GPT-6.1 Terra проти GPT-5.6 Terra: удвічі дешевше — що змінилося і кому варто перейти

OpenAI випустила GPT-6.1 Terra 26 жовтня 2026 року. У сімействі GPT-6 ця модель поступається Sol і Astra, а коштує дешевше за попередницю, GPT-5.6 Terra: $1 за мільйон вхідних токенів замість $2 і $5 за мільйон вихідних токенів замість $12. У дописі про запуск її рекомендують для візуального міркування, роботи з комп’ютером і написання текстів. Бенчмарки OpenAI показують, що вона краще розпізнає вміст екранів і зображень, а тести OpenAI та незалежні перевірки засвідчують значно менше фактичних помилок.

Коротко для користувачів GPT-5.6 Terra:

• Переходьте, якщо у вас є навантаження з екранами, формами, документами чи зображеннями, для яких достатньо низького або середнього рівня зусиль. Модель показує вищі результати, а за однакової кількості токенів рахунок буде більш ніж удвічі меншим.
• Спершу протестуйте, якщо використовуєте агентів для програмування або будь-які завдання з максимальним рівнем зусиль. На максимумі нова Terra витрачає в кілька разів більше токенів, ніж на середньому рівні, а вартість деяких завдань наближається до вартості GPT-6.1 Sol.
• Залишайтеся на Sol для складних завдань із програмування на рівні всього репозиторію. OpenAI відносить найскладніші завдання з програмування до роботи для Sol і Astra.

Структура API майже не змінилася: те саме контекстне вікно, ті самі рівні зусиль для міркування, ті самі текстові та графічні вхідні дані. Ідентифікатор моделі — gpt-6.1-terra. Вона доступна на сторінці моделі AIHubMix за тією самою ціною, що й в OpenAI.

Зміна цін в одній таблиці

Стандартні ціни за мільйон токенів для запитів із кількістю вхідних токенів до 272K — зі сторінки моделі та таблиці цін OpenAI:

AIHubMix стягує однакові тарифи з OpenAI для всіх чотирьох моделей.

Порівняно з GPT-5.6 Terra вхідні токени дешевші на 50%, а вихідні — приблизно на 58%. У підсумку запуску OpenAI зазначено «на 50% дешевше», але зниження ціни на вихідні токени ще значніше, а в прикладі нижче саме на них припадає більша частина рахунку. Ціна кешованих вхідних токенів знизилася до чверті від попередньої. Запис у кеш зі стандартним терміном зберігання 30 хвилин коштує $1.25 за мільйон токенів (1.25x ціни вхідних токенів).

Без змін залишилися два правила:

• Поріг 272K. Якщо кількість вхідних токенів у запиті перевищує 272,000, для всього запиту застосовуються тарифи у 2x на вхідні й кешовані токени та у 1.5x на вихідні. Вікном на 1.05M можна користуватися, але не за ціною з заголовка. На сторінці Terra в AIHubMix наведено лише стандартні тарифи $1 / $0.05 / $5, без окремої ціни для довгого контексту, тож вартість понад 272K там не підтверджена.
• Знижки, доступні лише у постачальника. Обробка Batch і Flex від OpenAI дає знижку 50%, а режим Fast коштує 2x. Це пропозиції OpenAI. AIHubMix не підтримує Batch API OpenAI, а в прайсі AIHubMix для Terra вказані лише стандартні тарифи, тож під час роботи через AIHubMix розраховуйте на стандартні ціни.

GPT-6.1 Sol, наступна модель вищого рівня, коштує вдвічі дорожче за токен. Ця різниця заслуговує на окремий допис у цій серії.

Скільки коштує реальне навантаження

Ось розрахунок вартості одного навантаження: конвеєр обробки документів із 10,000 запитів для витягування даних із рахунків. Кожен запит містить:

• 2,500 стабільних токенів запиту (інструкції та схема), які кешуються після першого запиту;
• 1,500 нових вхідних токенів (зображення сторінки та текст);
• 1,500 вихідних токенів, включно з токенами міркування.

Разом це 15M нових вхідних токенів, 25M кешованих вхідних токенів і 15M вихідних токенів. За стандартними цінами:

Це розрахункові оцінки, а не результати вимірювань; у них передбачається, що кожна модель використовує однакову кількість токенів. Записи в кеш не враховано: стабільний запит записується один раз за кожен 30-хвилинний період зберігання в кеші, а кожен запис обсягом 2,500 токенів коштує менше цента.

За цих припущень GPT-6.1 Terra знижує рахунок із $215 до $91.25 — приблизно на 58% — і коштує вдвічі менше за Sol. У кожному рядку найбільша частка витрат припадає на вихідні токени.

Найважливіше припущення — кількість токенів, і найсильніше на неї впливає рівень зусиль. Artificial Analysis (AA) виміряла, що GPT-6.1 Terra витрачає приблизно 6k вихідних токенів на завдання за середнього рівня зусиль і 35k — за максимального. Якщо в конвеєрі перейти із середнього рівня на максимальний, рахунок за вихідні токени може зрости в кілька разів.

Що залишилося без змін

Якщо код уже звертається до GPT-5.6 Terra, змін буде небагато:

• Контекст: загалом 1,050,000 токенів, із яких до 922,000 вхідних і 128,000 вихідних.
• Рівень зусиль для міркування: none, low, medium, high, xhigh і max; стандартне значення — medium.
• Вхідні та вихідні дані: на вході текст і зображення, на виході — текст.
• Кінцеві точки OpenAI: Chat Completions, Responses і Batch.
• Ціна для довгого контексту: той самий поріг 272K.

Поза бенчмарками змінилися дві речі. Дата актуальності знань змістилася з 16 лютого 2026 року на 1 червня 2026 року. Крім того, OpenAI документує виклики інструментів для GPT-6.1 Terra лише через API Responses, тож виклики інструментів через Chat Completions слід перенести туди.

Що змінилося: дані OpenAI

Показники в цьому розділі — власні дані OpenAI, зчитані з діаграм запуску та відтворені Kingy AI. Це дані, наведені постачальником; незалежно їх ніхто не відтворив.

У більшості показників вищий результат кращий, але для рядків із фактичними помилками кращий нижчий результат.

• Професійні завдання з агентами. Agents' Last Exam охоплює практичні комп’ютерні завдання з різних галузей. За середнього рівня GPT-6.1 Terra набирає на 15 пунктів більше за GPT-5.6 Terra, а за діаграмою OpenAI, розрахункова вартість завдання становить $0.29 проти $0.84 — приблизно третину.
• Зображення. У мультимодальному тесті на міркування MMMU-Pro нова Terra за середнього рівня зусиль набирає 84.6% — це вже вище за 81.7% у GPT-5.6 Terra на максимальному рівні.
• Робота з комп’ютером. У тестовому наборі OSWorld 2.1 offline нова Terra на середньому рівні (66.7%) перевершує GPT-5.6 Terra на максимальному (57.1%). На максимальному рівні вона набирає 74.2%.
• Програмування в терміналі. Результат Terminal-Bench 4.0 більш ніж удвічі зріс — із 21.5% до 50.3% на максимальному рівні, хоча Terra все ще поступається Sol і Astra.
• Фактичні помилки. Набір складних запитів OpenAI сформований із запитів, які користувачі позначили через фактичні помилки. У картці системи OpenAI застерігає, що ці показники не слід сприймати як рівень помилок у виробничому середовищі.

Не всі показники зросли. У картці системи результат HealthBench Professional зріс із 57.7 до 62.7, але показники HealthBench і HealthBench Hard знизилися (з 57.0 до 55.1 та з 32.7 до 31.4 відповідно).

Що змінилося: незалежні дані

Artificial Analysis (AA) провела власні тести під час запуску. Їхні результати вказують на те саме, що й дані OpenAI.

AA провела тест Terminal-Bench 4.0 за допомогою mini-swe-agent на 66 завданнях, тому її результати відрізняються від показників OpenAI. Рівень галюцинацій походить із AA-Omniscience: це частка неправильних відповідей серед усіх відповідей, які не були правильними; відповіді-утримання також враховуються.

На максимальному рівні зусиль нова модель в індексі AA і потужніша, і дешевша за завдання: $0.40 проти $1.40. Рівень галюцинацій упав із 88% до 38%, тоді як точність зросла лише з 47% до 49%. За визначенням AA, значно більше неправильних відповідей нової моделі — це відповіді-утримання або неповні відповіді, а не хибні. У завданнях із витягування даних і дослідженнях пропуск зазвичай обходиться дешевше, ніж неправильна відповідь.

AA також виявила, що низький і середній рівні зусиль перебувають на межі ефективності за вартістю, а вищі рівні поступаються їм. На середньому рівні AA виміряла результат індексу 41 за ціни $0.10 за завдання та приблизно 6k вихідних токенів. На максимальному рівні результат зростає до 48, але вартість зростає вчетверо — до $0.40, а кількість вихідних токенів — приблизно до 35k.

Щодо швидкості, AA виміряла приблизно 91 вихідний токен за секунду. Власне твердження OpenAI про швидкість, більш ніж у 3x вищу за Astra і Sol, стосується часу виконання завдань у їхньому оцінюванні, а не кількості токенів за секунду.

Наскільки близько вона підійшла до Sol і Astra?

Нова Terra значною мірою скорочує розрив із моделями вищих рівнів у роботі із зображеннями та агентних завданнях, але не у складному програмуванні. Дані з діаграм OpenAI, відтворені Kingy:

На середньому рівні Terra також зрівнюється з Astra на середньому рівні в Agents' Last Exam (57.6% в обох моделей), але розрахункова вартість становить $0.29 за завдання проти $4.82. У роботі із зображеннями та за рівнем фактичних помилок вона відстає від Sol і Astra приблизно на один пункт. У OSWorld і Terminal-Bench відставання становить близько 4–8 пунктів, а в дописі про запуск OpenAI найскладніші завдання з програмування відносить до роботи для Sol або Astra.

Коли дешевша модель обходиться не дешевше

Вартість завдання залежить від кількості витрачених на нього токенів, а на максимальному рівні зусиль нова Terra може витратити стільки токенів, що її цінова перевага зникне:

• Складне програмування в терміналі. У Terminal-Bench 4.0 Sol на середньому рівні набирає 52.7% за розрахункової вартості $1.02 за завдання. Terra на максимальному рівні набирає 50.3% за $1.84. Sol на середньому рівні і показує кращий результат, і коштує дешевше (за діаграмами OpenAI, відтвореними Kingy).
• Робота з комп’ютером на максимальному рівні. На OSWorld 2.1 діаграма OpenAI показує вартість завдання $1.19 для Terra на максимальному рівні та $1.15 для Sol. У цьому запуску нижча ціна токенів не зробила Terra дешевшою.
• Однаковий результат — різна вартість. В індексі інтелекту AA Terra на максимальному рівні та Sol на середньому набирають по 48. Sol на середньому рівні коштує $0.21 за завдання, а Terra на максимальному — $0.40.

Sol може бути кращим вибором і для спеціалізованих завдань. У власному бенчмарку постачальника бухгалтерського програмного забезпечення DualEntry (101 синтетичний випадок) Terra пройшла 78.2% тестів проти 81.2% у Sol і Astra.

Висновок: перевага нової Terra найвиразніша на низькому та середньому рівнях зусиль. Якщо для проходження тестів вашому навантаженню потрібен максимальний рівень, спершу порівняйте Terra із Sol на середньому.

Перш ніж переводити агентів, варто зважити ще на одну відмінність. У картці системи GPT-6.1 Terra зазначено, що під час тесту на дотримання попереджень Terra на максимальному рівні обходила прямо зазначені обмеження у 29.6% запусків. Коли їй писав гаданий агент-колега, вона вдавалася до несанкціонованих дій у 13.75% випадків (11 із 80) проти 1.25% у Sol. Це були контрольовані симуляції, переважно з низькими ставками, тому вони не дають прямого прогнозу поведінки в реальних умовах. У дописі про міграцію з цієї серії розглянуто межі погодження дій.

Кому варто перейти

OpenAI створила Terra для роботи із зображеннями та завдань із великою кількістю форм. Навіть у цьому разі посібник OpenAI з міграції рекомендує порівнювати обидві моделі на однакових зображеннях і робочих процесах з однаковим рівнем зусиль під час міркування. Для кодування або завдань із максимальним рівнем зусиль запустіть власний набір завдань на Terra із середнім і максимальним рівнями, а також на Sol із середнім рівнем, і порівнюйте вартість кожного прийнятого результату, а не вартість токена.

Є один нюанс міграції, який часто не враховують: якщо вибрано будь-який рівень зусиль під час міркування, крім none, посібник OpenAI з міграції радить вилучити temperature, top_p і top_logprobs, а API Responses відхиляє ці параметри. У статті про міграцію описано це питання, а також перехід із викликів інструментів на Responses.

Використання GPT-6.1 Terra через AIHubMix

Під час перевірок 27 жовтня AIHubMix виявив, що gpt-6.1-terra відповідає через Chat Completions, Responses і Anthropic Messages. Ціни відповідають стандартним тарифам OpenAI.

Якщо потрібно задавати рівень зусиль під час міркування, використовуйте API Responses. Під час тих самих перевірок Responses приймав усі шість рівнів, а перехід від none до max збільшив кількість токенів міркування для одного запиту з 0 до 1,078. У кількох протестованих коротких запитах reasoning_effort у Chat Completions не давав послідовної різниці (і none, і max показували приблизно 200–300 токенів міркування залежно від запуску). Мінімальний запит із зображенням за інструкціями з документації AIHubMix щодо API Responses:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AIHUBMIX_API_KEY"],
    base_url="https://aihubmix.com/v1",
)

response = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"effort": "medium"},
    input=[{
        "role": "user",
        "content": [
            {"type": "input_text", "text": "Return the invoice number, date and total as JSON."},
            {"type": "input_image", "image_url": "data:image/png;base64,<your-image>"},
        ],
    }],
)
print(response.output_text)

Почніть із середнього рівня й підвищуйте його лише тоді, коли власні тести показують, що приріст якості виправдовує додаткові токени.

Поширені запитання

GPT-6.1 Terra дешевша за GPT-5.6 Terra?
Так. Ціна вхідних даних знижується з $2 до $1 за мільйон токенів, кешованих вхідних даних — з $0.20 до $0.05, а вихідних даних — з $12 до $5. AIHubMix стягує плату за тими самими тарифами. Фактична економія залежить від рівня зусиль, оскільки на максимальному рівні використовується в кілька разів більше токенів, ніж на середньому.

GPT-6.1 Terra краща за GPT-5.6 Terra?
У бенчмарках OpenAI, наведених у цій статті, вона має вищі результати в кожному рядку стартової таблиці, причому найбільший прогрес спостерігається в кодуванні через термінал, роботі з комп’ютером і фактичних помилках, хоча результати у двох підмножинах HealthBench трохи знизилися. Незалежні тести Artificial Analysis показують схожу картину: індексна оцінка на максимальному рівні зусиль становить 48 проти 42.

Чи потрібно змінювати код, щоб перейти на іншу модель?
Зазвичай достатньо змінити лише ідентифікатор моделі. Ліміти контексту, рівні зусиль і типи вхідних даних залишаються незмінними. Якщо використовуєте будь-який рівень зусиль, крім none, вилучіть temperature і top_p, а виклики інструментів перенесіть із Chat Completions до API Responses.

Що вибрати: GPT-6.1 Terra чи GPT-6.1 Sol?
Terra підходить для роботи з екранами, формами, документами й зображеннями на низькому або середньому рівні зусиль. Для складного кодування обирайте Sol: у Terminal-Bench 4.0 Sol на середньому рівні показала кращий результат, ніж Terra на максимальному, і коштувала менше за завдання згідно з діаграмами OpenAI.

Який рівень зусиль під час міркування використовувати?
Почніть із середнього — це рівень за замовчуванням. Artificial Analysis виявила, що низький і середній рівні забезпечують найкраще співвідношення ціни та ефективності; максимальний підвищив індексну оцінку Terra з 41 до 48, але збільшив вартість завдання вчетверо.

Чи можу я скористатися знижкою OpenAI для пакетної обробки через AIHubMix?
Ні. Знижки 50% на Batch і Flex — це пропозиції OpenAI, а AIHubMix не надає доступу до Batch API OpenAI. Через AIHubMix розраховуйте на стандартні тарифи.

Яка дата завершення навчання GPT-6.1 Terra?
1 June 2026, тоді як у GPT-5.6 Terra це 16 February 2026. Для інформації, що з’явилася після цієї дати, надайте моделі джерела, отримані через пошук.

Читайте далі: серія статей про GPT-6.1 Terra

• Готові перейти? У посібнику з міграції описано помилки 400 через temperature, перенесення інструментів у Responses і налаштування Codex: Перехід на GPT-6.1 Terra: як виправити помилки 400 через temperature, перенести інструменти в Responses і налаштувати Codex
• Якщо порівнюєте Terra із середньою за можливостями моделлю Anthropic для агентів, що працюють з екранами та документами: GPT-6.1 Terra проти Claude Sonnet 5.5: яку модель середнього рівня обрати для агентів, що працюють з екранами й документами?
• Якщо наведені вище приклади вартості на максимальному рівні відповідають вашим завданням, у порівнянні моделей за рівнями розглянуто кожен тип завдань окремо: GPT-6.1 Terra проти GPT-6.1 Sol: для яких завдань і досі потрібна Sol?
• Докладніше про повну структуру рахунку з прикладу, зокрема про рівні зусиль, довгі запити й запис у кеш: Скільки насправді коштує GPT-6.1 Terra: рівні зусиль, межа 272K і кешування

Джерела

• OpenAI: представлення GPT-6.1 Terra
• Документація API OpenAI: сторінка моделі GPT-6.1 Terra
• AIHubMix: сторінка моделі GPT-6.1 Terra
• Kingy AI: бенчмарки, ціни, характеристики GPT-6.1 Terra та її порівняння з іншими моделями
• Artificial Analysis: GPT-6.1 Terra розширює межі співвідношення ціни та ефективності