Le tariffe API standard di GPT-6.1 Terra sono inferiori a quelle di GPT-6 Astra nelle condizioni indicate da OpenAI. In tre test sintetici eseguiti una sola volta per modello, però, Astra ha ottenuto più punti e Terra ha impiegato meno tempo, secondo i risultati riportati dall’autore di The New Stack. Il confronto dipende quindi dal carico di lavoro: non emerge un vincitore valido per ogni uso.
Prezzi API e specifiche pubblicati da OpenAI
Per richieste con al massimo 272.000 token in ingresso, il listino standard di OpenAI indica tariffe per milione di token dieci volte più basse per Terra su input non memorizzato nella cache e output. Per l’input in cache la differenza è diversa. Le tariffe sono pubblicate in dollari statunitensi, non in euro. Listino API di OpenAI
| Contesto della richiesta | Modello | Input | Input in cache | Output |
| Fino a 272.000 token inclusi | GPT-6.1 Terra | 1 $ | 0,05 $ | 5 $ |
| Fino a 272.000 token inclusi | GPT-6 Astra | 10 $ | 1 $ | 50 $ |
| Oltre 272.000 token | GPT-6.1 Terra | 2 $ | 0,10 $ | 7,50 $ |
| Oltre 272.000 token | GPT-6 Astra | 20 $ | 2 $ | 75 $ |
Tutte le cifre sono tariffe standard per un milione di token. OpenAI indica anche Batch e Flex al 50% in meno rispetto allo standard, la modalità Fast al doppio e una maggiorazione del 10% per gli endpoint idonei all’elaborazione regionale. Il costo effettivo di un’attività dipende inoltre dai token consumati e dagli eventuali strumenti usati.
Le specifiche API sono simili per i limiti principali: entrambi i modelli accettano testo e immagini, restituiscono testo e hanno una finestra di contesto di 1.050.000 token, un massimo di 922.000 token in ingresso e 128.000 in uscita. Terra offre le impostazioni di ragionamento da none a max; quelle di Astra partono da low. Per usare gli strumenti con Terra, OpenAI richiede la Responses API. Documentazione di GPT-6.1 Terra e di GPT-6 Astra
OpenAI descrive Terra come un modello rapido ed efficiente per ragionamento visivo, uso preciso del computer e scrittura. Presenta Astra per attività impegnative di ragionamento, coding, ricerca, uso del computer e creazione di documenti. Queste indicazioni aiutano a individuare gli impieghi previsti; non sono risultati di una prova comparativa. Per un quadro più ampio del ruolo di Astra, puoi leggere il nostro approfondimento su GPT-6 Astra.
Che cosa hanno mostrato i tre test sintetici
L’autore di The New Stack ha confrontato i modelli in tre attività con dati fabbricati: ragionamento su SQL, convalida di dati e triage dei log di un incidente. Ogni versione finale è stata eseguita una volta per modello, con un livello di ragionamento alto.
| Attività | GPT-6.1 Terra | GPT-6 Astra |
| Ragionamento SQL | 26/50 | 48/50 |
| Convalida dei dati | 45/50 | 50/50 |
| Triage dei log | 50/50 | 50/50 |
| Totale | 121/150 | 148/150 |
Nel test SQL, Astra ha totalizzato 31.022 secondi per i 151 build, contro i 31.428 secondi indicati come risultato corretto. Terra ha fornito query SQL invece delle risposte calcolate per sei domande aggregate. Nel test di convalida, condotto su 4.950 record inventati, Terra ha individuato 35 dei 40 record non validi senza segnalare record validi; Astra ne ha individuati tutti e 40. Nel triage, entrambi hanno ricondotto un’interruzione, descritta attraverso circa 7.000 righe di log e più di 20 servizi, a una modifica delle impostazioni del servizio ledger e hanno individuato tre server con orologi errati.
I risultati complessivi riportati sono 121/150 per Terra e 148/150 per Astra. Nei tre test, il tempo aggregato è stato di 258,8 secondi per Terra e 709,2 per Astra. L’autore ha stimato i costi dei token in 0,61 $ e 7,88 $, usando le tariffe standard non memorizzate in cache; ha incluso i token di ragionamento nell’output ed escluso strumenti e rettifiche di fatturazione. Sono stime per quelle esecuzioni, non importi di fattura.
Quanto valgono questi risultati per il coding e il lavoro quotidiano
Le tre attività non costituiscono una valutazione generale dell’ingegneria del software o del lavoro quotidiano. L’autore di The New Stack riferisce che i test usavano dati sintetici e rubriche di valutazione create per l’occasione; ha scelto le versioni finali più difficili dopo che versioni precedenti avevano prodotto punteggi uguali. Inoltre, lo stesso livello di ragionamento impostato non ha comportato lo stesso budget di token per i due modelli.
Perciò, chi confronta i modelli per il coding può usare il risultato SQL come un dato circoscritto a quel compito, non come una classifica complessiva. I commenti di singoli utenti raccolti online esprimono esperienze discordanti e non risolvono la questione. Anche i risultati di tempo e costo descrivono quelle tre esecuzioni: non prevedono quanto impiegherà o costerà un altro carico di lavoro.
Altri benchmark riportati in un video
Un video in inglese di Lifey Guy riporta, attribuendoli ad Artificial Analysis, un punteggio di 48 per Terra e 53 per Astra nell’Intelligence Index v4.3. Per Terminal-Bench 4.0 indica rispettivamente il 56% e il 59%; per SciCode, il 55% e il 56%. Sono benchmark distinti dalle tre attività sintetiche descritte sopra.
