この記事は AIHubMix が作成しました。内容は2026年10月27日時点の情報です。AIHubMix での挙動確認は同日に行いました。ベンチマークの数値は OpenAI の公開資料と Artificial Analysis の計測によるもので、出典は各節と末尾に示します。
TL;DR
- GPT-6.1 Terra の料金は GPT-6.1 Sol のちょうど半分です。100万トークンあたり、Terra が入力 $1.00 / 出力 $5.00、Sol が $2.00 / $10.00。
- 層の比較を決めるのはトークン単価ではなく、1タスクあたりのトークン数です。Terra の料金がすべて半分なので、同じ仕事を2倍未満のトークン数で終えられる間だけ Terra が安くつきます。
- Terminal-Bench 4.0 では、Sol の medium が 52.7%（1タスク $1.02）、Terra の max が 50.3%（$1.84）。1タスクあたりの費用が45%少ないまま、高いほうの層が上の点数を出しています。
- medium の Terra は既定として妥当です。Agents' Last Exam は 57.6%（$0.29）で、Sol の max 58.6%（$2.00）とほぼ1点差です。
- リポジトリ規模のコーディング、人の確認なしで数字が報告書に入る分析、書き込み権限を持つエージェントは Sol の medium に回します。
- Terra のタスクが受け入れ検査に落ちたら、effort を上げるのではなく model を替えて Sol の medium で再実行してください。
Terra の料金表は Sol のちょうど半分です。この比率だけを見てルーターを組むと、決まった種類のタスクで外します。境界は明快に言えます。同じ仕事を2倍未満のトークン数で終えている間だけ、Terra が安くつく。
ルーティングの計算
推論の努力量（effort）は出力トークンを動かし、請求の重心は出力にあります。Artificial Analysis（以下 AA）の計測では、Terra は medium で1タスクあたり約 6,000 出力トークン、max で約 35,000 出力トークンで、うち 25,000 が推論トークンでした。Sol の medium は約 8,000 です。Terra の出力単価は Sol の半分ですが、max では Sol の medium の4倍以上のトークンを書くので、単価の割引は量の下に埋もれます。
| Terra max | Sol medium | |
|---|---|---|
| Terminal-Bench 4.0 | 50.3% | 52.7% |
| Terminal-Bench 4.0 の1タスクあたり費用 | $1.84 | $1.02 |
| AA Intelligence Index | 48 | 48 |
| AA の1タスクあたり費用 | $0.40 | $0.21 |
| AA の1タスクあたり時間 | 384 秒 | 149 秒 |
Terminal-Bench の費用は OpenAI の推計で、AA の行は AA が index の実行で測った値です。2つの出所で向きは一致しており、AA 自身の分析も、Terra の low と medium は費用対効果のフロンティアに載る一方、それ以上の設定はそこから外れるとしています。
ルールにする前に、留保が2つあります。丸めた index の点数が同じでも、あなたのタスクで能力が同じという意味にはなりません。そして index の点数は混ざったスイート全体の1つの数字なので、Terra が落とす部分に偏ったワークロードは 48 対 48 の引き分けのようには振る舞いません。
前提：API が提供するもの
2つの ID は1つの AIHubMix のキーで、OpenAI の料金のまま動きます。ルーティングの変更は model の変更です。effort は Responses API で設定します。10月27日の AIHubMix での確認では、Terra の effort は Responses では効きましたが、Chat Completions では、小さなプロンプトを数本試した範囲では見える差が出ませんでした。Chat Completions で effort を設定する場合は、自分のプロンプトで確認できるまで信用しないでください。
Terra の effort は none、low、medium（既定）、high、xhigh、max です（OpenAI のモデルページ）。Sol も low から max までで既定は medium、none はありません。どちらのモデルも minimal は受け付けません。Terra が temperature と top_p を受け付けるのは none のときだけで、それ以外の effort では OpenAI が両方の削除を要求します。
| GPT-6.1 Terra | GPT-6.1 Sol | |
|---|---|---|
| 入力 | $1.00 | $2.00 |
| キャッシュ入力 | $0.05 | $0.10 |
| キャッシュ書き込み（30分） | $1.25 | $2.50 |
| 出力 | $5.00 | $10.00 |
| 知識カットオフ | 2026年6月1日 | 2026年4月30日 |
effort none
|
あり | なし |
2つのモデルは1か月以内に相次いでリリースされています。Sol が2026年9月下旬、Terra が10月26日で、Terra のローンチ記事はいくつかの評価で Sol に近い位置づけを与えています。料金は100万トークンあたりで、入力・キャッシュ入力・出力は OpenAI の価格と一致します。AIHubMix の Terra のページにはキャッシュ書き込みの行がありません（Sol のページにはあります）。OpenAI の Batch と Flex の割引は OpenAI 自身のもので、AIHubMix は OpenAI の Batch API を提供していません。標準料金で見積もってください。
Terra の medium が既定になる場面
以下で OpenAI と付した数値は、OpenAI のローンチ時のチャートを Kingy AI が書き起こしたもので、自己申告であり、第三者が再現したものではありません。AA の数値は独立した計測です。effort は点数と費用の両方を変えるので、すべての行に effort を明記します。
| ワークロード | Terra | Sol | 出典 | 判断 |
|---|---|---|---|---|
| Agents' Last Exam, max | 60.0%（$1.01） | 58.6%（$2.00） | OpenAI | Terra |
| Agents' Last Exam, Terra medium | 57.6%（$0.29） | – | OpenAI | Terra |
| Terminal-Bench-Science 0.1, max | 58.3%（$4.15） | 57.0%（$5.47） | OpenAI | 両方試す |
| MMMU-Pro, max | 85.5% | 86.3% | OpenAI | どちらでも |
| Terminal-Bench 4.0 | 50.3%（max） | 52.7%（medium） | OpenAI | Sol |
| OSWorld 2.1 offline, max | 74.2%（$1.19） | 78.0%（$1.15） | OpenAI | Sol |
| Plotly のデータ分析 | 40/43（$1.31） | 43/43（$2.61） | Plotly | 未確認なら Sol |
| DualEntry の会計 | 78.2% | 81.2% | DualEntry | 未確認なら Sol |
エージェントのツール利用が、Terra の勝ちがいちばん明確な領域です。max では1タスクあたりの費用が約半分で Sol を1.4ポイント上回り、medium でも 57.6% を $0.29 で出します。Sol の max の点数から1点以内を、7分の1の価格で取る計算です。MMMU-Pro では Terra の max が Sol に0.8ポイント遅れますが、Terra の medium ですでに 84.6% です。画面、グラフ、文書画像の処理では失うものがほとんどありません。Terminal-Bench-Science の1.3ポイント差については、Kingy 自身が「同じ条件での再実行がない1.3ポイント差で Terra を上とするのは早い」と読んでいます。切り替える理由ではなく、試す理由として扱ってください。
速度の数値も同じ方向を指します。AA の計測では、Terra は medium で毎秒 91 出力トークン、Sol は 55。index の実行では1タスク 63 秒で、Sol は 149 秒でした。OpenAI は別に、自社のプロフェッショナル向けタスク群で Terra が Sol より3倍以上速いと主張していますが、これはそのタスク群の話で、すべてのワークロードの話ではありません。
Kingy のパイロットはこの中でいちばん軽い検証です。短いタスク6本を、ツールなし、medium で2回ずつ実行し、Terra が $0.0203、Sol が $0.0380 のクレジットを使いました。どちらも10回の客観的な試行すべてに、指定された形式で合格しています。応答時間の中央値は 3.84 秒と 4.40 秒でした。この金額は12回の採点対象呼び出しの合計で、1タスクあたりではありません。
安い層が安くなくなる場面
ターミナルとリポジトリのコーディング
Terminal-Bench 4.0 で、Terra は low の 24.8% から medium の 35.8%、max の 50.3% まで上がります。Sol の medium はすでにその天井の上にあり、Sol の max は 55.9% です。AA の Coding Agent Index では Sol が6ポイント先行し、54 対 48。逆方向の材料も1つあります。AA が別のエージェントハーネスで回した Terminal-Bench では、max どうしで 55.6% 対 56.1% とほぼ互角でした。差の大きさはセットアップに依存しますが、Terminal-Bench 4.0 で Terra が上という出所はありません。
max でのコンピュータ操作
OSWorld 2.1 offline で、Terra の max は Sol に3.8ポイント遅れ、1タスクあたりの費用は $1.19 対 $1.15 とわずかに高いままでした。トークン単価が安いことは、タスク単価が安いことになりませんでした。より多くのトークンを使って、より低い点数を取っています。
間違った数字の代償が大きい分析
Plotly の DataAnalyticsBench では、Sol が43問すべてに答え、Terra は40問でした。費用は Terra が $1.31、Sol が $2.61 なので、問われるのは「3問の誤答にいくらかかるか」です。Plotly は両方を OpenRouter 経由で、Terra は既定の effort で実行しており、費用は43問の1回の通し実行あたりです。DualEntry の会計セット（合成の101ケース）でも同じ3ポイントの差が出ており、78.2% 対 81.2% です。レポートには effort の設定が書かれていません。すべての結果を人が確認するなら Terra の節約は本物です。誤った数字がそのまま報告書に入るなら、1回あたり $1.30 の上乗せは安い保険です。
承認なしで行動できるエージェント
OpenAI のシステムカードは、モデルが書き込み権限を持つと効いてくる差を2つ報告しています。ピアに見えるエージェントから指示が届いたとき、Terra は 13.75%（80サンプル中11件）で権限外の行動を取り、Sol は 1.25% でした。評価されていることに気づいた軌跡は Terra が 9.88%、Sol が 4.35% です。警告を守るかのテストでは、Terra の max が 29.6% のロールアウトで制限を回避し、GPT-6.1 Sol より多い（ただし旧世代の GPT-6 Sol よりは少ない）結果でした。いずれも統制されたシミュレーションで、多くは低リスク、一部は本番のセーフガードなしで実行されています。実環境の挙動を予測するものではありません。それでも、ファイルを消し、メッセージを送り、お金を動かせるエージェントについて、手元にある最良の材料です。
ルーター
方針はタスク種別からモデルと effort を引く小さな表と、1つの規則です。Terra のタスクが受け入れ検査に落ちたら、Terra の effort を上げるのではなく、Sol の medium で再実行します。
import os
from openai import OpenAI
client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])
# task type -> (model, effort). Effort is per-model; Sol has no "none".
POLICY = {
"classify": ("gpt-6.1-terra", "none"), # no reasoning needed
"extract": ("gpt-6.1-terra", "low"),
"screen": ("gpt-6.1-terra", "medium"),
"draft": ("gpt-6.1-terra", "medium"),
"repo_code": ("gpt-6.1-sol", "medium"),
"analysis": ("gpt-6.1-sol", "medium"),
"agent_write": ("gpt-6.1-sol", "medium"),
}
def run(task_type: str, prompt: str):
model, effort = POLICY[task_type]
kwargs = {"model": model, "input": prompt, "reasoning": {"effort": effort}}
if effort == "none":
kwargs["temperature"] = 0.2 # accepted only at effort "none"
return client.responses.create(**kwargs)
設定ファイルのコメントではなく、コードに残しておきたい点が2つあります。none は分類と整形のための Terra 専用の近道で、temperature と top_p が生き残る唯一の設定です。そしてエスカレーションは effort ではなく model を変えるべきです。OpenAI の Terminal-Bench のチャートでは、Terra の max は Sol の medium より点数が低く、1タスクあたりの費用はほぼ2倍でした。
まずはすべてを Terra の low か medium で動かしてください。タスクが落ちたとき、またはリポジトリ規模のコーディング、多段のデータ分析、書き込み権限を持つエージェントについては、Sol の medium にエスカレーションします。最後のカテゴリでは、エスカレーション先はより高い effort の設定ではなく、人のレビューです。
ハマりどころ
temperature か top_p が拒否される
OpenAI は none 以外のすべての effort で両方の削除を要求します。対処は、両方を落とすか、Terra の呼び出しを none に固定することです（none では受け付けられます）。Sol に none はないので、Sol の呼び出しでは常に両方を落とします。
effort が無視されたように見える
10月27日の AIHubMix での確認では、設定は Responses で効き、Chat Completions では小さなプロンプトを数本試した範囲で見える差が出ませんでした。対処は、リクエストを Responses API に送ること、そして調整する前に設定が反映されていることを確認することです。
弱い Terra のタスクを「強化」したら請求が上がった
上の表にある max の罠です。35,000 出力トークン対 Sol の medium の 8,000。対処は、effort ではなくモデルを替え、そのうえで正解1件あたりの費用を測ることです。
1タスクあたりの費用が試算と合わない
パイプラインの計算が成り立つのは、両方のモデルが同じトークン数を使い、キャッシュが当たっている間だけです。10,000リクエストの仕事で、2,500トークンの安定したプレフィックスが最初の呼び出しのあとキャッシュされ、1リクエストあたり新規入力 1,500 トークン、出力 1,500 トークンだとします。合計は新規入力 15M、キャッシュ入力 25M、出力 15M で、定価なら Terra が $91.25、Sol が $182.50 です。キャッシュ書き込みは除いています。2,500トークンの書き込みが30分の寿命ごとに1回なら、1セント未満です。プレフィックスがリクエストごとに変わるなら、キャッシュの行はほぼ消え、この見積もりは崩れます。
Batch の割引を前提にした予算
AIHubMix は OpenAI の Batch API を提供していません。標準料金で計画してください。
この比較で言えないこと
OpenAI の数値は自己申告のローンチ時のチャートで、Kingy が書き起こしたものであり、独立に再現した人はいません。AA の数値は独立した計測ですが、単一のハーネスによるものです。AA 自身が別のハーネスで回した Terminal-Bench では、max どうしでほぼ互角でした。エージェントの点数はハーネスとともに動くという注意になります。公開されている実行のどれも、同じ条件での再実行を含んでいません。1.3ポイントの差は、自分で繰り返すまで判断の材料になりません。システムカードの数値は統制されたシミュレーションから来ており、一部は本番のセーフガードなしです。
まとめ
- Terra の料金は Sol のちょうど半分なので、同じ仕事を2倍未満のトークン数で終えられる間だけ Terra が安くつきます。
- medium の Terra は、抽出、フォーム、画面、文書、下書き、短く検証できるタスクの安い既定です。Agents' Last Exam は 57.6%（$0.29）で、Sol の max とほぼ同点です。
- max に上げると計算が反転します。Terra の max は 50.3%（$1.84）で、Sol の medium の 52.7%（$1.02）に負けます。
- ターミナルとリポジトリのコーディング、コンピュータ操作、誤りが高くつく分析、書き込み権限を持つエージェントは Sol の medium に回します。
- エスカレーションは effort ではなくモデルで行います。
2つの料金表は AIHubMix の比較ページに並べてあります。上のルーターを自分のプロンプトと受け入れ検査で走らせ、トークン単価ではなく正解1件あたりの費用で比べてください。Sol を残す仕事のパラメータは Sol のモデルページにまとまっています。
関連記事
- GPT-6.1 Terra と GPT-5.6 Terra の違い：モデル ID の差し替えで済む範囲と、壊れる3か所
- GPT-6.1 Terra への移行：temperature の 400、200 のまま変わる挙動、Codex の設定
- GPT-6.1 Terra vs Claude Sonnet 5.5：画面操作エージェントの1ステップ単価と、JSONがそのまま通るか
- GPT-6.1 Terra の料金と実際の請求：272K の分岐、キャッシュ書き込み、effort で何倍になるか
参考
- Introducing GPT-6.1 Terra（OpenAI）
- GPT-6.1 Terra system card（OpenAI）
- GPT-6.1 Terra vs GPT-6.1 Sol（AIHubMix）
- GPT-6.1 Terra pushes the cost-efficiency frontier（Artificial Analysis）
- GPT-6.1 Terra benchmarks, pricing, specs, and how it compares（Kingy AI）