GPT-6.1 Terra heeft lagere gepubliceerde API-tarieven dan GPT-6 Astra, maar scoorde lager in drie synthetische tests die elk één keer per model zijn uitgevoerd. In die tests was Terra wel sneller en goedkoper volgens de geschatte totale looptijd en tokenkosten. Dat is een afweging binnen deze specifieke taken, geen algemene ranglijst voor programmeren of dagelijks werk.
API-tarieven en modelgrenzen
OpenAI rekent voor standaardverzoeken met maximaal 272.000 invoertokens per miljoen tokens $1 voor Terra en $10 voor Astra aan invoer. Voor uitvoer zijn de tarieven respectievelijk $5 en $50. De gepubliceerde standaardlijst luidt in USD; deze bedragen zijn API-tokenprijzen, geen ChatGPT-abonnementstarieven. OpenAI’s API-prijslijst splitst de tarieven verder uit naar contextlengte en verwerkingsmodus:
| Model | Korte context: invoer | Gecachte invoer | Uitvoer | Lange context: invoer | Gecachte invoer | Uitvoer |
| GPT-6.1 Terra | $1 | $0,05 | $5 | $2 | $0,10 | $7,50 |
| GPT-6 Astra | $10 | $1 | $50 | $20 | $2 | $75 |
Alle bedragen zijn USD per miljoen tokens. Korte context geldt tot en met 272.000 invoertokens; lange context geldt boven die grens. Batch- en Flex-verwerking kosten volgens OpenAI de helft van het standaardtarief, terwijl Fast-modus het dubbele kost. Voor endpoints die regionale verwerking aanbieden, geldt een toeslag van 10%. De prijs per token zegt dus niet op zichzelf wat een volledige taak kost: ook het aantal tokens en de gekozen verwerkingsmodus tellen mee.
De modellen hebben dezelfde gepubliceerde grenzen: een contextvenster van 1.050.000 tokens, maximaal 922.000 invoertokens en maximaal 128.000 uitvoertokens. Beide accepteren tekst en afbeeldingen als invoer en leveren tekst als uitvoer. Terra biedt ook de redeneerinstelling none; Astra’s gedocumenteerde opties beginnen bij low. OpenAI beschrijft Terra als een efficiënte keuze voor visueel redeneren, computergebruik en schrijven, en Astra als het model voor veeleisend redeneren, programmeren, onderzoek en documentcreatie. Dat zijn gebruiksbeschrijvingen van OpenAI, geen onderlinge testresultaten. De modeldocumentatie van Terra vermeldt bovendien dat toolaanroepen via de Responses API lopen; de documentatie van Astra noemt eveneens computergebruik als ondersteund hulpmiddel. Wie meer context zoekt over Astra’s rol als agent kan ook NeoTeo’s eerdere uitleg over GPT-6 Astra lezen.
Wat de drie synthetische tests lieten zien
De auteur van The New Stack voerde drie zelf ontworpen taken uit met synthetische gegevens. Elke definitieve taak werd één keer per model getest, met hoge redeneerinspanning. Astra behaalde in totaal 148 van 150 punten, tegenover 121 van 150 voor Terra.
| Taak | GPT-6.1 Terra | GPT-6 Astra |
| SQL-redeneren | 26/50 | 48/50 |
| Datavalidatie | 45/50 | 50/50 |
| Incidenttriage | 50/50 | 50/50 |
| Totaal | 121/150 | 148/150 |
Bij de datavalidatie verwerkte de test 4.950 synthetische records met 19 regels. Terra vond 35 van de 40 ongeldige records en markeerde geen van de geldige records; Astra vond alle 40 ongeldige records. Bij incidenttriage kregen beide modellen de maximale score. Ze analyseerden een synthetische storing met ongeveer 7.000 logregels uit meer dan 20 diensten en wezen onder meer op een wijziging in de instellingen van de ledger-service en drie servers met verkeerd ingestelde klokken.
Over de drie taken samen rapporteerde de auteur 258,8 seconden voor Terra en 709,2 seconden voor Astra. De geschatte tokenkosten waren respectievelijk $0,61 en $7,88. Dit zijn berekeningen op basis van standaardtarieven voor niet-gecachete tokens, geen factuurbedragen; toolkosten en aanpassingen bij de facturering zijn niet meegerekend.
Wat die uitslagen betekenen voor programmeren en dagelijks werk
De SQL-taak liet het grootste scoreverschil zien, maar de drie opdrachten vormden geen algemene test voor softwareontwikkeling. Ze bestonden uit SQL-redeneren, synthetische datavalidatie en incidenttriage. De resultaten beantwoorden daarom niet welke van de twee modellen in het algemeen beter programmeert of dagelijks werk sneller afhandelt.
De auteur koos de moeilijkere eindversies nadat eerdere versies gelijke scores opleverden. Ook betekende dezelfde instelling voor redeneerinspanning niet dat beide modellen evenveel redeneertokens gebruikten. De scores en tijden beschrijven dus deze drie afzonderlijke uitvoeringen, niet een vaste verwachting voor een andere opdracht.
Een afzonderlijke benchmarkvergelijking
De Engelstalige vergelijking van Lifey Guy noemt aanvullende cijfers die aan Artificial Analysis worden toegeschreven: op Intelligence Index v4.3 scoorden Terra en Astra respectievelijk 48 en 53; op Terminal-Bench 4.0 waren de scores 56% en 59%; op SciCode 55% en 56%. Dit zijn afzonderlijke benchmarkresultaten, geen herhaling van de drie synthetische taken hierboven.
