GPT-6.1 Terra vs GPT-6 Astra: preços da API e testes

Nas tarifas padrão da API da OpenAI, o GPT-6.1 Terra custa menos por token que o GPT-6 Astra nas faixas publicadas; em três testes sintéticos executados uma vez por modelo, porém, o Astra somou mais pontos e o Terra levou menos tempo. O resultado ajuda a comparar preço e desempenho nessas tarefas, mas não define um vencedor para todo tipo de trabalho.

Preços da API e especificações dos modelos

A tarifa padrão para contexto curto, com até 272 mil tokens de entrada, é de US$ 1 por milhão de tokens de entrada e US$ 5 por milhão de saída para o Terra. Para o Astra, os valores são US$ 10 e US$ 50. Token é uma unidade de texto processada pelo modelo; o total cobrado depende da quantidade usada. São preços publicados para a API, não valores de assinatura do ChatGPT.

Tarifas padrão em dólares por milhão de tokens. A faixa de contexto longo se aplica quando a entrada ultrapassa 272 mil tokens. Tabela de preços da OpenAI.

A proporção de 10 para 1 vale para as tarifas padrão de entrada e saída nas duas faixas de contexto. A entrada em cache tem outra relação: custa US$ 0,05 para o Terra e US$ 1 para o Astra no contexto curto. A OpenAI também lista Batch e Flex pela metade da tarifa padrão, Fast pelo dobro e um adicional de 10% para endpoints elegíveis com processamento regional. O custo final de uma tarefa também depende dos tokens consumidos e de eventuais cobranças por ferramentas.

As especificações publicadas dão aos dois modelos uma janela de contexto de 1.050.000 tokens, entrada máxima de 922.000 e saída máxima de 128.000. Ambos aceitam texto e imagens e geram texto. O Terra oferece as opções de raciocínio none, low, medium, high, xhigh e max; no Astra, a lista começa em low. Para chamar ferramentas com o Terra, a documentação exige o uso da Responses API. Documentação do GPT-6.1 Terra e do GPT-6 Astra.

A OpenAI descreve o Terra como uma opção rápida e eficiente para raciocínio visual, uso preciso do computador e escrita. Para o Astra, destaca tarefas exigentes de raciocínio, programação, pesquisa, uso do computador e criação de documentos. Essas descrições indicam os usos que a empresa atribui a cada modelo; os resultados medidos nas tarefas sintéticas são outra comparação.

A cobertura anterior da NeoTeo sobre o GPT-6 Astra tratou do uso do modelo como agente e da supervisão. Aqui, a comparação se concentra nas tarifas, nos limites e nos testes relatados.

O que os três testes sintéticos mediram

O autor do The New Stack executou uma vez por modelo cada uma das três tarefas finais, todas com esforço de raciocínio alto. O Astra marcou mais pontos em SQL e validação de dados; os dois empataram na triagem de incidentes.

Na tarefa de validação, que usou registros fabricados, o Terra identificou 35 dos 40 registros inválidos e não sinalizou nenhum registro válido. O Astra identificou os 40 inválidos. Na triagem, os dois modelos receberam nota máxima ao analisar cerca de 7.000 linhas de registro de mais de 20 serviços e apontaram a mesma alteração de configuração como origem do incidente.

O autor também relatou 258,8 segundos de tempo total para o Terra e 709,2 segundos para o Astra nas três execuções. As estimativas de custo dos tokens foram US$ 0,61 e US$ 7,88, respectivamente. Elas foram calculadas com tarifas padrão sem cache, a partir dos tokens usados, e não são valores de fatura; ferramentas e ajustes de cobrança ficaram de fora.

O alcance dos resultados

As tarefas usaram dados sintéticos e critérios de avaliação criados pelo autor. Ele havia desenvolvido versões anteriores que terminaram empatadas e escolheu versões finais mais difíceis. Cada modelo fez uma única execução de cada tarefa. A mesma configuração de esforço não garante que os modelos tenham usado a mesma quantidade de tokens de raciocínio.

SQL, validação de registros e triagem de incidentes não formam um teste geral de engenharia de software. Portanto, as pontuações não resolvem qual modelo é melhor para programação ou para o trabalho cotidiano. A diferença observada é mais específica: o Astra pontuou mais nas duas tarefas em que houve diferença, enquanto o Terra terminou as três tarefas em menos tempo e com menor custo estimado de tokens.

Benchmarks externos trazem outra perspectiva

Um vídeo em inglês de Lifey Guy compara resultados atribuídos à Artificial Analysis, em uma série separada dos testes sintéticos: 48 para o Terra e 53 para o Astra no Intelligence Index v4.3; 56% e 59% no Terminal-Bench 4.0; e 55% e 56% no SciCode. Esses números ampliam a comparação com outras avaliações, mas não são uma repetição das três tarefas descritas acima.