GPT-6.1 Terra: цена API и реальная стоимость задач

Стандартные тарифы текстовых токенов GPT-6.1 Terra вдвое ниже тарифов GPT-6.1 Sol. Но в текущем Artificial Analysis Intelligence Index v5.0 средняя стоимость задачи составляет $0,96 для Terra и $1,27 для Sol. Разница — около 24,4%, а не 50%.

На первый взгляд цифры спорят друг с другом. На деле они измеряют разные вещи: одна пара описывает цену заданного объёма токенов, другая — среднюю стоимость заданий в определённом тестовом наборе. Для бизнеса это принципиальная разница. Разберёмся, что можно посчитать уже сейчас, а для чего потребуются данные собственного рабочего процесса.

Что именно стоит $1 за миллион токенов

OpenAI представила GPT-6.1 Terra как модель для визуального анализа, компьютерного управления и текстовых задач. Среди описанных сценариев — работа с документами, заполнение форм и взаимодействие с приложениями.

В стандартном режиме API действуют следующие тарифы на текстовые токены:

Цены приведены в официальной таблице тарифов OpenAI. По каждому из трёх типов текстовых токенов Terra действительно стоит вдвое дешевле Sol. Это подтверждённое различие в тарифах.

Однако API тарифицирует использование модели, а не полезность полученного результата. Прайс-лист не сообщает, сколько попыток потребуется агенту, правильно ли он заполнит форму с первого раза и сколько времени сотрудник потратит на проверку. Для простого расчёта эти вопросы можно временно оставить за скобками. Для бюджета компании — уже нет.

Считаем на одинаковом объёме запросов

Возьмём условный пример: тысяча однотипных запросов, каждый из которых содержит 20 000 входных и 5 000 выходных текстовых токенов. Предположим, что обе модели обрабатывают одинаковый объём, кеширование не используется, а дополнительных расходов на инструменты нет.

Стоимость одного запроса рассчитывается так:

Стоимость = входные токены / 1 000 000 × тариф входа + выходные токены / 1 000 000 × тариф выхода.

Для Terra получаем: 20 000 / 1 000 000 × $1 + 5 000 / 1 000 000 × $5 = $0,045 за запрос.

Для Sol: 20 000 / 1 000 000 × $2 + 5 000 / 1 000 000 × $10 = $0,09 за запрос.

На тысяче таких запросов счёт составит $45 для Terra и $90 для Sol. Разница — $45.

Арифметика прозрачна, но у неё есть важное условие: мы заранее назначили обеим моделям одинаковый расход токенов. Это позволяет сравнить тарифы, но не доказывает, что модели потратят одинаковое количество токенов на реальную задачу. Если одной потребуется больше рассуждений или дополнительных действий, итоговый счёт изменится.

Почему независимый бенчмарк показывает другую экономию

Для сравнения моделей полезно посмотреть не только на прайс-листы. Artificial Analysis проводит собственные испытания и рассчитывает среднюю стоимость заданий в рамках своего Intelligence Index. Это позволяет сравнить модели на определённом наборе задач, но не даёт универсальной цены для любого бизнес-процесса.

На открытой странице сравнения GPT-6.1 Terra и GPT-6.1 Sol указана версия Intelligence Index v5.0. Для максимального уровня рассуждений опубликованы следующие показатели:

Разница в средней стоимости задания составляет $0,31, или около 24,4% относительно Sol. Средний выходной объём тоже различается: около 60 тысяч токенов у Terra против 68 тысяч у Sol. Это показывает, что при сравнении моделей имеет значение не только цена одного токена, но и фактический расход. Однако эти средние значения не объясняют всю разницу стоимости и не предсказывают расход токенов в конкретной компании.

Балл 51 в Intelligence Index не означает, что модель правильно выполняет 51% задач. Это сводная оценка по набору испытаний. Аналогично, $0,96 — не гарантированная цена обработки одного документа или выполнения произвольной операции, а средняя стоимость задания в методике Artificial Analysis.

Есть ещё одна важная деталь. В публикации InVide Labs от 27 октября 2026 года приводятся другие показатели Artificial Analysis: $0,40 за задачу для Terra и $0,72 для Sol. Автор указывает, что использована предыдущая версия Intelligence Index v4.3.2, включавшая десять оценок. Текущая версия v5.0, согласно странице Artificial Analysis, объединяет девять оценок.

Поэтому старые и новые цифры нельзя смешивать, как будто они получены в одном неизменном испытании. Версии индекса и состав тестов различаются, но точный вклад каждого методологического изменения в расхождение стоимости не установлен. Корректный вывод состоит не в том, что одна из публикаций обязательно ошибается, а в том, что стоимость тестовой задачи зависит от методики, набора заданий и расхода токенов.

При этом OpenAI отдельно публикует собственные результаты испытаний компьютерного управления. Например, компания заявляет, что при среднем уровне рассуждений Terra набирает на 15 процентных пунктов больше GPT-5.6 Terra в Agents' Last Exam при примерно одной трети стоимости. Это результат производителя в рамках его методики, а не независимое воспроизведение Artificial Analysis. Сопоставлять эти показатели напрямую нельзя: наборы заданий и условия расчёта различаются.

От цены API к стоимости автоматизации

Представим условный процесс: ИИ-агент читает накладную, извлекает реквизиты и переносит их в учётную систему. Оплата токенов — лишь одна часть расходов. Для завершения операции агенту могут понадобиться дополнительные действия, вызовы инструментов или повторная обработка данных. Сотруднику, возможно, придётся проверить результат и исправить ошибки.

Поэтому итоговую стоимость определяют несколько факторов:

• Расход токенов. Сколько данных модель получает и сколько выдаёт на выходе.
• Дополнительные действия. Сколько раз агент вызывает инструменты и повторяет операции.
• Качество результата. Нужно ли исправлять ошибки или выполнять задачу заново.
• Человеческий контроль. Сколько времени сотрудник тратит на проверку и исправления.

Доступные сравнительные тесты не устанавливают универсальную частоту ошибок, повторных запусков или вмешательства человека для Terra в малом бизнесе. Подставлять такие проценты без измерений было бы неправильно. Их нужно получить на конкретном рабочем процессе.

Как рассчитать стоимость успешно завершённой операции

Для предварительной оценки используйте формулу:

Стоимость успешной операции = общие расходы на выполнение процесса / количество успешно завершённых операций.

В общие расходы включают фактическую оплату API, применимые сборы за инструменты, повторные запуски и эскалации к другой модели, а также трудозатраты на проверку и исправления. Чтобы не посчитать один расход дважды, заранее определите границы учёта.

В знаменатель попадают только операции, которые соответствуют установленному критерию успеха. Например, при обработке накладной недостаточно просто получить заполненные поля: реквизиты должны соответствовать оригиналу и пройти предусмотренную проверку. Иначе дешёвый, но требующий постоянного исправления результат будет выглядеть выгоднее, чем он есть на самом деле.

Перед выбором модели проведите сопоставимый пилот на наборе типичных задач. Для Terra и Sol используйте одинаковые входные данные, инструменты и критерии успешности. Записывайте фактические токены, число вызовов, повторы, ошибки, время проверки и общие расходы. Отдельно отмечайте задачи, которые модель не смогла завершить самостоятельно.

Такой тест поможет оценить именно ваш рабочий процесс: какая модель справляется с задачей, сколько стоит довести результат до рабочего состояния и сколько времени остаётся сэкономить после проверки. Без этих данных можно сравнить тарифы и доступные бенчмарки, но нельзя достоверно объявить конкретный процент экономии для компании.

Для более широкого контекста сравнения моделей OpenAI можно также прочитать наш материал о GPT-6.1 Sol и Astra. Цены перед практическим расчётом следует сверять с актуальной документацией.

Что можно заключить до собственного теста

По стандартным тарифам текстовых токенов GPT-6.1 Terra действительно вдвое дешевле GPT-6.1 Sol. В текущем Artificial Analysis Intelligence Index v5.0 средняя стоимость тестовой задачи Terra ниже примерно на 24,4%. Это разные виды сравнения, и ни один из них сам по себе не показывает, сколько компания сэкономит на реальной автоматизации.

Чтобы выбрать модель для бизнеса, нужно измерить стоимость успешно завершённой операции с учётом качества результата, повторов, дополнительных инструментов и человеческого контроля. Именно эта величина, а не цена миллиона токенов сама по себе, позволяет обоснованно сравнить варианты автоматизации.

Материал носит информационный характер и не является рекомендацией к действию.