OpenAI выпустила GPT-6.1 Terra: токены вдвое дешевле, галлюцинации — с 88% до 38%

OpenAI выпустила GPT-6.1 Terra, первую модель класса Terra со времён GPT-5.6. Независимая лаборатория Artificial Analysis называет её новым рубежом ценовой эффективности. Цена за токен снизилась минимум вдвое: $1 за миллион входных и $5 за миллион выходных токенов вместо $2 и $12. При этом на максимальном уровне усилия модель умнее предшественницы на 6 пунктов в Artificial Analysis Intelligence Index, а средняя стоимость одной задачи упала с $1,40 до $0,40.

Цена: что подешевело и насколько

Снижение коснулось всей тарифной сетки, включая кэш. Для агентных систем, которые гоняют длинный контекст по кругу, именно кэш определяет итоговый счёт.

• Входные токены: $1 за миллион (у GPT-5.6 Terra было $2).
• Выходные токены: $5 за миллион (было $12).
• Запись в кэш: $1,25 за миллион токенов, вдвое дешевле прежнего.
• Кэшированный ввод: $0,05 за миллион токенов против $0,20, то есть в четыре раза дешевле.

Выходные токены подешевели в 2,4 раза, а стоимость задачи упала почти в 3,5 раза. Разница объясняется тем, что 6.1 Terra решает задачи эффективнее, чем просто берёт меньше за токен.

Где модель стоит на границе Парето

Artificial Analysis сравнивает модели по связке «интеллект против стоимости». На низком и среднем уровнях усилия GPT-6.1 Terra лежит на границе Парето: дешевле при том же качестве получить нельзя. Остальные режимы остаются за границей. На максимальном уровне прирост к GPT-5.6 Terra составляет 6 пунктов, на более низких он больше, от 7 до 13.

Внутри собственной линейки OpenAI модель занимает середину. На max-режиме она на 4 пункта уступает GPT-6.1 Sol и на 10 пунктов опережает GPT-6 Luna.

В новом Artificial Analysis Coding Agent Index v2.0 Terra набирает 48 баллов. У GPT-6.1 Sol 54, у GPT-6 Luna 31. Здесь на границе эффективности оказались режимы xhigh и low.

Галлюцинации и терминальные агенты

Самая заметная цифра релиза связана с надёжностью. В закрытом бенчмарке знаний и галлюцинаций AA-Omniscience GPT-6.1 Terra угадывает ответ в 38% случаев, когда его не знает. У GPT-5.6 Terra этот показатель был 88%. Падение на 50 пунктов сопровождается ростом точности на 2 пункта, то есть модель стала чаще отвечать верно и реже выдумывать.

Второй заметный скачок в Terminal-Bench 4.0, агентном бенчмарке для работы в терминале. Прирост составил около 20 пунктов, и на максимальном усилии Terra сравнялась с GPT-6.1 Sol. В большинстве остальных тестов улучшения скромнее: например, 5 пунктов в GDP.pdf. Оценки даны по Intelligence Index v4.3.2.

Что ещё вышло у Artificial Analysis

В те же дни лаборатория выпустила несколько материалов:

• Code2Video-AA: реализация HeyGen Code2Video Bench, где модели делают короткие продуктовые и брендовые ролики по 114 дизайн-брифам на HyperFrames HTML (26 октября).
• Kimi K3.1 Pro: дебютировала на 4-м месте в Intelligence Index и станет лидером среди моделей с открытыми весами (23 октября).
• AA-PersonalityBench: панель LLM-судей попарно сравнивает ответы по 30 чертам личности, которые складываются в 8 индексов, и отдельно измеряет 21 характеристику стиля общения (19 октября).

Что менять в продакшене

Для команд, которые строят агентов на GPT-5.6 Terra, апгрейд выглядит очевидным: цена задачи падает втрое с лишним, а качество растёт. Выбор уровня усилия теперь важнее выбора модели. Low и medium дают лучшее соотношение цены и качества в общем индексе, а для кодинг-агентов границу занимают low и xhigh. Остальные режимы платят больше без выигрыша.

Снижение доли выдуманных ответов с 88% до 38% полезно для сценариев, где ошибка дорога: поддержка, поиск по базам знаний, автоматизация отчётов. Для сложных агентных цепочек Terra с её 48 баллами в Coding Agent Index закрывает значительную часть того, за что раньше приходилось платить Sol, а его 54 баллов хватает только там, где важен каждый пункт. Кэширование за $0,05 за миллион токенов делает экономически разумными длинные сессии с повторяющимся контекстом.