GPT-6.1 Terra ve Claude Sonnet 5.5: Ekran ve Belge Ajanları için Hangi Orta Segment Model?

OpenAI, GPT-6.1 Terra’yı Anthropic’in Claude Sonnet 5.5’i piyasaya sürmesinden dört hafta sonra, 26 Ekim 2026’da yayımladı. OpenAI’nin lansman yazısı Terra’yı Claude Opus 5.5 ile karşılaştırdı, ancak haberlerde farklı bir kıyaslama öne çıktı. The Decoder, Terra’yı “Anthropic’in orta segment Sonnet serisine en yakın rakip; üstelik yarı fiyatına” diye nitelendirdi; AlphaCorp ise Terra ile Sonnet arasındaki karşılaşmayı “orta segmentin asıl mücadelesi” olarak tanımladı. GPT-6.1 Sol ve Sonnet 5.5’in fiyatı aynı: $2 / $10. Dolayısıyla bu ay orta segment bir model seçecek ekipler aslında $1 / $5 fiyatlı Terra ile $2 / $10 fiyatlı Sonnet arasında seçim yapıyor.

Bu yazı, seçimi belirli bir iş türü için yapıyor: ekran ve belge ajanları. Ajan bir faturayı, formu veya ekran görüntüsünü okur, alanları çıkarır ve bunları başka bir uygulamaya girer. Her adım kısa ve doğrulanabilir niteliktedir; günde binlerce kez çalışır. Bu görevde iki model farklı alanlarda öne çıkıyor. Sonnet 5.5, OpenAI’nin kendi lansmanındaki bilgisayar kullanımı grafiği de dahil olmak üzere zorlu ajan kıyaslamalarının daha fazlasını tamamlıyor. Terra ise token başına yarı fiyatına, bağımsız testlerde görev başına çok daha az token kullandı ve küçük bir pilotta katı çıktı biçimlerine daha tutarlı biçimde uydu.

Kısaca: çıktısı kontrol edilebilen, yüksek hacimli adımlar için Terra ile başlayın. Başarısız bir çalıştırmanın maliyeti token faturasını aşıyorsa ve masaüstü işlemleri uzun süre gözetimsiz yürütülecekse Sonnet 5.5 fiyatını hak ediyor. Her iki modele de AIHubMix üzerinden tek bir anahtarla ve sağlayıcıların kendi API’leriyle aynı fiyatlardan erişebilirsiniz; ayrıntılar için GPT-6.1 Terra model sayfasına bakın.

Bu karşılaştırmanın ele aldığı görev

Bir ekran veya belge ajanının adımları genellikle şöyledir:

• Girdi: Her çağrıda tekrarlanan sabit bir önek (sistem istemi, çıktı şeması, araç tanımları) ile yeni içerik: sayfa görüntüsü, ekran görüntüsü veya çıkarılan metin.
• Çıktı: JSON alanları veya sıradaki kullanıcı arayüzü eylemi gibi kısa ve yapılandırılmış bir yanıt.
• Hacim: Binlerce ila yüz binlerce adım; sonraki sisteme herhangi bir veri yazılmadan önce her adım kodla kontrol edilir.

Burada modeli dört ölçüt belirler: alanların doğruluğu, temizlik gerektirmeden ayrıştırılabilen çıktı, bin adım başına maliyet ve adım başına süre. Her adım kısa ve doğrulanmışsa uzun ufuklu görevleri tamamlama becerisi daha az önem taşır. Ajan, kimsenin izlemediği onlarca eylemlik bir masaüstü sürecini yürütüyorsa bu beceri çok daha önemlidir.

Her iki model de girdi olarak metin ve görsel kabul eder ve bu iş akışına uygundur. Burada önemli olan özellikler:

Fiyatlar, milyon token başına resmi liste fiyatlarıdır; AIHubMix her iki model için de aynı ücretleri alır. Sonnet’in varsayılan eforu Claude Platform’un varsayılan ayarıdır. Terra’da girdi 272K tokenı aştığında isteğin tamamı için girdi ücreti 2 kat, çıktı ücreti 1.5 kat uygulanır; tek sayfalık bir belge adımında bu sınıra ulaşılmaz.

Ekran ajanları için pratik bir not: OpenAI, yerleşik bilgisayar aracı da dahil olmak üzere Terra’nın araç çağırma özelliğini Responses API’nin bir özelliği olarak belgeliyor. AIHubMix’in 27 Ekim’de yaptığı kontrollerde, bilgisayar aracı ve ekran görüntüsüyle çağrıldığında Responses uç noktasındaki Terra bir computer_call eylemi döndürdü; yani bu yol AIHubMix üzerinden çalışıyor.

Sonnet 5.5’in öne çıktığı alan: zorlu ajan görevlerini tamamlama

Aşağıdaki kıyaslama verileri bilerek ayrı tutulan üç kaynaktan geliyor. Kingy tarafından aktarılan OpenAI lansman grafikleri şirketin kendi beyanlarına dayanıyor ve bağımsız olarak yeniden üretilmiş değil. Anthropic’in Sonnet 5.5 lansman rakamları da şirketin kendi beyanları. Artificial Analysis (AA) ise bağımsız bir test kuruluşu. Kaynağın belirttiği her rakamın yanında efor düzeyi de veriliyor.

Önce, Sonnet 5.5’in karşılaştırma noktası olarak yer aldığı OpenAI’nin kendi grafiklerine bakalım:

Sonnet 5.5 rakamları, OpenAI grafiklerinde gösterilen max efor sonuçlarıdır. Görev maliyetleri OpenAI’nin tahminleridir.

OSWorld 2.1, ekran ajanlarına en yakın herkese açık test olan bir bilgisayar kullanımı kıyaslamasıdır. OpenAI’nin çevrimdışı test setinde Sonnet 5.5, max eforla Terra’yı 9.7 puan geride bırakıyor. Varsayılan ayardaki medium eforlu Terra ise 17.2 puan geride.

Anthropic’in Sonnet 5.5 lansman sayfası, kendi OSWorld 2.1 testinde “kısmi” olarak işaretlenen %80.1 ve Terminal-Bench 4.0’ta %70.6 sonuçlarını bildiriyor. Bu OSWorld testi, OpenAI’nin çevrimdışı test setinden farklı bir düzenek kullandığı için %80.1 ile %83.9 birbiriyle karşılaştırılamaz. Ayrıca bu değerlerin hiçbiri, diğer şirketin testindeki Terra puanıyla karşılaştırılmamalıdır. Her iki şirketin paylaştığı veriler de aynı noktaya işaret ediyor: Sonnet 5.5, masaüstü ve terminal ajanı görevlerinde güçlü.

Artificial Analysis, her iki modeli de kendi test düzeneğinde değerlendirdi:

AA’nın Sonnet 5.5 rakamları, AA’nın belirttiği üzere yedeklemeli max efor yapılandırmasından alınmıştır.

Bağımsız testlerde ajan görevlerinde Sonnet önde: AutomationBench-AA’da 12, AA’nın Terminal-Bench testinde ise 8 puan fark var. İki sonuç bu eğilimin dışında kalıyor. Uzun bağlamlı akıl yürütme testi olan AA-LCR’da iki model %83 ile berabere. GDP.pdf’de ise Terra, %29’a %26 ile az farkla önde. Bu sonuçların hiçbiri Terra’yı daha güçlü model yapmıyor; ancak Sonnet’in ajan testlerinde olduğu gibi farkı açtığını da göstermiyor.

Bunların hiçbirini Terra’nın bilgisayar kullanımında Sonnet’i geçtiği şeklinde yorumlamayın. Bu yazıdaki tüm bilgisayar kullanımı ve ajan kıyaslamalarında Sonnet 5.5 daha yüksek puan alıyor.

Terra’nın öne çıktığı alanlar: görev başına maliyet, hız ve çıktı biçimine uyum

Aynı AA testinde her modelin puanını almak için ne kadar harcadığı da ölçüldü:

Sonnet 5.5, görev başına Terra’nın beş katından fazla çıktı tokenı kullandı; üstelik bu tokenların her biri iki kat pahalı. Sonuç olarak görev başına maliyet Sonnet’inkinin onda birinden düşük ($0.40’a karşı $5.46) ve AA’nın görev başına ölçtüğü sürenin yaklaşık %43’ü (384 saniyeye karşı 901; AA, ilk tokenın gelmesini bekleme süresini değil, üretim süresini hesaplıyor). Aynı testte Sonnet’in token akışı da Terra’dan daha hızlı: saniyede 91’e karşı 141 çıktı tokenı. Dolayısıyla Terra’nın süre avantajı modelin daha hızlı olmasından değil, daha az token üretmesinden kaynaklanıyor. Sonnet bu harcamayla endeks puanına sekiz puan ekledi. Sekiz puanın maliyetin neredeyse 14 katına değip değmeyeceği, başarısız bir adımın size ne kadara mal olduğuna bağlı.

OpenAI’nin Terminal-Bench grafiği aynı ödünleşimi diğer açıdan gösteriyor: Sonnet görev başına $10.44 maliyetle %70.6 puan alırken Terra max, $1.84 maliyetle %50.3 puan alıyor. Kingy, işin özündeki soruyu net biçimde ortaya koydu: Yeniden denemeler ve insan incelemesi hesaba katıldığında daha yüksek tamamlama oranı ne kadar değerli?

Ekran ve belge görevleri için en ilgili bağımsız veri, Kingy’nin 26 Ekim tarihli pilot çalışması. Kapsamı küçüktü: araç kullanılmadan, medium eforla altı kısa görev ve her görev için iki deneme yapıldı. Görevlerden biri sentetik bir fatura görselinden alanları çıkarmayı, diğerleri ise JSON, Python veya SQL’i tam olarak istenen biçimde üretmeyi gerektiriyordu.

İstek sürelerine ağ ve sağlayıcı gecikmesi dahildir.

Her iki model de tüm yanıtları doğru verdi. Fark, yanıtların sunuluş biçimindeydi. Sonnet, bir görevdeki iki denemede de JSON’dan önce aritmetik işlem ekledi; ayrıca istemlerde yasaklanmasına rağmen Python ve SQL yanıtlarını Markdown kod bloklarına aldı. Kingy, üretim ortamındaki bir ayrıştırıcının veya zorunlu yapılandırılmış çıktı ayarının bu sarmalayıcıların bazılarını işleyebileceğini belirtiyor; ancak bu düzeltmeleri test etmedi. Yine de kodun her adımı ayrıştırdığı bir işlem hattında, teşvik edilmeye gerek kalmadan doğrudan JSON döndüren bir model, yeniden deneme veya ek temizlik adımından tasarruf sağlar. Terra on denemenin tamamında bunu yaptı ve maliyeti Sonnet’inkinin yaklaşık %41’i oldu. Bu pilotta Sonnet istek başına daha hızlı yanıt verdi.

Sıkça paylaşılan bir veri noktası daha var; bunu tek bir anekdot olarak değerlendirmek gerekir. atomic.chat, sekiz ajanlık ekiplere küçük bir oyun geliştirmeleri için aynı istemi verdi. Terra işi $1.06 karşılığında 6 dakikada tamamladı; Sonnet 5.5 ise bir saat ve $18.10 harcadı. Buna rağmen atomic.chat, Sonnet’in oyununu “çok daha iyi” olarak değerlendirdi. Test ayarları yayımlanmadığından bu örnek tek başına hiçbir şeyi kanıtlamıyor; ancak yukarıdaki eğilimle örtüşüyor: Sonnet daha fazla harcama yapıyor ve çoğu zaman daha fazlasını sunuyor.

Her modelde görevin maliyeti

Liste fiyatları üzerinden, token sayılarını eşit tuttuğumuz bir örnek: 10,000 belge adımı düşünün. Her adımda önbelleğe alınan 2,500 tokenlık sabit bir önek, yeni girdi olarak 1,500 tokenlık içerik (sayfa veya ekran görüntüsü) gönderiliyor ve 1,500 çıktı tokenı alınıyor.

Önbelleğe yazma maliyetleri hesaba katılmadı. Bunlar, yukarıdaki özellikler tablosunda belirtilen yazma ücretleri üzerinden her iki modele de küçük bir ek maliyet getirir.

Token sayıları aynı olduğunda Sonnet’in maliyeti tam olarak iki katına çıkar; çünkü tüm ücretler iki katı. Gerçek token sayıları aynı olmayacaktır. AA testinde Sonnet, max eforla görev başına Terra’nın yaklaşık 5.6 katı kadar çıktı tokenı kullandı. Bu örnekte en büyük kalem çıktı olduğundan, ajan görevlerindeki gerçek fark muhtemelen 2 katı aşacaktır. Farkın ne kadar açılacağı istemlerinize ve efor ayarlarınıza bağlıdır; karar vermeden önce kendi adımlarınızdan oluşan bir örneklemde ölçüm yapın.

Fiyatlandırmayla ilgili bir not: OpenAI’nin Batch API indirimi AIHubMix’te geçerli değildir; çünkü AIHubMix Batch uç noktasını sunmaz. Bu nedenle yukarıdaki rakamlar standart ücretlerdir.

Hangisini kim seçmeli?

GPT-6.1 Terra’yı seçin; eğer:

• adımlar kısa, sayıca fazla ve kodla kontrol ediliyorsa: fatura alanları, form girişleri veya bilinen bir ekrandaki sonraki tıklama gibi;
• çıktının temizlik gerektirmeden ayrıştırılması gerekiyorsa ve ek bir düzeltme katmanı eklemek istemiyorsanız;
• bütçeyi belirleyen ölçüt bin adım başına maliyetse;
• başarısız bir adımı yeniden denemek veya bir kişiye yönlendirmek ucuzsa.

Claude Sonnet 5.5’i seçin; eğer:

• ajan, her eylemi kontrol eden kimse olmadan uzun ve çok adımlı süreçlerde masaüstünü kullanıyorsa;
• başarısız bir çalıştırmanın maliyeti token maliyetini aştığı için tamamlama oranı faturadan daha önemliyse;
• aynı ajan kodlama işleri de yapıyorsa; OpenAI’nin grafiğinde ve AA’nın testinde Sonnet, Terminal-Bench’te Terra’nın önünde.

Her ikisini birlikte çalıştırmak da bir seçenek: yüksek hacimli çıkarım ve veri girişi adımlarında Terra’yı, uzun ve zorlu süreçlerde ve Terra’nın çıktısının doğrulamadan geçemediği durumlarda Sonnet’i kullanın. AIHubMix üzerinden geçiş, ikinci bir entegrasyon değil, model kimliğini değiştirmekten ibaret.

İkisini de AIHubMix üzerinden deneyin

Her iki model de aynı AIHubMix anahtarıyla ve resmî fiyatlardan çalışır. AIHubMix’in model listesinde Sonnet 5.5, Chat Completions, Responses ve Anthropic Messages uç noktalarında yer alıyor; Terra da 27 Ekim’de AIHubMix’in kendi testlerinde bu üçünde yanıt verdi. Terra için Responses uç noktasını kullanın: OpenAI, araçlarının yalnızca Responses’ta kullanılabildiğini belgeliyor ve AIHubMix’in testlerinde akıl yürütme düzeyi ayarı yalnızca orada etkili oldu. İstek biçimi için AIHubMix Responses API belgelerine göz atın.

Örnek, OpenAI SDK’sını kullanarak her iki modele de aynı çıkarım istemini gönderir ve yanıtlarını ve token kullanımını yazdırır:

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)

Kendi belgelerinizden veya ekranlarınızdan bir örnek üzerinde çalıştırın, her yanıtın ne sıklıkta ayrıştırılabildiğini kontrol edin ve kullanım satırlarını karşılaştırın: gerçek token oranınız budur. Teknik özellikleri ve fiyatları yan yana görmek için Terra ve Sonnet 5.5 karşılaştırma sayfasına bakın.

SSS

GPT-6.1 Terra, bilgisayar kullanımında Claude Sonnet 5.5’ten daha mı iyi?
Hayır. OpenAI’nin kendi grafiğinde OSWorld 2.1 puanı Sonnet 5.5 için daha yüksek (maksimum çabayla Terra’nın 74.2% puanına karşılık 83.9%); Artificial Analysis’in çalıştırmasında da AutomationBench-AA puanı daha yüksek (60%’a karşılık 72%). Terra’nın avantajı yetenek değil, maliyet ve çıktı biçimi.

Terra, Sonnet 5.5’ten ne kadar daha ucuz?
Token başına yarı fiyatına: milyon token başına giriş için $1 ve çıkış için $5; Sonnet’te ise bunlar $2 ve $10. Önbelleğe alınmış girişte de fiyat $0.05’e karşı $0.10. Sonnet daha fazla çıktı token’ı kullanma eğiliminde olduğundan, görev başına fiyat farkı daha da açılabilir. Artificial Analysis’in maksimum çaba testinde Terra görev başına $0.40, Sonnet ise $5.46 tuttu.

Fatura ve form verilerini çıkarmada hangi model daha iyi?
Kodla doğrulanan yüksek hacimli çıkarım işleri için Terra daha iyi bir başlangıç noktasıdır. Kingy’nin küçük ölçekli pilot çalışmasında iki model de fatura alanlarını doğru ve istenen biçimde çıkardı. Ancak on nesnel denemenin tamamında Terra istenen biçimi 10 kez, Sonnet ise 4 kez doğru döndürdü; Sonnet’in başarısız olduğu işler ayrı bir JSON görevi ile Python ve SQL görevleriydi. Terra, Sonnet’in kredi maliyetinin yaklaşık 41%’ine mal oldu. Karar vermeden önce ikisini de kendi belgelerinizde test edin.

Anthropic ve OpenAI neden Sonnet 5.5 için farklı OSWorld puanları bildiriyor?
Farklı kurulumlar kullandılar. Anthropic, kısmi olarak işaretlenen OSWorld 2.1’de 80.1% bildiriyor; OpenAI’nin grafiğinde ise çevrimdışı OSWorld 2.1 veri kümesinde 83.9% gösteriliyor. Bu sayılar birbiriyle karşılaştırılamaz; her birini yalnızca aynı çalıştırmadaki puanlarla kıyaslamak gerekir.

AIHubMix’te iki modelin ücreti resmî API’lerle aynı mı?
Evet. AIHubMix her iki model için de resmî liste fiyatlarını uygular: Terra için milyon token başına $1 ve $5; Sonnet 5.5 için $2 ve $10. AIHubMix Batch uç noktasını sunmadığından OpenAI’nin Batch API indirimi geçerli değildir.

AIHubMix üzerinden Terra’yı çağırmak için hangi uç nokta kullanılmalı?
Responses API. OpenAI, bilgisayar aracı da dahil olmak üzere Terra’nın araçlarının yalnızca Responses’ta kullanılabildiğini belgeliyor. AIHubMix’in 27 Ekim’deki testlerinde akıl yürütme düzeyi ayarı Responses’ta etkili olurken Chat Completions’ta etkili olmadı. Sonnet 5.5 de Responses’ta sunulduğundan her iki modeli de aynı döngüde çağırabilirsiniz.

Okumaya devam edin: GPT-6.1 Terra serisi

• Aracınız bugün GPT-5.6 Terra üzerinde çalışıyorsa, sağlayıcıları karşılaştırmadan önce yalnızca yükseltmenin neleri değiştirdiğine bakın: GPT-6.1 Terra ve GPT-5.6 Terra: Fiyatı Yarıya İndi, Neler Değişti ve Kimler Geçiş Yapmalı?
• Bir ekran aracısını Terra’ya geçirmeden önce, geçişte sorun çıkaran parametreleri ve araç çağrılarını düzeltin: GPT-6.1 Terra’ya Geçiş: temperature 400 Hatalarını Düzeltin, Araçları Responses’a Taşıyın ve Codex’i Kurun
• Uzun masaüstü süreçleri Terra’dan fazlasını gerektiriyor ancak OpenAI’de kalmak istiyorsanız bir üst düzey modeli karşılaştırın: GPT-6.1 Terra ve GPT-6.1 Sol: Hangi Görevlerde Hâlâ Sol Gerekli?
• Yukarıdaki maliyet tablosunu kendi trafiğinize göre ayarlamak için çaba düzeylerini ve önbelleğe almayı inceleyin: GPT-6.1 Terra’nın Gerçek Maliyeti: Çaba Düzeyleri, 272K Sınırı ve Önbelleğe Alma

Kaynaklar

• OpenAI: GPT-6.1 Terra’yı Tanıtıyoruz
• Anthropic: Claude Sonnet 5.5’i Tanıtıyoruz
• Artificial Analysis: GPT-6.1 Terra ve Claude Sonnet 5.5 karşılaştırması
• Kingy: GPT-6.1 Terra: Karşılaştırmalar, Fiyatlandırma ve Model Karşılaştırmaları
• AIHubMix: GPT-6.1 Terra ve Claude Sonnet 5.5 karşılaştırma sayfası