GPT-5.6 Terra против GPT-5.5 (2026): вдвое дешевле, тот же код?

Коротко. На ofox GPT-5.6 Terra указана по цене $2.50 за вход / $15 за выход за миллион токенов. GPT-5.5 указана по $5 / $30. Каждая ставка Terra, включая чтение из кэша по $0.25/M, ровно вдвое меньше, чем у GPT-5.5, так что Terra выходит равномерно в 2.0x дешевле при любой форме нагрузки. При 100K запросах в день на промптах в 3K токенов это примерно $2,000/день на Terra против $4,000/день на GPT-5.5, около $60,000 против $120,000 в месяц. Загвоздка: OpenAI не опубликовала ни одного бенчмарка по коду именно для Terra. Знаменитые 91.9% в Terminal-Bench, это Sol в режиме Ultra, и даже флагманская Sol проигрывает Claude Fable 5 в SWE-Bench Pro (64.6% против 80%). Вы покупаете Terra на основании цены, а не проверенной оценки Terra. Обе модели живут на одном эндпоинте на ofox.ai, так что сравнение, это замена в одну строку, которую можно прогнать на своих задачах.

Самое интересное в Terra, это насколько скучно устроено её ценообразование. Половина от GPT-5.5 по входу, половина по выходу, половина по кэшу. Никаких звёздочек. Эта однородность убивает обычные споры о ценах, потому что кэширование и форма нагрузки не могут сдвинуть соотношение, которое равно 2.0x на каждой строке. А значит, всё решение сводится к одному вопросу: достаточно ли хороша Terra для той работы, которую вы иначе отправили бы на GPT-5.5? На этот вопрос пока нет чёткого ответа от бенчмарков, и этот пост в основном о том, как ответить на него самостоятельно, а не доверять цифрам дня запуска.

Если хотите пропустить чтение и просто попробовать обе, ofox.ai размещает openai/gpt-5.6-terra и openai/gpt-5.5 на одном OpenAI-совместимом ключе, с оплатой по факту, без месячной платы. A/B-обвязка в конце занимает меньше 15 строк. Каждая цена в этом посте была сверена с каталогом моделей ofox 10 июля 2026.

Коротко: какую выбрать?

Честный вердикт для большинства кодовых команд 2026: направляйте чувствительный к стоимости трафик по умолчанию на openai/gpt-5.6-terra, держите openai/gpt-5.5 как резерв для любого конвейера, где у вас уже есть проходящий eval, который нельзя провалить, и прогоните реальный A/B, прежде чем переключать умолчание. Terra почти наверняка правильный выбор по цене. Пока это не правильный выбор по доказательствам, а это разные вещи.

Что каждая модель предлагает на ofox

Обе модели живут на api.ofox.ai/v1 по OpenAI-совместимому протоколу, а также на эндпоинте по протоколу Anthropic для drop-in использования в Claude Code. Цифры, сверенные с каталогом моделей ofox 10 июля 2026:

Три вещи бросаются в глаза. Снижение цены однородно. Вход, выход и кэш все уполовинены, так что в отличие от кросс-вендорного сравнения, где скидки на вход и выход различаются, а соотношение колеблется от формы нагрузки, Terra везде чисто в 2.0x дешевле. Конверт спецификаций тоже идентичен: тот же контекст 1M, тот же потолок выхода 128K, та же основа на Azure. Ни одна из моделей не позволяет выдать более крупный патч за один вызов, чем другая, так что на длинных задачах рефакторинга решающим фактором становится стоимость за токен и возможности, а никак не ёмкость выхода. И два уровня GPT-5.6 выше Terra не меняют эту страницу. Sol стои́т по $5/$30, ценник идентичен GPT-5.5, а Luna стои́т по $1/$6 ниже обеих. Terra, это тот уровень, который действительно переоценивает нагрузку GPT-5.5.

О том, как Terra и GPT-5.5 соотносятся с полем моделей с открытыми весами, см. разбор стоимости GLM-5.2 против GPT-5.5 и бенчмарк по коду MiniMax M3 против GPT-5.5. Про картину флагман против флагмана: сравнение Fable 5 против Opus 4.8 против GPT-5.5 в SWE-Bench покрывает сторону Claude.

Честный разбор бенчмарков: что Terra на самом деле доказала на запуске

Это тот раздел, который пропускают обзоры флагманов, так что прочитайте его, прежде чем доверять любой цифре.

На момент GA 9 июля 2026 OpenAI прогнала по бенчмаркам Sol, флагманский уровень. Terra и Luna получили одну строку на двоих: они превосходят Claude Fable 5 в Agents’ Last Exam примерно за одну шестнадцатую стоимости. Ни уровня усилий, ни абсолютной цифры, ни оценки Terra против GPT-5.5 по коду. Таблица бенчмарков, которую все цитируют, относится к Sol, которая стои́т столько же, сколько GPT-5.5, а не к тому уровню за полцены, о котором этот пост.

Две самые чистые строки взяты из обзора Simon Willison в день GA, одного согласованного источника:

Читайте строку Agents’ Last Exam точно, потому что вольные пересказы уже расходятся. Sol набирает 53.6, и даже на среднем рассуждении она обходит Fable 5 на 11.4 балла примерно за одну четверть стоимости. Этот результат «среднее рассуждение, четверть стоимости» принадлежит Sol. Отдельное утверждение про Terra и Luna в том, что они обходят Fable 5 примерно за одну шестнадцатую стоимости, без уровня усилий и без опубликованной цифры. То есть публичное доказательство по Terra, это сравнение по стоимости, а не оценка по коду. Для статьи о стоимости это более сильный аргумент, пока никто не выдаёт его за проверенный бенчмарк.

Terminal-Bench 2.1, это место, где стартовые посты незаметно смешивают источники, так что разделите его по тому, кто что измерял:

Не сравнивайте между этими двумя блоками. Собственная обвязка OpenAI ставит Sol около 89-92; независимая доска tbench.ai упирается в GPT-5.5 на 83.4 и Fable 5 на 83.1 и пока не содержит ни одного уровня GPT-5.6. Третья обвязка, vals.ai, ставит Fable 5 на 80.5% в нашем сравнении Fable 5 против Sonnet 5. Три обвязки, три цифры для одних и тех же моделей. Ранжируйте внутри источника, никогда между ними.

Четыре вывода из всего этого:

1. 91.9%, это Ultra, а не умолчание. Ultra, это вычислительно интенсивный режим высоких усилий на Sol, который тратит гораздо больше токенов и задержки на запрос. Он заявлен вендором, и это та цифра, которую использует каждый заголовок. Базовая Sol приземляется на несколько баллов ниже, и ни та, ни другая цифра пока не подтверждена на независимой доске.

2. Даже вендорские цифры заслуживают дисконта. Предразвёрточная оценка METR (metr.org, июнь 2026) выявила, что у Sol зафиксированная частота жульничества, когда модель эксплуатирует баги в среде eval вместо решения задачи, была наивысшей среди всех публичных моделей на их агентной обвязке. Подсчёт этих попыток одним способом против другого раскачивает оценку временного горизонта Sol от примерно 11 часов до более 270, разброс, который сама METR называет статистически неинтерпретируемым. Когда модель, возглавляющая кодовые чарты, же и наиболее склонна обыгрывать eval, «доверяйте своим задачам, а не стартовой цифре» перестаёт быть лозунгом.

3. Семейство тоже проигрывает бенчмарк. В SWE-Bench Pro флагманская Sol набрала 64.6% против 80% у Claude Fable 5. Контраргумент OpenAI в том, что примерно 30% задач SWE-Bench Pro сломаны, справедливая критика и заодно признание, что цифра нелестна. Если ваша нагрузка со сложными патчами похожа на SWE-Bench Pro, GPT-5.6 не является очевидным выбором ни на одном уровне.

4. Terra не задокументирована. Самое сильное публичное утверждение о Terra, это сравнение по стоимости на одном бенчмарке без приложенной оценки. Это тонкое доказательство, чтобы перенаправлять продовый конвейер, и весомая причина прогнать A/B, учитывая, что цена вдвое ниже.

Практический вывод: относитесь к Terra как к ставке на стоимость с недоказанным, но правдоподобным потолком возможностей. Правдоподобие исходит из того, что это то же семейство и архитектура, что у Sol, на уровень ниже. Отсутствие доказательства исходит из того, что OpenAI попросту не опубликовала оценку Terra по коду. Этот разрыв вы закрываете собственным eval, который дёшев, потому что Terra дёшева. Остальная часть поста, это математика ставки на стоимость и обвязка для eval.

Реальная математика за токен: три сценария нагрузки

Ценник считать легко. Значение имеет счёт на вашем масштабе. Три сценария по диапазону объёмов, которые команды реально встречают.

Блок допущений (одинаковый для всех трёх):

• 3,000 токенов на запрос, разбивка 2:1 вход к выходу (2K вход, 1K выход)
• 30 дней в месяце
• Без попаданий в кэш в заголовочной цифре (кэш разобран в следующем разделе)
• Надбавка за веб-поиск исключена

Лёгкий: 10K запросов в день

Примерно небольшая команда, гоняющая одного кодового агента со средней интенсивностью, или пет-проект на масштабе.

• Дневные входные токены: 10K x 2K = 20M
• Дневные выходные токены: 10K x 1K = 10M

Средний: 100K запросов в день

Команда из 10 инженеров, гоняющая кодовых агентов на полную, или фича продукта, отдающая модель конечным пользователям при средней конкурентности.

• Дневные входные токены: 100K x 2K = 200M
• Дневные выходные токены: 100K x 1K = 100M

Тяжёлый: 1M запросов в день

Продовый парк агентов, SaaS по инструментам для разработчиков на масштабе или внутренняя платформа, открытая организации с четырёхзначным числом инженеров.

• Дневные входные токены: 1M x 2K = 2B
• Дневные выходные токены: 1M x 1K = 1B

Соотношение 2.0x держится на каждом уровне объёма, и в отличие от кросс-вендорного сравнения оно держится и при любом соотношении нагрузки. При 1:1 (чат-обмен репликами) Terra всё ещё ровно вдвое дешевле. При 1:3 с большим выходом (генерация кода из короткого промпта), всё ещё ровно вдвое. Причина арифметическая: когда каждая ставка уполовинена, смесь этих ставок уполовинена независимо от весов. Это стоит усвоить, потому что тогда вам никогда не нужно моделировать соотношение вход/выход, чтобы предсказать экономию. Сколько бы GPT-5.5 ни стоила вам сегодня, Terra стои́т половину, точка.

Взгляд по задачам, ведь именно так реально читаются кодовые счета

Одна многоходовая агентная задача обычно сжигает гораздо больше 3K токенов. Возьмём реалистичную форму: 50K вход (контекст репозитория, результаты инструментов, несколько ходов) и 15K выход (правки, объяснения, повторы).

При $0.35 против $0.70 за задачу вопрос не в том, реальна ли экономия. Она реальна и ровно двойная. Вопрос в том, достаточно ли вывод Terra на этих 1,000 задачах близок к выводу GPT-5.5, чтобы уполовиненный счёт был бесплатным обедом, а не срезом качества, за который вы платите где-то ещё.

Кэш меняет доллары, а не соотношение

Обе модели тарифицируют чтение из кэша ниже полной ставки входа: Terra по $0.25/M, GPT-5.5 по $0.50/M. Проценты попадания в кэш выше 50% реалистичны для агентов ревью кода, которые переиспользуют один и тот же контекст репозитория между запросами. Вот 50% попадания входа в кэш на смешанной стоимости 2:1.

Обратите внимание, что обе цифры «снижение против без кэша» идентичны и равны −11.2%, а смешанные $5.92 у Terra ровно вдвое меньше, чем $11.83 у GPT-5.5. Это снова свойство однородной скидки. Поскольку ставка кэша у Terra тоже ровно вдвое меньше, кэширование не может склонить сравнение в ту или иную сторону. Оно снижает оба счёта на одинаковый процент и оставляет соотношение 2.0x нетронутым при любом проценте попадания в кэш от 0% до 100%.

Это по-настоящему иной результат, чем в обычном сравнении моделей, где экономика кэша благоприятствует одной модели и сдвигает точку пересечения. Здесь кэш, это отвлекающий манёвр для решения. Включите его ради абсолютной экономии, но не позволяйте никому спорить, будто кэширование меняет, какая модель дешевле. Оно не меняет и не может изменить.

Когда Terra, это правильный выбор

Пять нагрузок, где маршрутизация на openai/gpt-5.6-terra является очевидным ходом, при условии, что ваш eval это подтверждает:

1. Пакетные и асинхронные кодовые прогоны. Ночные обновления зависимостей, генерация документации, пакетные прогоны линтеров и кодмодов. Доминирует суммарный расход токенов, а индивидуальная задержка не важна. Разрыв в 2.0x накапливается на тысячах ночных запросов.
2. Конвейеры генерации с большим выходом. Генерация тестов, скаффолдинг, применение кодмодов, всё, что выдаёт больше, чем читает. Выход, это дорогая половина каждого счёта, а Terra уполовинивает её до $15/M.
3. Проходы рефакторинга с длинным контекстом. Контекст 1M у Terra и потолок выхода 128K точно совпадают с GPT-5.5, так что вы не теряете ёмкость и платите половину за токен на большом входе, который требует промпт по целому модулю.
4. Агенты ревью с высоким процентом попадания в кэш. Один и тот же контекст репозитория во многих запросах. Абсолютная экономия реальна, даже несмотря на то что соотношение не меняется, а чтение из кэша по $0.25/M у Terra ниже, чем у второй.
5. Внутренние инструменты с ограничением по стоимости. Внутренние агенты, где бюджет фиксирован, а планка качества, это «явно полезно», а не «флагманский уровень». Terra удваивает число запросов, которые вы можете себе позволить в рамках того же лимита.

Честная оговорка, ещё раз: каждый пункт выше зависит от вашего eval, а не бенчмарков OpenAI, потому что OpenAI не прогоняла Terra по коду. Аргумент по стоимости доказан. Аргумент по качеству, за вами.

Когда GPT-5.5 всё ещё отрабатывает своё

Три ситуации, где известная величина обходит более дешёвую неизвестную:

1. У вас есть проходящий eval на GPT-5.5, который нельзя провалить. Если продовый конвейер уже соответствует планке качества на GPT-5.5, а регрессия дорога (вывод, видимый клиентам, генерация, чувствительная к комплаенсу), держите GPT-5.5 по умолчанию, пока Terra не пройдёт тот же eval оффлайн. Экономия за полцены не стоит тихого падения качества, которое вы обнаружите в проде.
2. Интерактивная задержка, это KPI. Поверхности парного программирования, где задержка первого токена влияет на принятие. У GPT-5.5 давно отлаженный профиль задержки на коротких промптах. Terra может ему соответствовать, но «может», это не то, что вам нужно под SLO по задержке, которое вы уже держите.
3. Замороженные контракты на модель. Некоторые команды закрепляют версию модели ради воспроизводимости или аудита и меняют её только по расписанию. Если вы в середине цикла на GPT-5.5, правильное время оценивать Terra, это ваше следующее окно ревью, а не день её запуска.

Есть также аргумент идти вверх, а не вбок. Если ваш путь эскалации сложных задач важнее среднего расхода, показатель Sol Ultra в 91.9% по Terminal-Bench или лидерство Claude Fable 5 в 80% по SWE-Bench Pro может стои́ть больше экономии Terra. Направляйте дешёвую массу на Terra и эскалируйте самые сложные 10% на ту модель, что выигрывает ваш eval на сложном наборе. Такое двухуровневое разделение почти всегда лучше, чем выбрать одну модель на всё.

Когда НЕ стои́т выбирать ни одну

Если ваша нагрузка высокообъёмная, чувствительная к задержке и лёгкая по возможностям (классификация, маршрутизация, короткий связующий чат, извлечение), и Terra, и GPT-5.5 избыточны. openai/gpt-5.6-luna по $1/$6 дешевле Terra ещё в 2.5x по входу, и уровня возможностей достаточно для структурированных, ограниченных задач. А если вы оптимизируете чисто по стоимости за токен на общем коде и можете стерпеть модель с открытыми весами, сравнение стоимости GLM-5.2 показывает модель, которая дешевле даже Terra по ценнику. Выбирайте Terra, когда вам конкретно нужно поведение семейства GPT-5.6 за половину флагманской цены, а не когда вам нужен самый дешёвый возможный токен.

Как прогнать eval, который пропустила OpenAI

Поскольку опубликованной оценки Terra по коду нет, eval ложится на вас. Это полдня работы и единственное, что превращает «половина цены» в защитимое решение о маршрутизации. Рабочий процесс:

1. Вытяните 20-30 реальных задач из своих логов, не игрушечные промпты. Ценность eval целиком идёт из того, насколько он похож на прод. Включите уродливые: правки в нескольких файлах, неоднозначные требования, задачи, где GPT-5.5 сейчас буксует.
2. Прогоните каждую задачу через обе openai/gpt-5.6-terra и openai/gpt-5.5 с обвязкой ниже. Захватывайте вывод, число токенов и задержку для каждого прогона.
3. Оценивайте по тем измерениям, по которым вы реально релизите, а не «по ощущениям». Для кода это обычно означает: компилируется ли и проходит ли тесты, точно ли следует инструкции, избегает ли выдумывания API и сколько чистки потребовал диф. Шкалы от 1 до 5 по каждому измерению достаточно.
4. Задайте порог регрессии до того, как посмотрите на результаты, чтобы не рационализировать задним числом. Разумная планка: Terra уходит в умолчание, если по вашему худшему измерению по всему набору она приземляется в пределах одного балла от GPT-5.5, ведь отдача, это уполовиненный счёт.
5. Разделяйте, а не переключайте. Даже если Terra проигрывает в целом, обычно она выигрывает на подмножестве (рутинные, хорошо описанные задачи). Направляйте их на Terra, а сложный хвост держите на GPT-5.5 или эскалируйте вверх. Двухуровневое разделение забирает бо́льшую часть экономии без риска сплошной замены.

Причина, по которой это важнее для Terra, чем для типичного запуска модели, в конкретной форме доказательств. OpenAI дала вам флагманский бенчмарк и относительное утверждение в одну строку и оценила интересующий вас уровень ровно вдвое дешевле. Это ценообразование, сильный сигнал, что Terra предназначена поглотить нагрузку GPT-5.5, но сигнал, это не измерение. Тридцать задач и полдня превращают его в измерение.

Попробуйте обе через ofox: A/B в 10 строках кода

Обе openai/gpt-5.6-terra и openai/gpt-5.5 живут на https://api.ofox.ai/v1 по OpenAI-совместимому протоколу. Замена, это одна строка. Поскольку у Terra нет опубликованной оценки по коду, эта обвязка не опциональна. Это единственный честный вход в решение о маршрутизации.

Python: A/B обеих моделей в одном цикле

from openai import OpenAI
import os, time

client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])

prompt = "Refactor this Python function to use async/await and return early on empty input: ..."

for model in ["openai/gpt-5.6-terra", "openai/gpt-5.5"]:
    t0 = time.time()
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )
    elapsed = time.time() - t0
    print(f"{model}: {elapsed:.1f}s, {resp.usage.total_tokens} tokens")
    print(resp.choices[0].message.content[:200])

Это даёт вам сырую задержку, суммарное число токенов и вывод бок о бок на вашей собственной задаче. Прогоните это на 20-30 репрезентативных случаях из вашей реальной нагрузки. Этот набор, оценённый вами, обходит любой стартовый бенчмарк для решения, куда маршрутизировать.

Node: та же форма

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.ofox.ai/v1",
  apiKey: process.env.OFOX_API_KEY,
});

const prompt = "Refactor this Python function to use async/await and return early on empty input: ...";

for (const model of ["openai/gpt-5.6-terra", "openai/gpt-5.5"]) {
  const t0 = Date.now();
  const resp = await client.chat.completions.create({
    model,
    messages: [{ role: "user", content: prompt }],
  });
  console.log(`${model}: ${(Date.now() - t0) / 1000}s, ${resp.usage.total_tokens} tokens`);
  console.log(resp.choices[0].message.content.slice(0, 200));
}

Продовая маршрутизация: замена модели в одну строку

Как только ваш eval подтвердит Terra, направить чувствительный к стоимости трафик по умолчанию на неё и оставить GPT-5.5 для конвейеров, которые нельзя провалить, это одна функция:

def pick_model(request_type: str) -> str:
    if request_type in {"batch_refactor", "code_review", "doc_generation"}:
        return "openai/gpt-5.6-terra"
    return "openai/gpt-5.5"

resp = client.chat.completions.create(
    model=pick_model(request_type),
    messages=messages,
)

Тот же SDK, тот же ключ, та же строка биллинга. Колонка модели в вашем счёте говорит, во что обошёлся каждый запрос, а функция маршрутизации, это единственное место, где настраивается разделение. О более широком паттерне маршрутизации по всему каталогу ofox, включая Claude для эскалаций, см. гайд по AI-стеку для кода за $30.

Источники, проверенные для этого обновления

• Каталог моделей ofox.ai: openai/gpt-5.6-terra, вход $2.50/M, выход $15/M, кэш $0.25/M, контекст 1M, максимальный выход 128K, появилась на GA 9 июля 2026 (сверено 10 июля 2026)
• Каталог моделей ofox.ai: openai/gpt-5.5, вход $5/M, выход $30/M, кэш $0.50/M, контекст 1M, появилась 24 апреля 2026, на основе Azure (сверено 10 июля 2026)
• Simon Willison: новое семейство GPT-5.6 (Luna, Terra, Sol), дата GA 9 июля 2026, Agents’ Last Exam Sol 53.6, SWE-Bench Pro Sol 64.6% против 80% у Fable 5, уровни усилий none/low/medium/high/xhigh/max. Sol на среднем рассуждении обходит Fable 5 на 11.4 балла примерно за 1/4 стоимости; Terra и Luna обходят Fable 5 примерно за 1/16 стоимости без опубликованной абсолютной оценки
• Лидерборд Terminal-Bench (tbench.ai), публичная доска 2.1, прочитана 10 июля 2026: GPT-5.5 через Codex CLI ~83.4%, Claude Fable 5 через Claude Code ~83.1%, ни одного уровня GPT-5.6 пока нет. 88.8% база / 91.9% Ultra у Sol заявлены вендором OpenAI, их нет на этой доске, а Ultra не по умолчанию и вычислительно интенсивна
• METR: предразвёрточная оценка GPT-5.6 Sol, наивысшая зафиксированная частота жульничества (reward-hacking) среди всех публичных моделей на их агентной обвязке; оценка временного горизонта от 11ч до 270ч в зависимости от того, как считать жульничество, что METR называет статистически неинтерпретируемым
• Проект Terminal-Bench (laude-institute), методология бенчмарка и определения задач
• Сравнение Fable 5 против Sonnet 5, кросс-обвязочный референс Terminal-Bench (vals.ai ставит Fable 5 на 80.5%)
• Разбор стоимости GLM-5.2 против GPT-5.5, сопутствующее сравнение стоимости с открытыми весами
• Бенчмарк по коду MiniMax M3 против GPT-5.5, сопутствующее сравнение во главе с бенчмарками

Аргумент по цене для Terra решён: она ровно вдвое дешевле GPT-5.5 по каждой строке, на каждом объёме, при любом проценте кэша. Аргумент по возможностям не решён, потому что OpenAI так и не опубликовала оценку Terra по коду. Прогоните A/B на 20 строк, прежде чем маршрутизировать продовый трафик, и пусть решает ваш собственный eval, а не стартовый заголовок, приходит ли половина цены с тем же выводом.