OpenAI phát hành GPT-6.1 Terra vào ngày 26 tháng 10 năm 2026, bốn tuần sau khi Anthropic ra mắt Claude Sonnet 5.5. Bài đăng ra mắt của OpenAI đặt Terra lên bàn cân với Claude Opus 5.5, nhưng các bài đưa tin lại tập trung vào một đối thủ khác. The Decoder gọi Terra là “đối thủ gần nhất của OpenAI với dòng Sonnet tầm trung của Anthropic, với mức giá chỉ bằng một nửa”, còn AlphaCorp gọi cuộc đối đầu giữa Terra và Sonnet là “cuộc chiến thực sự ở phân khúc tầm trung”. GPT-6.1 Sol và Sonnet 5.5 có cùng bảng giá $2 / $10, vì vậy đội ngũ chọn mô hình tầm trung trong tháng này thực chất sẽ chọn giữa Terra với giá $1 / $5 và Sonnet với giá $2 / $10.
Bài viết này đưa ra lựa chọn cho một dạng công việc cụ thể: tác tử màn hình và tài liệu. Tác tử đọc hóa đơn, biểu mẫu hoặc ảnh chụp màn hình, trích xuất các trường thông tin rồi nhập chúng vào ứng dụng khác. Mỗi bước đều ngắn và có thể kiểm tra, đồng thời được thực hiện hàng nghìn lần mỗi ngày. Trong tác vụ này, hai mô hình có những thế mạnh khác nhau. Sonnet 5.5 hoàn thành tốt hơn ở nhiều bài đánh giá tác tử khó, bao gồm cả biểu đồ sử dụng máy tính trong bài ra mắt của chính OpenAI. Terra có chi phí mỗi token chỉ bằng một nửa, dùng ít token hơn nhiều cho mỗi tác vụ trong các thử nghiệm độc lập, và tuân thủ định dạng đầu ra nghiêm ngặt đáng tin cậy hơn trong một thử nghiệm quy mô nhỏ.
Tóm tắt ngắn: với các bước khối lượng lớn có thể kiểm tra đầu ra, hãy bắt đầu với Terra. Với các phiên làm việc trên máy tính để bàn kéo dài, không có người giám sát, trong đó một lần chạy thất bại gây tốn kém hơn tiền token, Sonnet 5.5 xứng đáng với mức giá của nó. Cả hai đều chạy bằng một khóa duy nhất thông qua AIHubMix, với mức giá ngang API riêng của nhà cung cấp; trang mô hình GPT-6.1 Terra có đầy đủ thông tin.
Tác vụ mà bài so sánh này tập trung vào
Một bước xử lý của tác tử màn hình hoặc tài liệu thường diễn ra như sau:
- Đầu vào: phần tiền tố ổn định (system prompt, lược đồ đầu ra, định nghĩa công cụ) được lặp lại trong mỗi lần gọi, cùng nội dung mới như ảnh trang tài liệu, ảnh chụp màn hình hoặc văn bản đã trích xuất.
- Đầu ra: câu trả lời có cấu trúc và ngắn gọn, chẳng hạn các trường JSON hoặc thao tác giao diện người dùng tiếp theo.
- Khối lượng: từ hàng nghìn đến hàng trăm nghìn bước, mỗi bước đều được mã kiểm tra trước khi ghi dữ liệu sang hệ thống tiếp theo.
Có bốn yếu tố quyết định việc chọn mô hình cho trường hợp này: độ chính xác của các trường thông tin, đầu ra có thể phân tích cú pháp mà không cần chỉnh sửa, chi phí cho mỗi nghìn bước và thời gian xử lý mỗi bước. Khả năng hoàn thành các tác vụ kéo dài nhiều bước ít quan trọng hơn khi mỗi bước đều ngắn và được xác minh; nhưng lại rất quan trọng khi tác tử điều khiển máy tính để bàn qua hàng chục thao tác mà không có ai giám sát.
Cả hai mô hình đều nhận đầu vào dạng văn bản và hình ảnh, phù hợp với quy trình này. Các thông số quan trọng ở đây:
| GPT-6.1 Terra | Claude Sonnet 5.5 | |
|---|---|---|
| Ngày phát hành | 26 Oct 2026 | 28 Sep 2026 |
| Đầu vào / đầu ra | $1 / $5 | $2 / $10 |
| Đọc từ bộ nhớ đệm | $0.05 | $0.10 |
| Ghi vào bộ nhớ đệm | $1.25 (30 min), $2.50 (12 h) | $2.50 (5 min), $4 (1 h) |
| Cửa sổ ngữ cảnh | 1,050,000 | 1M |
| Đầu ra tối đa | 128K | 128K |
| Mức độ suy luận mặc định | medium | high |
Giá là giá niêm yết chính thức cho mỗi triệu token; AIHubMix tính cùng mức giá cho cả hai mô hình. Mức suy luận mặc định của Sonnet là mặc định của Claude Platform. Terra tính phí toàn bộ yêu cầu ở mức gấp 2 lần đầu vào và 1.5 lần đầu ra khi đầu vào vượt quá 272K token; một bước xử lý tài liệu một trang sẽ không đạt đến ngưỡng này.
Một điểm thực tế cần lưu ý với tác tử màn hình: OpenAI mô tả việc gọi công cụ của Terra, bao gồm công cụ máy tính tích hợp, là tính năng của Responses API. Trong các lần kiểm tra của AIHubMix ngày 27 tháng 10, Terra trên điểm cuối Responses đã trả về hành động computer_call khi được cung cấp công cụ máy tính và ảnh chụp màn hình, cho thấy luồng xử lý này hoạt động qua AIHubMix.
Sonnet 5.5 có ưu thế ở đâu: hoàn thành các lượt chạy tác tử khó
Các số liệu đánh giá bên dưới đến từ ba nguồn, được tách riêng có chủ đích. Các biểu đồ ra mắt của OpenAI do Kingy ghi lại là số liệu tự báo cáo và chưa được bên nào tái lập độc lập. Số liệu ra mắt Sonnet 5.5 của Anthropic cũng do hãng tự báo cáo. Artificial Analysis (AA) là đơn vị kiểm thử độc lập. Mỗi số liệu đều kèm mức độ suy luận nếu nguồn có cung cấp.
Trước tiên, hãy xem các biểu đồ của chính OpenAI, trong đó Sonnet 5.5 được đưa vào làm mốc tham chiếu:
| Biểu đồ của 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% |
| Chi phí mỗi tác vụ Terminal-Bench | – | $1.84 | $10.44 |
Số liệu Sonnet 5.5 là kết quả ở mức suy luận tối đa như thể hiện trong các biểu đồ của OpenAI. Chi phí tác vụ là ước tính của OpenAI.
OSWorld 2.1 là bài đánh giá khả năng sử dụng máy tính, gần nhất với một bài kiểm tra công khai cho tác tử màn hình. Trên bộ dữ liệu offline của OpenAI, Sonnet 5.5 dẫn trước Terra ở mức suy luận tối đa 9.7 điểm. Terra ở mức medium, vốn là mặc định, kém 17.2 điểm.
Trang ra mắt Sonnet 5.5 của Anthropic báo cáo kết quả chạy OSWorld 2.1 của riêng hãng là 80.1%, được đánh dấu “một phần”, và đạt 70.6% trên Terminal-Bench 4.0. Lần chạy OSWorld này dùng cấu hình khác với bộ dữ liệu offline của OpenAI, vì vậy không thể so sánh 80.1% với 83.9%, cũng không nên đối chiếu cả hai với điểm Terra trong lần chạy của nhà cung cấp còn lại. Tài liệu của cả hai hãng đều cho thấy cùng một xu hướng: Sonnet 5.5 mạnh trong các tác vụ tác tử trên máy tính để bàn và thiết bị đầu cuối.
Artificial Analysis đã chạy cả hai mô hình trên hệ thống kiểm thử riêng:
| Artificial Analysis | Terra max | Sonnet 5.5 max |
|---|---|---|
| Chỉ số Intelligence | 48 | 56 |
| AutomationBench-AA | 60% | 72% |
| Terminal-Bench 4.0 | 56% | 64% |
| AA-LCR (ngữ cảnh dài) | 83% | 83% |
| GDP.pdf | 29% | 26% |
Số liệu Sonnet 5.5 của AA là kết quả ở cấu hình suy luận tối đa có phương án dự phòng, theo nhãn của AA.
Các thử nghiệm độc lập tiếp tục cho thấy Sonnet dẫn trước trong tác vụ của tác tử, hơn 12 điểm trên AutomationBench-AA và 8 điểm trong lần chạy Terminal-Bench của AA. Có hai kết quả đi ngược xu hướng này. Trên AA-LCR, bài kiểm tra suy luận với ngữ cảnh dài, hai mô hình hòa nhau ở mức 83%. Trên GDP.pdf, Terra nhỉnh hơn, đạt 29% so với 26%. Không kết quả nào cho thấy Terra là mô hình mạnh hơn, nhưng chúng cũng không cho thấy Sonnet bỏ xa Terra như trong các lượt chạy tác tử.
Đừng hiểu bất kỳ số liệu nào trong đây là bằng chứng Terra vượt Sonnet về khả năng sử dụng máy tính. Trong mọi bài đánh giá khả năng sử dụng máy tính và tác tử trong bài viết này, Sonnet 5.5 đều đạt điểm cao hơn.
Terra có ưu thế ở đâu: chi phí mỗi tác vụ, tốc độ và khả năng tuân thủ định dạng đầu ra
Cùng lần chạy của AA cũng đo lường chi phí mỗi mô hình bỏ ra để đạt điểm số:
| AA, mức suy luận tối đa | Terra | Sonnet 5.5 |
|---|---|---|
| Chi phí mỗi tác vụ của chỉ số | $0.40 | $5.46 |
| Số token đầu ra mỗi tác vụ | 35k | 197k |
| Trong đó có bao nhiêu token suy luận | 25k | 147k |
| Thời gian mỗi tác vụ | 384s | 901s |
Sonnet 5.5 dùng số token đầu ra cho mỗi tác vụ nhiều hơn Terra hơn năm lần, trong khi mỗi token lại có giá gấp đôi. Kết quả là chi phí mỗi tác vụ thấp hơn một phần mười so với Sonnet ($0.40 so với $5.46), và thời gian chỉ bằng khoảng 43% thời gian AA đo được cho mỗi tác vụ (384 giây so với 901; AA tính thời gian tạo đầu ra, không tính thời gian chờ token đầu tiên). Luồng đầu ra của chính Sonnet nhanh hơn, đạt 141 token đầu ra mỗi giây so với 91 của Terra trong cùng lần chạy, vì vậy Terra tiết kiệm thời gian nhờ tạo ra ít token hơn chứ không phải vì mô hình chạy nhanh hơn. Sonnet đổi khoản chi đó lấy thêm tám điểm chỉ số. Tám điểm có đáng để trả gần gấp 14 lần hay không phụ thuộc vào chi phí của một bước thất bại đối với bạn.
Biểu đồ Terminal-Bench của OpenAI cho thấy sự đánh đổi tương tự theo chiều ngược lại: Sonnet đạt 70.6% với chi phí $10.44 mỗi tác vụ, còn Terra ở mức tối đa đạt 50.3% với chi phí $1.84. Kingy nêu rõ câu hỏi kinh doanh: tỷ lệ hoàn thành cao hơn đáng giá bao nhiêu khi tính cả việc thử lại và con người rà soát.
Với tác vụ màn hình và tài liệu, dữ liệu độc lập phù hợp nhất là thử nghiệm của Kingy ngày 26 tháng 10. Quy mô thử nghiệm nhỏ: sáu tác vụ ngắn, mỗi tác vụ được thử hai lần, ở mức suy luận medium và không dùng công cụ. Một tác vụ trích xuất các trường thông tin từ ảnh hóa đơn tổng hợp; các tác vụ khác yêu cầu đầu ra JSON, Python hoặc SQL theo định dạng chính xác.
| Thử nghiệm của Kingy, mức suy luận medium | Terra | Sonnet 5.5 |
|---|---|---|
| Câu trả lời khách quan chính xác | 10/10 | 10/10 |
| Chính xác và đúng định dạng tuyệt đối | 10/10 | 4/10 |
| Tín dụng cho 12 lần gọi được chấm điểm | $0.0203 | $0.0499 |
| Thời gian yêu cầu trung vị | 3.84s | 2.83s |
Thời gian yêu cầu bao gồm độ trễ mạng và nhà cung cấp.
Cả hai mô hình đều trả lời đúng mọi câu hỏi. Khác biệt nằm ở cách trình bày đầu ra. Sonnet thêm phép tính số học trước phần JSON trong cả hai lần thử ở một tác vụ, đồng thời bọc câu trả lời Python và SQL trong khối Markdown, trái với yêu cầu của prompt. Kingy lưu ý rằng bộ phân tích cú pháp trong môi trường thực tế hoặc tính năng đầu ra có cấu trúc bắt buộc có thể xử lý một số trường hợp như vậy, nhưng thử nghiệm không kiểm tra các biện pháp khắc phục này. Tuy nhiên, trong quy trình mà mã phân tích cú pháp mọi bước, một mô hình trả về JSON thuần mà không cần nhắc nhở sẽ giúp tiết kiệm một lần thử lại hoặc một lượt dọn dẹp. Terra làm được điều đó trong cả mười lần thử, với mức tín dụng khoảng 41% so với Sonnet. Trong thử nghiệm này, Sonnet trả lời mỗi yêu cầu nhanh hơn.
Có thêm một số liệu khác được chia sẻ rộng rãi, nhưng cần xem đây chính xác là một giai thoại. atomic.chat giao cho các nhóm gồm tám tác tử cùng một prompt để tạo một trò chơi nhỏ. Terra hoàn thành trong 6 phút với chi phí $1.06; Sonnet 5.5 mất một giờ và $18.10, nhưng atomic.chat đánh giá trò chơi của Sonnet “tốt hơn nhiều”. Các thiết lập thử nghiệm không được công bố, nên riêng kết quả này không chứng minh được điều gì, nhưng nó phù hợp với xu hướng trên: Sonnet tốn kém hơn và thường cho kết quả tốt hơn.
Chi phí thực hiện tác vụ với mỗi mô hình
Ví dụ tính toán theo giá niêm yết, giữ nguyên số lượng token. Giả sử xử lý 10,000 bước tài liệu. Mỗi bước gửi một tiền tố ổn định gồm 2,500 token được lưu vào bộ nhớ đệm, 1,500 token đầu vào mới (nội dung trang tài liệu hoặc ảnh chụp màn hình) và nhận lại 1,500 token đầu ra.
| 10,000 bước | GPT-6.1 Terra | Claude Sonnet 5.5 |
|---|---|---|
| Đầu vào được lưu trong bộ nhớ đệm (25M) | $1.25 | $2.50 |
| Đầu vào mới (15M) | $15.00 | $30.00 |
| Đầu ra (15M) | $75.00 | $150.00 |
| Tổng cộng | $91.25 | $182.50 |
Không tính phí ghi vào bộ nhớ đệm. Khoản này chỉ làm tăng nhẹ chi phí ở cả hai bên, theo mức giá ghi trong bảng thông số phía trên.
Với số lượng token giống hệt nhau, Sonnet có chi phí cao gấp đúng hai lần vì mọi mức giá đều tăng gấp đôi. Trong thực tế, số lượng token sẽ không giống nhau. Trong lần chạy của AA, ở mức suy luận tối đa, Sonnet dùng số token đầu ra mỗi tác vụ nhiều gấp khoảng 5.6 lần Terra; đầu ra cũng là khoản lớn nhất trong ví dụ này, nên khoảng cách thực tế trong các tác vụ của tác tử có thể sẽ rộng hơn 2 lần. Khoảng cách lớn hơn bao nhiêu phụ thuộc vào prompt và thiết lập mức suy luận của bạn; hãy đo trên một mẫu các bước của chính mình trước khi quyết định.
Lưu ý về giá: mức giảm giá của Batch API của OpenAI không áp dụng trên AIHubMix vì nền tảng này không cung cấp điểm cuối Batch, nên các số liệu phía trên sử dụng giá thông thường.
Nên chọn mô hình nào?
Chọn GPT-6.1 Terra khi:
- các bước ngắn, có khối lượng lớn và được mã kiểm tra: trích xuất trường thông tin trên hóa đơn, điền biểu mẫu, thực hiện thao tác nhấp tiếp theo trên giao diện đã biết;
- đầu ra phải phân tích cú pháp được mà không cần chỉnh sửa và bạn muốn tránh phải bổ sung một lớp sửa lỗi;
- ngân sách phụ thuộc vào chi phí cho mỗi nghìn bước;
- có thể dễ dàng thử lại bước thất bại hoặc chuyển bước đó cho người xử lý.
Chọn Claude Sonnet 5.5 khi:
- tác tử điều khiển máy tính để bàn trong các lượt chạy dài, nhiều bước mà không có ai kiểm tra từng thao tác;
- tỷ lệ hoàn thành quan trọng hơn chi phí vì một lượt chạy thất bại gây tốn kém hơn tiền token;
- cùng tác tử đó còn thực hiện công việc lập trình, lĩnh vực mà Sonnet dẫn trước Terra trên Terminal-Bench trong cả biểu đồ của OpenAI lẫn lần chạy của AA.
Chạy cả hai cũng là một lựa chọn: dùng Terra cho các bước trích xuất và nhập liệu khối lượng lớn, còn Sonnet xử lý những tác vụ dài, khó và các trường hợp đầu ra của Terra không vượt qua được khâu xác thực. Thông qua AIHubMix, việc này chỉ cần đổi model ID, không phải tích hợp thêm lần nữa.
Dùng thử cả hai qua AIHubMix
Cả hai model đều chạy trên cùng một khóa AIHubMix với mức giá chính thức. Danh sách model của AIHubMix cho thấy Sonnet 5.5 có trên Chat Completions, Responses và Anthropic Messages; Terra cũng hoạt động trên cả ba trong các bài kiểm tra nội bộ của AIHubMix vào ngày 27 October. Hãy dùng endpoint Responses cho Terra: OpenAI ghi rõ các công cụ của model này chỉ hỗ trợ Responses, và trong các bài kiểm tra của AIHubMix, thiết lập reasoning effort chỉ có hiệu lực tại đó. Tài liệu API Responses của AIHubMix trình bày định dạng yêu cầu.
Mã mẫu gửi cùng một prompt trích xuất đến cả hai model bằng OpenAI SDK, rồi in câu trả lời và lượng token đã dùng của mỗi model:
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)
Chạy thử với một tập tài liệu hoặc ảnh màn hình của riêng bạn, kiểm tra tần suất mỗi câu trả lời phân tích cú pháp thành công, rồi so sánh các dòng usage: đó mới là tỷ lệ token thực tế của bạn. Để xem song song thông số và giá cả, hãy xem trang so sánh Terra và Sonnet 5.5.
Câu hỏi thường gặp
GPT-6.1 Terra có tốt hơn Claude Sonnet 5.5 trong việc điều khiển máy tính không?
Không. Sonnet 5.5 đạt điểm cao hơn trên OSWorld 2.1 trong biểu đồ của chính OpenAI (83.9% so với 74.2% của Terra ở mức effort tối đa) và trên AutomationBench-AA trong thử nghiệm của Artificial Analysis (72% so với 60%). Lợi thế của Terra nằm ở chi phí và định dạng đầu ra, chứ không phải năng lực.
Terra rẻ hơn Sonnet 5.5 bao nhiêu?
Tính theo token, Terra rẻ bằng một nửa: $1 cho token đầu vào và $5 cho token đầu ra trên mỗi triệu token, so với $2 và $10; token đầu vào được lưu trong bộ nhớ đệm có giá lần lượt là $0.05 và $0.10. Chênh lệch theo tác vụ có thể lớn hơn, vì Sonnet thường dùng nhiều token đầu ra hơn. Trong thử nghiệm ở mức effort tối đa của Artificial Analysis, Terra tốn $0.40 mỗi tác vụ, còn Sonnet tốn $5.46.
Model nào phù hợp hơn để trích xuất thông tin từ hóa đơn và biểu mẫu?
Với hoạt động trích xuất khối lượng lớn và được kiểm tra bằng mã, Terra là lựa chọn nên thử trước. Trong thử nghiệm quy mô nhỏ của Kingy, cả hai model đều trích xuất chính xác các trường trên hóa đơn và trả về đúng định dạng yêu cầu. Tuy nhiên, trong tổng số mười lần thử nghiệm khách quan, Terra trả về đúng định dạng yêu cầu cả 10 lần, còn Sonnet được 4 lần; các lần Sonnet không đạt gồm một tác vụ JSON riêng, cùng các tác vụ Python và SQL. Terra tiêu tốn khoảng 41% lượng credit của Sonnet. Hãy thử cả hai trên tài liệu của riêng bạn trước khi quyết định.
Vì sao Anthropic và OpenAI công bố điểm OSWorld khác nhau cho Sonnet 5.5?
Họ sử dụng các thiết lập khác nhau. Anthropic công bố 80.1% trên OSWorld 2.1, có ghi chú là một phần; biểu đồ của OpenAI cho thấy 83.9% trên bộ dữ liệu OSWorld 2.1 offline của họ. Không thể so sánh trực tiếp hai con số này; chỉ nên đối chiếu mỗi điểm với các điểm số từ cùng một lần thử nghiệm.
Chi phí dùng cả hai model trên AIHubMix có bằng giá API chính thức không?
Có. AIHubMix tính theo giá niêm yết chính thức cho cả hai: $1 và $5 cho Terra, $2 và $10 cho Sonnet 5.5, trên mỗi triệu token. Không áp dụng được ưu đãi của Batch API của OpenAI vì AIHubMix không cung cấp endpoint Batch.
Nên dùng endpoint nào để gọi Terra qua AIHubMix?
Responses API. OpenAI ghi rõ các công cụ của Terra, bao gồm công cụ điều khiển máy tính, chỉ hỗ trợ Responses; trong các bài kiểm tra của AIHubMix vào ngày 27 October, thiết lập reasoning effort có hiệu lực trên Responses nhưng không có hiệu lực trên Chat Completions. Sonnet 5.5 cũng được cung cấp trên Responses, nên một vòng lặp có thể gọi cả hai model.
Đọc tiếp: dòng GPT-6.1 Terra
- Nếu tác nhân của bạn hiện đang chạy trên GPT-5.6 Terra, hãy xem riêng bản nâng cấp thay đổi những gì trước khi so sánh các nhà cung cấp: GPT-6.1 Terra và GPT-5.6 Terra: Giá chỉ bằng một nửa, thay đổi gì và ai nên chuyển đổi
- Trước khi chuyển tác nhân điều khiển màn hình sang Terra, hãy sửa các tham số và lệnh gọi công cụ có thể gây lỗi khi chuyển đổi: Chuyển sang GPT-6.1 Terra: Khắc phục lỗi temperature 400, chuyển công cụ sang Responses và thiết lập Codex
- Nếu các tác vụ chạy lâu trên máy tính để bàn cần nhiều hơn khả năng của Terra nhưng bạn vẫn muốn dùng OpenAI, hãy so sánh với dòng cao hơn: GPT-6.1 Terra và GPT-6.1 Sol: Những tác vụ nào vẫn cần Sol?
- Để điều chỉnh bảng chi phí ở trên cho lưu lượng truy cập của riêng bạn, hãy tìm hiểu các mức effort và bộ nhớ đệm: Chi phí thực tế của GPT-6.1 Terra: các mức effort, mốc 272K và bộ nhớ đệm
Nguồn
- OpenAI: Giới thiệu GPT-6.1 Terra
- Anthropic: Giới thiệu Claude Sonnet 5.5
- Artificial Analysis: So sánh GPT-6.1 Terra và Claude Sonnet 5.5
- Kingy: GPT-6.1 Terra: Điểm benchmark, giá cả và so sánh model
- AIHubMix: Trang so sánh GPT-6.1 Terra và Claude Sonnet 5.5
