Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
Il nuovo modello di fascia media di OpenAI non insegue i benchmark estremi: punta a rendere sostenibile l’automazione quotidiana. Con $1 per milione di token in input e $5 in output, GPT-6.1 Terra sposta il confronto dal “modello più intelligente” al costo per task, soprattutto su schermate, moduli e documenti. È disponibile nell’API come gpt-6.1-terra e in ChatGPT Work e Codex per utenti Plus, Pro, Enterprise ed Edu.
Prezzi API: il dimezzamento non è identico per tutti
GPT-6.1 Terra costa $1 per milione di token in input e $5 in output. L’input in cache scende a $0,05, Batch e Flex costano il 50% in meno, la modalità Fast il doppio; sopra 272.000 token di input si paga 2x l’input e 1,5x l’output. La finestra di contesto è di 1,05 milioni di token, con output massimo di 128.000 token e knowledge cutoff al 1° giugno 2026.
Il riferimento del “dimezzamento” cambia però da una testata all’altra. MarkTechPost presenta $1/$5 come la metà di GPT-6.1 Sol ($2/$10); The Decoder lo descrive come metà di GPT-5.6 Terra, indicato a $2/$12. Rispetto a quest’ultimo, l’input scende da $2 a $1 (-50%), mentre l’output da $12 a $5: calcolando (12-5)/12, il taglio è del 58,3%, non esattamente la metà. Rispetto a GPT-6 Astra ($10/$50), Terra costa un decimo; rispetto a Claude Opus 5.5 ($4/$20), un quarto sull’input e un quarto sull’output.
Prestazioni: visione e computer use vicini ai modelli grandi
Sui compiti di computer use e visione, Terra si avvicina ai modelli maggiori a costi inferiori. Su Agents’ Last Exam v1, a effort medio, segna 57,6% a $0,29 per task, lo stesso punteggio di GPT-6 Astra (57,6%) ma con un costo per task molto più basso: 4,82/0,29 = 16,6 volte meno. A effort massimo arriva a 60,0% a $1,01 per task, contro il 63,2% di Claude Opus 5.5 a $8,82: 8,82/1,01 = 8,7 volte meno per task, cioè quasi nove volte.
| Modello | Prezzo API input/output per 1M token | Agents’ Last Exam v1 (max) | MMMU-Pro Vision (max) | Terminal-Bench 4.0 (max) |
|---|---|---|---|---|
| GPT-6.1 Terra | $1 / $5 | 60,0% ($1,01/task) | 85,5% | 50,3% |
| GPT-6.1 Sol | $2 / $10 | 58,6% ($2,00/task) | 86,3% | 55,9% |
| GPT-6 Astra | $10 / $50 | 59,3% ($7,24/task) | 86,7% | 58,2% |
I punteggi sono auto-riportati. Su MMMU-Pro Vision Terra tocca 85,5% a effort massimo, 1,2 punti sotto GPT-6 Astra; su OSWorld 2.1 offline arriva a 74,2% a effort massimo, contro il 57,1% del predecessore. A effort medio si ferma a 66,7%, già sopra il massimo di GPT-5.6 Terra.
Codice e affidabilità: il limite resta sui task complessi
Terra migliora molto sul coding, ma non supera i modelli di punta. Su Terminal-Bench 4.0 risolve 50,3% dei task a effort massimo, contro 21,5% di GPT-5.6 Terra; restano avanti GPT-6.1 Sol (55,9%), GPT-6 Astra (58,2%) e Claude Sonnet 5.5 (70,6%). Per i task di coding più complessi, la raccomandazione è usare Sol o Astra. Su Terminal-Bench-Science 0.1 Terra segna 58,3% a $4,15 per task, battendo GPT-6.1 Sol (57,0% a $5,47).
Sul fronte degli errori, il tasso di errore a basso effort scende dal 53,6% al 16,7%; a effort massimo arriva al 4,3%. Sul benchmark privato AA-Omniscience, la tendenza a indovinare quando manca la risposta cala dall’88% al 38%. Terra rientra nella soglia “Critical” di cybersecurity del Preparedness Framework e eredita le salvaguardie di GPT-6 Astra; la difesa dalla prompt injection indiretta è al 98,8%, contro il 96,2% del predecessore.
Per chi conviene: il risparmio si vede nel costo per task
Per i team che automatizzano schermate, moduli e documenti ad alto volume, il vantaggio non è solo il listino. Terra completa i task oltre 3 volte più velocemente di GPT-6 Astra e GPT-6.1 Sol. I casi d’uso indicati includono l’abbinamento di foto prodotto a voci di catalogo e l’interpretazione di disegni tecnici. Artificial Analysis lo definisce un nuovo riferimento per intelligenza per dollaro: a effort massimo guadagna 6 punti sull’Intelligence Index rispetto a GPT-5.6 Terra (48 contro 42) e costa $0,40 per task contro $1,40, cioè 1,40/0,40 = 3,5 volte meno. La conseguenza pratica è che il collo di bottiglia si sposta dalla bolletta API alla capacità di progettare flussi di lavoro che sfruttino il contesto da 1,05 milioni di token senza superare la soglia dei 272.000 token, dove il prezzo sale.
Il vero test per Terra non sarà il punteggio massimo, ma la tenuta sui volumi: se il costo per task resta vicino al dollaro anche a effort massimo, l’automazione di documenti e schermate diventa conveniente anche dove prima si usavano modelli più piccoli.
Fonti
