OpenAI випустила GPT-6.1 Terra 26 жовтня 2026 року — через чотири тижні після того, як Anthropic представила Claude Sonnet 5.5. У дописі про запуск OpenAI порівнювала Terra з Claude Opus 5.5, але медіа провели іншу межу. The Decoder назвав Terra «найближчим конкурентом OpenAI до середнього класу серії Sonnet від Anthropic за половину ціни», а AlphaCorp — Terra проти Sonnet «справжньою боротьбою за середній сегмент». GPT-6.1 Sol і Sonnet 5.5 мають однакові ціни — $2 / $10, тож цього місяця команда, яка обирає модель середнього класу, насправді вибирає між Terra за $1 / $5 і Sonnet за $2 / $10.
У цій статті ми розглянемо вибір для одного типу роботи: агентів, що працюють з екранами й документами. Такий агент читає рахунок, форму або знімок екрана, витягує потрібні поля та вводить їх в інший застосунок. Кожен крок короткий і його можна перевірити, а виконується він тисячі разів на день. У цьому завданні моделі мають різні переваги. Sonnet 5.5 показує кращі результати на більшій кількості складних тестів для агентів, зокрема в діаграмі використання комп’ютера у власному анонсі OpenAI. Terra удвічі дешевша за токен, у незалежних тестах витрачала значно менше токенів на завдання, а в одному невеликому пілотному тесті надійніше дотримувалася суворих форматів виводу.
Коротко: для високочастотних кроків, результат яких можна перевірити, спершу спробуйте Terra. Для тривалих автономних сеансів роботи за комп’ютером, де невдалий запуск коштує дорожче за токени, Sonnet 5.5 виправдовує свою ціну. Обидві моделі доступні за одним ключем через AIHubMix і за тими самими цінами, що й у власних API постачальників; докладніше — на сторінці моделі GPT-6.1 Terra.
Завдання, якому присвячено це порівняння
Крок агента, що працює з екраном або документом, зазвичай виглядає так:
- Вхідні дані: незмінний префікс (системний промпт, схема виводу, визначення інструментів), який повторюється в кожному запиті, і новий вміст: зображення сторінки, знімок екрана або витягнутий текст.
- Результат: коротка структурована відповідь, наприклад поля JSON або наступна дія в інтерфейсі.
- Обсяг: від тисяч до сотень тисяч кроків, кожен із яких перевіряє код, перш ніж передати дані далі.
Тут усе визначають чотири чинники: правильність полів, результат, який розбирається без додаткового опрацювання, вартість тисячі кроків і час на крок. Здатність доводити до кінця тривалі завдання менш важлива, коли кожен крок короткий і перевірений, але має велике значення, коли агент виконує десятки дій на комп’ютері без нагляду.
Обидві моделі приймають на вхід текст і зображення та відповідають цьому сценарію. Важливі для нас характеристики:
| GPT-6.1 Terra | Claude Sonnet 5.5 | |
|---|---|---|
| Дата випуску | 26 жовтня 2026 року | 28 вересня 2026 року |
| Вхідні / вихідні дані | $1 / $5 | $2 / $10 |
| Читання з кешу | $0.05 | $0.10 |
| Запис у кеш | $1.25 (30 хв), $2.50 (12 год) | $2.50 (5 хв), $4 (1 год) |
| Контекстне вікно | 1,050,000 | 1M |
| Максимальний обсяг виводу | 128K | 128K |
| Рівень зусиль за замовчуванням | medium | high |
Це офіційні ціни за мільйон токенів; AIHubMix стягує однакову плату за обидві моделі. Рівень зусиль Sonnet за замовчуванням відповідає налаштуванню Claude Platform. Якщо обсяг вхідних даних перевищує 272K токенів, Terra тарифікує весь запит за ставкою, що вдвічі вища для вхідних і в 1.5 раза — для вихідних даних. Для кроку з однією сторінкою документа такого обсягу не буде.
Практичне зауваження щодо агентів, які працюють з екранами: OpenAI документує виклик інструментів Terra, зокрема вбудованого інструмента комп’ютера, як функцію Responses API. У тестах AIHubMix від 27 жовтня Terra на кінцевій точці Responses повертала дію computer_call, коли їй надавали інструмент комп’ютера та знімок екрана, тож цей сценарій працює через AIHubMix.
У чому Sonnet 5.5 краща: доводить до кінця складні завдання агентів
Наведені нижче результати тестів походять із трьох джерел, які ми навмисно розглядаємо окремо. Діаграми OpenAI з анонсу, відтворені Kingy, містять результати, про які повідомила сама компанія, і незалежно їх ніхто не відтворив. Результати Sonnet 5.5 з анонсу Anthropic також надані самою компанією. Artificial Analysis (AA) — незалежний тестувальник. Для кожного результату вказано рівень зусиль, якщо джерело його зазначає.
Почнімо з власних діаграм OpenAI, де Sonnet 5.5 наведена для порівняння:
| Діаграма OpenAI | Terra medium | Terra max | Sonnet 5.5 |
|---|---|---|---|
| OSWorld 2.1 offline | 66.7% | 74.2% | 83.9% |
| Terminal-Bench 4.0 | 35.8% | 50.3% | 70.6% |
| Вартість завдання Terminal-Bench | – | $1.84 | $10.44 |
Результати Sonnet 5.5 — це показники з максимальним рівнем зусиль, наведені в діаграмах OpenAI. Вартість завдання — оцінки OpenAI.
OSWorld 2.1 — це тест на використання комп’ютера, найближчий із відкритих тестів до сценарію агента, що працює з екраном. На офлайн-наборі OpenAI Sonnet 5.5 випереджає Terra з максимальним рівнем зусиль на 9.7 пункту. Terra з рівнем medium, установленим за замовчуванням, відстає на 17.2 пункту.
Сторінка анонсу Sonnet 5.5 від Anthropic повідомляє про результат власного запуску OSWorld 2.1 — 80.1% із позначкою «частковий», а також 70.6% у Terminal-Bench 4.0. Цей запуск OSWorld відрізняється від офлайн-набору OpenAI, тому показники 80.1% і 83.9% не можна порівнювати між собою. Так само не варто зіставляти жоден із них із результатом Terra в тесті іншого постачальника. Матеріали обох компаній свідчать про одне: Sonnet 5.5 добре справляється із завданнями агентів на комп’ютері й у терміналі.
Artificial Analysis протестувала обидві моделі на власному тестовому стенді:
| Artificial Analysis | Terra max | Sonnet 5.5 max |
|---|---|---|
| Індекс інтелекту | 48 | 56 |
| AutomationBench-AA | 60% | 72% |
| Terminal-Bench 4.0 | 56% | 64% |
| AA-LCR (довгий контекст) | 83% | 83% |
| GDP.pdf | 29% | 26% |
Для Sonnet 5.5 AA зазначає, що ці результати отримані з максимальною конфігурацією рівня зусиль і резервною моделлю.
Незалежне тестування також показує, що Sonnet краще справляється із завданнями для агентів: на 12 пунктів випереджає в AutomationBench-AA і на 8 — у тесті Terminal-Bench від AA. Два результати вирізняються із загальної картини. У AA-LCR, тесті на міркування з довгим контекстом, обидві моделі набрали по 83%. У GDP.pdf Terra трохи випередила Sonnet: 29% проти 26%. Жоден із цих результатів не робить Terra сильнішою моделлю, але й не свідчить про значний відрив Sonnet, як у тестах для агентів.
Не сприймайте ці результати як свідчення, що Terra перевершила Sonnet у роботі з комп’ютером. У кожному наведеному в цій статті тесті на використання комп’ютера й роботу агентів Sonnet 5.5 набрала більше балів.
У чому Terra краща: вартість завдання, швидкість і дотримання формату виводу
У тому самому запуску AA виміряла витрати кожної моделі для отримання результату:
| AA, максимальний рівень зусиль | Terra | Sonnet 5.5 |
|---|---|---|
| Вартість завдання за індексом | $0.40 | $5.46 |
| Вихідні токени на завдання | 35k | 197k |
| Токени міркування в цьому завданні | 25k | 147k |
| Час на завдання | 384s | 901s |
На одне завдання Sonnet 5.5 використала більш ніж у п’ять разів більше вихідних токенів, ніж Terra, причому кожен такий токен коштує вдвічі дорожче. У результаті вартість завдання становить менш як десяту частину від вартості Sonnet ($0.40 проти $5.46), а час — близько 43% від виміряного AA часу на завдання (384 секунди проти 901; AA враховує час генерації, а не очікування першого токена). Водночас потік генерації Sonnet швидший: 141 вихідний токен за секунду проти 91 у Terra в тому самому запуску. Отже, перевага Terra в часі зумовлена тим, що вона генерує менше токенів, а не тим, що сама модель працює швидше. За ці витрати Sonnet здобула на вісім балів за індексом більше. Чи варті ці вісім балів майже 14-кратної різниці у вартості, залежить від того, скільки для вас коштує помилка на кроці.
Діаграма Terminal-Bench від OpenAI демонструє такий самий компроміс з іншого боку: Sonnet набрала 70.6% за $10.44 на завдання, тоді як Terra з максимальним рівнем зусиль — 50.3% за $1.84. Kingy чітко сформулював бізнес-питання: наскільки вища частка успішних виконань виправдовує себе, якщо врахувати повторні спроби й перевірку людиною.
Для завдань із документами й екранами найдоречніші незалежні дані — пілотне тестування Kingy від 26 жовтня. Воно було невеликим: шість коротких завдань, по дві спроби кожне, із середнім рівнем зусиль і без інструментів. В одному завданні потрібно було витягти поля із зображення штучно створеного рахунку; інші вимагали повернути JSON, Python або SQL у точному форматі.
| Пілотне тестування Kingy, середній рівень зусиль | Terra | Sonnet 5.5 |
|---|---|---|
| Правильні відповіді на запитання з однозначною відповіддю | 10/10 | 10/10 |
| Правильно й у точному форматі | 10/10 | 4/10 |
| Зараховано з 12 оцінених запитів | $0.0203 | $0.0499 |
| Медіанний час запиту | 3.84s | 2.83s |
Час запитів включає затримку мережі та постачальника.
Обидві моделі правильно відповіли на всі запитання. Різниця була у форматі результатів. В обох спробах одного із завдань Sonnet додала перед JSON арифметичні викладки, а відповіді Python і SQL обгорнула в блоки коду Markdown, що суперечило інструкціям. Kingy зауважує, що виробничий парсер або примусове структурування виводу могли б обробити деякі з цих випадків, але такі виправлення не тестувалися. Однак у конвеєрі, де код розбирає кожен крок, модель, яка повертає чистий JSON без додаткових підказок, заощаджує повторну спробу або етап очищення. Terra так зробила в усіх десяти спробах, витративши приблизно 41% кредитів, потрібних Sonnet. У цьому пілотному тесті Sonnet швидше відповідала на кожен запит.
Широко поширюється ще один результат, але його слід сприймати лише як окремий випадок. atomic.chat доручила командам із восьми агентів створити невелику гру за однаковим промптом. Terra впоралася за 6 хвилин і $1.06; Sonnet 5.5 витратила годину й $18.10, а atomic.chat оцінила гру Sonnet як «набагато кращу». Умови тесту не оприлюднили, тож сам по собі він нічого не доводить, але узгоджується з наведеними вище результатами: Sonnet витрачає більше й часто видає кращий результат.
Скільки коштуватиме робота з кожною моделлю
Приклад розрахунку за стандартними цінами, де кількість токенів однакова для обох моделей. Візьмімо 10,000 кроків обробки документів. На кожному кроці надсилається незмінний префікс обсягом 2,500 токенів, що потрапляє в кеш, а також 1,500 нових вхідних токенів (вміст сторінки або знімка екрана); у відповідь модель повертає 1,500 вихідних токенів.
| 10,000 кроків | GPT-6.1 Terra | Claude Sonnet 5.5 |
|---|---|---|
| Вхідні дані з кешу (25M) | $1.25 | $2.50 |
| Нові вхідні дані (15M) | $15.00 | $30.00 |
| Вихідні дані (15M) | $75.00 | $150.00 |
| Разом | $91.25 | $182.50 |
Записи в кеш не враховано. Вони додають невелику суму до вартості обох моделей за тарифами запису, наведеними в таблиці характеристик вище.
За однакової кількості токенів Sonnet коштує рівно вдвічі більше, адже кожен тариф удвічі вищий. Насправді кількість токенів не буде однаковою. У тесті AA Sonnet із максимальним рівнем зусиль використала на завдання приблизно у 5.6 раза більше вихідних токенів, ніж Terra. Оскільки в цьому прикладі саме вихідні дані становлять найбільшу частину витрат, у реальних завданнях для агентів різниця, ймовірно, буде більшою за 2x. Наскільки саме — залежить від ваших промптів і налаштувань рівня зусиль; перш ніж ухвалювати рішення, виміряйте витрати на вибірці власних кроків.
Зауваження щодо ціноутворення: знижка на Batch API від OpenAI не діє в AIHubMix, оскільки тут не надається доступ до Batch endpoint, тому наведені вище цифри відповідають стандартним тарифам.
Кому яку модель обрати
Обирайте GPT-6.1 Terra, якщо:
- кроки короткі, їх багато й код їх перевіряє: наприклад, витягування даних із рахунків, заповнення форм або наступне натискання на екрані зі знайомим інтерфейсом;
- результат має розбиратися без додаткового опрацювання, і ви не хочете додавати шар виправлень;
- бюджет визначає вартість тисячі кроків;
- невдалий крок недорого повторити або передати на перевірку людині.
Обирайте Claude Sonnet 5.5, якщо:
- агент виконує тривалі багатокрокові завдання на комп’ютері, і ніхто не перевіряє кожну його дію;
- частка успішних виконань важливіша за рахунок, оскільки невдалий запуск обходиться дорожче за токени;
- той самий агент також виконує завдання з програмування, де Sonnet випереджає Terra в Terminal-Bench як у діаграмі OpenAI, так і в тесті AA.
Запускати обидві моделі — теж варіант: Terra — для масового вилучення даних і заповнення полів, Sonnet — для тривалих складних завдань і випадків, коли результат Terra не проходить перевірку. Через AIHubMix для цього потрібно лише змінити ID моделі, а не налаштовувати другу інтеграцію.
Спробуйте обидві моделі через AIHubMix
Обидві моделі працюють з одним ключем AIHubMix за офіційними цінами. У списку моделей AIHubMix зазначено, що Sonnet 5.5 доступна через Chat Completions, Responses і Anthropic Messages, а Terra успішно відповіла на всі три в тестах AIHubMix від 27 жовтня. Для Terra використовуйте кінцеву точку Responses: OpenAI документує, що її інструменти доступні лише через Responses, і в тестах AIHubMix параметр рівня міркувань спрацьовував лише там. У документації AIHubMix Responses API описано формат запиту.
Приклад надсилає обом моделям однаковий запит на вилучення даних за допомогою OpenAI SDK і виводить кожну відповідь та використання токенів:
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)
Запустіть його на зразку власних документів або екранів, перевірте, як часто відповіді кожної моделі проходять парсинг, і порівняйте рядки з даними про використання: так ви отримаєте реальне співвідношення токенів. Порівняння характеристик і цін наведено на сторінці порівняння Terra та Sonnet 5.5.
Поширені запитання
Чи краща GPT-6.1 Terra за Claude Sonnet 5.5 у керуванні комп’ютером?
Ні. У власній діаграмі OpenAI Sonnet 5.5 набирає більше балів на OSWorld 2.1 (83.9% проти 74.2% у Terra за максимального рівня зусиль), а в тестуванні Artificial Analysis — на AutomationBench-AA (72% проти 60%). Перевага Terra — у вартості та форматі результату, а не в можливостях.
Наскільки Terra дешевша за Sonnet 5.5?
За токен — удвічі: $1 за вхідні та $5 за вихідні токени на мільйон проти $2 і $10, а за кешовані вхідні токени — $0.05 проти $0.10. За одне завдання різниця може бути більшою, адже Sonnet зазвичай використовує більше вихідних токенів. У тестуванні Artificial Analysis з максимальним рівнем зусиль одне завдання коштувало $0.40 для Terra та $5.46 для Sonnet.
Яка модель краще підходить для вилучення даних із рахунків-фактур і форм?
Для масового вилучення даних із подальшою перевіркою кодом найкраще почати з Terra. У невеликому пілотному тесті Kingy обидві моделі правильно вилучили поля з рахунку-фактури й надали результат у потрібному форматі. Однак у всіх десяти об’єктивних спробах Terra 10 разів повернула результат точно в запитаному форматі, а Sonnet — 4 рази; помилки Sonnet припали на окреме завдання з JSON, а також на завдання з Python і SQL. Крім того, Terra витратила приблизно 41% кредитів Sonnet. Перш ніж вирішувати, протестуйте обидві моделі на власних документах.
Чому Anthropic та OpenAI наводять різні результати Sonnet 5.5 на OSWorld?
Вони використовували різні конфігурації. Anthropic повідомляє про 80.1% на OSWorld 2.1 із позначкою «частковий результат», а на діаграмі OpenAI наведено 83.9% на офлайн-наборі OSWorld 2.1. Ці показники не можна порівнювати між собою; кожен із них варто зіставляти лише з результатами того самого тестування.
Чи однакова вартість обох моделей в AIHubMix і в офіційних API?
Так. AIHubMix стягує плату за офіційними тарифами обох моделей: $1 і $5 для Terra, $2 і $10 для Sonnet 5.5 за мільйон токенів. Знижка на Batch API від OpenAI недоступна, оскільки AIHubMix не надає доступу до кінцевої точки Batch.
Яку кінцеву точку слід використовувати для виклику Terra через AIHubMix?
Responses API. OpenAI документує, що інструменти Terra, зокрема інструмент керування комп’ютером, доступні лише через Responses; у тестах AIHubMix від 27 жовтня параметр рівня міркувань спрацьовував у Responses, але не в Chat Completions. Sonnet 5.5 також доступна через Responses, тож обидві моделі можна викликати в одному циклі.
Читайте далі: серія GPT-6.1 Terra
- Якщо ваш агент уже працює на GPT-5.6 Terra, перш ніж порівнювати постачальників, дізнайтеся, що зміниться лише завдяки оновленню: GPT-6.1 Terra проти GPT-5.6 Terra: вдвічі дешевше, що змінилося та кому варто перейти
- Перш ніж переводити агента для роботи з екраном на Terra, виправте параметри й виклики інструментів, які можуть зламатися після переходу: Перехід на GPT-6.1 Terra: як виправити помилки 400 через temperature, перенести інструменти в Responses і налаштувати Codex
- Якщо для тривалих завдань на комп’ютері можливостей Terra недостатньо, але ви хочете залишитися з OpenAI, порівняйте її з моделлю вищого рівня: GPT-6.1 Terra проти GPT-6.1 Sol: для яких завдань досі потрібна Sol?
- Щоб адаптувати таблицю витрат вище до власного трафіку, розберіться з рівнями зусиль і кешуванням: Скільки насправді коштує GPT-6.1 Terra: рівні зусиль, поріг 272K і кешування
Джерела
- OpenAI: Представляємо GPT-6.1 Terra
- Anthropic: Представляємо Claude Sonnet 5.5
- Artificial Analysis: Порівняння GPT-6.1 Terra та Claude Sonnet 5.5
- Kingy: GPT-6.1 Terra: бенчмарки, ціни та порівняння моделей
- AIHubMix: Сторінка порівняння GPT-6.1 Terra та Claude Sonnet 5.5
