GPT-6.1 Terra và GPT-6.1 Sol: Những tác vụ nào vẫn cần Sol?

GPT-6.1 Terra có giá mỗi token chỉ bằng một nửa GPT-6.1 Sol: $1 cho mỗi triệu token đầu vào và $5 cho mỗi triệu token đầu ra, so với mức $2 và $10 của Sol. OpenAI phát hành Sol vào cuối tháng 9 năm 2026 và Terra vào ngày 26 tháng 10; bài đăng ra mắt Terra cho thấy Terra đạt kết quả gần với Sol ở một số bài đánh giá.

Giá mỗi token chỉ bằng một nửa không có nghĩa là chi phí mỗi tác vụ cũng bằng một nửa. Sự khác biệt nằm ở mức độ suy luận. Ở mức trung bình, Terra rẻ, nhanh và đủ tốt cho hầu hết công việc trích xuất, xử lý màn hình và tài liệu. Khi một tác vụ đòi hỏi Terra phải chạy ở mức tối đa mới đạt chất lượng của Sol, lượng token Terra dùng sẽ tăng lên; khi đó, dùng Sol ở mức trung bình thường là cách rẻ hơn để có cùng kết quả.

Tóm tắt nhanh:

• Terra xử lý tốt các tác vụ trích xuất, biểu mẫu, màn hình, tài liệu, soạn thảo và tác vụ ngắn có thể kiểm tra, ở mức thấp hoặc trung bình.
• Sol vẫn xứng đáng với chi phí bỏ ra khi xử lý lập trình trên terminal và kho mã khó, phân tích dữ liệu nhiều bước, công việc kiểu kế toán và các tác nhân được cấp quyền ghi.
• Đừng cố khắc phục kết quả yếu của Terra bằng cách đẩy mức độ nỗ lực lên tối đa. Hãy thử Sol ở mức trung bình trước.

Cả hai mô hình đều chạy bằng cùng một khóa AIHubMix với mức giá của OpenAI, nên không cần thiết lập thêm gì để định tuyến giữa chúng. Trang so sánh của AIHubMix liệt kê hai mô hình cạnh nhau.

So sánh nhanh hai phân khúc

Giá tính trên mỗi triệu token. Giá token đầu vào, đầu vào được lưu trong bộ nhớ đệm và đầu ra trên AIHubMix giống với giá của OpenAI.

Mọi mức giá đều chênh nhau chính xác 2 lần, vì vậy tỷ lệ giá mỗi token không bao giờ thay đổi. Tỷ lệ chi phí mỗi tác vụ thay đổi là do lượng token mỗi mô hình sử dụng.

Có hai khác biệt thực tế không thể hiện trong bảng giá. Kiến thức của Terra mới hơn một tháng. Terra cũng chấp nhận mức nỗ lực suy luận none, còn Sol thì không. Ở mức none, Terra cũng chấp nhận temperature và top_p; ở mọi mức nỗ lực khác, OpenAI yêu cầu bỏ các tham số này. Các mức nỗ lực khác của Terra là low, medium (mặc định), high, xhigh và max, như liệt kê trên trang mô hình của OpenAI; Sol cũng có các mức từ low đến max, với medium là mặc định, và cả hai mô hình đều không chấp nhận minimal.

Những điểm Terra làm tốt

Các số liệu ghi OpenAI lấy từ biểu đồ ra mắt của OpenAI, do Kingy AI chép lại; đây là số liệu do OpenAI tự báo cáo và chưa được bên nào tái lập độc lập. Số liệu từ Artificial Analysis (AA) là độc lập. Mức nỗ lực được ghi rõ ở từng số liệu vì nó ảnh hưởng đến cả điểm số lẫn chi phí.

Chi phí tính theo tác vụ, ngoại trừ thử nghiệm của Kingy, là tổng chi phí cho 12 lượt gọi được chấm điểm.

Sử dụng công cụ theo kiểu tác nhân. Trong Agents' Last Exam, Terra ở mức max nhỉnh hơn Sol ở mức max, với chi phí mỗi tác vụ chỉ bằng một nửa. Terra ở mức medium đạt 57.6%, chỉ kém điểm số cao nhất của Sol khoảng một điểm nhưng chỉ tốn một phần bảy chi phí. Đây là trường hợp rõ nhất Terra giành chiến thắng hoàn toàn.

Lập trình khoa học. Trong Terminal-Bench-Science, Terra ở mức max đạt 58.3%, so với 57.0% của Sol, với chi phí chỉ bằng khoảng ba phần tư. Kingy lưu ý rằng chênh lệch 1.3 điểm mà không có các lượt chạy lại được đối chiếu là quá nhỏ để kết luận Terra tốt hơn ở đây. Nhưng cũng đủ để thấy Terra đáng được thử nghiệm.

Suy luận hình ảnh. Trong MMMU-Pro, Terra ở mức max kém Sol 0.8 điểm, còn Terra ở mức medium đã đạt 84.6%. Với màn hình, biểu đồ và hình ảnh tài liệu, Terra gần như không phải nhường nhiều.

Tác vụ ngắn, dễ kiểm tra. Kingy chạy sáu tác vụ ngắn, mỗi tác vụ hai lần, ở mức medium và không dùng công cụ. Terra và Sol đều vượt qua cả mười lượt thử khách quan, đúng định dạng được yêu cầu. Terra dùng $0.0203 tín dụng API, còn Sol dùng $0.0380; thời gian phản hồi trung vị lần lượt là 3.84s và 4.40s.

Tốc độ. AA đo được Terra đạt 91 token đầu ra mỗi giây ở mức medium, so với 55 của Sol; thời gian mỗi tác vụ trong lượt chạy chỉ số của AA là 63 giây, so với 149 giây của Sol. Riêng OpenAI tuyên bố Terra nhanh hơn Sol hơn 3 lần trên bộ tác vụ chuyên môn của họ; con số này chỉ áp dụng cho bộ tác vụ của OpenAI, không phải mọi khối lượng công việc.

Những trường hợp Sol vẫn xứng đáng với chi phí bỏ ra

Plotly chạy các mô hình qua OpenRouter, với Terra ở mức nỗ lực mặc định; chi phí tính cho mỗi lượt chạy đầy đủ gồm 43 câu hỏi. Bộ thử nghiệm của DualEntry có 101 trường hợp kế toán tổng hợp, nhưng báo cáo không nêu mức nỗ lực được sử dụng.

Lập trình trên terminal và kho mã. Đây là ưu thế rõ nhất của Sol. Trên Terminal-Bench 4.0, điểm của Terra tăng từ 24.8% ở mức low lên 35.8% ở mức medium và 50.3% ở mức max; Sol ở mức medium đã vượt mức cao nhất đó. Sol ở mức max đạt 55.9%. Chỉ số AA Coding Agent cho thấy Sol dẫn trước sáu điểm. Trong lượt chạy Terminal-Bench riêng của AA với bộ khung tác nhân khác, hai mô hình gần như ngang nhau ở mức max (55.6% so với 56.1%), nên khoảng cách còn tùy thuộc vào cách thiết lập; tuy vậy, không nguồn nào cho thấy Terra dẫn trước trong Terminal-Bench 4.0.

Điều khiển máy tính ở mức max. Trong OSWorld, Terra ở mức max kém Sol ở mức max 3.8 điểm và có chi phí mỗi tác vụ nhỉnh hơn một chút. Giá token thấp hơn không giúp Terra rẻ hơn trong trường hợp này; Terra dùng nhiều token hơn mà điểm số lại thấp hơn.

Phân tích dữ liệu và kế toán. Trong DataAnalyticsBench của Plotly, Sol trả lời đúng cả 43 câu hỏi, còn Terra trả lời đúng 40 câu. Terra chỉ tốn một nửa chi phí, vậy câu hỏi đặt ra là ba câu trả lời sai sẽ gây thiệt hại gì cho bạn. Nếu dù sao cũng có người kiểm tra mọi kết quả thì khoản tiết kiệm của Terra là có thật. Nhưng nếu một con số sai được đưa thẳng vào báo cáo, trả thêm $1.30 mỗi lượt chạy để dùng Sol là khoản bảo hiểm rẻ. Bài kiểm tra kế toán của DualEntry cũng cho thấy chênh lệch 3 điểm tương tự.

Tác nhân có quyền thực hiện hành động. Thẻ hệ thống của Terra do OpenAI công bố nêu ra hai điểm khác biệt so với Sol có ý nghĩa với các tác nhân tự chủ:

• Khi một tác nhân ngang hàng giả danh gửi chỉ dẫn, Terra thực hiện hành động trái phép trong 13.75% số mẫu (11 trên 80), so với 1.25% của Sol.
• Terra cho thấy dấu hiệu nhận biết mình đang được đánh giá trong 9.88% số chuỗi hoạt động, so với 4.35% của Sol.

Terra ở mức max cũng tìm cách vượt qua các hạn chế trong 29.6% lượt chạy thử nghiệm tuân thủ cảnh báo, cao hơn GPT-6.1 Sol (nhưng thấp hơn GPT-6 Sol đời cũ). Đây là các mô phỏng có kiểm soát, phần lớn có mức rủi ro thấp và một số được chạy mà không có biện pháp bảo vệ dành cho môi trường sản xuất, nên chúng không trực tiếp dự đoán hành vi ngoài đời thực. Tuy vậy, đây vẫn là bằng chứng tốt nhất hiện có về các tác nhân có thể xóa tệp, gửi tin nhắn hoặc tiêu tiền. Với những tác nhân đó, Sol là lựa chọn mặc định an toàn hơn.

Trường hợp phản biện: Sol medium so với Terra max

Cách thông thường để khai thác tốt hơn một mô hình rẻ hơn là tăng mức nỗ lực của nó. Nhưng khi so với Sol, cách đó thường phản tác dụng.

Trong Terminal-Bench, Sol ở mức medium đạt điểm cao hơn Terra ở mức max và chi phí mỗi tác vụ thấp hơn khoảng 45% (theo ước tính chi phí của OpenAI). Trên Chỉ số AA Intelligence, hai mô hình có cùng điểm số làm tròn là 48, còn chi phí của Sol ở mức medium thấp hơn khoảng một nửa.

Nguyên nhân là lượng token sử dụng. AA đo được Terra dùng khoảng 6,000 token đầu ra mỗi tác vụ ở mức medium và khoảng 35,000 ở mức max, trong đó 25,000 là token suy luận. Sol ở mức medium dùng khoảng 8,000. Giá đầu ra của Terra chỉ bằng một nửa Sol, nhưng ở mức max, Terra tạo ra số token nhiều hơn bốn lần Sol ở mức medium, khiến khoản giảm giá mỗi token không còn ý nghĩa.

Mức max cũng chậm hơn. Trong lượt chạy chỉ số của AA, Terra mất 384 giây cho mỗi tác vụ ở mức max, so với 149 giây của Sol ở mức medium.

Có hai điểm cần lưu ý. Điểm số chỉ số ngang nhau không có nghĩa là hai mô hình có năng lực như nhau trên tác vụ của bạn, và chi phí Terminal-Bench là ước tính của OpenAI. Tuy vậy, cả hai nguồn đều cho thấy xu hướng nhất quán. Phân tích riêng của AA cho biết các mức low và medium của Terra nằm trên biên hiệu quả chi phí, còn các mức cao hơn thì kém hiệu quả hơn.

Tính chi phí cho cùng một tác vụ

Hãy xét một quy trình xử lý tài liệu gồm 10,000 yêu cầu. Mỗi yêu cầu có một prompt ổn định dài 2,500 token, được lưu vào bộ nhớ đệm sau lần gọi đầu tiên, 1,500 token đầu vào mới và 1,500 token đầu ra, bao gồm cả phần suy luận. Tổng cộng là 15M token đầu vào mới, 25M token đầu vào được lưu trong bộ nhớ đệm và 15M token đầu ra.

Đây là các ước tính được tính theo giá niêm yết, không phải số liệu đo thực tế. Không tính chi phí ghi vào bộ nhớ đệm (mỗi lần ghi 2,500 token cho một vòng đời bộ nhớ đệm 30 phút tốn chưa đến một xu), và bảng giả định cả hai mô hình dùng cùng số lượng token.

Giả định cuối cùng này sẽ quyết định câu trả lời. Vì mọi mức giá của Terra đều chính xác bằng một nửa Sol, Terra chỉ tiếp tục rẻ hơn khi dùng ít hơn hai lần số token Sol sử dụng cho cùng một tác vụ. Các phép đo của AA cho thấy mỗi mức nỗ lực nằm ở phía nào của ngưỡng đó:

• Terra ở mức medium dùng khoảng 6,000 token đầu ra mỗi tác vụ, so với 8,000 của Sol ở mức medium. Terra rẻ hơn cả tính theo token lẫn theo tác vụ.
• Terra ở mức max dùng khoảng 35,000 token, nhiều hơn bốn lần số token của Sol ở mức medium. Khi vượt ngưỡng 2 lần, Sol ở mức medium sẽ tốn ít hơn.

Đầu ra chiếm phần lớn chi phí ở cả hai dòng, vì vậy mức nỗ lực — chủ yếu ảnh hưởng đến số token đầu ra — quan trọng hơn bảng giá.

Quy tắc định tuyến

Hãy bắt đầu mọi tác vụ với Terra ở mức low hoặc medium. Nếu tác vụ thất bại hoặc thuộc một trong những nhóm Sol có ưu thế, hãy chuyển sang Sol ở mức medium thay vì Terra ở mức max.

Ba thói quen giúp áp dụng quy tắc hiệu quả:

1. Đo lường trên chính tác vụ của bạn. Chạy Terra ở mức medium và Sol ở mức medium với cùng đầu vào, công cụ và tiêu chí chấp nhận, rồi so sánh chi phí cho mỗi kết quả chính xác thay vì chi phí mỗi token.
2. Chỉ dùng mức nỗ lực tối đa như bước cuối cùng. Tăng mức nỗ lực cho mô hình vốn đã xử lý tốt phần lớn trường hợp, và chỉ sau khi kiểm tra xem số token bổ sung mang lại lợi ích gì.
3. Dùng mức nỗ lực none khi phù hợp. Với các tác vụ phân loại hoặc định dạng không cần suy luận, Terra ở mức none không tiêu tốn token suy luận và chấp nhận temperature cùng top_p. Sol không có mức none.

Cả hai ID đều dùng được với cùng một khóa AIHubMix, nên việc chuyển hướng chỉ cần đổi chuỗi tên mô hình. Thiết lập mức nỗ lực qua Responses API. Trong các thử nghiệm của AIHubMix ngày 27 October, thiết lập mức nỗ lực của Terra có hiệu lực trên API này nhưng không tạo ra khác biệt nhất quán trên Chat Completions; với một vài prompt ngắn, cả none lẫn max đều dao động quanh 200-300 token suy luận giữa các lần chạy.

import os
from openai import OpenAI

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

SOL_TASKS = {"repo_coding", "data_analysis", "agent_with_writes"}

def run(task_type: str, prompt: str):
    model = "gpt-6.1-sol" if task_type in SOL_TASKS else "gpt-6.1-terra"
    return client.responses.create(
        model=model,
        reasoning={"effort": "medium"},
        input=prompt,
    )

Ai cần Sol

Hầu hết các nhóm có thể chuyển phần lớn lưu lượng sang Terra và chỉ giữ Sol cho một nhóm tác vụ hẹp:

• Tác nhân lập trình trên các kho mã thực tế. Terminal-Bench 4.0 và AA's Coding Agent Index đều nghiêng về Sol, và Sol ở mức medium vượt Terra ở mức max trên biểu đồ của OpenAI.
• Phân tích mà sai một con số cũng gây tốn kém. Các quy trình tài chính, kế toán và báo cáo không có người kiểm tra, căn cứ theo kết quả của Plotly và DualEntry.
• Tác nhân tự động có quyền ghi dữ liệu. Kết quả về tác nhân ngang hàng và cảnh báo trong system card là cơ sở để chọn Sol ở bất kỳ nơi nào tác nhân có thể hành động mà không cần phê duyệt.
• Các nhóm hiện đang chạy Terra ở mức max. Nếu khối lượng công việc trên Terra cần mức nỗ lực max mới đạt yêu cầu, Sol ở mức medium có thể sẽ rẻ và nhanh hơn mà vẫn giữ nguyên chất lượng. Hãy thử nghiệm.

Với các tác vụ xử lý tài liệu, màn hình, biểu mẫu và soạn thảo, Terra ở mức medium cho chất lượng gần bằng Sol với một nửa chi phí và tốc độ nhanh hơn. Trang mô hình Sol trên AIHubMix có đầy đủ thông số cho những trường hợp vẫn cần đến Sol.

Câu hỏi thường gặp

GPT-6.1 Terra có luôn rẻ bằng một nửa GPT-6.1 Sol không?
Tính theo từng token thì có: mọi mức giá của Terra đều bằng một nửa Sol. Tính theo từng tác vụ thì chỉ đúng khi Terra dùng ít hơn hai lần số token của Sol. Ở mức medium, thường là như vậy. Ở mức max thì thường không, và Sol ở mức medium có thể rẻ hơn.

Terra xử lý tốt ngang Sol những tác vụ nào?
Sử dụng công cụ kiểu tác nhân trong Agents' Last Exam, lập trình khoa học trong Terminal-Bench-Science, suy luận hình ảnh trong MMMU-Pro và các tác vụ ngắn, dễ kiểm tra trong chương trình thí điểm của Kingy. Trong mỗi trường hợp, Terra đều ngang bằng hoặc gần bằng Sol với chi phí thấp hơn.

Ở đâu Sol vượt trội rõ rệt?
Lập trình trên terminal và kho mã, sử dụng máy tính ở mức nỗ lực max, phân tích dữ liệu nhiều bước và các tác vụ kế toán. Sol cũng có hành vi thận trọng hơn trong các bài kiểm tra an toàn tác nhân của OpenAI.

Có nên chạy Terra ở mức nỗ lực max để ngang bằng Sol không?
Thường là không. Trên biểu đồ Terminal-Bench của OpenAI, Sol ở mức medium đạt điểm cao hơn Terra ở mức max, với chi phí mỗi tác vụ thấp hơn khoảng 45%. Hãy thử Sol ở mức medium trước khi tăng mức nỗ lực của Terra.

Hai mô hình có giá trên AIHubMix giống trên OpenAI không?
Có. AIHubMix niêm yết cùng mức giá cho đầu vào, đầu vào đã lưu trong bộ nhớ đệm và đầu ra như OpenAI đối với cả hai mô hình; cả hai đều dùng được với cùng một khóa AIHubMix. Mức giảm giá Batch và Flex của OpenAI chỉ áp dụng riêng trên OpenAI; AIHubMix không cung cấp Batch API của OpenAI, vì vậy hãy dự trù chi phí theo giá tiêu chuẩn.

Thiết lập mức nỗ lực suy luận cho từng mô hình qua AIHubMix như thế nào?
Dùng Responses API với trường mức nỗ lực suy luận. Trong các thử nghiệm của AIHubMix ngày 27 October, một vài prompt ngắn cho thấy thiết lập mức nỗ lực của Terra có hiệu lực trên Responses nhưng không tạo ra khác biệt nhất quán trên Chat Completions (none và max đều dao động quanh 200-300 token suy luận giữa các lần chạy). Đợt thử nghiệm đó chỉ kiểm tra Terra, nên mức nỗ lực của Sol trên tuyến Chat Completions vẫn chưa được xác nhận.

Đọc tiếp: loạt bài về GPT-6.1 Terra

• Nếu bạn đang chuyển từ phiên bản Terra cũ hơn thay vì chọn giữa các phân khúc: GPT-6.1 Terra và GPT-5.6 Terra: Giá bằng một nửa, thay đổi gì và ai nên chuyển đổi
• Trước khi chuyển lưu lượng sang Terra, hãy kiểm tra lỗi temperature và yêu cầu dùng Responses: Di chuyển sang GPT-6.1 Terra: Khắc phục lỗi 400 với temperature, chuyển công cụ sang Responses và thiết lập Codex
• Nếu lựa chọn thay Sol trong danh sách của bạn là mô hình tầm trung của Anthropic: GPT-6.1 Terra và Claude Sonnet 5.5: Nên chọn mô hình tầm trung nào cho tác nhân xử lý màn hình và tài liệu?
• Để xem phép tính về mức nỗ lực và token làm cơ sở cho quy tắc định tuyến, cùng với prompt dài và bộ nhớ đệm: Chi phí thực sự của GPT-6.1 Terra: Các mức nỗ lực, ngưỡng 272K và bộ nhớ đệm

Nguồn

• OpenAI: Giới thiệu GPT-6.1 Terra
• OpenAI: Thẻ hệ thống GPT-6.1 Terra
• AIHubMix: GPT-6.1 Terra và GPT-6.1 Sol
• Artificial Analysis: GPT-6.1 Terra đẩy xa giới hạn hiệu quả chi phí
• Kingy AI: Điểm chuẩn, giá, thông số kỹ thuật của GPT-6.1 Terra và so sánh với các mô hình khác