比較
Himi LiProduct Manager at EvoLink16 分
GPT-6.1 TerraとGPT-6.1 Solを比較：どちらを選ぶ？
GPT-6.1 TerraとSolのコーディング、データ分析、推論強度、タスク当たりのコストを比較し、用途に合う設定を選びます。
Himi LiProduct Manager at EvoLink目次
画面操作、提供された資料を使う文章作成、小規模なコード修正など、範囲が明確な作業にはGPT-6.1 Terraを試せます。複雑なコーディングや、依存関係の見落としが大きな手戻りにつながるプロジェクトでは、GPT-6.1 Solを基準にするとよいでしょう。
TerraのStandard APIトークン単価は低めです。一方、求める品質を満たすかは推論設定にも左右されます。推論強度を上げると費用と待ち時間の両方が変わるため、モデルと設定を合わせて選ぶことが大切です。
GPT-6.1 TerraとGPT-6.1 Solの違い
| 比較項目 | GPT-6.1 Terra | GPT-6.1 Sol |
|---|---|---|
| 最初に試したい作業 | 目的が明確な画面操作、資料に基づく文章作成、限定的な修正 | 複雑なコーディングや依存関係の多い専門業務 |
| Standard入力／出力、100万トークンあたり | $1 / $5 | $2 / $10 |
| キャッシュ入力、100万トークンあたり | $0.05 | $0.10 |
| 推論強度 | none、low、medium、high、xhigh、max | low、medium、high、xhigh、max |
| デフォルト | medium | medium |
| ツール呼び出し | Responses APIが必要 | Responses APIが必要 |
両モデルともテキストと画像を入力し、テキストを出力します。コンテキストウィンドウはどちらも1,050,000トークン、最大出力は128,000トークンです。コンテキスト容量に差はありません。Terraのリファレンス、Solのリファレンス。
コーディング、PC操作、データ分析にはどちらが向いている？
コーディング：限定的な修正にはTerra、複数の要素が絡む開発にはSol
再現手順が明確なレイアウト崩れはTerraを試しやすい作業です。一方、認証、課金、共有状態にまたがる機能ではSolを選ぶ理由が強くなります。関係する部分を見落とした手戻りの費用が、トークン単価の差を上回る場合があるからです。この分け方はOpenAIのモデル選択ガイドにも沿っています。
Artificial AnalysisのCoding Agent Index v2.0では、Terraが48点、Solが54点です。指数にはリポジトリの変更、ターミナル作業、リポジトリに関する質問が含まれます。単一のターミナルベンチマークだけでは開発作業全体を表せません。AAの分析、評価方法。
例外もあります。OpenAIは、max設定のTerraがTerminal-Bench-Science 0.1でSolを低コストで上回ったと報告する一方、最も複雑なコーディングにはSolまたはAstraを推奨しています。科学研究のターミナル作業と大規模なアプリ改修では、求められることが異なります。OpenAIの発表。
PC操作と文章作成：まずTerraを試す
請求書を読み、アプリに項目を入力するようなワークフローではTerraを試す価値があります。OpenAIの視覚理解とPC操作の評価は、こうした作業での性能を示しています。OpenAI。
事実と成果物が明確な場合もTerraを検討できます。たとえばリリースノートを顧客向け文書にしたり、対象読者に合わせて提案書を書き直したりする作業です。複雑なプロジェクトで矛盾する情報を突き合わせる場合は、Solを起点にする方が慎重です。モデル選択ガイド。
データ分析：難しい問いにはSolを検討
Plotlyの43問のデータ分析試験では、Terraは40問正解で$1.31、Solは43問すべて正解で$2.61でした。通常の分析20問は両モデルとも全問正解です。隠れたパターンの発見ではTerraが5問中3問、Solが5問すべて正解しました。Plotlyの結果。
通常の分析と隠れたパターンの発見では、適したモデルが変わります。Plotlyの公開結果を基に再作成した図です。
定型的で目的が明確な分析にはTerraが候補になります。問いにまだ表れていないものを見つける必要がある場合はSolを検討できます。試験には非公開の合成風力発電データを使用し、TerraはOpenRouterのデフォルト推論設定で動作し、キャッシュを多く再利用しました。試験条件、ベンチマークの設計。
Terra highとSol medium：推論強度はどう選ぶ？
AAの比較ではTerra highのベンチマーク費用が低く、Sol mediumの総合スコアが高くなっています。
| モデルと推論強度 | AA Intelligence Index | AAのベンチマーク1タスクあたり加重平均費用 |
|---|---|---|
| GPT-6.1 Terra · high | 44 | $0.13 |
| GPT-6.1 Sol · medium | 48 | $0.21 |
| GPT-6.1 Terra · max | 48 | $0.40 |
| GPT-6.1 Sol · max | 52 | $0.72 |
2026年10月27日のデータ：AAプロバイダー一覧、max同士の比較。指数は複数の評価をまとめた点数で、タスクの合格率ではありません。費用はベンチマークタスクの加重平均です。
Terra maxとSol mediumはともに48点ですが、個別の結果は異なります。Terminal-Bench 4.0ではTerra maxが56%、Sol mediumが48%。AutomationBench-AAではSol mediumが63%、Terra maxが60%です。丸められた総合点が同じでも、個々の作業結果は同じとは限りません。Terra maxの結果、Sol mediumの結果。
AAは目的ごとに効率のよい設定も示しています。一般的な知能とコストの効率フロンティアにはTerraのlowとmediumが、コーディングのフロンティアにはlowとxhighが位置します。常にmediumを使う、あるいは高い強度を避けるという一律のルールでは、この違いを捉えられません。AAの分析。
TerraはSolより速く、安い？
出力速度と最初の回答までの待ち時間を分けて測る
Artificial Analysisは、モデルの設定とプロバイダーごとに出力速度と最初のトークンまでの時間を別々に報告しています。数値は変わるため、実際に使用するエンドポイントのデータを確認しましょう。AAプロバイダー一覧。
対話型アシスタントでは回答が始まるまでの時間が大切です。複数のツールを使うエージェントなら、結果が保存または配信されるまでを測ります。AAの性能指標の説明では、これらを区別しています。比較ページには500トークンの応答時間の計算値もありますが、実際のコーディングやPC作業全体の所要時間とは異なります。
Plotlyの43問のDataAnalyticsBenchでは、質問から最終回答までの実時間の中央値は、クエリ実行を含めてTerraが15秒、Solが18秒でした。正答数はそれぞれ40問と43問です。テストには非公開の合成風力発電データを使い、TerraはOpenRouter経由でデフォルトの推論設定で実行されました。Plotlyの結果、Terraのテスト条件。
トークン単価だけでは作業完了までの費用は決まらない
Standardで同じ課金トークン数を使う場合、Terraの入力と出力の料金はSolの半額です。推論強度によってトークン使用量が変わると、費用の比率も変わります。max設定ではAAのベンチマーク1タスクあたり費用はTerraが$0.40、Solが$0.72で、Terraが約44%低くなっています。異なる強度を比較すると、Sol mediumはTerra maxより安価です。公式料金、AA max比較、AA一覧。
AAのタスク費用は、評価の加重平均とトークン料金から計算されます。チームが検収した本番タスクには、別の計算が役立ちます。AAの費用定義：
検収済みタスク1件あたりの費用 = 失敗した試行を含むモデル・ツールの総費用 ÷ 検収済みタスク数
人による確認時間も記録しましょう。安い回答でも何度も修正が必要なら割高になることがあり、範囲を絞った作業をTerraが一度で仕上げれば費用面で有利になることがあります。節約額は、求める結果に到達する頻度によって変わります。
切り替える？ Solを維持する？ 両方使う？
ワークフロー全体を変える前に、まず明確な作業の種類を選びます。
| 作業 | 最初の選択 | 選択を見直す目安 |
|---|---|---|
| 再現可能な局所的コード修正 | Terraを試す | 範囲の取り違えや回帰の見落としが繰り返されるならSolを維持 |
| 未知のファイルにまたがる機能や改修 | Solを基準にする | Terraが依存関係を安定して扱えるなら対象を広げる |
| 画面、フォーム、資料に基づく文章作成 | Terraを試す | 保存内容の誤りや事実の欠落があれば入力を明確化するか、より強いモデルを使う |
| 問いが明確な定期分析 | Terraを試す | 隠れたパターンの発見や難しい分析にはSolを検討 |
| Solですでに安定しているワークフロー | 維持しつつ限定的にTerraを試す | 品質、費用、待ち時間の変化が見合うなら切り替える |
得意な作業をTerraに、難しい作業をSolに任せる併用も可能です。切り替えの判断には、テストの失敗や保存した記録の必須項目不足など、確認できるシグナルを使います。モデルが自信を示すことと結果の検証は別です。
まず両モデルに同じ代表的な入力と検収基準を与えます。モデルと推論強度は別々に変更し、差の原因を確認しましょう。そのうえで品質と応答時間の要件を、許容できる費用で満たす組み合わせを選びます。
接続先も確認する
EvoLinkの統合APIゲートウェイなら、共通の統合からモデルを選べます。GPT-6.1 SolとGPT-6.1 Terraのページで、現在の提供状況と料金を確認できます。本番ワークフローを移す前に、選んだルートが必要なツール操作に対応しているかも確認しましょう。
よくある質問
GPT-6.1 TerraはSolよりコーディングが得意？
AAのコーディング総合スコアはSolの方が高いです。Terraは限定的な修正や特定のターミナル作業の候補で、OpenAIは科学研究向けターミナル評価での優位も報告しています。作業の種類が選択を左右します。AA、OpenAI。
Terra highはSol mediumと同等？
固定の同等関係はありません。AAのデータではTerra highの総合スコアと平均ベンチマーク費用はいずれも低くなっています。Terra maxとSol mediumの総合点が同じでも、個別タスクの結果は異なります。AA一覧、Terra max、Sol medium。
両モデルで同じツール呼び出しAPIを使える？
OpenAIは両モデルのツール呼び出しにResponses APIを案内しています。実際に使うルートやクライアントで、そのツール操作がサポートされるかも確認してください。Terraのリファレンス、Solのリファレンス。
