‏قیمت GPT 6.1 Terra در برابر Soul و Astra

OpenAI الان مدل‌هاش رو تو چهار رده چیده: Astra به‌عنوان پرچم‌دار، Soul یه پله پایین‌تر، Terra بعدش و Luna که کوچیک‌ترین و ارزون‌ترینه. نویسنده Terra رو با مدل‌های کلاس Sonnet و Luna رو با Haiku مقایسه می‌کنه. حرف اصلی مقاله اینه که برای Terra نباید فقط به قیمت هر توکن نگاه کرد، باید دید هر تسک کامل چقدر خرج برمی‌داره.

اگه قیمت به ازای توکن رو با effort یکسان مقایسه کنیم (یعنی سطح استدلالی که مدل خرج می‌کنه)، Terra خیلی ارزون‌تر نیست. روی MMLU Pro، اجرای Soul با effort حداکثر کمی بیشتر از یه سنت خرج داره و حدود ۸۶.۳٪ می‌گیره. Terra با همون effort فقط کسری از سنت ارزون‌تره ولی امتیازش پایین‌تره. روی OSWorld 2.1، Soul با effort حداکثر حدود ۱.۱۵ دلار خرج داره و ۷۸٪ می‌گیره، ولی Terra حدود ۱.۱۹ دلار خرج می‌کنه و به ۷۴٪ می‌رسه. روی Terminal-Bench 4.0 هم همین الگو تکرار می‌شه.

تصویر وقتی عوض می‌شه که هزینهٔ هر تسک رو ببینیم. طبق Artificial Analysis، Soul تو شاخص ترکیبی هوش حدود ۵۵ و Terra حدود ۵۱ می‌گیره. ولی میانگین هزینهٔ هر تسک برای Soul حدود ۱.۲۷ دلار و برای Terra حدود ۰.۹۶ دلاره. نویسنده می‌گه این برتری واقعیه ولی کمه، نه اون تخفیف چندبرابری که از یه مدل ردهٔ پایین‌تر انتظار داری.

جایی که Terra واقعاً می‌درخشه کدنویسی و کارهای _agentic_‌ه (یعنی کارهایی که مدل خودش چند مرحله رو با ابزارها جلو می‌بره). تو یه تست رودررو با Claude Opus 5.5، هر کدوم روی harness خودشون (Codex برای Terra و Claude Code برای Opus)، Terra حدود ۲۴ دقیقه طول کشید و Opus نزدیک ۴۴ دقیقه. Terra حدود یه‌سوم توکن خروجی مصرف کرد و هزینهٔ کلش حدود یک‌دوازدهم شد. البته تو طراحی سه‌بعدی و بعضی بازی‌ها Opus خیلی بهتر بود.

روی بنچمارک Agents Last Exam، بالاترین effort در Terra حدود ۹۵ تا ۹۷ درصد امتیاز Opus 5.5 رو گرفت با حدود یک‌نهم تا یک‌یازدهم هزینه. نکتهٔ جالب دیگه اینه که فاصلهٔ قیمت بین effortهای مختلف Terra زیاد نیست: از حدود ۱۰ سنت تو effort پایین تا حدود ۱.۲۵ دلار تو max، امتیاز از ۵۰٪ به ۶۰٪ می‌رسه. یعنی لازم نیست همیشه سراغ ارزون‌ترین حالت بری.

جمع‌بندی نویسنده اینه که Terra برای اتوماسیون computer-use، کدنویسی ایجنتی و کارهای پرحجم انتخاب خوبیه. ولی برای استفادهٔ عمومی روزانه، Soul اغلب با همون پول نتیجهٔ بهتری می‌ده. Astra هم برای وقتیه که کیفیت از هزینه مهم‌تره.

نکات کلیدی:

• ترتیب مدل‌های OpenAI از بالا به پایین: Astra، Soul، Terra و Luna.
• میانگین هزینهٔ هر تسک طبق Artificial Analysis: حدود ۱.۲۷ دلار برای Soul و ۰.۹۶ دلار برای Terra.
• امتیاز شاخص هوش Artificial Analysis: حدود ۵۵ برای Soul و ۵۱ برای Terra.
• تو تست کدنویسی، Terra حدود ۲۴ دقیقه در برابر ۴۴ دقیقهٔ Opus 5.5 طول کشید و هزینه‌اش حدود یک‌دوازدهم بود.
• روی OSWorld 2.1 با effort حداکثر، Terra حدود ۱.۱۹ دلار برای ۷۴٪ و Soul حدود ۱.۱۵ دلار برای ۷۸٪ خرج کرد.