Thanawat Wongchai

Posted on Oct 27 Originally published at apidog.com

เปรียบเทียบ GPT-6.1 Terra vs GPT-6.1 Sol

#openai #ai #llm #programming

GPT-6.1 Terra มีราคาถูกกว่า GPT-6.1 Sol ครึ่งหนึ่งในทุกรายการของตารางราคา: $1/$5 ต่อล้านโทเคน เทียบกับ $2/$10 OpenAI ระบุว่า Terra ทำงานเสร็จเร็วกว่าโดยเฉลี่ยมากกว่าสามเท่า Sol ยังคงเป็นโมเดลที่แข็งแกร่งกว่า โดยมากกว่า 6 คะแนนบน Coding Agent Index ของ Artificial Analysis (54 ต่อ 48) และ OpenAI เองก็แนะนำให้ใช้ Sol หรือ GPT-6 Astra สำหรับงานเขียนโค้ดที่ซับซ้อนที่สุดและการวิจัยเชิงลึก

ลองใช้ Apidog วันนี้

ดังนั้นคำถามจึงไม่ใช่ว่าตัวไหนดีกว่า แต่เป็นว่างานของคุณต้องการช่องว่างนั้นหรือไม่ บทเปรียบเทียบนี้วางสเปก ราคา เบนช์มาร์ก และความแตกต่างของ API ไว้เคียงข้างกัน และปิดท้ายด้วยกฎการจัดเส้นทางที่คุณนำไปใช้ได้ สำหรับข้อมูลพื้นฐานของแต่ละโมเดล ดูที่ GPT-6.1 Terra คืออะไร และ GPT-6.1 Sol คืออะไร

เปรียบเทียบเคียงข้างกัน

	GPT-6.1 Terra	GPT-6.1 Sol
API model ID	`gpt-6.1-terra`	`gpt-6.1-sol`
เปิดตัว	26 ตุลาคม 2026	29 กันยายน 2026 (DevDay)
อินพุต / แคช / เอาต์พุต (ต่อ 1M)	$1.00 / $0.05 / $5.00	$2.00 / $0.10 / $10.00
การเขียนแคช 30 นาที	$1.25	$2.50
หน้าต่างบริบท	1,050,000	1,050,000
อินพุต / เอาต์พุตสูงสุด	922,000 / 128,000	922,000 / 128,000
ระดับความพยายามในการให้เหตุผล	`none` ถึง `max`	`low` ถึง `max` (ไม่มี `none`)
เอนด์พอยต์	Responses, Chat Completions, Batch	Responses, Chat Completions, Batch
ความเร็ว (OpenAI)	เร็วกว่าโดยเฉลี่ยมากกว่า 3 เท่า	ค่าพื้นฐาน
การวางตำแหน่งของ OpenAI	เร็ว มีประสิทธิภาพ: การเขียน การทำความเข้าใจภาพ การใช้งานคอมพิวเตอร์	รอบด้านที่แข็งแกร่งสำหรับงานเขียนโค้ดยากและการวิจัย

ราคาเป็นอัตราแบบ Standard สำหรับพรอมป์ตที่มีอินพุตไม่เกิน 272K โทเคน จากหน้าราคาของ OpenAI ทั้งสองโมเดลใช้กฎพรอมป์ตยาวเหมือนกัน: เมื่ออินพุตเกิน 272K โทเคน ทั้งคำขอจะคิดเงินที่อัตราอินพุตและแคช 2 เท่า และเอาต์พุต 1.5 เท่า

ราคา: Terra ถูกกว่าครึ่งพอดี

ทุกราคาของ Terra เป็นครึ่งหนึ่งของ Sol ซึ่งทำให้การเปรียบเทียบต้นทุนง่ายมาก: สำหรับจำนวนโทเคนเท่ากัน Terra ถูกกว่า 50% ยกตัวอย่างเอเจนต์หนึ่งสเต็ปที่มีคำนำหน้าแคช 100,000 โทเคน อินพุตใหม่ 8,000 โทเคน และเอาต์พุต 2,000 โทเคน:

	GPT-6.1 Terra	GPT-6.1 Sol
อินพุตแคช (100K)	$0.0050	$0.0100
อินพุตใหม่ (8K)	$0.0080	$0.0160
เอาต์พุต (2K)	$0.0100	$0.0200
ต่อการเรียกหนึ่งครั้ง	$0.0230	$0.0460
ต่อ 10,000 ครั้ง	$230	$460

ในทางปฏิบัติ จำนวนโทเคนจะไม่เท่ากันเป๊ะ: โมเดลที่ใช้เวลาให้เหตุผลนานกว่าจะใช้เอาต์พุตมากกว่า แต่การที่ Terra เร็วกว่าบ่งชี้ว่ามันไม่ได้แลกความเร็วมาด้วยโทเคนที่เพิ่มขึ้น Artificial Analysis วัดได้ $0.40 ต่องานสำหรับ Terra ที่ความพยายามระดับ max บนชุดทดสอบของตน คู่มือราคา GPT-6.1 Terraของเรามีตารางราคาฉบับเต็มพร้อมตัวแปร Batch, Flex และ Fast

อีกหนึ่งข้อมูล: Terra ในโหมด Fast มีราคา $2/$10 ซึ่งเท่ากับราคา Standard ของ Sol พอดี ถ้าคุณจ่ายในราคาระดับ Sol อยู่แล้ว คุณสามารถเลือกระหว่างความสามารถที่มากกว่าของ Sol กับ Terra ที่ความเร็วสูงกว่าได้

เบนช์มาร์ก: ช่องว่างที่แคบ

เบนช์มาร์ก	GPT-6.1 Terra	GPT-6.1 Sol	แหล่งที่มา
Coding Agent Index v2.0	48	54	Artificial Analysis
Intelligence Index, ความพยายามระดับ max	ต่ำกว่า Sol 4 คะแนน	ค่าพื้นฐาน	Artificial Analysis
Terminal-Bench 4.0, ความพยายามระดับ max	50.3%	ถูกทัดเทียมโดย Terra ที่ระดับ max	OpenAI; Artificial Analysis
Agents’ Last Exam	ทัดเทียมกับ GPT-6 Astra ตามข้อมูลของ OpenAI	ไม่มีข้อมูล	OpenAI
ความเร็วในการทำงาน	เร็วกว่าโดยเฉลี่ยมากกว่า 3 เท่า	ค่าพื้นฐาน	OpenAI

ตัวเลขเหล่านี้มาจากเอกสารเปิดตัวของ OpenAI และ Artificial Analysis Artificial Analysis ระบุว่าคะแนน Terminal-Bench 4.0 ของ Terra “ทัดเทียม” GPT-6.1 Sol ที่ความพยายามระดับ max แล้ว ไม่มีแหล่งใดที่เราพบที่เผยแพร่คะแนนของทั้งสองโมเดลบนกราฟเดียวกันสำหรับทุกเบนช์มาร์ก ดังนั้นให้มองตารางนี้เป็นทิศทางและขนาดของช่องว่าง ไม่ใช่การจัดอันดับที่แม่นยำ

รูปแบบนี้สอดคล้องกันในทุกแหล่งข้อมูล: Sol นำอยู่ โดยนำเป็นเลขหลักเดียว บนงานเขียนโค้ดแบบเอเจนต์ที่ยากที่สุด บนงานเทอร์มินัลและงานเอเจนต์ทั่วไป Terra ใกล้เคียงมาก เพื่อให้เห็นขนาดของความต่าง Terra อยู่สูงกว่า GPT-6 Luna 10 คะแนนบน Intelligence Index เดียวกัน ดังนั้นก้าวจาก Sol ไป Terra จึงน้อยกว่าครึ่งหนึ่งของก้าวจาก Terra ไป Luna

ความน่าเชื่อถือ

การปรับปรุงที่ใหญ่ที่สุดของ Terra อยู่ที่การสร้างข้อมูลเท็จ (hallucination) Artificial Analysis วัดอัตราการสร้างข้อมูลเท็จได้ 38% บนแบบทดสอบ AA-Omniscience ของตน ลดลงจาก 88% ของ GPT-5.6 Terra บนแบบทดสอบความถูกต้องตามข้อเท็จจริงภายในของ OpenAI อัตราความผิดพลาดของ Terra ที่ความพยายามระดับ max อยู่ที่ 4.3% ซึ่ง OpenAI ระบุว่า “เกือบ” เทียบเท่า GPT-6 Astra และ GPT-6.1 Sol ที่ความพยายามระดับ low อยู่ที่ 16.7%

ข้อสรุปคือ: ที่ความพยายามสูง Terra และ Sol สร้างข้อผิดพลาดด้านข้อเท็จจริงในสัดส่วนที่ใกล้เคียงกันบนแบบทดสอบของ OpenAI จุดได้เปรียบของ Sol อยู่ที่การให้เหตุผลที่ยากขึ้น ไม่ใช่ความแม่นยำพื้นฐาน

ความแตกต่างของ API ที่ส่งผลต่อโค้ดของคุณ

โค้ดส่วนใหญ่รันได้บนทั้งสองโมเดลโดยเปลี่ยนแค่ model ID มีสามความแตกต่างที่สำคัญ:

ความพยายามระดับ none Terra รองรับ reasoning.effort: "none" แต่ Sol ไม่รองรับ นักพัฒนาคนหนึ่งบนฟอรัมชุมชนของ OpenAI รายงานว่าการใช้ none บน Terra ยังทำให้คุณตั้งค่า temperature และ top_p ได้ด้วย ถ้าคุณย้ายงานจัดประเภทออกจาก GPT-6 Sol เพราะ 6.1 Sol ตัด none ออกไป Terra ก็เอามันกลับมาให้
เศรษฐศาสตร์ของแคช อินพุตแคชอยู่ที่ $0.05 บน Terra และ $0.10 บน Sol เอเจนต์ที่นำคำนำหน้ายาว ๆ กลับมาใช้ซ้ำจะประหยัดได้มากกว่าแบบเป็นสัดส่วนบน Terra
ลอจิกที่อ่อนไหวต่อความเร็ว ถ้า UI ของคุณสตรีมให้ผู้ใช้ หรือเอเจนต์ของคุณรันหลายสเต็ปต่อเนื่องกัน ความเร็วของ Terra จะเปลี่ยนประสบการณ์ใช้งาน ตัวเลข 3 เท่าของ OpenAI เป็นค่าเฉลี่ยจากงานของตน ให้วัดจากงานของคุณเอง

ทั้งสองรองรับเครื่องมือโฮสต์เดียวกันบน Responses API รวมถึง computer_use, web_search, file_search, code_interpreter และ mcp คู่มือ API ของ GPT-6.1 Terra และ คู่มือ API ของ GPT-6.1 Sol อธิบายการตั้งค่าไว้สำหรับแต่ละตัว

ใน ChatGPT และ Codex

ทั้งสองมีอยู่ใน ChatGPT Work และ Codex สำหรับแผนแบบเสียเงิน และไม่มีตัวใดอยู่ใน Free หรือ Go สำหรับ Terra นั้น OpenAI ระบุว่ามีใน Plus, Pro, Enterprise และ Edu ความแตกต่างในทางปฏิบัติคือการใช้งาน: OpenAI ระบุว่าโควตาการใช้งานใน Work และ Codex ของคุณจะ “มากกว่าอย่างมาก” เมื่อใช้ Terra เทียบกับ GPT-6.1 Sol หรือ GPT-6 Astra ถ้าคุณชนลิมิตของ Codex บน Sol การรันงานประจำบน Terra (codex -m gpt-6.1-terra, Codex CLI 0.159.0 หรือใหม่กว่า) จะยืดแผนเดิมให้ยาวขึ้น คู่มือลิมิตการใช้งาน Codexของเราอธิบายว่าโควตานี้ทำงานอย่างไร

คุณควรใช้ตัวไหน?

ใช้ GPT-6.1 Terra สำหรับ:

การใช้งานคอมพิวเตอร์: คลิกไปตามแอป อ่านหน้าจอ กรอกฟอร์ม นี่คือกรณีการใช้งานเด่น
การเขียนและร่างข้อความ สรุป คำตอบ
งานเขียนโค้ดระดับความยากทั่วไป: แก้ไขไฟล์เดียว เขียนเทสต์ สคริปต์ รีวิว
ลูปเอเจนต์ที่มีหลายสเต็ป ซึ่งความเร็วและต้นทุนต่อสเต็ปสะสมกันขึ้นมา
งานสกัดข้อมูลและจัดประเภทที่ต้องการมากกว่าที่ Luna ให้ได้ โดยเฉพาะเมื่อใช้ความพยายามระดับ none

ใช้ GPT-6.1 Sol สำหรับ:

การรีแฟกเตอร์ขนาดใหญ่หลายไฟล์และงานสถาปัตยกรรม
สายการวิจัยยาว ๆ ที่ขั้นตอนผิดเพียงขั้นตอนเดียวทำให้ผลลัพธ์พัง
งานที่ Terra ล้มเหลวไปแล้ว OpenAI เองก็ชี้แนะให้งานเขียนโค้ดที่ยากที่สุดไปที่ Sol หรือ Astra

กฎการจัดเส้นทางที่ใช้ได้ผล: ใช้ Terra เป็นค่าเริ่มต้น และยกระดับไป Sol เมื่องานไม่ผ่านการตรวจสอบหรือตรงกับหมวดหมู่ที่รู้ว่าเป็นงานยาก ด้วยการแบ่งราคาแบบ 50/50 แม้ส่งทราฟฟิกหนึ่งในสามไปที่ Sol คุณก็ยังจ่ายเพียงประมาณสองในสามของบิลที่ใช้ Sol ล้วน ถ้าคุณกำลังเปรียบเทียบข้ามค่าย บทเปรียบเทียบ GPT-6.1 Sol กับ Claude Sonnet 5.5ของเราครอบคลุมระดับราคา $2/$10

ให้เอเจนต์เขียนโค้ดของคุณรันการเปรียบเทียบด้วย Apidog CLI

เบนช์มาร์กบอกคุณเกี่ยวกับงานของคนอื่น วิธีที่เร็วที่สุดในการตัดสินใจคือรันพรอมป์ตของคุณเองบนทั้งสองโมเดลแล้วเปรียบเทียบ และเอเจนต์เขียนโค้ดของคุณทำแบบนั้นได้ด้วย Apidog CLI

ตั้งค่าครั้งเดียว:

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

จากนั้นให้พรอมป์ต Claude Code, Codex หรือ Cursor หนึ่งครั้ง:

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.

เอเจนต์จะตรวจสอบเพย์โหลด สร้างเคส และรันทั้งสองโมเดลบนข้อมูลชุดเดียวกัน:

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

ถ้าอัตราการผ่านของ Terra ตรงกับ Sol บนพรอมป์ตของคุณ คุณก็ลดบิลลงครึ่งหนึ่งพร้อมหลักฐานยืนยัน ถ้าไม่ตรง แถวที่ล้มเหลวจะบอกคุณว่างานใดควรจัดเส้นทางไปที่ Sol เก็บการเปรียบเทียบนี้ไว้ใน CI ด้วย -r junit (คู่มือ CI/CD ของ Apidog CLI) และรันซ้ำทุกครั้งที่โมเดลใดโมเดลหนึ่งอัปเดต ดู Apidog CLI ใน Codex สำหรับการตั้งค่าใน Codex

คำถามที่พบบ่อย

GPT-6.1 Terra ดีกว่า GPT-6.1 Sol หรือไม่?
ไม่ Sol ได้คะแนนสูงกว่า (54 ต่อ 48 บน Coding Agent Index ของ Artificial Analysis) Terra มีราคาถูกกว่าครึ่งหนึ่ง และตามข้อมูลของ OpenAI เร็วกว่ามากกว่า 3 เท่า

Terra ถูกกว่า Sol แค่ไหน?
ถูกกว่าพอดี 50% ในทุกอัตรา: อินพุต $1 ต่อ $2, แคช $0.05 ต่อ $0.10, เอาต์พุต $5 ต่อ $10

Terra และ Sol มีหน้าต่างบริบทเท่ากันหรือไม่?
เท่ากัน: 1,050,000 โทเคน อินพุต 922,000 และเอาต์พุต 128,000 สำหรับทั้งคู่

ตัวไหนดีกว่าสำหรับงานเขียนโค้ด?
Sol สำหรับงานที่ยากที่สุด ตามที่ OpenAI แนะนำ Terra สำหรับงานเขียนโค้ดในชีวิตประจำวัน ซึ่งใกล้เคียงกันในงานเทอร์มินัลที่ราคาครึ่งเดียว

สลับระหว่างสองตัวได้โดยไม่แก้โค้ดหรือไม่?
โดยส่วนใหญ่ได้ แค่เปลี่ยน model ID; ถ้าคุณใช้ reasoning.effort: "none" สิ่งนั้นใช้ได้เฉพาะบน Terra

บทสรุป

GPT-6.1 Terra ให้คุณได้เกือบทุกอย่างของ GPT-6.1 Sol ในราคาครึ่งเดียวและรอสั้นกว่ามาก ใช้ Terra เป็นค่าเริ่มต้น เก็บ Sol ไว้สำหรับงานยากส่วนท้าย และให้เอเจนต์ของคุณพิสูจน์การแบ่งสัดส่วนบนพรอมป์ตของคุณเองด้วย Apidog CLI ก่อนที่คุณจะตัดสินใจ

DEV Community