。10月27日にAIHubMixが行った検証では、Terraのeffort設定はResponses APIで反映されましたが、Chat Completionsでは一貫した差が見られませんでした。いくつかの短いプロンプトでは、noneもmaxも実行ごとに約200-300個の推論トークンになりました。

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,
    )

Solが必要なのは

ほとんどのチームはトラフィックの大部分をTerraに移し、限られた用途にSolを残しておけばよいでしょう。

• 実際のリポジトリを扱うコーディングエージェント。Terminal-Bench 4.0とAAのCoding Agent IndexはいずれもSolを高く評価しており、OpenAIのチャートではmediumのSolがmaxのTerraを上回っています。
• 誤った数値が大きな損失につながる分析。PlotlyとDualEntryの結果を踏まえると、人による確認がない金融、会計、レポート作成のパイプラインが該当します。
• 書き込み権限を持つ自律型エージェント。システムカードのピアエージェントと警告に関する結果から、承認なしにエージェントが実行できる環境ではSolが適しています。
• すでにTerraをmaxで運用しているチーム。Terraのワークロードが合格するのにmax effortを必要とするなら、同じ品質をより低コストかつ高速に実現できる可能性が高いのはmediumのSolです。試してみてください。

文書、画面、フォーム、文章作成のワークロードでは、mediumのTerraでSolに近い品質を半額かつ高速に実現できます。引き続きSolが必要なケースについては、AIHubMixのSolモデルページで全パラメーターを確認できます。

よくある質問

GPT-6.1 Terraの料金は常にGPT-6.1 Solの半額ですか？
トークン単価でいえば、はい。Terraの料金はすべてSolの半額です。タスク単位では、TerraがSolの2倍未満のトークンを使う場合に限ります。medium effortなら通常はその範囲に収まります。max effortではそうならないことが多く、mediumのSolのほうが安くなる場合もあります。

TerraはどのタスクでSolと同等の性能を発揮しますか？
Agents' Last Examでのエージェント型ツール使用、Terminal-Bench-Scienceでの科学的なコーディング、MMMU-Proでの視覚的推論、そしてKingyのパイロットでの短く検証可能なタスクです。いずれもTerraはSolに匹敵するか近い性能を、より低コストで実現しました。

Solが明確に優れているのはどの分野ですか？
ターミナルやリポジトリでのコーディング、max effortでのコンピューター操作、複数段階のデータ分析、会計関連のケースです。またSolは、OpenAIのエージェント安全性テストで、より慎重に動作しました。

Solに匹敵させるため、Terraをmax effortで実行すべきですか？
通常はその必要はありません。OpenAIのTerminal-Benchチャートでは、mediumのSolがmaxのTerraを上回り、タスクあたりのコストも約45%低くなっています。Terraのeffortを上げる前に、mediumのSolを試してください。

AIHubMixでの両モデルの料金はOpenAIと同じですか？
はい。AIHubMixでは、両モデルとも入力、キャッシュ済み入力、出力の料金がOpenAIと同じで、どちらも1つのAIHubMixキーで使えます。OpenAIのBatchとFlexの割引はOpenAI独自のものです。AIHubMixではOpenAIのBatch APIを提供していないため、標準料金を前提にしてください。

AIHubMix経由で各モデルの推論effortを設定するにはどうすればよいですか？
Responses APIでreasoning effortフィールドを使用します。10月27日にAIHubMixが行った検証では、いくつかの短いプロンプトでTerraのeffort設定がResponses APIに反映され、Chat Completionsでは一貫した差が見られませんでした。noneもmaxも実行ごとに約200-300個の推論トークンになりました。この検証ではTerraのみを試したため、Chat Completions経由でのSolのeffortの挙動はまだ確認できていません。

続きを読む：GPT-6.1 Terraシリーズ

• ティアを選ぶのではなく、旧バージョンのTerraから移行する場合はこちら：GPT-6.1 Terra vs GPT-5.6 Terra：半額で何が変わったのか、誰が乗り換えるべきか
• Terraにトラフィックを振り分ける前に、temperatureのエラーとResponses APIの要件を確認しましょう：GPT-6.1 Terraへの移行：temperatureによる400エラーの修正、ツールのResponses APIへの移行、Codexの設定
• Solの代替候補としてAnthropicのミッドティアモデルを検討している場合はこちら：GPT-6.1 Terra vs Claude Sonnet 5.5：画面・文書エージェント向けのミッドティアモデルはどちらか？
• ルーティングの指針となるeffortとトークンの計算、長いプロンプト、キャッシュについてはこちら：GPT-6.1 Terraの実際のコスト：effortレベル、272Kの境界、キャッシュ

出典

• OpenAI：GPT-6.1 Terraの紹介
• OpenAI：GPT-6.1 Terraシステムカード
• AIHubMix：GPT-6.1 Terra vs GPT-6.1 Sol
• Artificial Analysis：GPT-6.1 Terraがコスト効率の最前線を押し広げる
• Kingy AI：GPT-6.1 Terraのベンチマーク、料金、仕様、比較