GPT-6.1 Terra vs GPT-6 Luna: в чем разница, цена задачи и тест

Если вы платите за вызовы OpenAI API и выбираете между gpt-6-luna и вышедшей 26 октября 2026 года gpt-6.1-terra, оставляйте на Luna массовые текстовые задачи и код, который проверяется тестами, а Terra на уровне рассуждения low или medium берите туда, где Luna ошибается систематически: точное чтение символов с изображений, строгие спецификации с множеством граничных случаев, работа, в которой ошибку некому поймать. «В 10 раз дороже» — это цена за токен. В тесте 28 октября 2026 года на 12 одинаковых задачах через один и тот же API-шлюз пройденная задача на Terra обошлась в 2,7–6,3 раза дороже, чем на Luna, потому что Luna тратит больше токенов на рассуждение и проходит меньше задач. Terra при этом прошла 15–16 вызовов из 16, Luna — 12 из 16 на любом уровне, и отвечала Terra в 2–3 раза быстрее.

Сравнивать стоит не одноимённые уровни. В сторонних замерах Artificial Analysis Intelligence Index v5.0 на 28 октября 2026 года Terra на low набирает 29 баллов — больше, чем Luna на max (28), — при вдвое меньшей стоимости задачи и примерно в 12 раз быстрее. Поэтому, если сейчас у вас Luna на high или xhigh, замену начинайте с Terra low. Перед переключением прогоните 20–50 своих реальных запросов с автоматической проверкой на обеих моделях и посчитайте цену принятого ответа, а не счёт за токены.

Несколько условий решают выбор сами по себе. Уровень max у обеих моделей принимается только через Responses API, вызов функций у Terra — тоже только через него, поэтому код на Chat Completions после простой замены ID может сломаться. Резидентность данных (data residency) у Terra есть только в США и ЕС. В обычном чате ChatGPT Terra нет ни на одном тарифе — только в ChatGPT Work, Codex и API. Цены ниже — тарифы OpenAI Standard в долларах США по состоянию на 28 октября 2026 года.

Luna или Terra: какую модель брать для какой задачи

Начинайте с самой дешёвой конфигурации, которая проходит вашу проверку, и переходите на Terra там, где Luna ошибается одинаково из раза в раз. Таблица — стартовая точка на 28 октября 2026 года; основания для каждой строки — в разделах о тесте и индексе ниже.

Когда переходить с Terra дальше, на Sol, разобрано в материале «GPT-6.1 Terra vs Sol: в чем разница, цена задачи и тест в Codex», а выбор из всей линейки — в статье «GPT-6 Sol, Luna, Astra и GPT-6.1 Terra: что выбрать для работы».

Цены GPT-6.1 Terra и GPT-6 Luna в API: в 10 раз везде, кроме кэша

За обычный ввод, запись в кэш и вывод Terra берёт ровно в 10 раз больше Luna, а кэшированный ввод дороже только в 5 раз, потому что скидка за кэш у Terra глубже: 95 % от цены ввода против 90 % у Luna. Тарифы Standard за 1 млн токенов по странице цен OpenAI API и страницам моделей GPT-6.1 Terra и GPT-6 Luna на 28 октября 2026 года:

Порог в 272 000 входных токенов применяется ко всему запросу: если он превышен, весь ввод и кэш тарифицируются вдвое дороже, а вывод — в 1,5 раза, то есть у Terra $2,00 за ввод и $7,50 за вывод, у Luna $0,20 и $0,75. Batch и Flex стоят 50 % от Standard, режим Fast — вдвое дороже, обработка в выбранном регионе добавляет 10 %. Режима Ultrafast нет ни у одной из двух моделей: OpenAI предлагает его только для GPT-6 Astra и GPT-6.1 Sol.

Остальные характеристики почти совпадают, так что выбор решают качество и цена задачи, а не лимиты. У обеих моделей контекст 1 050 000 токенов, до 128 000 токенов на вывод, на входе текст и изображения, уровни рассуждения от none до max с medium по умолчанию; аудио и видео не поддерживаются. Знания у Luna заканчиваются 18 мая 2026 года, у Terra — 1 июня 2026 года.

Индекс Artificial Analysis v5.0: Terra на low уже выше Luna на max

На каждом уровне рассуждения Terra набирает больше баллов, а одинаковый результат у неё стоит дешевле, чем у Luna. Ниже — данные страницы сравнения GPT-6.1 Terra и GPT-6 Luna на Artificial Analysis по Intelligence Index v5.0 на 28 октября 2026 года: балл, стоимость одной задачи индекса и время на неё.

Точка совпадения — Terra low против Luna max: 29 баллов против 28, $0,07 против $0,15 за задачу и 48 секунд против 597. Дешевле Terra Luna бывает только там, где и баллов у неё меньше: на medium (18 баллов за $0,04) и на low (10 баллов за $0,01), а таких дешёвых режимов у Terra нет. Поднимать уровень Luna невыгодно: переход с low на max умножает цену задачи в 15 раз ради 18 баллов, тогда как Terra с low на medium дорожает в 2,4 раза и прибавляет 9 баллов. Режим без рассуждения (none) у Terra на задачах индекса дороже и медленнее, чем low, при почти том же балле.

Разрыв особенно велик в двух подтестах. В Terminal-Bench 4.0 (агентная работа в терминале) Terra на max решает 55,6 % задач, Luna на max — 12,6 %, а Terra даже на low — 15,2 %. В AA-Omniscience v1.1, где неверный ответ штрафуется, у Luna отрицательный балл на всех уровнях (от −8 до −26): она чаще ошибается в фактах, чем отвечает верно. У Terra с рассуждением там от 23 до 30. В FrontierCode 2.0 на max — 42,3 % против 25,2 %.

Часто цитируемая фраза «Terra на 10 пунктов выше Luna» взята из публикации Artificial Analysis в X в день выхода модели и относится к прежней версии индекса v4.3.2. По v5.0 разница на уровне max — 23 балла (51 против 28). В анонсе GPT-6.1 Terra OpenAI сравнивает её с GPT-5.6 Terra, а с Luna не сравнивает вовсе.

Тест 28 октября 2026 года: 12 задач на обеих моделях через один шлюз

На одних и тех же 12 задачах Terra прошла 15 вызовов из 16 на low и 16 из 16 на medium, а Luna — по 12 из 16 на medium, high и xhigh. Повышение уровня Luna удвоило число выходных токенов, но не добавило ни одной пройденной задачи.

Обе модели вызывались 28 октября 2026 года через laozhang.ai — OpenAI-совместимый API-шлюз, где на эту дату доступны и gpt-6.1-terra, и gpt-6-luna. Запросы шли в Chat Completions с потоковой выдачей, одним сообщением пользователя, без системного промпта и инструментов, с max_completion_tokens 32 000. Задачи и правила проверки были написаны заранее: текстовая задача на расчёт, три функции со скрытыми тестами, пересказ статьи на 6 723 слова ровно пятью пунктами до 25 слов, парсер арифметических выражений без eval, парсер строки CSV, подсчёт чисел до миллиона с суммой цифр 27, функция satisfies() для диапазонов версий в стиле npm с 36 скрытыми тестами, длинный документ со вставленными поправками, вопрос о двух несуществующих функциях стандартной библиотеки Python и счёт с графиком на изображениях, которые нужно перенести в JSON. Четыре последние задачи прогонялись дважды, остальные один раз — всего 16 вызовов на конфигурацию. Стоимость посчитана как токены из ответа API × тариф OpenAI Standard, а не по счёту шлюза; весь тест по этим тарифам стоил $0,197.

Примечание: laozhang.ai — наш собственный сервис; его цены — наши тарифы, а не независимое сравнение.

Выборка небольшая: один день, один шлюз, одна-две попытки на задачу, однократные запросы без инструментов. Прямой API OpenAI, прогоны через Responses API, вызов функций и управление компьютером, где OpenAI позиционирует Terra сильнее всего, а также Codex и Batch в тест не входили. Luna на max в таблице нет, потому что Chat Completions этот уровень для неё не принимает (подробнее — в разделе о переходе).

Главное различие видно в последнем столбце. Luna на xhigh выдала 25 833 токена рассуждения на тех же 16 вызовах, на которых Terra на low обошлась 2 310. Поэтому, хотя по замерам Artificial Analysis Luna генерирует текст быстрее (116–124 токена в секунду против 91 у Terra), до первого слова ответа она думает в 1,5–2,8 раза дольше, и весь вызов у неё занимает примерно в 2–3 раза больше времени.

Где ошиблась Luna: буква O в номере счёта, semver и сумма цифр

Четыре провала Luna из каждых 16 почти целиком приходятся на две задачи, и одна из ошибок повторилась во всех попытках без исключения. В задаче со счётом и графиком все 6 ответов Luna правильно перенесли 40 чисел, уложили 12 столбиков графика в допуск ±2 и нашли намеренно неверную сумму строки, но номер счёта INV-2026-10-0O81, где перед 81 стоит буква O, каждый раз записывали как INV-2026-10-0081. Все 4 ответа Terra прочитали номер точно. На этом задании Luna тратила 24–55 секунд и $0,0011–0,0025 на ответ, Terra — 8–17 секунд и $0,0045–0,014. Изображения синтетические, и результат решил один спорный символ, но именно такие символы ломают сверку номеров и артикулов в учётных системах.

Вторая задача — функция satisfies() для диапазонов версий semver по спецификации npm. Luna прошла 2 попытки из 6: в трёх не отвергла как ошибочный диапазон с висящим || в конце (^1.0.0 ||), в одной сломала диапазоны с ^, и 14 из 36 скрытых тестов не прошли. Terra прошла 4 из 4. Попытка Luna длилась 36–70 секунд, попытка Terra — 9–18.

Остальные промахи единичные. Luna на high один раз ответила 67 252 вместо 55 252 в подсчёте чисел с суммой цифр 27, хотя на medium и xhigh ответила верно. В пересказе пятью пунктами Luna на xhigh и Terra на low написали по одному пункту в 26 слов при лимите 25 — это нарушение формата у обеих. Текстовая задача, три функции, оба парсера, расчёт по длинному документу с поправками и вопрос о несуществующих функциях стандартной библиотеки прошли во всех пяти конфигурациях.

Из этого следует практическое различие между ошибками. Случайный промах, как с semver или суммой цифр, лечится повтором, если его ловит автоматическая проверка: попытка Luna на semver стоила $0,0013–0,0032, а попытка Terra — $0,0062–0,0123. Систематическая ошибка, как с буквой O, повторяется на любом уровне рассуждения, и платить за повторы Luna бессмысленно — такую задачу сразу отдавайте Terra.

Почему за задачу Terra дороже не в 10 раз, а в 2,7–6,3

Цена пройденной задачи — это стоимость всех вызовов конфигурации, делённая на число пройденных. В тесте 28 октября 2026 года для Terra medium это $0,0909 / 16 = $0,0057, для Luna medium — $0,0108 / 12 = $0,0009, то есть разница в 6,3 раза. Для Terra low против Luna xhigh — $0,0625 / 15 = $0,0042 против $0,0188 / 12 = $0,0016, разница в 2,7 раза. Остальные пары лежат между этими значениями: Terra low против Luna high — 3,6 раза, Terra medium против Luna xhigh — тоже 3,6. До 10 раз разница не доходит по двум причинам. Во-первых, Luna на тех же задачах генерирует больше токенов — на medium в 1,2 раза больше, чем Terra medium, а на xhigh в 4,4 раза больше, чем Terra low, — поэтому одни и те же 16 вызовов на Terra дороже лишь в 3,3–8,4 раза. Во-вторых, пройденных задач у Luna меньше, и стоимость её вызовов делится на 12, а не на 15–16.

В абсолютных деньгах разница всё равно заметная. Если ваш поток похож на задачи теста, 100 000 пройденных задач в месяц обойдутся примерно в $90 на Luna medium (100 000 × $0,0009) и примерно в $570 на Terra medium (100 000 × $0,0057). Переход окупается, если ошибки Luna, которые проходят мимо вашей проверки, стоят вам больше этих $480 в месяц — или если ответ нужен за 5 секунд, а не за 15. Если же у вас есть автоматическая проверка и повтор, а ошибки Luna случайные, дешевле оставить Luna и повторять.

Как перейти с gpt-6-luna на gpt-6.1-terra и не сломать запросы

Сама замена — одна строка с ID модели, но рядом с ней обычно нужно поменять ещё несколько параметров. Порядок, в котором стоит их пройти:

1. Задайте уровень рассуждения явно. По умолчанию у обеих моделей medium, но эквивалентом Luna high или xhigh по качеству служит Terra low; начните с него и поднимайте до medium, только если ваша проверка этого требует.
2. Уровень max передавайте только через Responses API (reasoning.effort: "max"). 28 октября 2026 года Chat Completions через шлюз отвечал на reasoning_effort: "max" ошибкой HTTP 400 для обеих моделей со списком допустимых значений от none до xhigh; в потоковом режиме Terra такой запрос приняла, но без потока вернула ту же ошибку, так что полагаться на это не стоит. Через Responses API max приняли обе модели. Строки max в таблице Artificial Analysis относятся именно к такому вызову.
3. Если вы вызываете функции, проверьте эндпоинт. У Luna в Chat Completions вызов функций работает только при reasoning_effort: "none", у Terra вызов инструментов требует Responses API без исключений, поэтому код с функциями на Chat Completions после смены модели перестанет работать.
4. Передавайте max_completion_tokens, а не max_tokens: в запросах без потоковой выдачи max_tokens вернул ошибку 400 у обеих моделей с подсказкой заменить параметр.
5. Пересчитайте бюджет для длинных запросов: после порога в 272 000 входных токенов весь запрос тарифицируется по повышенной ставке, и у Terra это заметно дороже в абсолютных деньгах.

Отдельно проверьте регион резидентности данных вашего проекта. По руководству OpenAI о данных и резидентности на 28 октября 2026 года GPT-6.1 Terra поддерживает резидентность данных только в США и ЕС, а GPT-6 Luna доступна в большем числе регионов, поэтому проект с регионом резидентности вне США и ЕС может остаться на Luna, но перейти на Terra не сможет. Учтите, что такие регионы гарантируют хранение данных в регионе, но не их обработку там.

GPT-6.1 Terra и GPT-6 Luna в ChatGPT и Codex: 35–285 сообщений против 350–3 000

В обычном чате ChatGPT Terra нет ни на одном тарифе, а Luna есть: по объявлению OpenAI, с 8 октября 2026 года GPT-6 в чате на Free и Go по мере развёртывания переходит на модель GPT-6 Luna, а на платных тарифах — на GPT-6 Sol. Terra доступна только в ChatGPT Work и Codex на тарифах Plus, Pro, Business, Enterprise и Edu. Как пользоваться Luna бесплатно, разобрано в статье «GPT-6 бесплатно в ChatGPT: на Free работает Luna, Astra — платно».

В Work и Codex модели расходуют общий запас по-разному. По странице цен Codex и ChatGPT Work на 28 октября 2026 года на Plus и стандартном Business за 5 часов можно отправить примерно 350–3 000 локальных сообщений на Luna и 35–285 на Terra; OpenAI подчёркивает, что это оценки, а не фиксированные лимиты, и что они зависят от размера задачи, контекста и уровня рассуждения. На Pro 5-часового лимита нет, но возможны недельные. В кредитах ChatGPT 1 млн токенов ввода, кэшированного ввода и вывода стоит 2,5 / 0,25 / 12,5 на Luna и 25 / 1,25 / 125 на Terra — та же пропорция, что в API. Terra в Codex CLI требует версии 0.159.0 или новее (codex -m gpt-6.1-terra), а в списке моделей Codex на 27 октября 2026 года для неё не указано расширение для IDE, тогда как для Luna оно указано.

Как проверить свои задачи перед переходом на Terra

Возьмите 20–50 реальных запросов из своего потока и для каждого заранее опишите, что считается верным ответом: тесты для кода, JSON-схему и точное совпадение полей для извлечения, лимит длины для пересказов. Прогоните их на Luna на текущем уровне и на Terra low, а если Terra low где-то ошибается — ещё и на Terra medium. Считайте только ответы, завершившиеся с finish_reason: "stop": в тесте 28 октября 12 из первых 48 вызовов Luna через шлюз вернули HTTP 200 без finish_reason и без usage: 11 пришли пустыми, один оборвался посреди ответа, а после одного повтора все завершились нормально, так что оборванный вызов легко принять за ошибку модели.

Цену считайте по полю usage: входные токены × цена ввода плюс completion_tokens × цена вывода — токены рассуждения входят в completion_tokens и оплачиваются как вывод. Сумму по всем вызовам разделите на число пройденных задач. Затем посмотрите не только на долю пройденных, но и на характер ошибок Luna. Если она ошибается в одном и том же месте при каждом прогоне, этот тип задач стоит перевести на Terra; если ошибки разбросаны и ваша проверка их ловит, повтор на Luna почти всегда выйдет дешевле.

Частые вопросы о GPT-6.1 Terra и GPT-6 Luna

GPT-6.1 Terra — это та же модель, что GPT-5.6 Terra? Нет. GPT-6.1 Terra вышла 26 октября 2026 года и стала первой Terra в семействе GPT-6; идентификатора gpt-6-terra нет. GPT-5.6 Terra — модель прошлого поколения, на 27 октября 2026 года она всё ещё указана в ценах OpenAI по $2 за ввод и $12 за вывод, то есть GPT-6.1 Terra вдвое дешевле её на вводе и на 58 % дешевле на выводе. Сравнения «GPT-6 Luna vs GPT-5.6 Terra» относятся к старой модели.

Вышла ли GPT-6.1 Luna? По состоянию на 28 октября 2026 года — нет. В таблице флагманских моделей на странице цен OpenAI указаны GPT-6 Astra, GPT-6.1 Sol, GPT-6.1 Terra и GPT-6 Luna (gpt-6-luna, снимок gpt-6-luna-2026-09-22).

Не взять ли сразу GPT-6.1 Sol вместо Terra? Sol вдвое дороже Terra за токен и нужна в первую очередь для сложного многошагового кода; когда она оправдана, разобрано в материале «GPT-6.1 Terra vs Sol: в чем разница, цена задачи и тест в Codex».

А если сравнивать с Claude? Terra против старшей модели Anthropic — в статье «Claude Opus 5.5 vs GPT-6.1 Terra: сравнение, цена задачи и тест», Luna против средней — в статье «Sonnet 5.5 vs GPT-6 Luna: сравнение — за что платить в 20 раз».