GPT-6.1 Terra vs Claude Sonnet 5.5: qual modelo intermediário escolher para agentes de tela e documentos?

A OpenAI lançou o GPT-6.1 Terra em 26 de outubro de 2026, quatro semanas depois de a Anthropic lançar o Claude Sonnet 5.5. A publicação de lançamento da OpenAI colocou o Terra frente a frente com o Claude Opus 5.5, mas a cobertura traçou uma linha diferente. O Decoder chamou o Terra de “o concorrente mais próximo da OpenAI à série intermediária Sonnet da Anthropic, pela metade do preço”, e o AlphaCorp chamou o confronto entre Terra e Sonnet de “a verdadeira disputa pela faixa intermediária”. O GPT-6.1 Sol e o Sonnet 5.5 têm o mesmo preço de US$ 2 / US$ 10, então uma equipe que escolha um modelo intermediário neste mês está, na prática, decidindo entre o Terra, a US$ 1 / US$ 5, e o Sonnet, a US$ 2 / US$ 10.

Esta publicação ajuda a fazer essa escolha para um tipo de trabalho: agentes de tela e documentos. O agente lê uma fatura, um formulário ou uma captura de tela, extrai os campos e os insere em outro aplicativo. Cada etapa é curta e verificável, e é executada milhares de vezes por dia. Nessa tarefa, os dois modelos se destacam em aspectos diferentes. O Sonnet 5.5 conclui mais tarefas nos benchmarks difíceis de agentes, incluindo o gráfico de uso de computador da própria publicação de lançamento da OpenAI. O Terra custa metade por token, usou muito menos tokens por tarefa em testes independentes e, em um pequeno projeto-piloto, seguiu formatos de saída estritos com mais confiabilidade.

Em resumo: para etapas de alto volume cuja saída pode ser verificada, comece pelo Terra. Para longas sessões de uso do desktop sem supervisão, em que uma execução malsucedida custa mais do que a conta de tokens, o Sonnet 5.5 justifica o preço. Ambos podem ser usados com uma única chave pela AIHubMix, pelos mesmos preços cobrados nas APIs dos próprios fornecedores; a página do modelo GPT-6.1 Terra traz os detalhes.

A tarefa abordada nesta comparação

Uma etapa de um agente de tela ou documentos costuma ser assim:

• Entrada: um prefixo estável (prompt de sistema, esquema de saída, definições de ferramentas) que se repete em cada chamada, além de conteúdo novo: uma imagem de página, uma captura de tela ou texto extraído.
• Saída: uma resposta estruturada e curta, como campos JSON ou a próxima ação na interface.
• Volume: milhares ou centenas de milhares de etapas, cada uma verificada por código antes de qualquer gravação nos sistemas seguintes.

Quatro fatores determinam a escolha do modelo: campos corretos, saída que possa ser analisada sem ajustes, custo por mil etapas e tempo por etapa. A conclusão de tarefas de longo horizonte importa menos quando cada etapa é curta e verificada, mas importa muito quando o agente opera um desktop por dezenas de ações sem ninguém supervisionando.

Ambos os modelos aceitam texto e imagens como entrada e se adequam a esse formato. As especificações relevantes neste caso:

Os preços são os valores oficiais por milhão de tokens; a AIHubMix cobra o mesmo pelos dois modelos. O nível de esforço padrão do Sonnet é o padrão da Claude Platform. O Terra cobra por toda a solicitação 2x a entrada e 1.5x a saída quando a entrada passa de 272K tokens, um limite que uma etapa de documento de uma única página não atingirá.

Um ponto prático para agentes de tela: a OpenAI documenta o uso de ferramentas do Terra, incluindo a ferramenta integrada de computador, como um recurso da API Responses. Nos testes da AIHubMix em 27 de outubro, o Terra no endpoint Responses retornou uma ação computer_call quando recebeu a ferramenta de computador e uma captura de tela; portanto, esse fluxo funciona pela AIHubMix.

Onde o Sonnet 5.5 se destaca: concluir tarefas difíceis de agentes

Os números dos benchmarks abaixo vêm de três fontes, mantidas separadas de propósito. Os gráficos de lançamento da OpenAI, transcritos por Kingy, são resultados autodeclarados que ninguém reproduziu de forma independente. Os números de lançamento da Anthropic para o Sonnet 5.5 também são autodeclarados. A Artificial Analysis (AA) é uma entidade de testes independente. Cada resultado inclui o nível de esforço quando a fonte o informa.

Comecemos pelos próprios gráficos da OpenAI, em que o Sonnet 5.5 aparece como referência:

Os números do Sonnet 5.5 são resultados no nível de esforço máximo, conforme apresentados nos gráficos da OpenAI. Os custos por tarefa são estimativas da OpenAI.

O OSWorld 2.1 é um benchmark de uso de computador, o teste público mais próximo de um agente de tela. No conjunto offline da OpenAI, o Sonnet 5.5 supera o Terra no nível máximo de esforço por 9.7 pontos. No nível medium, o padrão do Terra, ele fica 17.2 pontos atrás.

A página de lançamento do Sonnet 5.5 da Anthropic informa 80.1% em seu próprio teste do OSWorld 2.1, marcado como “parcial”, e 70.6% no Terminal-Bench 4.0. Esse teste do OSWorld usa uma configuração diferente do conjunto offline da OpenAI; portanto, os 80.1% e os 83.9% não são comparáveis entre si, e nenhum dos dois deve ser comparado com a pontuação do Terra obtida no teste do outro fornecedor. Os materiais de ambos os fornecedores apontam na mesma direção: o Sonnet 5.5 é forte em tarefas de agentes de desktop e terminal.

A Artificial Analysis testou os dois modelos em seu próprio ambiente:

Os resultados do Sonnet 5.5 da AA são da configuração de esforço máximo com fallback, conforme indicado pela AA.

Os testes independentes mantêm o Sonnet à frente em tarefas de agentes: por 12 pontos no AutomationBench-AA e 8 no teste do Terminal-Bench da AA. Dois resultados fogem ao padrão. No AA-LCR, um teste de raciocínio com contexto longo, os dois empatam em 83%. No GDP.pdf, o Terra fica ligeiramente à frente, com 29% contra 26%. Nenhum dos resultados faz do Terra o modelo mais forte, mas tampouco mostra o Sonnet se distanciando como acontece nos testes de agentes.

Não interprete nada disso como evidência de que o Terra supera o Sonnet no uso de computador. Em todos os benchmarks de uso de computador e de agentes desta publicação, o Sonnet 5.5 tem pontuação mais alta.

Onde o Terra se destaca: custo por tarefa, velocidade e disciplina de saída

A mesma avaliação da AA mediu quanto cada modelo gastou para alcançar sua pontuação:

O Sonnet 5.5 usou mais de cinco vezes mais tokens de saída por tarefa do que o Terra, e cada um desses tokens custa o dobro. O resultado é um custo por tarefa inferior a um décimo do custo do Sonnet (US$ 0.40 contra US$ 5.46) e cerca de 43% do tempo por tarefa medido pela AA (384 segundos contra 901; a AA contabiliza o tempo de geração, não a espera antes do primeiro token). O fluxo de saída do próprio Sonnet é mais rápido, com 141 tokens de saída por segundo contra 91 do Terra na mesma avaliação. Assim, a vantagem de tempo do Terra vem de produzir menos tokens, e não de ser um modelo mais rápido. Com esse gasto, o Sonnet obteve mais oito pontos no índice. Se esses oito pontos valem quase 14 vezes o custo depende do preço de uma etapa malsucedida para você.

O gráfico do Terminal-Bench da OpenAI mostra a mesma troca pelo outro ângulo: 70.6% a US$ 10.44 por tarefa para o Sonnet, contra 50.3% a US$ 1.84 para o Terra no nível máximo. Kingy resumiu a questão de negócio com clareza: quanto vale uma taxa de conclusão mais alta quando se contabilizam novas tentativas e revisão humana?

Para a tarefa de tela e documentos, os dados independentes mais relevantes vêm do projeto-piloto de Kingy, em 26 de outubro. Foi pequeno: seis tarefas curtas, duas tentativas cada, no nível medium e sem ferramentas. Uma tarefa extraía campos de uma imagem de fatura sintética; as outras solicitavam JSON, Python ou SQL em um formato exato.

Os tempos das solicitações incluem a rede e o atraso do provedor.

Os dois modelos acertaram todas as respostas. A diferença estava na entrega. O Sonnet acrescentou cálculos antes do JSON nas duas tentativas de uma tarefa e colocou as respostas em Python e SQL entre cercas Markdown, contrariando as instruções. Kingy observa que um analisador de produção ou uma saída estruturada imposta poderia lidar com alguns desses casos, mas não testou essas soluções. Ainda assim, em um pipeline em que o código analisa cada etapa, um modelo que retorna JSON puro sem precisar ser induzido evita uma nova tentativa ou uma etapa de limpeza. O Terra fez isso em todas as dez tentativas, com cerca de 41% do crédito gasto pelo Sonnet. Neste projeto-piloto, o Sonnet respondeu mais rápido por solicitação.

Há mais um dado bastante citado, que deve ser interpretado pelo que é: apenas uma anedota. A atomic.chat deu o mesmo prompt a equipes de oito agentes para criarem um jogo simples. O Terra terminou em 6 minutos, por US$ 1.06; o Sonnet 5.5 levou uma hora e custou US$ 18.10, e a atomic.chat considerou o jogo do Sonnet “muito melhor”. As configurações do teste não foram publicadas, então o resultado não prova nada por si só, mas combina com o padrão acima: o Sonnet gasta mais e muitas vezes entrega mais.

Quanto custa a tarefa com cada modelo

Um exemplo prático com os preços de tabela e a mesma quantidade de tokens para os dois modelos. Considere 10,000 etapas de processamento de documentos. Cada etapa envia um prefixo estável de 2,500 tokens que aciona o cache, 1,500 tokens novos de entrada (o conteúdo da página ou captura de tela) e recebe 1,500 tokens de saída.

Os custos de gravação no cache foram excluídos. Eles acrescentam um valor pequeno para os dois modelos, conforme as tarifas de gravação da tabela de especificações acima.

Com quantidades idênticas de tokens, o Sonnet custa exatamente o dobro, porque todas as tarifas são duas vezes maiores. Na prática, as quantidades de tokens não serão idênticas. Na avaliação da AA, o Sonnet usou cerca de 5.6 vezes mais tokens de saída por tarefa do que o Terra no nível máximo, e a saída representa a maior parcela deste exemplo. Portanto, a diferença real em tarefas de agentes provavelmente será maior que 2x. O quanto maior dependerá dos seus prompts e das configurações de esforço; meça com uma amostra das suas próprias etapas antes de se comprometer.

Uma observação sobre preços: o desconto da Batch API da OpenAI não se aplica na AIHubMix, que não oferece o endpoint Batch; por isso, os valores acima são as tarifas padrão.

Qual modelo escolher

Escolha o GPT-6.1 Terra quando:

• as etapas forem curtas, numerosas e verificadas por código: campos de faturas, preenchimento de formulários, o próximo clique em uma tela conhecida;
• a saída precisar ser analisada sem ajustes e você preferir não adicionar uma camada de correção;
• o custo por mil etapas determinar o orçamento;
• uma etapa malsucedida for barata de repetir ou encaminhar para uma pessoa.

Escolha o Claude Sonnet 5.5 quando:

• o agente operar um desktop por longas sequências de várias etapas, sem que ninguém confira cada ação;
• a taxa de conclusão importar mais do que o custo, porque uma execução malsucedida custa mais do que os tokens;
• o mesmo agente também fizer trabalhos de programação, área em que o Sonnet supera o Terra no Terminal-Bench, tanto no gráfico da OpenAI quanto na avaliação da AA.

Executar os dois também é uma opção: Terra nas etapas de extração e inserção de alto volume, e Sonnet nas tarefas longas e difíceis, além dos casos em que a saída do Terra não passa na validação. Com o AIHubMix, basta trocar o ID do modelo; não é necessária uma segunda integração.

Experimente os dois pelo AIHubMix

Os dois modelos funcionam com uma única chave do AIHubMix e pelos preços oficiais. A lista de modelos do AIHubMix mostra o Sonnet 5.5 disponível em Chat Completions, Responses e Anthropic Messages, e o Terra respondeu nos três nas verificações do próprio AIHubMix em 27 de outubro. Use o endpoint Responses para o Terra: a OpenAI documenta que as ferramentas dele estão disponíveis apenas em Responses, e, nas verificações do AIHubMix, o nível de esforço de raciocínio só surtiu efeito nesse endpoint. A documentação da API Responses do AIHubMix descreve o formato das solicitações.

O exemplo envia o mesmo prompt de extração para os dois modelos com o SDK da OpenAI e imprime cada resposta e o uso de tokens correspondente:

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)

Execute-o em uma amostra dos seus próprios documentos ou telas, verifique com que frequência cada resposta pode ser analisada e compare as linhas de uso: essa é a sua proporção real de tokens. Para ver as especificações e os preços lado a lado, consulte a página de comparação entre Terra e Sonnet 5.5.

Perguntas frequentes

O GPT-6.1 Terra é melhor que o Claude Sonnet 5.5 no uso do computador?
Não. O Sonnet 5.5 tem pontuação mais alta no OSWorld 2.1 no gráfico da própria OpenAI (83.9% contra 74.2% do Terra no esforço máximo) e no AutomationBench-AA na avaliação da Artificial Analysis (72% contra 60%). O argumento a favor do Terra é o custo e o formato de saída, não a capacidade.

Quanto o Terra é mais barato que o Sonnet 5.5?
Por token, custa metade: $1 de entrada e $5 de saída por milhão de tokens, contra $2 e $10; para entrada em cache, custa $0.05 contra $0.10. Por tarefa, a diferença pode ser maior, pois o Sonnet tende a usar mais tokens de saída. Na avaliação com esforço máximo da Artificial Analysis, cada tarefa custou $0.40 com o Terra e $5.46 com o Sonnet.

Qual modelo é melhor para extrair dados de faturas e formulários?
Para extração de alto volume com validação por código, o Terra é o melhor ponto de partida. No pequeno piloto da Kingy, os dois modelos extraíram corretamente os campos da fatura e usaram o formato solicitado. Porém, nas dez tentativas objetivas, o Terra retornou exatamente o formato solicitado 10 vezes, e o Sonnet, 4 vezes; as falhas do Sonnet ocorreram em outra tarefa com JSON e nas tarefas de Python e SQL. O Terra consumiu cerca de 41% dos créditos usados pelo Sonnet. Teste os dois com seus próprios documentos antes de decidir.

Por que a Anthropic e a OpenAI divulgam pontuações diferentes do Sonnet 5.5 no OSWorld?
Elas usaram configurações diferentes. A Anthropic informa 80.1% no OSWorld 2.1, com a observação de que a avaliação foi parcial; o gráfico da OpenAI mostra 83.9% no conjunto offline do OSWorld 2.1. Os números não podem ser comparados entre si, e cada um deve ser avaliado apenas em relação às pontuações da mesma avaliação.

Os dois modelos custam o mesmo no AIHubMix e nas APIs oficiais?
Sim. O AIHubMix cobra os preços oficiais de tabela para ambos: $1 e $5 para o Terra, e $2 e $10 para o Sonnet 5.5, por milhão de tokens. O desconto da Batch API da OpenAI não está disponível, pois o AIHubMix não oferece o endpoint Batch.

Qual endpoint devo usar para chamar o Terra pelo AIHubMix?
A API Responses. A OpenAI documenta que as ferramentas do Terra, incluindo a ferramenta de computador, estão disponíveis apenas em Responses; nas verificações do AIHubMix em 27 de outubro, a configuração do esforço de raciocínio surtiu efeito em Responses, mas não em Chat Completions. O Sonnet 5.5 também está disponível em Responses, então um único fluxo pode chamar os dois.

Continue lendo: a série GPT-6.1 Terra

• Se seu agente usa o GPT-5.6 Terra atualmente, veja o que muda apenas com a atualização antes de comparar fornecedores: GPT-6.1 Terra vs GPT-5.6 Terra: metade do preço, o que mudou e quem deve migrar
• Antes de migrar um agente de tela para o Terra, ajuste os parâmetros e as chamadas de ferramentas que falham na mudança: Migrando para GPT-6.1 Terra: corrija os erros 400 de temperature, transfira as ferramentas para Responses e configure o Codex
• Se as tarefas longas no desktop exigem mais que o Terra, mas você quer continuar usando a OpenAI, compare o nível acima: GPT-6.1 Terra vs GPT-6.1 Sol: quais tarefas ainda precisam do Sol?
• Para adaptar a tabela de custos acima ao seu próprio tráfego, explore os níveis de esforço e o cache: Quanto o GPT-6.1 Terra realmente custa: níveis de esforço, o limite de 272K e o cache

Fontes

• OpenAI: Apresentamos o GPT-6.1 Terra
• Anthropic: Apresentamos o Claude Sonnet 5.5
• Artificial Analysis: Comparação entre GPT-6.1 Terra e Claude Sonnet 5.5
• Kingy: GPT-6.1 Terra: benchmarks, preços e comparações de modelos
• AIHubMix: Página de comparação entre GPT-6.1 Terra e Claude Sonnet 5.5