Quanto custa realmente o GPT-6.1 Terra: níveis de esforço, o limite de 272K e o cache

O GPT-6.1 Terra foi lançado em 26 de outubro de 2026 por US$ 1 por milhão de tokens de entrada e US$ 5 por milhão de tokens de saída: metade do preço de entrada do GPT-5.6 Terra e bem menos da metade do preço de saída de US$ 12. O preço de tabela é apenas o ponto de partida. Três fatores determinam quanto uma carga de trabalho do Terra realmente custa:

• Esforço de raciocínio. Os tokens de raciocínio são cobrados como tokens de saída, e a diferença entre os níveis de esforço é de várias vezes.
• O limite de 272K. Quando a entrada de uma solicitação ultrapassa 272.000 tokens, a solicitação inteira passa a ser cobrada por uma tarifa mais alta.
• Cache. Um prefixo em cache custa 5% do preço normal de entrada; um prefixo que não acerta o cache ou é reescrito custa o preço integral ou mais.

A seguir: um exemplo de carga de trabalho com todas as premissas declaradas, as regras de cobrança que passam facilmente despercebidas, o custo por tarefa em comparação com GPT-6.1 Sol, Claude Sonnet 5.5 e GPT-5.6 Terra, e um exemplo em Python que registra os campos de uso por trás da sua fatura. A AIHubMix oferece o Terra como gpt-6.1-terra pelos mesmos preços da OpenAI.

Tabela de preços

Todos os preços são em USD por milhão de tokens e vêm da página do modelo da OpenAI. A página do modelo da AIHubMix lista os mesmos preços padrão para entrada, leitura do cache e saída, mas não informa tarifas para gravação no cache nem para contexto longo; a documentação de cache indica uma tarifa única de gravação de 1.25x, portanto não há uma tarifa publicada para 12 horas.

A OpenAI apresenta um conjunto de tarifas e define as demais como uma regra: acima de 272K tokens de entrada, as tarifas de entrada e de cache dobram, e a tarifa de saída aumenta 1.5x para a solicitação inteira, o que eleva a gravação de 12 horas para US$ 5.00. A AIHubMix não publica uma tarifa para contexto longo do Terra, portanto não há confirmação do que o gateway cobra acima de 272K.

A OpenAI também oferece processamento Batch e Flex com desconto de 50%, o modo Fast a 2x e processamento regional com acréscimo de +10%. Esses são os termos da OpenAI. A AIHubMix não oferece a API Batch da OpenAI (GET /v1/batches retornou 404 nas verificações da AIHubMix em 27 de outubro). As mesmas verificações constataram que service_tier "flex" foi aceito e retornado como "flex", e que "priority" foi aceito e retornado como "fast", que, nos termos da OpenAI, corresponde ao modo Fast a 2x. A lista de preços do Terra da AIHubMix mostra apenas as tarifas padrão, portanto nenhuma das duas tarifas cobradas está confirmada. Consulte o registro de uso em vez de presumir que há um desconto.

Os modelos comparados mais adiante, com os preços oficiais (iguais na AIHubMix):

Regras de cobrança que passam facilmente despercebidas

Tokens de raciocínio são tokens de saída. Uma solicitação que retorna 2,000 tokens visíveis após 8,000 tokens de raciocínio é cobrada por 10,000 tokens de saída. Consulte o custo no objeto de uso, não no tamanho da resposta.

O limite de 272K recalcula o preço da solicitação inteira. Não se trata de uma tarifa marginal aplicada aos tokens acima de 272.000. Todos os tokens de entrada da solicitação custam o dobro e todos os tokens de saída ficam 50% mais caros. Veja o cálculo no limite, sem cache e com 20,000 tokens de saída nos dois casos:

Onze por cento a mais de entrada praticamente dobra a fatura. O Terra aceita até 922,000 tokens de entrada (contexto de 1,050,000); acima de 272K, apenas cobra mais.

As gravações no cache não são gratuitas. No GPT-5.6 e em versões posteriores, gravar um prefixo no cache custa 1.25x a tarifa de entrada para o período padrão de 30 minutos e 2.5x para o período de 12 horas, disponível apenas na API Responses. As leituras custam 0.05x no Terra, seja qual for o período escolhido. Segundo o guia de cache de prompts da OpenAI, essas são tarifas totais, não sobretaxas: cada token de entrada é cobrado uma única vez, como entrada comum, leitura ou gravação. O prefixo mínimo que pode ser armazenado em cache tem 1,024 tokens.

Chat Completions e Responses não compartilham o cache na AIHubMix. Nas verificações da AIHubMix, um prefixo de desenvolvedor com 9,623 tokens foi gravado na primeira chamada a Responses e lido na segunda e na terceira. Logo depois, o mesmo prefixo enviado a Chat Completions foi gravado novamente, sem acerto de cache. O tráfego dividido entre as duas rotas paga por duas gravações.

Na AIHubMix, o nível de esforço só tem efeito em Responses. Na API Responses, um prompt para somar números primos gerou 72 tokens de saída com esforço none e 1,153 com max (1,078 deles de raciocínio). Em Chat Completions, definir reasoning_effort não produziu uma diferença consistente nos mesmos testes (none e max ficaram ambos na faixa de 200-300 tokens de raciocínio entre uma execução e outra), o que sugere que essa rota opera com um nível de esforço fixo. Se pretende economizar usando um nível de esforço mais baixo, envie essas solicitações para Responses.

A pesquisa na Web integrada é cobrada por chamada. A AIHubMix lista web_search_requests a US$ 0.01 por chamada, além do custo dos tokens.

Um mês realista, com os custos discriminados

Considere uma carga de trabalho de suporte ou processamento de documentos que envia 10,000 solicitações por mês pela API Responses. As premissas:

• cada solicitação contém um prefixo estável de 2,500 tokens (prompt do sistema, definições de ferramentas, regras de referência) que acerta o cache;
• cada solicitação acrescenta 1,500 tokens de entrada novos (a mensagem ou o documento do usuário);
• cada solicitação retorna 1,500 tokens de saída, incluindo o raciocínio, com esforço médio (o padrão do Terra);
• todas as solicitações ficam abaixo de 272K tokens de entrada, portanto aplicam-se as tarifas padrão;
• as gravações no cache não estão incluídas nos totais (veja a observação abaixo da tabela).

Ao longo do mês, isso equivale a 25M de tokens em cache, 15M de tokens de entrada novos e 15M de tokens de saída.

As gravações no cache acrescentam pouco neste caso. Cada vez que o prefixo de 2,500 tokens é gravado, esses tokens são cobrados a US$ 1.25 por milhão, em vez de US$ 0.05: cerca de US$ 0.003 a mais por gravação.

Duas variações mostram para onde vai o dinheiro.

Sem cache. Se o prefixo nunca acertar o cache (porque muda a cada solicitação ou o tráfego é distribuído entre rotas), todos os 40M tokens de entrada são cobrados a US$ 1: US$ 40 de entrada mais US$ 75 de saída, totalizando US$ 115. O cache economiza US$ 23.75 por mês, cerca de um quinto da fatura.

Com esforço máximo. A Artificial Analysis mediu cerca de 6,000 tokens de saída por tarefa com esforço médio e 35,000 com esforço máximo em seu Intelligence Index, uma proporção de aproximadamente 5.8x. Multiplicando os 1,500 tokens de saída por 35/6, chega-se a 8,750 por solicitação, ou 87.5M por mês. A saída passa então a custar 87.5M x US$ 5 = US$ 437.50, e o total mensal fica em US$ 1.25 + US$ 15.00 + US$ 437.50 = US$ 453.75, cerca de cinco vezes a fatura com esforço médio. O esforço máximo custa muito mais do que perder o cache.

O item de saída é o que mais pesa em todos os casos. Com esforço médio, são US$ 75 de um total de US$ 91.25, ou 82% da fatura. Por isso, o nível de esforço é a primeira configuração a revisar, não o preço de entrada.

Custo por tarefa em comparação com Sol, Sonnet 5.5 e GPT-5.6 Terra

Mesma carga de trabalho, mesmas quantidades de tokens (25M em cache, 15M de entrada nova, 15M de saída), com cada modelo aos seus próprios preços oficiais:

Com a mesma quantidade de tokens, o Terra custa metade do Sol e do Sonnet 5.5 e cerca de 42% do GPT-5.6 Terra. A ressalva é que a quantidade de tokens precisa ser igual: os modelos usam diferentes quantidades de raciocínio para a mesma tarefa, e o Terra com esforço mais alto pode consumir mais tokens do que o Sol com esforço mais baixo.

O custo por tarefa medido mostra isso. Os valores abaixo vêm da Artificial Analysis, um benchmark independente que executou cada modelo no Intelligence Index com o nível de esforço indicado.

A linha do Sonnet 5.5 usa a configuração padrão de esforço máximo da Artificial Analysis.

Três conclusões se destacam. O Terra com esforço médio é a opção mais barata da tabela, e a Artificial Analysis considera que os níveis de esforço baixo e médio do Terra estão na fronteira de Pareto. Desativar o raciocínio não economizou nesta execução: sem raciocínio, o custo foi de US$ 0.11 por tarefa e a pontuação, 33. No outro extremo, o Terra com esforço máximo (US$ 0.40) custa quase o mesmo que o Sol com xhigh (US$ 0.39), que pontua mais alto, e só alcança a pontuação do Sol com esforço médio por quase o dobro do preço. O Sonnet 5.5 tem a maior pontuação, mas, com esforço máximo, consumiu cerca de 197,000 tokens de saída por tarefa.

Outros testes publicados apontam na mesma direção. No benchmark de análise de dados da Plotly, executado com o esforço padrão via OpenRouter, o Terra pontuou 40 de 43 e custou US$ 1.31 por execução completa, contra 43 de 43 e US$ 2.61 do Sol, com cerca de 1,460 tokens de saída por pergunta. Os gráficos de lançamento da própria OpenAI, autodeclarados e transcritos aqui pela Kingy AI, indicam que, no conjunto offline OSWorld 2.1, o custo por tarefa do Terra com esforço máximo foi de US$ 1.19, contra US$ 1.15 do Sol. Em tarefas agênticas com esforço máximo, o desconto por token do Terra pode desaparecer.

Quem paga mais do que o esperado

• Equipes que usam esforço máximo por padrão. A fatura pode ser cinco vezes maior do que com esforço médio, mesmo com o mesmo tráfego. Usuários do Codex no Reddit relatam que o Terra com esforço alto esgota rapidamente os limites do plano; uma pessoa disse que 40% do limite de cinco horas foi consumido em 20 minutos. São relatos anedóticos, mas condizem com as quantidades de tokens acima.
• RAG com contexto longo próximo de 272K. Uma etapa de recuperação que ocasionalmente acrescenta alguns trechos a mais fará com que algumas solicitações ultrapassem o limite, e essas solicitações custarão aproximadamente o dobro.
• Tráfego misto entre Chat Completions e Responses. Na AIHubMix, as duas rotas mantêm caches separados; por isso, o mesmo prefixo é gravado duas vezes, e as configurações de esforço na rota Chat não têm efeito visível.

Medidas para reduzir a fatura

1. Defina o esforço por carga de trabalho, não por conta. Comece com médio, o padrão do Terra, e teste baixo ou nenhum em tarefas simples, como extração, classificação e formatação. Meça a qualidade e o custo usando seus próprios prompts, já que, na execução da Artificial Analysis, o nível nenhum não foi mais barato do que o médio. Reserve alto e máximo para solicitações que não funcionem com esforço médio.

2. Mantenha o prefixo estável no início e use sempre a mesma rota. Coloque o prompt do sistema, as definições de ferramentas e o material de referência no início de todas as solicitações, sempre na mesma ordem, e deixe depois tudo o que varia (entrada do usuário, registros de data e hora, trechos recuperados). Um prefixo precisa ter pelo menos 1,024 tokens para ser armazenado em cache. Envie a carga de trabalho por uma única rota; na AIHubMix, use Responses, onde o nível de esforço tem efeito.

3. Use o modo explícito para não pagar por gravações que não vai reutilizar. Com prompt_cache_options.mode definido como "explicit", somente os pontos de interrupção que você marcar serão gravados. O conteúdo após o último ponto de interrupção é cobrado pela tarifa normal de entrada, sem custo de gravação, o que é adequado para material específico de cada solicitação, como a pergunta do usuário. O modo explícito sem nenhum ponto de interrupção não faz cache algum, e as verificações da AIHubMix confirmaram que uma solicitação desse tipo não gravou nada.

4. Escolha a duração do cache fazendo as contas. Por milhão de tokens de prefixo, uma gravação de 30 minutos custa $1.25 e uma gravação de 12 horas custa $2.50; as leituras custam $0.05 nos dois casos. Se os intervalos entre acessos fizerem com que o prefixo seja gravado três ou mais vezes em 12 horas com cache de 30 minutos ($3.75 ou mais), uma gravação de 12 horas sai mais barata. Com duas gravações ($2.50), os custos se igualam. Com tráfego constante que mantém a entrada de 30 minutos ativa, mantenha os 30 minutos. As verificações da AIHubMix confirmaram que a configuração de 12 horas funciona no Terra: um prefixo de 9,020 tokens foi gravado como ttl_12h_tokens na primeira chamada, e a segunda chamada leu 9,007 desses tokens.

Mantenha a entrada abaixo de 272K. Limite a recuperação de conteúdo por um orçamento de tokens, não pela quantidade de blocos; remova turnos antigos e resuma históricos longos antes que ultrapassem esse limite. A OpenAI também documenta um recurso de compactação para contextos longos, que a AIHubMix ainda não verificou no Terra.

6. Altere o esforço com configuration_update, não com o campo da solicitação. O guia de modelos GPT-6 da OpenAI recomenda manter fixo o nível de esforço na solicitação e adicionar um item de entrada configuration_update para aumentar ou reduzir o esforço durante a conversa. Nas verificações de 27 de outubro, a AIHubMix aceitou um item configuration_update no Terra (200).

7. Registre os campos de uso em todas as respostas. Os campos que explicam uma cobrança do Terra são input_tokens_details.cached_tokens (leituras cobradas), cache_write_tokens e sua divisão entre ttl_30m_tokens e ttl_12h_tokens, além de output_tokens_details.reasoning_tokens. Divida o total de tokens em cache pelo total de tokens de entrada para obter a taxa de acerto do cache, agrupada por dia ou recurso.

Registrando o custo por solicitação em Python

O exemplo usa o SDK da OpenAI com o endpoint Responses da AIHubMix. Ele define o nível de esforço de raciocínio, passa prompt_cache_options por meio de extra_body e imprime os campos de uso com um custo estimado usando as tarifas padrão. As etapas de configuração estão na documentação da API Responses da AIHubMix, e o comportamento do cache no gateway é explicado na documentação de cache da 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}")

A fórmula segue o guia de cache da OpenAI: a entrada normal é input_tokens menos cached_tokens menos cache_write_tokens, e o total de gravações não é somado novamente além de suas partes. Acima de 272,000 tokens de entrada, substitua pelas tarifas de contexto longo ($2, $0.10, $2.50 para gravações de 30 minutos, $5 para gravações de 12 horas, $7.50 de saída). Envie o mesmo prefixo duas vezes em até 30 minutos e a segunda resposta deverá exibi-lo em cached_tokens; caso contrário, algo no prefixo mudou.

Perguntas frequentes

O GPT-6.1 Terra é mais barato na AIHubMix do que na OpenAI?
Não. A AIHubMix lista as mesmas tarifas padrão: $1 por milhão de tokens de entrada, $0.05 para leitura do cache e $5 para saída. A empresa não publica uma tarifa de gravação em cache nem uma tarifa de contexto longo para o Terra; portanto, as tarifas de gravação de $1.25 e $2.50, assim como as tarifas 2x acima de 272K, seguem os termos da OpenAI até que seu registro de uso confirme o que o gateway cobra.

O desconto Batch ou Flex está disponível pela AIHubMix?
Não como opção confirmada. O desconto de 50% do Batch e do Flex é da OpenAI, e a AIHubMix não oferece a API Batch da OpenAI. As solicitações Flex foram aceitas nas verificações da AIHubMix, mas a lista de preços da AIHubMix mostra apenas as tarifas padrão para o Terra; por isso, consulte seu registro de uso antes de contar com um preço menor.

Os tokens de raciocínio têm custo adicional?
Eles são cobrados pela tarifa de saída, $5 por milhão, como parte de output_tokens. O objeto de uso os informa separadamente como reasoning_tokens para que você possa ver quanto da saída correspondeu ao raciocínio.

O que acontece com uma solicitação com 280,000 tokens de entrada?
A solicitação inteira é cobrada pelas tarifas de contexto longo: $2 por milhão de tokens de entrada, $0.10 para tokens em cache e $7.50 para saída. Não apenas os 8,000 tokens acima do limite.

Vale a pena usar o cache de 12 horas?
Somente quando uma entrada de 30 minutos seria gravada três ou mais vezes em 12 horas. Uma gravação de 12 horas custa $2.50 por milhão de tokens, contra $1.25 para 30 minutos, e as leituras custam $0.05 nos dois casos.

Por que o esforço máximo custa muito mais?
A Artificial Analysis mediu cerca de 35,000 tokens de saída por tarefa no nível máximo, contra 6,000 no nível médio, e o custo por tarefa subiu de $0.10 para $0.40. No exemplo detalhado acima, passar do nível médio para o máximo eleva o custo mensal de $91.25 para $453.75.

O Terra custa sempre metade do preço do Sol?
Por token, sim. Por tarefa, nem sempre: no teste da Artificial Analysis, o Terra no nível máximo custa aproximadamente o mesmo por tarefa que o Sol no nível xhigh, e o Sol teve uma pontuação maior.

Continue lendo: a série GPT-6.1 Terra

• Para ver o que o preço pela metade oferece em comparação com o modelo que substitui: GPT-6.1 Terra vs GPT-5.6 Terra: metade do preço, o que mudou e quem deve migrar
• Antes de transferir o tráfego para Responses para que as configurações de esforço e o cache funcionem: Migrando para GPT-6.1 Terra: corrija os erros 400 de temperature, mova as ferramentas para Responses e configure o Codex
• Se estiver comparando o Terra com um concorrente que custa o dobro por token: GPT-6.1 Terra vs Claude Sonnet 5.5: qual modelo intermediário escolher para agentes de telas e documentos?
• Quando o Terra com esforço máximo custa tanto por tarefa quanto o Sol: GPT-6.1 Terra vs GPT-6.1 Sol: quais tarefas ainda precisam do Sol?

Fontes

• OpenAI, página do modelo GPT-6.1 Terra: preços, regra de contexto longo, limites de contexto e níveis de esforço.
• OpenAI, guia de cache de prompts: tarifas de gravação e leitura, duração do cache, modo explícito e campos de uso.
• AIHubMix, página do modelo GPT-6.1 Terra: preços e acesso pela AIHubMix.
• Artificial Analysis, GPT-6.1 Terra amplia os limites da eficiência de custos: custo e tokens de saída por tarefa, por nível de esforço.
• Kingy AI, GPT-6.1 Terra: benchmarks, preços, especificações e comparação: faixas de preço, exemplo do limite de 272K e valores transcritos dos gráficos da OpenAI.