GPT-6.1 Terra vs GPT-6.1 Sol: comparación ejecutando el mismo prompt 12 veces

TL;DR

• Para volumen y recortar costes, elige GPT-6.1 Terra: el precio unitario es la mitad que Sol ($0.25 / $1.25 frente a $0.50 / $2.50); en tareas cortas como la extracción estructurada, el coste por ejecución se reduce exactamente a la mitad.
• Para obtener respuestas rápidas, elige GPT-6.1 Sol: en las mismas 6 tareas, Sol terminó antes que Terra en todas.
• Ambos modelos ya están disponibles en HiAPI, con la misma key y la misma interfaz; basta cambiar model para alternar. Abre la página del modelo Terra para probarlo directamente.

De un vistazo

	GPT-6.1 Terra	GPT-6.1 Sol
ID del modelo	gpt-6.1-terra	gpt-6.1-sol
Entrada / salida (por millón de tokens)	$0.25 / $1.25	$0.50 / $2.50
Lectura de caché	$0.0125	$0.025
Niveles de razonamiento	none, low, medium, high, xhigh, max	low, medium, high, xhigh, max
¿Se puede desactivar el razonamiento?	Sí (none)	No, mínimo low
Contexto / salida máxima	1.05M / 128K	1.05M / 128K
Interfaz	Responses (predeterminada), Chat Completions	Responses (predeterminada), Chat Completions

Precios de HiAPI, verificados el 29 de octubre de 2026.

El mismo prompt, una ejecución en cada lado

Las tres tareas se ejecutaron con el nivel medium, una vez en chino y otra en inglés, tanto con Terra como con Sol: 12 ejecuciones en total.

Tarea	Idioma	Coste / tiempo de Terra	Coste / tiempo de Sol
Extraer pedido de un correo de cliente	Chino	$0.0003 / 11 s	$0.0006 / 9 s
Extraer pedido de un correo de cliente	Inglés	$0.0003 / 23 s	$0.0006 / 7 s
Buscar bugs en el código	Chino	$0.0033 / 56 s	$0.0035 / 42 s
Buscar bugs en el código	Inglés	$0.0019 / 70 s	$0.0031 / 48 s
Escribir copy de ventas de un producto	Chino	$0.0019 / 59 s	$0.0010 / 21 s
Escribir copy de ventas de un producto	Inglés	$0.0009 / 20 s	$0.0008 / 13 s

El coste no siempre se reduce a la mitad. En la tarea del copy de ventas en chino, Terra usó 1,411 tokens de razonamiento y Sol solo 293, por lo que esa vez Terra resultó más caro. El precio unitario es la mitad, pero el coste real depende de cuánto haya razonado el modelo en esa ejecución.

Primer grupo: extraer pedido de un correo de cliente (JSON estricto)

从下面这封客户邮件里提取订单信息。

邮件：你好，我上周二（10 月 20 日）下的单，订单号 HX-20481，买了两件深灰色连帽卫衣 L 码和一条黑色运动裤 M 码，一共付了 ¥586。今天收到货发现卫衣是浅灰色的，裤子没问题。我想把两件卫衣换成深灰色，如果没货就退款。我的电话 138-0000-1234，最好下午联系我。——王女士

La solicitud incluía el mismo JSON schema (número de pedido, fecha, productos, importe, problema, petición, teléfono, horario de contacto) y ambos devolvieron JSON válido.

GPT-6.1 Terra	GPT-6.1 Sol
"color":"深灰色（收到浅灰色）"	"color":"深灰色"
"requested_action":"将两件卫衣更换为深灰色 L 码；如无库存则退款。"	"requested_action":"将两件卫衣换成深灰色；如无货，则退还两件卫衣的款项。"
Resto de campos: HX-20481, 20 de octubre, ¥586, 138-0000-1234, tarde	El resto de campos es idéntico

Diferencias visibles: el número de pedido, el importe, el teléfono y el horario de contacto coinciden palabra por palabra en ambos. Terra metió «el color recibido» en el campo color, lo que exige un paso extra de limpieza antes de almacenarlo; el color de Sol solo indica el color pedido y el problema queda en issue. En la versión en inglés, los valores de los campos son totalmente idénticos en ambos.

Segundo grupo: escribir copy de ventas de un producto

根据下面的参数，写一段淘宝商品详情页的卖点文案：3 条卖点，每条不超过 25 个字，再写一句 15 字以内的标题。不要用「极致」「顶级」这类词。

参数：便携榨汁杯，容量 380ml，USB-C 充电，充满可榨 15 杯，6 片 304 不锈钢刀头，杯体 Tritan 材质，重 420g，IPX7 防水可整机冲洗。

GPT-6.1 Terra	GPT-6.1 Sol
Título: 便携榨汁杯，随时鲜榨	Título: 把新鲜带在身边
380ml Tritan杯体，420g轻巧便携	380ml随行杯，Tritan杯体仅重420g
USB-C充电，充满可榨15杯	USB-C便捷充电，充满可榨15杯
6片304不锈钢刀头，IPX7防水整机可冲洗	6片304不锈钢刀头，IPX7防水整机可冲洗

Diferencias visibles: ambos respetaron el límite de caracteres y no usaron palabras prohibidas. El título de Terra indica directamente la categoría, ideal para búsquedas; el de Sol se inclina por el eslogan.

Tercer grupo: buscar bugs en el código

La tarea era un fragmento de Python con 3 bugs insertados: argumento por defecto mutable, corte de paginación que se queda un elemento corto y división por cero con lista vacía. Ambos los encontraron todos y además señalaron el problema de que la lista se comparte con el exterior. La diferencia está en el orden y el enfoque:

• Terra pone directamente en primer lugar «el denominador del precio medio está mal usado» y determina que debe calcularse por número total de unidades.
• Sol primero aclara que si el denominador es correcto depende de si el negocio quiere calcular el «precio medio por pedido» o el «precio medio por unidad», ofrece ambas formas y luego ordena por impacto.

Si quieres una conclusión directa, la forma de Terra ahorra trabajo; cuando el requisito en sí es ambiguo, Sol expone primero la ambigüedad.

Cómo elegir según el escenario

• Extracción masiva, clasificación, etiquetado: elige Terra, el coste por ejecución es la mitad que Sol.
• Procesamiento por lotes donde quieras desactivar el razonamiento para ir lo más rápido y barato posible: elige Terra, solo él tiene el nivel none.
• Conversaciones y atención al cliente donde el usuario espera en línea: elige Sol, en estas 6 tareas terminó antes en todas.
• Respuestas largas como revisión de código o análisis de requisitos: el coste de ambos es similar; decide si quieres una conclusión directa o que se listen claramente las suposiciones.
• Si no lo tienes claro: ejecuta primero un lote con Terra, revisa una muestra y lo que no te convenza pásalo a Sol.

Coste de cambio

Ambos modelos usan la misma key de HiAPI y la misma interfaz POST /v1/responses; en el cuerpo de la solicitud solo se cambia el campo model. Lo único a tener en cuenta es el nivel de razonamiento: Sol no tiene none, así que al pasar de Terra, los reasoning.effort que sean none deben cambiarse a low.

{"model": "gpt-6.1-sol", "input": [...], "stream": true, "store": false, "reasoning": {"effort": "low"}}

Preguntas frecuentes

¿Terra es la versión barata de Sol?

En precio es la mitad, y el rango de capacidades es básicamente el mismo: el mismo contexto de 1.05M, el mismo soporte de JSON estricto y de llamada a herramientas. Terra tiene un nivel none adicional, y Sol respondió más rápido en esta prueba.

¿Se ahorra siempre la mitad en cada tarea?

No necesariamente. En tareas cortas y estructuradas básicamente se reduce a la mitad; en tareas con respuestas largas y mucha inferencia hay que ver cuántos tokens de razonamiento usó el modelo esa vez; en este artículo, en la tarea del copy en chino Terra resultó más caro.

¿Se pueden usar mezclados?

Sí. Con la misma key puedes llamar a ambos y enrutar según la tarea.

Para más detalles de precios, consulta Precios de la API de GPT-6.1 Terra; para el código de integración, consulta Guía de integración de la API de GPT-6.1 Terra. Copia el prompt del correo de pedido de arriba, abre la página del modelo Terra y pégalo para probarlo una vez.