GPT-6.1 Terra vs GPT-6.1 Sol

GPT-6.1 Terra coûte deux fois moins cher que GPT-6.1 Sol sur chaque ligne de la grille tarifaire : 1 $/5 $ par million de tokens contre 2 $/10 $. OpenAI affirme que Terra termine les tâches plus de trois fois plus vite en moyenne. Sol reste le modèle le plus puissant, avec 6 points d'avance sur le Coding Agent Index d'Artificial Analysis (54 contre 48), et OpenAI recommande lui-même Sol ou GPT-6 Astra pour le codage le plus complexe et la recherche approfondie.

La question n'est donc pas de savoir lequel est le meilleur. C'est de savoir si votre charge de travail a besoin de cet écart. Cette comparaison met côte à côte les spécifications, les prix, les benchmarks et les différences d'API, et se termine par une règle de routage que vous pouvez appliquer. Pour en savoir plus sur chaque modèle, voir qu'est-ce que GPT-6.1 Terra et qu'est-ce que GPT-6.1 Sol.

Côte à côte

Les prix sont les tarifs Standard pour des prompts allant jusqu'à 272 K tokens en entrée, issus de la page de tarification d'OpenAI. Les deux modèles partagent la même règle pour les prompts longs : au-delà de 272 K tokens en entrée, l'ensemble de la requête est facturé au double des tarifs d'entrée et de cache et à 1,5x le tarif de sortie.

Prix : Terra est exactement à moitié prix

Chaque tarif de Terra est la moitié de celui de Sol. La comparaison des coûts est donc simple : pour un même nombre de tokens, Terra coûte 50 % de moins. Prenons une étape d'agent avec un préfixe en cache de 100 000 tokens, 8 000 nouveaux tokens d'entrée et 2 000 tokens de sortie :

Les nombres de tokens ne seront pas identiques en pratique : le modèle qui raisonne plus longtemps dépense plus de sortie. Mais le fait que Terra soit plus rapide suggère qu'il n'achète pas sa vitesse avec des tokens supplémentaires. Artificial Analysis a mesuré 0,40 $ par tâche pour Terra à effort maximal sur sa suite. Notre guide de tarification GPT-6.1 Terra contient la grille tarifaire complète ainsi que ses variantes Batch, Flex et Fast.

Un point de données supplémentaire : Terra en mode Fast coûte 2 $/10 $, exactement le prix Standard de Sol. Si vous payez les prix de Sol, vous pouvez choisir entre la capacité supplémentaire de Sol et Terra à une vitesse supérieure.

Benchmarks : un écart étroit

Ces chiffres proviennent des documents de lancement d'OpenAI et d'Artificial Analysis. Artificial Analysis indique que le score de Terra sur Terminal-Bench 4.0 « rivalise désormais » avec GPT-6.1 Sol à effort maximal. Aucune source que nous avons trouvée ne publie les scores des deux modèles sur le même graphique pour chaque benchmark, alors considérez ce tableau comme l'indication de la direction et de l'ampleur de l'écart, et non comme un classement exact.

La tendance est cohérente d'une source à l'autre : Sol mène, d'un chiffre à un seul chiffre, sur les travaux de codage agentique les plus difficiles. Sur les tâches de terminal et le travail d'agent général, Terra est proche. Pour donner un ordre de grandeur, Terra se situe 10 points au-dessus de GPT-6 Luna sur le même Intelligence Index, donc le saut de Sol à Terra représente moins de la moitié du saut de Terra à Luna.

Fiabilité

La plus grande amélioration de Terra concerne les hallucinations. Artificial Analysis a mesuré un taux d'hallucination de 38 % sur son test AA-Omniscience, contre 88 % pour GPT-5.6 Terra. Sur le test interne de factualité d'OpenAI, le taux d'erreur de Terra à effort maximal est de 4,3 %, ce qui, selon OpenAI, correspond « presque » à GPT-6 Astra et GPT-6.1 Sol. À effort faible, il est de 16,7 %.

À retenir : à effort élevé, Terra et Sol commettent une proportion similaire d'erreurs factuelles sur le test d'OpenAI. L'avantage de Sol réside dans le raisonnement plus difficile, pas dans l'exactitude de base.

Différences d'API qui affectent votre code

La plupart du code fonctionne sur l'un ou l'autre modèle en changeant uniquement l'ID de modèle. Trois différences comptent :

1. L'effort none. Terra prend en charge reasoning.effort: "none" ; Sol non. Un développeur sur le forum communautaire d'OpenAI rapporte que none sur Terra permet aussi de définir temperature et top_p. Si vous avez migré une tâche de classification hors de GPT-6 Sol parce que 6.1 Sol a supprimé none, Terra vous le rend.
2. L'économie du cache. L'entrée en cache coûte 0,05 $ sur Terra et 0,10 $ sur Sol. Les agents qui réutilisent de longs préfixes économisent proportionnellement plus sur Terra.
3. La logique sensible à la vitesse. Si votre interface diffuse en streaming vers un utilisateur ou que votre agent exécute de nombreuses étapes séquentielles, la vitesse de Terra change l'expérience. Le chiffre de 3x d'OpenAI est une moyenne sur ses tâches ; mesurez la vôtre.

Les deux prennent en charge les mêmes outils hébergés sur l'API Responses, notamment computer_use, web_search, file_search, code_interpreter et mcp. Le guide de l'API GPT-6.1 Terra et le guide de l'API GPT-6.1 Sol couvrent la configuration de chacun.

Dans ChatGPT et Codex

Les deux sont disponibles dans ChatGPT Work et Codex pour les forfaits payants, et aucun des deux n'est inclus dans Free ou Go. Pour Terra, OpenAI liste Plus, Pro, Enterprise et Edu. La différence pratique réside dans l'usage : OpenAI indique que votre quota Work et Codex va « bien plus loin » avec Terra qu'avec GPT-6.1 Sol ou GPT-6 Astra. Si vous atteignez les limites de Codex sur Sol, exécuter les tâches de routine sur Terra (codex -m gpt-6.1-terra, Codex CLI 0.159.0 ou version ultérieure) étire le même forfait. Notre guide des limites d'usage de Codex explique comment fonctionne ce quota.

Lequel devriez-vous utiliser ?

Utilisez GPT-6.1 Terra pour :

• L'utilisation de l'ordinateur : cliquer dans des applications, lire des écrans, remplir des formulaires. C'est le cas d'usage phare.
• La rédaction et la préparation de textes, les résumés, les réponses.
• Les tâches de codage de difficulté ordinaire : modifications d'un seul fichier, tests, scripts, revues.
• Les boucles d'agent comportant de nombreuses étapes, où la vitesse et le coût par étape s'additionnent.
• L'extraction et la classification qui demandent plus que ce que Luna peut offrir, en particulier avec l'effort none.

Utilisez GPT-6.1 Sol pour :

• Les refactorisations importantes sur plusieurs fichiers et le travail d'architecture.
• Les longues chaînes de recherche où une seule étape erronée fait dérailler le résultat.
• Les tâches où Terra a déjà échoué. OpenAI lui-même oriente le codage le plus difficile vers Sol ou Astra.

Une règle de routage qui fonctionne : par défaut, utilisez Terra, et basculez vers Sol lorsqu'une tâche échoue à ses vérifications ou correspond à une catégorie reconnue comme difficile. Avec un écart de prix de 50/50, même en envoyant un tiers de votre trafic vers Sol, vous ne payez qu'environ deux tiers d'une facture entièrement Sol. Si vous comparez entre laboratoires, notre analyse GPT-6.1 Sol vs Claude Sonnet 5.5 couvre le palier 2 $/10 $.

Laissez votre agent de codage faire la comparaison avec Apidog CLI

Les benchmarks vous parlent des tâches de quelqu'un d'autre. Le moyen le plus rapide de décider est d'exécuter vos propres prompts sur les deux modèles et de comparer, et votre agent de codage peut le faire avec Apidog CLI.

Configuration une seule fois :

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install

Ensuite, donnez à Claude Code, Codex ou Cursor un seul prompt :

In Apidog project <id>, create a test case for POST https://api.openai.com/v1/responses
that sends model {{MODEL}} at reasoning effort medium, iterating over the 20 prompts in
prompts.csv. Assert status 200 and that each output passes our JSON schema. Run it with
MODEL=gpt-6.1-terra and MODEL=gpt-6.1-sol against the <env> environment, then report
pass rate, average output tokens and estimated cost for each model.

L'agent valide la charge utile, crée le cas de test et exécute les deux modèles sur les mêmes données :

apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> -d prompts.csv --env-var "MODEL=gpt-6.1-terra" -r cli,json
apidog run --test-case <caseId> --project <id> -e <envId> -d prompts.csv --env-var "MODEL=gpt-6.1-sol" -r cli,json

Si le taux de réussite de Terra correspond à celui de Sol sur vos prompts, vous avez divisé la facture par deux, preuves à l'appui. Sinon, les lignes en échec vous indiquent quelles tâches router vers Sol. Conservez la comparaison dans votre CI avec -r junit (guide CI/CD d'Apidog CLI) et relancez-la chaque fois que l'un des modèles est mis à jour. Voir Apidog CLI dans Codex pour la configuration de Codex.

FAQ

GPT-6.1 Terra est-il meilleur que GPT-6.1 Sol ? Non. Sol obtient un meilleur score (54 contre 48 sur le Coding Agent Index d'Artificial Analysis). Terra coûte moitié moins cher et, selon OpenAI, est plus de 3x plus rapide.

Combien Terra est-il moins cher que Sol ? Exactement 50 % sur chaque tarif : 1 $ contre 2 $ en entrée, 0,05 $ contre 0,10 $ en cache, 5 $ contre 10 $ en sortie.

Terra et Sol ont-ils la même fenêtre de contexte ? Oui : 1 050 000 tokens, 922 000 en entrée et 128 000 en sortie pour les deux.

Lequel est le meilleur pour le codage ? Sol pour les travaux les plus difficiles, comme le recommande OpenAI. Terra pour le codage quotidien, où il est proche sur les tâches de terminal à moitié prix.

Puis-je passer de l'un à l'autre sans modifier le code ? En grande partie. Changez l'ID de modèle ; si vous utilisez reasoning.effort: "none", cela ne fonctionne que sur Terra.

En résumé

GPT-6.1 Terra vous offre l'essentiel de GPT-6.1 Sol à moitié prix et en une fraction du temps d'attente. Utilisez Terra par défaut, réservez Sol pour les cas difficiles, et laissez votre agent prouver la répartition sur vos propres prompts avec Apidog CLI avant de vous engager.