Buduj z CometAPIPotrzebujesz jednego API dla wielu modeli?Przetestuj proces w Playground, a potem utwórz klucz API, gdy model i koszt pasują do Twojego zastosowania.
GPT-6.1 Terra i Claude Haiku 5.5 oferują różne sposoby obniżenia kosztu użytecznej pracy AI. Terra jest mocniejszym punktem wyjścia dla wymagającej automatyzacji i kodowania w terminalu w niezależnych testach omówionych poniżej. Haiku oferuje znacząco niższe ceny tokenów i konkurencyjną wydajność w profesjonalnej pracy wymagającej wiedzy.
Dla promptów do 100K tokenów, oficjalne standardowe ceny API wynoszą $1 za wejście / $5 za wyjście za milion tokenów dla Terra oraz $0.10 / $0.50 dla Haiku. Te stawki czynią Haiku o 90% tańszym za token, ale o koszcie ukończonego zadania decydują rozumowanie, ponowienia, cache i progi długiego kontekstu. Wybieraj na podstawie reprezentatywnego obciążenia, a nie pojedynczego wyniku nagłówkowego.
Najważniejsze wnioski
GPT-6.1 Terra: Prowadzi w cytowanym niezależnym porównaniu maksymalnego wysiłku w zakresie automatyzacji i kodowania w terminalu; wyniki te czynią ją użytecznym kandydatem dla złożonych agentów.
Łączy niższe standardowe ceny tokenów z prowadzeniem w AA-Briefcase v1.1 w tym samym porównaniu.
Sprawdzone pod kątem przejrzystości, atrybucji źródeł i aktualnej terminologii API.
Claude Haiku 5.5:
Długi kontekst: Terra obsługuje 1.05M tokenów, a Haiku 1M; ich wyższe poziomy cen zaczynają się powyżej odpowiednio 272K i 100K tokenów wejściowych.
Szybkość: Haiku ma wyższą przepustowość wyjścia w cytowanej próbie, podczas gdy Terra ma krótsze opóźnienie pierwszego tokena. Żaden z tych parametrów sam w sobie nie przewiduje pełnego przebiegu pracy.
Wdrożenie: Porównuj koszt udanego zadania, jakość, opóźnienie i wskaźniki ponowień przy ustawieniach rozumowania, których zamierzasz używać.
GPT-6.1 Terra vs Claude Haiku 5.5: w skrócie
Specyfikacje opisują dostępne możliwości, a nie ranking jakości wykonywania zadań. Oba modele przyjmują obrazy, ale nie oznacza to, że któryś wygrywa każde zadanie wizualne. Limit kontekstu również nie gwarantuje wiarygodnego wykorzystania każdego szczegółu w długim promptcie.
GPT-6.1 Terra: praca wizualna i działania w oprogramowaniu
Zgodnie z oficjalną zapowiedzią OpenAI, model łączy silniejsze rozumienie wizualne, interakcję z komputerem i naturalne pisanie z niższymi kosztami operacyjnymi niż jego poprzednik.
Zamiast optymalizować wyłącznie inteligencję konwersacyjną, Terra jest zaprojektowana do wykonywania praktycznej pracy obejmującej dokumenty, ekrany i aplikacje.
Użycie komputera: Interakcja z interfejsami aplikacji i realizacja wieloetapowych zadań cyfrowych.
Kodowanie i debugowanie: Wsparcie rozwoju w wierszu poleceń, generowania programów i automatycznej konserwacji oprogramowania.
Pisanie profesjonalne: Tworzenie raportów, propozycji, uporządkowanych podsumowań i komunikacji biznesowej.
Konfigurowalne rozumowanie: Pozwala deweloperom dostosować głębokość rozumowania do różnych wymagań jakości i opóźnienia.
W swojej wewnętrznej ewaluacji faktograficznej, OpenAI raportuje 16.7% błędów przy niskim wysiłku i 4.3% przy maksymalnym wysiłku. Są to wyniki raportowane przez dostawcę na promptach wywołujących błędy, a nie miernik błędów dla każdej aplikacji.
Model jest szczególnie interesujący dla deweloperów, którzy potrzebują czegoś więcej niż szybkiej generacji tekstu. Jego wartość polega na połączeniu interpretacji wizualnej, użycia narzędzi i podejmowania decyzji w spójny przepływ pracy.
Claude Haiku 5.5: zadania o dużej skali i skupionym zakresie
Wydany 7 października 2026 r., Haiku 5.5 ma uczynić modele rozumujące na tyle sprawnymi, by były praktyczne w aplikacjach przetwarzających duże liczby żądań.
W oficjalnym wprowadzeniu Anthropic podkreśla klasyfikację, podsumowywanie, zapytania do baz danych, obsługę klienta, interakcje przez przeglądarkę oraz przepływy pracy subagentów.
Haiku 5.5 wprowadza również regulowany wysiłek do rodziny Haiku. Deweloperzy mogą wybierać między tańszymi odpowiedziami a głębszym rozumowaniem bez zmiany modelu.
Jego mocne strony obejmują:
Przetwarzanie o wysokiej przepustowości: Efektywna obsługa dużych wolumenów krótkich i powtarzalnych żądań.
Adaptacyjne myślenie: Dostosowanie wysiłku rozumowania do złożoności zadania.
Wydajność pracy merytorycznej: Silne wyniki w ewaluacjach profesjonalnych dokumentów i zadań biznesowych.
Orkiestracja subagentów: Wykonywanie skupionych zadań w przepływach koordynowanych przez większe modele.
Przetwarzanie długiego kontekstu: Obsługa dokumentów i historii rozmów do jednego miliona tokenów.
Umożliwia komercyjnie opłacalną klasyfikację, ekstrakcję, routing i podobne obciążenia.
Anthropic raportuje 72.4% na offline subset OSWorld 2.1. Jest to ewaluacja dostawcy na konkretnym podzbiorze, więc nie należy traktować jej jako kontrolowanego wyniku bezpośredniego porównania z Terra na desktopie.
To ma znaczenie, ponieważ Haiku 5.5 nie jest już ograniczony do odpowiadania na proste pytania. Może uczestniczyć w bardziej zaawansowanych przepływach agentów, zachowując zalety cenowe kompaktowego modelu.
Haiku 5.5 używa nowszego tokenizera niż Haiku 4.5. Anthropic szacuje, że identyczny tekst może zużyć około 30% więcej tokenów niż u poprzednika. Mierz rozliczane zużycie na własnych promptach przy szacowaniu kosztów migracji.
GPT-6.1 Terra vs Claude Haiku 5.5: Benchmark
Niezależne wyniki benchmarków
Poniższe niezależne wyniki używają wariantów Max wyświetlanych przez Artificial Analysis, sprawdzone 30 października 2026 r. Wyniki uruchomieniowe dostawców pojawiają się oddzielnie, ponieważ ich konfiguracje testowe się różnią.
Automatyzacja i wieloetapowe wykonywanie. Terra prowadzi w AutomationBench-AA o 25 punktów procentowych. Sugeruje to silniejszą zdolność do realizowania przepływów wymagających wykonywania wielu działań, podążania za instrukcjami i odzyskiwania po trudnościach pośrednich. System automatyzacji jest użyteczny tylko wtedy, gdy ukończy cały przepływ.
Kodowanie w terminalu. Terra osiąga 56% w Terminal-Bench 4.0, w porównaniu z 33% Haiku. To istotna przewaga w zadaniach obejmujących narzędzia wiersza poleceń, debugowanie i autonomiczny rozwój oprogramowania. Niemniej mniejsze, wąsko zakreślone żądania mogą faworyzować niższy koszt i szybszą generację tokenów Haiku.
Profesjonalna praca merytoryczna. Haiku uzyskuje 1,576 w AA-Briefcase v1.1 wobec 1,402 Terra, czyniąc go silnym kandydatem do przepływów dokumentowych i biurowych.
Ogólne rozumowanie faktograficzne. AA-Omniscience v1.1 ocenia Terrę na 30, a Haiku na 12.
Oficjalne benchmarki z premiery
Dostawcy opublikowali również użyteczne wyniki dla swoich modeli.
GPT-6.1 Terra vs Claude Haiku 5.5: rzeczywista wydajność zadań
Kodowanie i inżynieria oprogramowania
Dla agentów terminalowych Terra ma wyraźniejszy argument wydajnościowy: osiąga 56% w Terminal-Bench 4.0 wobec 33% Haiku, różnica 23 punktów procentowych. Zacznij od Terra do debugowania nieznanych repozytoriów, rozwiązywania zależności i uruchamiania wieloetapowych przepływów w wierszu poleceń.
Haiku jest praktyczną opcją do skupionych wyjaśnień kodu, szkiców testów i odizolowanych edycji. Przy standardowych stawkach krótkich promptów jego koszt wyjścia to $0.50 za milion tokenów wobec $5 Terra; użyj zaakceptowanych łatek i przechodzących testów, aby ocenić, czy ta oszczędność przetrwa ponowienia.
Rozumienie wizualne i użycie komputera
Terra jest zaprojektowana do interpretowania rysunków technicznych, dopasowywania obrazów produktów i działania na ekranach aplikacji. Te możliwości pasują do przepływów, które przechodzą od dowodów wizualnych do działań w oprogramowaniu.
Dla klasyfikacji wsparcia o dużej skali, ekstrakcji i szkicowania odpowiedzi niższe ceny tokenów Haiku dają użyteczny punkt startowy. Przy 2,000 tokenów wejścia i 300 tokenach wyjścia na żądanie, 10,000 żądań kosztuje $3.50 przy oficjalnych standardowych stawkach Haiku wobec $35 dla Terra, przed cache, rabatami wsadowymi, narzutem rozumowania lub opłatami za narzędzia.
Dla przepływów, które muszą wykonywać działania w systemach biznesowych, wynik Terra 60% w AutomationBench-AA wobec 35% Haiku wspiera testowanie Terra w pierwszej kolejności. Kontrola faktur, uzgadnianie i skoordynowane aktualizacje aplikacji to przykłady, gdzie wyższy wskaźnik ukończenia może uzasadniać wyższą cenę tokena.
Rozumowanie w długim kontekście i wiarygodność faktograficzna
Terra obsługuje 1.05M tokenów kontekstu, a Haiku 1M. Przy 150,000 tokenów wejścia i 2,000 tokenach wyjścia, poniższe przykłady oficjalnych stawek standardowych wynoszą odpowiednio $0.160 i $0.080. Wybieraj na podstawie wyszukiwania dowodów i akceptowanych odpowiedzi, a także kosztu żądania; FAQ opisuje podejście do ewaluacji długiego kontekstu.
Czy Claude Haiku 5.5 jest szybszy niż GPT-6.1 Terra?
Haiku prowadzi pod względem przepustowości wyjścia w cytowanym porównaniu Max, podczas gdy Terra zaczyna odpowiadać wcześniej. Poniższa tabela rozdziela szybkość strumieniowania, opóźnienie odpowiedzi i szacowany czas używany przez zadania ewaluacyjne.
Liczą się trzy oddzielne metryki:
Czas do pierwszego tokena: Jak długo użytkownicy czekają, zanim rozpocznie się wyjście.
Przepustowość wyjścia: Jak szybko generowane są tokeny po rozpoczęciu wyjścia.
Całościowe ukończenie zadania: Jak długo model potrzebuje, by zakończyć całą pracę, w tym rozumowanie i wykonanie narzędzi.
Aktualny zrzut Max-versus-Max pochodzi z Artificial Analysis, sprawdzony 30 października 2026 r.
Przepustowość wyjścia i opóźnienie pierwszego tokena
Claude Haiku 5.5 dostarcza około 2.57 razy wyższą przepustowość wyjścia, co czyni go szybszym w generowaniu tokenów po rozpoczęciu dekodowania. Jednak GPT-6.1 Terra ma przewagę 93 sekund w opóźnieniu pierwszego tokena i kończy odpowiedź 500-tokenową około 90 sekund wcześniej.
Różnica staje się ciekawsza przy uwzględnieniu efektywności rozumowania. Haiku zużywa około 4.4 razy więcej tokenów rozumowania na zadanie Indeksu inteligencji, mimo szybszej generacji. Jego ważony czas dekodowania zadania jest nieco krótszy, ale niższe początkowe opóźnienie Terra przekłada się na szybsze odpowiedzi w teście 500 tokenów.
Wynik porównania: Haiku wygrywa w surowej szybkości generacji, podczas gdy Terra prowadzi w opóźnieniu pierwszego tokena, czasie odpowiedzi o stałej długości i efektywności tokenów rozumowania. Terra jest silniejszym wyborem dla interakcji wrażliwych na opóźnienie i intensywnie rozumujących, natomiast Haiku oferuje wyższą przepustowość tokenów.
Całościowe ukończenie zadań
Haiku używa około 173K tokenów rozumowania na zadanie wobec 39K Terra. Jego szacowany czas zadania jest w tym zrzucie nadal niższy: 598.04 vs 654.90 sekund. Sama przepustowość nie opisuje zatem kompletnego profilu opóźnień.
Rzeczywiste opóźnienie produkcyjne zależy od dostawców, obciążenia serwera, rozmiaru promptu, wykonania narzędzi i konfiguracji rozumowania. Mierz p50 i p95 na tych samych rzeczywistych żądaniach przed podjęciem decyzji.
Liczba czasu zadania szacuje ważony czas dekodowania na podstawie zużycia tokenów i szybkości generacji; wyklucza opóźnienie pierwszego tokena i inne narzuty. Pomiar czasu odpowiedzi i szacunki czasu zadań ewaluacyjnych obejmują różne obciążenia.
GPT-6.1 Terra vs Claude Haiku 5.5: koszt
Różnice cenowe między tymi dwoma modelami są najbardziej wyraźne.
Standardowe ceny API
USD za milion tokenów, sprawdzone 28 października 2026 r. Standardowe stawki Haiku dotyczą promptów do 100K tokenów. Wymienione bazowe stawki wejścia i wyjścia CometAPI są o 20% niższe od odpowiadających im stawek oficjalnych dla obu modeli. Katalog CometAPI dla Terra nie wyszczególnia oddzielnie poziomu długiego kontekstu ani stawki odczytu cache; nie należy zakładać, że standardowy rabat ma zastosowanie do nieopublikowanego poziomu.
Oficjalne ceny i ceny CometAPI opisują oddzielne trasy dostawców. Do budżetu użyj kategorii naliczanych za wejście, wyjście, cache i narzędzia dla wybranej trasy. Przykłady poniżej zachowują oficjalne standardowe ceny API, aby założenia pozostały spójne.
Oficjalne stawki Terra dla długich promptów obowiązują powyżej 272K tokenów wejściowych, a Haiku powyżej 100K tokenów promptu. Po przekroczeniu progu zastosuj odpowiednio wyższy poziom cen dla żądania. Poniższe przykłady używają oficjalnych standardowych stawek API.
Dla promptów do 100K tokenów, oficjalne standardowe ceny tokenów wejścia i wyjścia Haiku są o 90% niższe niż Terra ($0.10 / $0.50 vs $1 / $5 za milion tokenów), z wyłączeniem cache, rabatów wsadowych i innych opłat. Oszczędność zmienia się dla dłuższych promptów, ponieważ progi cenowe się różnią.
Przykład: klasyfikacja o dużej skali
Rozważ aplikację przetwarzającą 10,000 wiadomości klientów dziennie. Załóż, że każde żądanie używa 2,000 tokenów wejścia i 300 tokenów wyjścia, bez cache promptu.
GPT-6.1 Terra: Koszt wejścia to $0.0020, a wyjścia $0.0015 na żądanie. Łącznie $0.0035 na żądanie, czyli $35.00 za 10,000 żądań.
Claude Haiku 5.5: Koszt wejścia to $0.0002, a wyjścia $0.00015 na żądanie. Łącznie $0.00035 na żądanie, czyli $3.50 za 10,000 żądań.
Obliczenia używają oficjalnych standardowych stawek API i identycznych liczników rozliczanych tokenów, bez trafień cache i osobno rozliczanych narzędzi.
Dla tego obciążenia Haiku redukuje modelowany koszt API o 90%. Jeśli oba modele osiągają akceptowalną dokładność klasyfikacji, istnieje niewielkie ekonomiczne uzasadnienie płacenia 10 razy więcej za token.
Przykład: analiza długiego dokumentu
Obliczenia zmieniają się, gdy prompt przekracza 100K tokenów. Rozważ zadanie z 150,000 tokenami wejścia i 2,000 tokenami wyjścia.
GPT-6.1 Terra: 150,000 tokenów wejścia kosztuje $0.150, a 2,000 tokenów wyjścia $0.010, łącznie $0.160 na żądanie.
Claude Haiku 5.5: Te same wartości tokenów kosztują $0.075 za wejście i $0.005 za wyjście, łącznie $0.080 na żądanie. Prompt przekracza próg 100K tokenów Haiku, więc obowiązują jego wyższe stawki długiego kontekstu.
Sumy te używają oficjalnych standardowych stawek API, bez cache ani osobno rozliczanych narzędzi.
Haiku pozostaje tańszy, ale oszczędności spadają do 50% zamiast 90%.
Przy 300,000 tokenów wejścia i 2,000 tokenach wyjścia, modelowane sumy wynoszą około $0.615 dla Terra i $0.155 dla Haiku, używając odpowiednich stawek długiego kontekstu.
Te przykłady zakładają identyczne liczniki rozliczanych tokenów, brak trafień cache i brak dodatkowych opłat narzędziowych. Rzeczywiste koszty mogą się różnić z powodu tokenizacji i zużycia tokenów rozumowania.
Dlaczego koszt na zadanie zakończone sukcesem ma większe znaczenie niż cena tokena
Tańszy model niekoniecznie jest tańszy dla całego przepływu.
Załóżmy, że Haiku wymaga kilku ponowień, aby ukończyć zadanie kodowania, podczas gdy Terra odnosi sukces przy pierwszym podejściu. Dodatkowe wywołania modelu, wykonanie narzędzi i czas weryfikacji mogą zniwelować część przewagi cenowej Haiku.
Odwrotnie, jeśli oba modele poprawnie ukończą zadanie klasyfikacji już w pierwszym podejściu, znacząco niższe stawki tokenów Haiku stają się wyraźną korzyścią komercyjną.
Koszt na zadanie zakończone sukcesem = Łączne koszty API i narzędzi / Liczba pomyślnie ukończonych zadań.
Ta metryka jest bardziej znacząca niż cena za milion tokenów przy wyborze modeli dla autonomicznych agentów.
Jak wybrać
Właściwy wybór staje się jaśniejszy, gdy modele są oceniane względem konkretnych obciążeń.
Wybierz GPT-6.1 Terra dla wymagających agentów programistycznych. Silniejsze niezależne wyniki w kodowaniu terminalowym i automatyzacji czynią ją lepszym punktem startowym dla złożonego kodowania, wieloetapowych operacji w oprogramowaniu i autonomicznych przepływów wymagających odzyskiwania po nieudanych działaniach.
Wybierz Claude Haiku 5.5 dla skupionej pracy w dużej skali. Klasyfikacja obsługi klienta, podsumowywanie dokumentów, uporządkowana ekstrakcja i zadania subagentów o dużej skali są użytecznymi obciążeniami startowymi, jeśli model spełnia wymagania dokładności. Jego niższe ceny tokenów są najbardziej wartościowe, gdy dodatkowe ponowienia lub rozumowanie nie pochłaniają oszczędności.
Testuj oba w pracy merytorycznej, na interfejsach wizualnych i z długimi dokumentami. Haiku prowadzi w cytowanej ewaluacji AA-Briefcase, podczas gdy możliwości wizualne Terra czynią ją istotną w zadaniach ekranowych. Żaden wynik nie ustanawia uniwersalnego zwycięzcy. Porównuj wyszukiwanie dowodów, ukończenie zadań i całkowity koszt na rzeczywistych dokumentach i aplikacjach używanych przez Twój zespół.
Gdzie można uzyskać dostęp do GPT-6.1 Terra i Claude Haiku 5.5?
Możesz uzyskać dostęp do GPT-6.1 Terra przez OpenAI API oraz do Claude Haiku 5.5 przez Claude API, albo porównać je przez CometAPI używając wspólnego konta. CometAPI oferuje formaty Chat Completions i Responses zgodne z OpenAI oraz format Anthropic Messages dla Claude. Wybierz endpoint wspierany przez wybrany model i przepływ pracy; ustawienia rozumowania i wsparcie narzędzi podążają za odpowiednim interfejsem. Sprawdź katalog modeli pod kątem bieżącej dostępności i rozliczeń przed skierowaniem ruchu produkcyjnego.
Wniosek
Zacznij od Terra, gdy głównym ograniczeniem jest wymagająca automatyzacja lub kodowanie w terminalu. Zacznij od Haiku, gdy skupione, wysokowolumenowe obciążenie spełnia wymagania jakości przy niższym koszcie. Dla zadań wizualnych i profesjonalnej pracy merytorycznej przetestuj oba modele na reprezentatywnych przykładach zamiast wnioskować zwycięzcę z pozycjonowania modeli.
Deweloperzy mogą oceniać GPT-6.1 Terra API w CometAPI oraz Claude Haiku 5.5 API w CometAPI według tych samych kryteriów akceptacji. Użyj kosztu na zadanie zakończone sukcesem i mierzonej niezawodności, aby zdecydować, który model obsługuje każdą część obciążenia.
FAQs
Czy fallback powinien ponawiać każde nieudane żądanie na drugim modelu?
Użyj jasnego sygnału niepowodzenia, takiego jak nieprawidłowe wyjście strukturalne, niezdany test lub odrzucona akcja narzędzia. Ponawiaj przejściowe błędy sieciowe oddzielnie od niepowodzeń jakościowych i ogranicz zarówno liczbę ponowień, jak i łączny wydatek. Przed przełączeniem modelu przekaż zwięzły stan zadania i zweryfikowane wyniki narzędzi, aby fallback mógł kontynuować bez powtarzania działań, które już się powiodły.
Jak migracja modelu powinna obsłużyć istniejące cache promptów?
Odbuduj i zmierz cache dla docelowego modelu, zamiast zakładać, że wpis cache lub liczba tokenów się przenosi. Umieszczaj stabilne instrukcje na początku promptów, a następnie osobno rejestruj tworzenie cache, odczyty cache i niebuforowane wejście. Obciążenie z wieloma powtarzającymi się instrukcjami może mieć inną klasyfikację kosztową niż niebuforowane przykłady powyżej.
Jak zespół może ocenić wiarygodność długiego kontekstu?
Twórz zadania z znanymi odpowiedziami i umieszczaj wspierające dowody w różnych miejscach dokumentu. Uwzględnij podobnie wyglądające dystraktory i prośby wymagające łączenia odległych fragmentów. Śledź odpowiedzi poparte dowodami, pominięte dowody i sfabrykowane referencje przy długościach kontekstu, których faktycznie używasz; reklamowana pojemność kontekstu sama nie ustanawia dokładności przy pobieraniu informacji czy rozumowaniu.
Co powinien zawierać test Terra vs Haiku przy równym budżecie?
Ustal budżet w dolarach na zaakceptowany wynik i uwzględnij tokeny rozumowania, ponowienia, opłaty za narzędzia i wywołania weryfikacyjne. Pozwól każdemu modelowi używać konfiguracji mieszczącej się w tym budżecie, a następnie porównuj wskaźnik sukcesu i percentyle czasu odpowiedzi na tych samych wydzielonych zadaniach. To ujawnia, czy dodatkowe rozumowanie na tańszym modelu jest bardziej użyteczne niż pojedyncze wywołanie droższego.
Specyfikacja
GPT-6.1 Terra
Claude Haiku 5.5
ID modelu
gpt-6.1-terra
claude-haiku-5-5
Okno kontekstu
1,050,000 tokens
1,000,000 tokens
Maksymalne standardowe wyjście
128,000 tokens
128,000 tokens
Wejście → wyjście
Text and images → text
Text and images → text
Rozumowanie
none, low, medium, high, xhigh, max
Adaptive thinking with effort control
Domyślny wysiłek
Medium
Medium
Dostępność API
OpenAI API; CometAPI
Claude API and cloud platforms; CometAPI
Bazowe wejście / wyjście na 1M tokenów
$1 / $5
$0.10 / $0.50, prompts up to 100K tokens
Architektura i liczba parametrów
No verified architectural comparison established by the cited sources
No verified architectural comparison established by the cited sources
Niskie koszty API:
Benchmark
GPT-6.1 Terra (Xhigh)
Claude Haiku 5.5 (Max)
Zwycięzca
Indeks inteligencji
45
36
Terra
AutomationBench-AA
60%
35%
Terra
Terminal-Bench 4.0
46%
33%
Terra
FrontierCode 2.0
37%
35%
Terra
AA-Briefcase v1.1
1,333
1,576
Haiku
AA-Omniscience v1.1
29
12
Terra
Raportowana przez dostawcę ewaluacja
GPT-6.1 Terra
Claude Haiku 5.5
Terminal-Bench 4.0
50.3%
39.2%
OSWorld 2.1
Improvement reported against predecessor
72.4%, offline subset
Wskaźnik błędów faktograficznych dla trudnych promptów
4.3% at maximum effort
Not reported on same test
Chartography
Not reported on same test
46.4%, no tools
Humanity’s Last Exam
Not directly established on same test
45.9%, no tools
Metryka wydajności
GPT-6.1 Terra
Claude Haiku 5.5
Przepustowość wyjścia
91 tokens/s
234 tokens/s
Czas do pierwszego tokena
233.43 seconds
326.69 seconds
Całościowy czas odpowiedzi (500 tokenów)
238.93 seconds
328.83 seconds
Tokeny rozumowania na zadanie Indeksu inteligencji
39K
173K
Czas dekodowania zadania Indeksu inteligencji (bez TTFT)
654.90 seconds
598.04 seconds
Składnik ceny
Terra — oficjalne
Terra API w CometAPI
Haiku — oficjalne
Haiku API w CometAPI
Bazowe wejście / 1M tokenów
$1.00
$0.80
$0.10
$0.08
Bazowe wyjście / 1M tokenów
$5.00
$4.00
$0.50
$0.40
Bazowy odczyt z pamięci podręcznej (wejście) / 1M tokenów
$0.05
Not separately listed
$0.01
$0.008
Próg długiego prompta
More than 272K input tokens
Long-context tier not separately listed
More than 100K prompt tokens
More than 100K prompt tokens
Długie prompty — wejście / 1M tokenów
$2.00
Not separately listed
$0.50
$0.40
Długie prompty — wyjście / 1M tokenów
$7.50
Not separately listed
$2.50
$2.00
Zniżka za wsad
50%
Not separately listed
50%
Not separately listed
GPT-6.1 Terra vs Claude Haiku 5.5: Szybki wybór zadań - CometAPI
