GPT-6.1 Terra vs Opus 5.5: um quarto do preço por token, mas vale trocar o Claude no seu agente?

A OpenAI soltou um modelo que custa um quarto do Opus 5.5 por token e diz que ele mais que dobrou o desempenho em terminal. É o GPT-6.1 Terra, lançado em 26 de outubro. E a pergunta que todo mundo que roda agente com Claude está fazendo é a mesma: GPT-6.1 Terra vs Opus 5.5, vale trocar?

Só que a gente já viu esse filme.

Em julho, o Terra anterior gastou 2,6x mais tokens que o Sol pra passar menos tarefas. Barato por token, caro por tarefa.

Dessa vez a conta fecha? Em parte. Neste post você vai ver onde o Terra 6.1 fica na família da OpenAI, a comparação de preço por tarefa (não por token) com o Opus 5.5, o que ainda é só número de lab e em qual caso de uso a troca faz sentido.

TL;DR

• O que é: o tier intermediário da família GPT-6.1, focado em computer use, visão e escrita. Model id gpt-6.1-terra, contexto de 1,05M tokens, cutoff em 01/06/2026.
• Preço: US$ 1 input / US$ 0,05 cache / US$ 5 output por milhão de tokens. Metade do GPT-6.1 Sol. Um quarto do Opus 5.5 (US$ 4 / US$ 20).
• O número da OpenAI: 50,3% no Terminal-Bench 4.0 no esforço máximo, contra 21,5% do GPT-5.6 Terra. O Opus 5.5 reportou 66,4% no mesmo benchmark, segundo a Anthropic.
• O que falta: ninguém reproduziu ainda um benchmark independente do GPT-6.1 Terra. Tudo que está circulando é número da própria OpenAI.
• Veredito curto: pra computer use e volume, teste o Terra já. Pra agente de código em tarefa longa, o Opus 5.5 continua na frente, e quem diz isso é a própria OpenAI.

O que é o GPT-6.1 Terra e onde ele fica entre Luna, Sol e Astra

A OpenAI tem quatro degraus hoje. Do mais barato pro mais caro, por milhão de tokens (Let's Data Science):

O GPT-6.1 Sol saiu em 29 de setembro, no DevDay, com a promessa de performance perto do Astra por um quinto do preço (AI Weekly). O Terra chega quatro semanas depois com a metade do preço do Sol.

O posicionamento oficial é claro: Terra é pra "computer use rápido e capaz em escala". Preencher formulário, lançar nota fiscal em sistema contábil, ler desenho técnico, automatizar trabalho repetitivo de desktop (BleepingComputer). E a própria OpenAI segue recomendando o Sol ou o Astra pra código mais complexo.

Guarda essa frase. Ela vai voltar.

Os detalhes técnicos que importam pra quem integra (Developers Digest):

• Contexto: 1,05M tokens de entrada, até 128k de saída.
• Effort: none, low, medium (padrão), high, xhigh, max.
• Ferramentas: tool calling só pela Responses API, com computer use, MCP, skills, hosted shell, apply patch e tool search.
• Prompt longo custa mais: requisição acima de 272k tokens de input paga 2x no input e no cache e 1,5x no output, na requisição inteira.
• Batch e Flex: 50% de desconto.
• Codex CLI: precisa da versão 0.159.0 ou superior (AI Weekly).

E um detalhe que pouca gente comentou: o Terra foi classificado como "Critical" em cibersegurança no Preparedness Framework da OpenAI, então herda as proteções que foram criadas pro Astra (DataCamp). Se o seu agente mexe com segurança ofensiva, pentest ou análise de malware, conte com mais recusa e mais monitoramento.

Agora, repara no padrão. Toda semana sai um gráfico novo dizendo que o modelo X é N vezes mais barato que o Y. Quem depende de ferramenta troca de modelo a cada gráfico. Quem tem eval próprio troca quando a conta fecha no repositório dele, e montar esse eval junto com gente que roda agente em produção é o dia a dia do Clã Beer and Code.

Preço por token vs preço por tarefa: GPT-6.1 Terra vs Opus 5.5 lado a lado

Por token, não tem discussão:

Os preços do Opus 5.5 são os do anúncio da Anthropic, que a gente destrinchou no post sobre GPT-6 Sol, Luna e Opus 5.5.

Um quarto em tudo, inclusive no cache read, que é a linha que manda na fatura de sessão agêntica.

Mas preço por token é a métrica errada. Agente não cobra por token. Agente cobra por tarefa resolvida. E aí entram três variáveis que a tabela não mostra: quantos tokens o modelo gasta por tentativa, quantas tentativas ele precisa pra acertar e quanto custa cada falha.

A OpenAI sabe disso, tanto que o gráfico que ela escolheu pra comparar com o Opus 5.5 é de custo por tarefa. No Agents' Last Exam, benchmark de agente fazendo trabalho de computador, no esforço máximo (Let's Data Science):

É daí que sai o "cerca de 9x mais barato por tarefa" e o "mais de 3x mais eficiente em tokens" que a OpenAI está usando no marketing (DataCamp).

Repara numa coisa: o GPT-5.6 Terra custava US$ 3,58 por tarefa. O 6.1 custa US$ 1,01, com score maior. Ou seja, o problema que a gente apontou em julho (tier barato queimando token) parece ter sido atacado de verdade. Pelo menos nesse benchmark.

A conta que o gráfico não faz

Custo por tentativa não é custo por tarefa resolvida. Se o modelo erra, você roda de novo, ou um dev revisa e corrige. Dá pra modelar isso em dez linhas:

def custo_por_tarefa_resolvida(custo_tentativa, taxa_sucesso, custo_falha=0.0):
    """
    custo_tentativa: US$ gastos em tokens numa execução do agente
    taxa_sucesso:    fração de execuções que resolvem a tarefa (0 a 1)
    custo_falha:     US$ de tempo humano pra detectar/descartar cada falha
    """
    tentativas = 1 / taxa_sucesso          # execuções esperadas até acertar
    falhas = tentativas - 1
    return tentativas * custo_tentativa + falhas * custo_falha


# Números do gráfico da OpenAI (Agents' Last Exam, esforço máximo)
print(custo_por_tarefa_resolvida(1.01, 0.600))  # Terra: ~US$ 1,68
print(custo_por_tarefa_resolvida(8.82, 0.632))  # Opus 5.5: ~US$ 13,96

Em computer use, mesmo colocando US$ 5 de revisão humana por falha, o Terra sai a ~US$ 5 por tarefa resolvida contra ~US$ 17 do Opus. A vantagem aguenta.

Agora faz o exercício em código. Isso aqui é hipotético, porque não existe um custo por tarefa publicado dos dois no Terminal-Bench 4.0. Pega as taxas de sucesso reportadas (50,3% do Terra pela OpenAI, 66,4% do Opus pela Anthropic) e assume que a razão de 9x no custo por tentativa se mantém: Terra a US$ 1, Opus a US$ 9.

for custo_falha in (0, 5, 24, 50):
    terra = custo_por_tarefa_resolvida(1.0, 0.503, custo_falha)
    opus = custo_por_tarefa_resolvida(9.0, 0.664, custo_falha)
    print(f"falha=US${custo_falha:>2}  terra=US${terra:6.2f}  opus=US${opus:6.2f}")

# falha=US$ 0  terra=US$  1.99  opus=US$ 13.55
# falha=US$ 5  terra=US$  6.93  opus=US$ 16.08
# falha=US$24  terra=US$ 25.70  opus=US$ 25.70
# falha=US$50  terra=US$ 51.39  opus=US$ 38.86

O ponto de empate fica em torno de US$ 24 por falha. Acima disso, o modelo mais caro sai mais barato.

E US$ 24 é pouco. É uns 20 minutos de dev sênior olhando um PR que o agente entregou quebrado. Se o seu agente de código abre PR que alguém precisa revisar, o custo da falha quase certamente passa disso.

O analista Sanchit Vir Gogia, da Greyhound Research, fez o mesmo alerta: em um exemplo dele, 5,4 segundos a mais de revisão humana já apagavam a economia de inferência (Let's Data Science). O token é a parte barata do sistema. O humano não é.

O que a OpenAI mede (Terminal-Bench 4.0, computer use) e o que ninguém reproduziu ainda

Vamos separar o que é dado de lab do que é dado independente. Spoiler: hoje, 31 de outubro, praticamente tudo é dado de lab.

O que a OpenAI reportou:

• Terminal-Bench 4.0 (esforço máximo): 50,3%, contra 21,5% do GPT-5.6 Terra (BleepingComputer).
• Agents' Last Exam (esforço médio): 15 pontos acima do GPT-5.6 Terra, a cerca de um terço do custo. No nível do GPT-6 Astra com um décimo do preço por token.
• OSWorld 2.1: 74,2% a US$ 1,19 por tarefa, contra 57,1% do GPT-5.6 Terra (Let's Data Science).
• MMMU-Pro (visão): 85,5%, colado no Sol (86,3%) e no Astra (86,7%).
• Taxa de erro em prompts feitos pra induzir erro: caiu de 53,6% pra 16,7% no esforço baixo. No máximo, 4,3%.
• Velocidade: mais de 3x mais rápido que o Sol e o Astra nas mesmas tarefas.
• Terminal-Bench-Science 0.1: a menos de 5 pontos do Opus 5.5 com menos de um quinto do custo estimado (DataCamp).

O que isso não te diz:

Primeiro, no Terminal-Bench 4.0, o Opus 5.5 reportou 66,4% no anúncio da Anthropic. São 16 pontos acima do Terra. Mas atenção: um número veio da OpenAI e o outro da Anthropic, cada um com seu harness. Não dá pra comparar direto, só serve como ordem de grandeza.

Segundo, a OpenAI escolheu quais rivais entrariam em cada gráfico. No gráfico de computer use (OSWorld 2.1), quem aparece na frente é o Claude Sonnet 5.5, com 83,9% a US$ 5,74 por tarefa. O Opus não está lá. Josef Waples, do DataCamp, chamou a comparação com o Opus de "um pouco artificial ou seletiva", porque o rival natural do Terra no preço é o Sonnet 5.5 (US$ 2 / US$ 10), não o Opus.

Terceiro: ninguém reproduziu ainda. A Artificial Analysis fez um post no X dizendo que o Terra é mais inteligente que o anterior por menos de um terço do custo, mas não tem relatório completo publicado. Não tem CodeRabbit, não tem suíte de terceiro rodando tarefa de código real. Foi exatamente um teste desses que desmascarou o GPT-5.6 Terra em julho.

Então trate os números acima como hipótese. Bem fundamentada, mas hipótese.

Terra vs Terra Pro: quando pagar a diferença

No OpenRouter apareceram três sabores: openai/gpt-6.1-terra, openai/gpt-6.1-terra-pro e variantes :batch. A rota europeia via Azure lista os dois primeiros a US$ 1,20 de input e US$ 6 de output (OpenRouter), uns 20% acima da tabela da OpenAI, que é o preço de manter o dado dentro da UE.

O que é o Terra Pro? Aqui é preciso ser honesto: a OpenAI não detalhou o Terra Pro no anúncio, e a página do OpenRouter não traz descrição nenhuma. Os agregadores de preço listam o Pro com o mesmo preço por token do Terra base (LM Market Cap).

Se segue o padrão do modo Pro do GPT-5.6, que roda vários agentes em paralelo, cada um por conta própria, e escolhe o melhor resultado (como a gente explicou aqui), a diferença não está na tabela. Está no consumo: mais execuções por requisição, mais tokens por tarefa. Isso é inferência minha, não documentação.

A regra prática:

• Terra base como padrão. Effort medium primeiro, e só suba se o eval pedir.
• Terra Pro só depois de medir, e só em tarefa onde errar custa caro. Se o Pro dobra o consumo pra ganhar poucos pontos, ele cai na mesma conta do Sol Ultra: lindo até a fatura chegar.
• Batch (50% de desconto) pra tudo que não precisa de resposta em tempo real: classificação de backlog, extração de documento, triagem noturna. Terra em batch sai a US$ 0,50 / US$ 2,50, encostando no território do Luna com bem mais capacidade.

Veredito por caso de uso: agente de código, computer use, volume barato

Vale trocar o Claude no seu agente? Depende de qual agente.

E tem o custo que ninguém coloca na planilha: migração. Trocar Opus por Terra não é trocar uma string. O tool calling do Terra exige a Responses API da OpenAI, o formato de ferramenta muda, o comportamento de cache muda, o effort tem outra escala. Se o seu agente já foi ajustado pro Opus 5.5 (e ele tem quatro breaking changes próprios), você vai reescrever prompt, reavaliar e retestar.

O caminho adulto não é trocar. É rotear. Opus 5.5 nas tarefas onde falha custa caro. Terra nas tarefas de computer use e volume, onde o custo da falha é baixo e o throughput importa. Um roteador simples por tipo de tarefa já captura a maior parte da economia sem apostar o agente inteiro num benchmark que ninguém reproduziu.

Limitações e pontos de atenção

Todo benchmark aqui é de lab. Os números do Terra são da OpenAI. Os do Opus 5.5, da Anthropic. A comparação de custo por tarefa é da OpenAI, num benchmark e num conjunto de rivais que ela escolheu.

Terminal-Bench de lab A não é Terminal-Bench de lab B. Harness, timeout e effort mudam o resultado. Os 66,4% e os 50,3% são ordem de grandeza, não placar.

O exemplo do ponto de empate é hipotético. Ele usa a razão de 9x medida em computer use aplicada a tarefas de terminal. Serve pra mostrar o raciocínio, não como número final. Rode com os seus dados.

Preço acima de 272k tokens muda tudo. O contexto de 1,05M é real, mas usar ele inteiro custa bem mais que a tabela de capa sugere.

Rollout gradual. No ChatGPT Work e no Codex, a liberação pode demorar pra chegar em todas as contas.

FAQ rápido

GPT-6.1 Terra vs Opus 5.5: qual é melhor pra programar? Pelos números reportados por cada lab, o Opus 5.5: 66,4% contra 50,3% no Terminal-Bench 4.0. E a própria OpenAI recomenda o GPT-6.1 Sol ou o GPT-6 Astra, não o Terra, pro código mais complexo. O Terra brilha em computer use e volume.

Quanto custa o GPT-6.1 Terra? US$ 1 por milhão de tokens de input, US$ 0,05 de cache e US$ 5 de output. Batch e Flex têm 50% de desconto. Requisição acima de 272k tokens de input paga 2x no input e 1,5x no output.

GPT-6.1 Terra vs Sol: qual a diferença? O Terra custa metade (US$ 1/US$ 5 contra US$ 2/US$ 10) e é mais de 3x mais rápido, segundo a OpenAI. O Sol continua sendo o indicado pra código difícil e raciocínio pesado. No Agents' Last Exam, o Terra até passou o Sol, mas é um benchmark de computer use. Pra entender a lógica dos tiers, vale o nosso guia de Sol, Terra e Luna da geração 5.6.

Já tem benchmark independente do GPT-6.1 Terra? Até 31/10/2026, não. Tudo que circula é número da OpenAI. Antes de migrar um agente em produção, rode o seu próprio eval.

Conclusão

O GPT-6.1 Terra é o primeiro tier intermediário da OpenAI que parece ter resolvido o problema do anterior. Em computer use, mesmo aplicando desconto em número de lab, a conta de custo por tarefa fecha com folga.

Em agente de código, não fecha. Não porque o Terra seja ruim, mas porque falha em código custa caro, e um modelo que acerta 16 pontos a menos precisa ser muito mais barato do que 9x pra compensar o tempo do dev revisando.

A próxima rodada dessa briga vai ser decidida pelo primeiro benchmark independente. Quando ele sair, a gente refaz a conta aqui. Até lá, se você está escolhendo modelo de topo pra agente longo, vale ver como o cache muda a conta do GPT-6 Astra contra o Fable 5.1.