GPT-6.1 Terra versus Claude Sonnet 5.5: welk mid-tier model voor scherm- en documentagents?

OpenAI bracht GPT-6.1 Terra uit op 26 oktober 2026, vier weken nadat Anthropic Claude Sonnet 5.5 had uitgebracht. In OpenAI's aankondiging werd Terra vergeleken met Claude Opus 5.5, maar de berichtgeving trok een andere grens. The Decoder noemde Terra „OpenAI's naaste concurrent voor Anthropic's mid-tier Sonnet-serie, voor de helft van de prijs”, en AlphaCorp noemde Terra tegenover Sonnet „de echte strijd om het mid-tiersegment”. GPT-6.1 Sol en Sonnet 5.5 hebben hetzelfde prijskaartje van $2 / $10, dus een team dat deze maand een mid-tier model kiest, kiest in werkelijkheid tussen Terra voor $1 / $5 en Sonnet voor $2 / $10.

In dit artikel maken we die keuze voor één type werk: scherm- en documentagents. De agent leest een factuur, formulier of screenshot, haalt de velden eruit en voert ze in een andere app in. Elke stap is kort en controleerbaar, en wordt duizenden keren per dag uitgevoerd. Voor die taak blinken de twee modellen op verschillende punten uit. Sonnet 5.5 rondt meer van de zware agentbenchmarks af, waaronder de benchmark voor computergebruik in OpenAI's eigen aankondiging. Terra kost per token de helft, gebruikte in onafhankelijke tests veel minder tokens per taak en hield zich in een kleine pilot betrouwbaarder aan strikte uitvoerformaten.

Kort samengevat: begin met Terra voor stappen met een groot volume waarvan de uitvoer gecontroleerd kan worden. Voor lange desktopruns zonder toezicht, waarbij een mislukte run meer kost dan de tokenrekening, is Sonnet 5.5 zijn prijs waard. Beide zijn met één sleutel beschikbaar via AIHubMix, tegen dezelfde prijzen als bij de API's van de aanbieders zelf; de modelpagina van GPT-6.1 Terra bevat meer informatie.

Over welke taak deze vergelijking gaat

Een stap van een scherm- of documentagent ziet er meestal zo uit:

• Invoer: een vaste prefix (systeemprompt, uitvoerschema, tooldefinities) die bij elke aanroep wordt herhaald, plus nieuwe inhoud: een pagina-afbeelding, screenshot of geëxtraheerde tekst.
• Uitvoer: een kort, gestructureerd antwoord, zoals JSON-velden of de volgende UI-actie.
• Volume: duizenden tot honderdduizenden stappen, die elk door code worden gecontroleerd voordat er iets verderop wordt weggeschreven.

Vier zaken bepalen hier de modelkeuze: correcte velden, uitvoer die zonder opschoning kan worden geparseerd, kosten per duizend stappen en tijd per stap. Het voltooien van taken met een lange horizon is minder belangrijk wanneer elke stap kort en geverifieerd is, maar juist heel belangrijk wanneer de agent tientallen acties lang een desktop aanstuurt zonder dat iemand meekijkt.

Beide modellen accepteren tekst en afbeeldingen als invoer en passen bij deze werkwijze. Dit zijn de relevante specificaties:

De prijzen zijn de officiële lijstprijzen per miljoen tokens; AIHubMix rekent voor beide modellen hetzelfde. De standaardinspanning van Sonnet is de standaardinstelling van het Claude Platform. Zodra de invoer meer dan 272K tokens bevat, rekent Terra de hele aanvraag af tegen 2x het invoertarief en 1.5x het uitvoertarief. Dat aantal haalt een documentstap voor één pagina niet.

Een praktisch punt voor schermagents: OpenAI documenteert Terra's toolaanroepen, waaronder de ingebouwde computertool, als functie van de Responses API. Bij controles van AIHubMix op 27 oktober gaf Terra op het Responses-eindpunt een computer_call-actie terug toen de computertool en een screenshot werden meegegeven. Die route werkt dus via AIHubMix.

Waar Sonnet 5.5 wint: zware agentruns voltooien

De benchmarkcijfers hieronder komen bewust uit drie afzonderlijke bronnen. OpenAI's grafieken uit de aankondiging, overgenomen door Kingy, zijn door OpenAI zelf gerapporteerd en niemand heeft ze onafhankelijk gereproduceerd. Ook Anthropic's cijfers voor Sonnet 5.5 uit de aankondiging zijn zelfgerapporteerd. Artificial Analysis (AA) is een onafhankelijke tester. Bij elk cijfer staat het inspanningsniveau, als de bron dat vermeldt.

We beginnen met OpenAI's eigen grafieken, waarin Sonnet 5.5 als vergelijkingspunt wordt gebruikt:

De cijfers voor Sonnet 5.5 zijn de resultaten bij max-inspanning, zoals weergegeven in OpenAI's grafieken. De kosten per taak zijn schattingen van OpenAI.

OSWorld 2.1 is een benchmark voor computergebruik en de dichtstbijzijnde openbare test voor een schermagent. Op OpenAI's offline testset ligt Sonnet 5.5 bij max-inspanning 9.7 punten voor op Terra. Terra staat bij medium, de standaardinstelling, 17.2 punten achter.

Anthropic's aankondigingspagina voor Sonnet 5.5 vermeldt een eigen OSWorld 2.1-test met 80.1%, aangeduid als „partial”, en 70.6% op Terminal-Bench 4.0. Die OSWorld-test gebruikt een andere opzet dan OpenAI's offline testset. De 80.1% en 83.9% zijn dus niet onderling vergelijkbaar, en geen van beide moet worden vergeleken met Terra's score uit de test van de andere aanbieder. Beide aanbieders wijzen in hun materiaal dezelfde kant op: Sonnet 5.5 is sterk in agenttaken op desktops en terminals.

Artificial Analysis heeft beide modellen op zijn eigen testopstelling uitgevoerd:

De cijfers van AA voor Sonnet 5.5 zijn afkomstig van de configuratie met max-inspanning en fallback, zoals AA die aanduidt.

Onafhankelijke tests laten Sonnet nog steeds vooroplopen bij agenttaken: 12 punten op AutomationBench-AA en 8 punten op AA's Terminal-Bench-test. Twee resultaten wijken af van dat patroon. Op AA-LCR, een redeneertest met lange context, zijn beide modellen gelijk met 83%. Op GDP.pdf komt Terra nipt als beste uit de bus, met 29% tegenover 26%. Geen van beide resultaten maakt Terra het sterkere model, maar ze laten ook niet zien dat Sonnet uitloopt zoals bij agentruns.

Lees dit niet als bewijs dat Terra beter is dan Sonnet in computergebruik. In elke benchmark voor computergebruik en agents in dit artikel scoort Sonnet 5.5 hoger.

Waar Terra wint: kosten per taak, snelheid en uitvoerdiscipline

In dezelfde test van AA is gemeten hoeveel elk model heeft uitgegeven om zijn score te behalen:

Sonnet 5.5 gebruikte per taak meer dan vijf keer zoveel uitvoertokens als Terra, en elke token kost twee keer zoveel. Daardoor bedragen de kosten per taak minder dan een tiende van die van Sonnet ($0.40 tegenover $5.46), en is de gemeten tijd per taak ongeveer 43% van die van Sonnet (384 seconden tegenover 901; AA telt de generatietijd, niet de wachttijd vóór de eerste token). De uitvoerstroom van Sonnet zelf is sneller: 141 uitvoertokens per seconde tegenover 91 voor Terra in dezelfde test. Terra's tijdsvoordeel komt dus voort uit het schrijven van minder tokens, niet uit een sneller model. Sonnet behaalde met die uitgaven acht indexpunten meer. Of die acht punten bijna 14 keer zoveel kosten waard zijn, hangt af van wat een mislukte stap je kost.

De Terminal-Bench-grafiek van OpenAI laat dezelfde afweging van de andere kant zien: 70.6% voor Sonnet, tegen $10.44 per taak, tegenover 50.3% voor Terra bij max-inspanning, tegen $1.84 per taak. Kingy verwoordde de zakelijke vraag helder: hoeveel is een hoger voltooiingspercentage waard zodra je rekening houdt met nieuwe pogingen en menselijke controle?

Voor scherm- en documenttaken zijn de relevantste onafhankelijke gegevens afkomstig uit Kingy's pilot van 26 oktober. De pilot was klein: zes korte taken, elk twee keer geprobeerd, met medium-inspanning en zonder tools. Bij één taak werden velden geëxtraheerd uit een synthetische factuurafbeelding; bij andere taken werd gevraagd om JSON, Python of SQL in een exact formaat.

De aanvraagtijden omvatten netwerk- en aanbiedersvertraging.

Beide modellen gaven elk antwoord goed. Het verschil zat in de aanlevering. Bij beide pogingen voor één taak voegde Sonnet rekenwerk toe vóór de JSON, en het zette zijn Python- en SQL-antwoorden tussen Markdown-codeblokken, wat de prompts verboden. Kingy merkt op dat een parser voor productie of afgedwongen gestructureerde uitvoer een deel van deze extra tekst kan opvangen; zulke oplossingen zijn niet getest. Maar in een pipeline waarin code elke stap parseert, bespaart een model dat onbewerkte JSON teruggeeft zonder daartoe te moeten worden aangespoord een nieuwe poging of opschoningsronde. Terra deed dat bij alle tien pogingen, met ongeveer 41% van Sonnet's creditverbruik. In deze pilot gaf Sonnet per aanvraag sneller antwoord.

Er is nog één gegeven dat veel wordt gedeeld, maar dat moet worden gelezen als precies wat het is: één anekdote. atomic.chat gaf teams van acht agents dezelfde prompt om een klein spel te bouwen. Terra was klaar in 6 minuten voor $1.06; Sonnet 5.5 deed er een uur over en kostte $18.10. atomic.chat vond het spel van Sonnet „veel beter”. De testinstellingen zijn niet gepubliceerd, dus op zichzelf bewijst dit niets. Het past wel bij het patroon hierboven: Sonnet geeft meer uit en levert vaak ook meer.

Wat de taak bij elk model kost

Een uitgewerkt voorbeeld tegen lijstprijzen, met gelijke aantallen tokens. Neem 10,000 documentstappen. Elke stap verstuurt een vaste prefix van 2,500 tokens die de cache raakt, 1,500 nieuwe invoertokens (de inhoud van de pagina of screenshot) en ontvangt 1,500 uitvoertokens.

Schrijfacties naar de cache zijn niet meegerekend. Die voegen aan beide kanten een klein bedrag toe, tegen de schrijftarieven in de specificatietabel hierboven.

Bij gelijke aantallen tokens kost Sonnet precies twee keer zoveel, omdat elk tarief verdubbeld is. In werkelijkheid zullen de aantallen tokens niet gelijk zijn. In AA's test gebruikte Sonnet bij max-inspanning per taak ongeveer 5.6 keer zoveel uitvoertokens als Terra. Omdat uitvoer de grootste kostenpost in dit voorbeeld is, is de werkelijke kloof bij agentwerk waarschijnlijk groter dan 2x. Hoeveel groter hangt af van je prompts en inspanningsinstellingen; meet het op een steekproef van je eigen stappen voordat je een keuze maakt.

Een opmerking over prijzen: de korting op de Batch API van OpenAI geldt niet bij AIHubMix, omdat AIHubMix het Batch-eindpunt niet aanbiedt. De bovenstaande bedragen zijn dus de standaardtarieven.

Wie welk model kiest

Kies GPT-6.1 Terra wanneer:

• de stappen kort en talrijk zijn en door code worden gecontroleerd: factuurvelden, formulierinvoer of de volgende klik op een bekend scherm;
• de uitvoer zonder opschoning parseerbaar moet zijn en je liever geen herstelstap toevoegt;
• de kosten per duizend stappen bepalend zijn voor het budget;
• een mislukte stap goedkoop opnieuw kan worden geprobeerd of naar een medewerker kan worden doorgestuurd.

Kies Claude Sonnet 5.5 wanneer:

• de agent lange runs met meerdere stappen uitvoert op een desktop, zonder dat iemand elke actie controleert;
• het voltooiingspercentage belangrijker is dan de rekening, omdat een mislukte run meer kost dan de tokens;
• dezelfde agent ook programmeerwerk doet, waarbij Sonnet Terra op Terminal-Bench voorblijft, zowel in OpenAI's grafiek als in de test van AA.

Beide modellen inzetten is ook een optie: Terra voor extractie- en invoerstappen met een hoog volume, Sonnet voor lange, complexe runs en gevallen waarin de uitvoer van Terra niet door de validatie komt. Via AIHubMix betekent dat een wijziging van de model-ID, geen tweede integratie.

Probeer beide via AIHubMix

Beide modellen draaien met één AIHubMix-sleutel tegen de officiële prijzen. In de modellenlijst van AIHubMix staat Sonnet 5.5 vermeld voor Chat Completions, Responses en Anthropic Messages, en Terra gaf in de eigen tests van AIHubMix op 27 oktober antwoord via alle drie. Gebruik voor Terra het Responses-endpoint: OpenAI documenteert de tools ervan als uitsluitend beschikbaar via Responses, en in de tests van AIHubMix had de redeneermodus alleen daar effect. De documentatie van de AIHubMix Responses API beschrijft het aanvraagformaat.

Het voorbeeld stuurt met de OpenAI SDK dezelfde extractieprompt naar beide modellen en toont elk antwoord en het bijbehorende tokengebruik:

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)

Voer dit uit op een steekproef van je eigen documenten of schermen, controleer hoe vaak elk antwoord correct kan worden verwerkt en vergelijk de regels met het verbruik: zo bepaal je je werkelijke tokenverhouding. Bekijk voor een vergelijking van specificaties en prijzen naast elkaar de vergelijkingspagina Terra vs Sonnet 5.5.

Veelgestelde vragen

Is GPT-6.1 Terra beter dan Claude Sonnet 5.5 in computergebruik?
Nee. Sonnet 5.5 scoort hoger op OSWorld 2.1 in de eigen grafiek van OpenAI (83.9% tegenover 74.2% voor Terra bij maximale inspanning) en op AutomationBench-AA in de test van Artificial Analysis (72% tegenover 60%). Terra's voordeel zit in de kosten en het uitvoerformaat, niet in de mogelijkheden.

Hoeveel goedkoper is Terra dan Sonnet 5.5?
Per token de helft: $1 voor invoer en $5 voor uitvoer per miljoen tokens, tegenover $2 en $10, en $0.05 tegenover $0.10 voor gecachte invoer. Per taak kan het verschil groter zijn, omdat Sonnet doorgaans meer uitvoertokens gebruikt. In de run van Artificial Analysis met maximale inspanning kostte Terra $0.40 per taak en Sonnet $5.46.

Welk model is beter voor het extraheren van gegevens uit facturen en formulieren?
Voor extractie op grote schaal die met code wordt gecontroleerd, is Terra een betere keuze om mee te beginnen. In de kleine pilot van Kingy haalden beide modellen de factuurvelden correct op en gebruikten ze het gevraagde formaat. Over alle tien objectieve pogingen gaf Terra echter 10 keer exact het gevraagde formaat terug en Sonnet 4 keer. De fouten van Sonnet zaten bij een aparte JSON-taak en de Python- en SQL-taken. Terra kostte ongeveer 41% van het tegoed van Sonnet. Test beide op je eigen documenten voordat je een keuze maakt.

Waarom rapporteren Anthropic en OpenAI verschillende OSWorld-scores voor Sonnet 5.5?
Ze gebruikten verschillende opstellingen. Anthropic rapporteert 80.1% op OSWorld 2.1, met de aanduiding ‘gedeeltelijk’; de grafiek van OpenAI toont 83.9% op de offline testset OSWorld 2.1. De cijfers zijn niet onderling vergelijkbaar en moeten alleen worden vergeleken met scores uit dezelfde test.

Kosten beide modellen op AIHubMix hetzelfde als via de officiële API's?
Ja. AIHubMix rekent voor beide de officiële lijstprijzen: per miljoen tokens $1 en $5 voor Terra en $2 en $10 voor Sonnet 5.5. De korting van de OpenAI Batch API is niet beschikbaar, omdat AIHubMix het Batch-endpoint niet aanbiedt.

Welk endpoint moet je gebruiken om Terra via AIHubMix aan te roepen?
De Responses API. OpenAI documenteert de tools van Terra, waaronder de computertool, als uitsluitend beschikbaar via Responses. In de tests van AIHubMix op 27 oktober had de instelling voor de redeneermodus wel effect via Responses, maar niet via Chat Completions. Sonnet 5.5 is ook beschikbaar via Responses, dus één lus kan beide aanroepen.

Lees verder: de GPT-6.1 Terra-serie

• Draait je agent momenteel op GPT-5.6 Terra? Bekijk dan wat alleen de upgrade verandert voordat je aanbieders vergelijkt: GPT-6.1 Terra vs GPT-5.6 Terra: halve prijs, wat is er veranderd en wie moet overstappen?
• Voordat je een schermagent naar Terra overzet, los je eerst de parameters en toolaanroepen op die bij de overstap problemen geven: Overstappen naar GPT-6.1 Terra: los de temperature 400-fouten op, verplaats tools naar Responses en configureer Codex
• Heb je voor lange desktopruns meer nodig dan Terra, maar wil je OpenAI blijven gebruiken? Vergelijk dan het hogere modelniveau: GPT-6.1 Terra vs GPT-6.1 Sol: voor welke taken is Sol nog nodig?
• Wil je de bovenstaande kostentabel afstemmen op je eigen verkeer? Bekijk dan de redeneerniveaus en caching: Wat GPT-6.1 Terra echt kost: redeneerniveaus, de 272K-grens en caching

Bronnen

• OpenAI: GPT-6.1 Terra geïntroduceerd
• Anthropic: Claude Sonnet 5.5 geïntroduceerd
• Artificial Analysis: Vergelijking GPT-6.1 Terra vs Claude Sonnet 5.5
• Kingy: GPT-6.1 Terra: benchmarks, prijzen en modelvergelijkingen
• AIHubMix: Vergelijkingspagina GPT-6.1 Terra vs Claude Sonnet 5.5