GPT-6.1 TerraとGPT-6.1 Solの比較

GPT-6.1 Terraは、レートカードのどの項目でもGPT-6.1 Solの半額です。100万トークンあたり$1/$5に対し、$2/$10となっています。OpenAIによれば、Terraはタスクを平均で3倍以上の速さで完了します。Solは依然としてより強力なモデルであり、Artificial AnalysisのCoding Agent Indexで6ポイント差（54対48）をつけており、OpenAI自身も最も複雑なコーディングや深い調査にはSolまたはGPT-6 Astraを推奨しています。

つまり問題は、どちらが優れているかではありません。あなたのワークロードがその差を必要とするかどうかです。この比較では、スペック、価格、ベンチマーク、APIの違いを並べて示し、最後にそのまま使えるルーティングルールを提示します。各モデルの背景については、GPT-6.1 Terraとは何かとGPT-6.1 Solとは何かをご覧ください。

並べて比較

価格は、入力トークン272Kまでのプロンプトに対するStandard料金で、OpenAIの料金ページによるものです。両モデルは同じ長文プロンプトのルールを共有しています。272K入力トークンを超えると、リクエスト全体が入力とキャッシュ料金の2倍、出力の1.5倍で課金されます。

価格：Terraはちょうど半額

Terraのすべての料金はSolの半額です。これによりコスト比較は単純になります。同じトークン数であれば、Terraは50%安く済みます。100,000トークンのキャッシュ済みプレフィックス、8,000の新規入力トークン、2,000の出力トークンを使うエージェントの1ステップを考えてみましょう：

実際にはトークン数は同一にはなりません。より長く推論するモデルは、より多くの出力を消費します。しかしTerraが高速であることは、余分なトークンで速度を買っているわけではないことを示唆しています。Artificial Analysisは、そのスイートでmaxエフォートのTerraについてタスクあたり$0.40と計測しました。GPT-6.1 Terraの価格ガイドには、完全なレートカードとBatch、Flex、Fastの各バリアントが掲載されています。

もう1つのデータポイント：FastモードのTerraは$2/$10で、ちょうどSolのStandard価格と同じです。Solの価格を支払っているなら、Solの追加能力と、より高速なTerraのどちらかを選べるということです。

ベンチマーク：わずかな差

数値はOpenAIの発表資料とArtificial Analysisによるものです。Artificial Analysisは、TerraのTerminal-Bench 4.0スコアがmaxエフォートにおいてGPT-6.1 Solに「今や互角に迫る」と述べています。すべてのベンチマークについて両モデルのスコアを同じチャートで公開している情報源は見つからなかったため、この表は差の方向性と大きさを示すものとして扱い、正確な順位付けとは考えないでください。

傾向は情報源をまたいで一貫しています。最も難しいエージェント的コーディング作業では、Solが1桁台の差でリードしています。ターミナルタスクや一般的なエージェント作業では、Terraは近い位置にあります。規模感を示すと、同じIntelligence IndexでTerraはGPT-6 Lunaより10ポイント上にあるため、SolからTerraへの段差は、TerraからLunaへの段差の半分未満です。

信頼性

Terraの最大の単一改善点はハルシネーションです。Artificial Analysisは、そのAA-Omniscienceテストで38%のハルシネーション率を計測しました。これはGPT-5.6 Terraの88%からの低下です。OpenAIの社内事実性テストでは、maxエフォートでのTerraのエラー率は4.3%で、OpenAIはこれがGPT-6 AstraとGPT-6.1 Solに「ほぼ」匹敵すると述べています。lowエフォートでは16.7%です。

重要な点：高エフォートでは、OpenAIのテストにおいてTerraとSolは同程度の割合で事実誤りを犯します。Solの優位性はより難しい推論にあり、基本的な正確性にあるのではありません。

コードに影響するAPIの違い

ほとんどのコードは、モデルIDを変えるだけでどちらのモデルでも動作します。重要な違いは3つあります：

1. noneエフォート。Terraはreasoning.effort: "none"をサポートしていますが、Solはサポートしていません。OpenAIのコミュニティフォーラムのある開発者によると、Terraでnoneを使うとtemperatureとtop_pも設定できるようになります。6.1 Solでnoneが廃止されたために分類ジョブをGPT-6 Solから移行したのであれば、Terraはそれを取り戻してくれます。
2. キャッシュの経済性。キャッシュ入力はTerraが$0.05、Solが$0.10です。長いプレフィックスを再利用するエージェントは、Terraで比例してより多く節約できます。
3. 速度に敏感なロジック。UIがユーザーにストリーミングする場合や、エージェントが多数の逐次ステップを実行する場合、Terraの速度は体験を変えます。OpenAIの3倍という数値は同社のタスク全体の平均なので、ご自身で計測してください。

どちらもResponses API上の同じホスト型ツールをサポートしており、computer_use、web_search、file_search、code_interpreter、mcpを含みます。GPT-6.1 Terra APIガイドとGPT-6.1 Sol APIガイドで、それぞれのセットアップを扱っています。

ChatGPTとCodexでの利用

どちらも有料プランのChatGPT WorkとCodexで利用でき、FreeやGoにはありません。Terraについて、OpenAIはPlus、Pro、Enterprise、Eduを挙げています。実用的な違いは使用量です。OpenAIによれば、WorkとCodexの許容量はGPT-6.1 SolやGPT-6 AstraよりもTerraのほうが「はるかに」長持ちします。SolでCodexの上限に達しているなら、定型的なタスクをTerraで実行する（codex -m gpt-6.1-terra、Codex CLI 0.159.0以降）ことで、同じプランを使い伸ばせます。Codexの使用量上限ガイドで許容量の仕組みを説明しています。

どちらを使うべきか？

GPT-6.1 Terraを使うべき場面：

• コンピュータ操作：アプリをクリックして操作し、画面を読み取り、フォームに入力する。これが代表的なユースケースです。
• ライティングや下書き、要約、返信。
• 通常難易度のコーディングタスク：単一ファイルの変更、テスト、スクリプト、レビュー。
• 多数のステップがあるエージェントループ。1ステップあたりの速度とコストが積み重なります。
• Lunaでは足りない抽出や分類。特にnoneエフォートを使う場合。

GPT-6.1 Solを使うべき場面：

• 大規模な複数ファイルにまたがるリファクタリングやアーキテクチャ作業。
• 1つの誤ったステップが結果を台無しにする長い調査チェーン。
• Terraがすでに失敗したタスク。OpenAI自身、最も難しいコーディングはSolまたはAstraへと導いています。

うまく機能するルーティングルール：デフォルトはTerraとし、タスクがチェックに失敗した場合や、難しいと分かっているカテゴリに該当する場合にSolへエスカレートします。価格が50/50の分割であれば、トラフィックの3分の1をSolに送っても、全量をSolで処理した請求額の約3分の2で済みます。ラボをまたいで比較する場合は、GPT-6.1 Sol vs Claude Sonnet 5.5の解説が$2/$10の価格帯を扱っています。

Apidog CLIでコーディングエージェントに比較を実行させる

ベンチマークは他人のタスクについて教えてくれるものです。最も速い決め方は、自分のプロンプトを両モデルで実行して比較することで、コーディングエージェントならApidog CLIでそれができます。

まず一度セットアップします：

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

次に、Claude Code、Codex、Cursorのいずれかに1つのプロンプトを与えます：

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.

エージェントはペイロードを検証し、ケースを作成し、同じデータで両モデルを実行します：

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

あなたのプロンプトでTerraの合格率がSolと一致すれば、証拠とともに請求額を半減できたことになります。一致しなければ、失敗した行がどのタスクをSolにルーティングすべきかを教えてくれます。-r junitでこの比較をCIに組み込み（Apidog CLI CI/CDガイド）、どちらかのモデルが更新されるたびに再実行しましょう。CodexのセットアップについてはCodexでのApidog CLIをご覧ください。

FAQ

GPT-6.1 TerraはGPT-6.1 Solより優れていますか？いいえ。Solのスコアのほうが高くなっています（Artificial AnalysisのCoding Agent Indexで54対48）。Terraは価格が半額で、OpenAIによれば3倍以上高速です。

TerraはSolよりどのくらい安いですか？すべての料金でちょうど50%です。入力は$1対$2、キャッシュは$0.05対$0.10、出力は$5対$10です。

TerraとSolのコンテキストウィンドウは同じですか？はい。どちらも1,050,000トークンで、入力922,000、出力128,000です。

コーディングにはどちらが良いですか？OpenAIが推奨するように、最も難しい作業にはSolです。日常的なコーディングにはTerraで、ターミナルタスクでは半額で遜色ありません。

コードを変更せずに切り替えられますか？ほぼ可能です。モデルIDを変更してください。ただしreasoning.effort: "none"を使う場合、それはTerraでのみ動作します。

まとめ

GPT-6.1 Terraは、GPT-6.1 Solの能力のほとんどを、半額かつ待ち時間のほんの一部で手に入れられます。デフォルトはTerraにし、難しい裾野にはSolを残し、コミットする前にApidog CLIで自分のプロンプトにおいてエージェントにこの分割を証明させましょう。