GPT-6.1 Terra, Sol'un API fiyatlarını yarıya indiriyor ama sonuna kadar açılan reasoning daha pahalıya patlayabiliyor

Terra, Sol'un token başına ücretlerini yarıya indiriyor

dev.to üzerindeki bir geliştirici analizine göre OpenAI'nin yeni piyasaya sürdüğü GPT-6.1 Terra, kardeşi GPT-6.1 Sol'a karşı standart API fiyatlandırmasında tam olarak %50 daha ucuz. Gönderiye göre 272K token altındaki prompt'larda Terra, milyon input token başına 1,00 dolar ve milyon output token başına 5,00 dolar olarak listeleniyor; cache'lenmiş input ise 0,05 dolar. Sol sırasıyla 2,00 ve 10,00 dolar istiyor, cache'lenmiş input 0,10 dolar; amiral gemisi GPT-6 Astra ise input için 10,00, output için 50,00 dolar. Lansman, yazarın cömert olarak nitelendirdiği rate limitleriyle birlikte geldi.

Yarı fiyatlı token'lar basit bir geçiş planını davet ediyor: günlük pipeline'ları, kod üreticilerini ve tarayıcı otomasyonunu Terra'ya taşıyın, kalite düşerse reasoning effort kaydırıcısını sonuna kadar açın. Gönderi geri kalan kısmını, bu aritmetiğin üretime taşınamayacağının açıklamasına ayırıyor.

Token başına fiyat değil, görev başına maliyet

dev.to yazısında atıf yapılan Artificial Analysis verileri (AA v4.3.2), standartlaştırılmış geliştirici görevlerinde prompt, completion, reasoning ve cache'lenmiş token'ları tartıyor. Maksimum reasoning effort'ta Terra 48,11 endeksi 0,40 dolarlık ağırlıklı görev maliyetiyle aldı; Sol 51,83'e 0,72 dolarla; Astra 52,67'ye 3,26 dolara ulaştı. Maksimumdaki Terra, maksimumdaki Sol'a kıyasla yaklaşık %44 daha ucuz ama puanı belirgin şekilde düşük.

Kesişim noktası orta kademedelerde ortaya çıkıyor. High kademesinde çalıştırılan Sol, görev başına 0,3191 dolara 50,24 aldı: maksimumdaki Terra'nın 2,13 puan üzerinde, buna rağmen yaklaşık %21 daha ucuz. Sol'un xhigh kademesi bile, 51,04 puana 0,3929 dolarla, sonuna kadar açılmış Terra'dan hâlâ biraz daha ucuz. Terra'nın kendi orta kademeleri çok daha ucuz — medium'da 41,32 puana 0,0953 dolar, high'da 43,87 puana 0,1343 dolar — ama Sol'a karşı puan farkı buna paralel olarak açılıyor.

Sunulan açıklama mimari: daha küçük bir model katmanlı bağımlılıkları reasoning ederken uzun iç düşünce zincirleri üretiyor ve sık sık çıkmaz sokaklara giriyor; daha güçlü bir taban modeli ise aynı sorunu sıkıştırıp daha az token'la bitiriyor.

Gönderi ayrıca anonimleştirilmiş bir anekdot aktarıyor: bir geliştirici, backend kimlik doğrulama refaktörünü Terra'ya maksimum effort'a taşıdı ve günü alışılageldik Sol faturasının %20 üzerinde kapattı; agent, ekibin çoktan üzerinde anlaştığı yetkilendirme sözleşmeleri uydurdu ve oturumdaki dördüncü prompt'ta race condition'lar soktu.

Terra'nın tatlı noktası ve uçurumu

Makalede alıntılanan, tamamı maksimum reasoning'de ölçülmüş LiveBench 2.0 sonuçları Terra'nın nerede ayakta kaldığını haritalıyor:

• Tarayıcı otomasyonu: Terra 93,1, Sol 93,3, Astra 91,3 — fiilen berabere; Astra ara sıra basit UI adımlarını fazla düşünüyor.
• Kod onarımı: Terra 90,8, Sol 96,0, Astra 93,7.
• Araştırma raporları: Terra 73,9, Sol 83,5, Astra 85,2.
• Uzun vadeli görevler: Terra 48,6'ya karşı Sol'un 68,7'si ve Astra'nın 77,5'i — 20,1 puanlık açık.

Örüntü tutarlı. Deterministik, net yapılandırılmış web iş akışları Terra'ya çok iyi geliyor. Modelin önceki örtük sözleşmeleri korurken yeni kısıtlamaları takip etmek zorunda kaldığı çok turlu kod tabanı bakımı ise Terra'nın tutarlılığı yitirdiği ve daha önce doğrulanmış mantığı gerilettiği yer. Gönderiye göre OpenAI, Terra'nın varsayılan kademesi olarak medium'u öneriyor; burada ortalama görev maliyeti 0,10 doların altında kalıyor ve bu da onu scraper, monitör ve veri pipeline'ları için güçlü bir değer yapıyor.

Yazarın önerdiği iş bölümü de buna göre bölünüyor: operasyonel yapıştırıcı işler için medium'da Terra, kod onarımı ve uzun vadeli refaktörler için Sol, on katlık fiyat etiketine rağmen en zor problemler için ayrılan Astra.

Neden önemli

Daha ucuz model bir işi bitirmek için çok daha fazla token'a ihtiyaç duyuyorsa ya da sonradan düzeltilmesi gerekiyorsa, token oranını yarıya indirmek faturayı yarıya indirmiyor. API harcaması bütçeleyen ekipler için önemli birim milyon token başına değil, tamamlanan görev başına maliyet; ve reasoning effort kendi başına bir fiyatlandırma kolu. Yukarıdaki sayılar Artificial Analysis ve LiveBench 2.0'a dayanan tek bir dev.to gönderisinden geliyor; yani yerleşik bir uzlaşıdan çok tek bir veri noktası. Yine de vardığı operasyonel kural kendi faturalarınıza karşı test etmeye değer: daha güçlü bir modeli bir kademe kısmak, çoğu zaman bir bütçe modelini sonuna kadar açmaktan daha iyi sonuç veriyor.