GPT-6.1 Terra

Artigo original ↗ Discussão no Hacker News ↗

O lançamento da OpenAI do GPT-6.1 Terra, um modelo de linguagem grande de nível intermediário posicionado entre Luna e Sol, está sendo avaliado principalmente em seus trade-offs entre preço e desempenho e em sua adequação a cargas de trabalho do mundo real, como redação técnica, tarefas de dados e uso do computador. Comentadores observam que benchmarks e gráficos de custo por tarefa colocam Terra perto de modelos de fronteira mais caros em algumas áreas, mas mais fraco em testes com foco em programação, o que leva a dúvidas sobre se desenvolvedores ainda deveriam preferir Sol, Astra ou modelos rivais como Opus e DeepSeek da Anthropic. O lançamento também reacende a frustração com a linha de modelos em rápida mudança da OpenAI, o esquema de nomes e as restrições de segurança, que muitos veem como fatores que tornam mais difícil escolher e padronizar de forma confiável um único modelo ao longo do tempo.

Posicionamento geral e desempenho

  • Terra 6.1 é apresentado como um modelo intermediário entre Luna e Sol, tanto em preço quanto em capacidade.
  • Alguns leitores o veem como próximo de Sol/Astra por um custo muito menor; outros apontam para benchmarks (por exemplo, Terminal Bench 4.0, AA Intelligence Index) em que ele fica claramente abaixo de Sol e Opus 5.5.
  • Vários observam que as curvas de benchmark estão saturadas e podem ter sido selecionadas a dedo; a confiança nos benchmarks do fornecedor é baixa.
  • Agregadores externos de avaliação citados no thread frequentemente mostram Sol 6.1 x-high como mais barato e mais inteligente do que Terra max em alguns conjuntos, mas Terra preenche uma lacuna de custo/desempenho em outros.
  • PacBench, Runebench e um benchmark de análise de dados mostram Terra como um modelo “barato” forte e rápido, que fica sobre ou perto da fronteira de Pareto.

Casos de uso e público-alvo

  • Muitos acham que Terra não é voltado para fluxos de trabalho pesados de SWE, e sim para “trabalho no computador”: redação técnica, automação de escritório, tarefas de visão/uso do computador, dashboards e análise de dados.
  • Vários comentaristas dizem que, para programação séria, preferem Sol, Astra, Claude Opus/Fable ou DeepSeek; Terra parece mais atraente para respostas de help desk, question-to-SQL, revisão de PRs e agentes mais baratos.
  • Para alguns harnesses de código, os custos de troca de modelo (cache misses) fazem com que continuar com Sol seja mais econômico, mesmo quando Terra poderia ser “bom o bastante”.

Custo, planos e “custo por tarefa”

  • O preço da API de Terra (metade de Sol, 10× mais barato que Astra) é atraente para agentes em produção, onde o custo marginal importa.
  • Usuários de assinatura estão divididos: quem está em planos de tarifa fixa sente que aumentos de preço + modelos mais baratos reduzem o valor do plano; outros argumentam que o custo por tarefa melhorou de verdade.
  • Há ceticismo em relação à métrica de “custo por tarefa”, vista por alguns como discurso de marketing após cortes nas assinaturas, e também em relação a comparações com a Anthropic, nas quais as suposições sobre uso de tokens fazem diferença.

Nomes, matriz de modelos e confusão

  • Tema recorrente forte: há eixos demais para raciocinar — família de modelos (Luna/Terra/Sol/Astra), versão (5.6/6/6.1), esforço de raciocínio (none–max) e modos “pro/instant”.
  • Lançamentos escalonados (Sol 6.1 antes de Terra 6.1, ainda sem Astra 6.1) tornam confusas as comparações entre gerações (por exemplo, Sol 6.1 vs Astra 6, Terra 6.1 vs Sol 6).
  • Alguns querem nomes de tamanho mais simples (small/medium/large), ou modos de seleção automática (“Auto medium”) que escolham para eles um modelo+esforço pareto-ótimo, ou ainda uma linha estável no estilo LTS.
  • Um funcionário da OpenAI explica a intenção: Luna < Terra < Sol < Astra é principalmente tamanho/preço; os números de versão acompanham a geração; e o esforço é um “thinking budget” separado. Mas eles reconhecem trade-offs multidimensionais e agradecem sugestões de nomes.

Notas comportamentais e limitações

  • Terra é descrito como muito rápido, mas mais prolixo do que Sol em esforços mais altos.
  • Alguns usuários veem modelos (incluindo Terra/Luna) parando cedo apesar dos prompts, e recusando certas tarefas de cibersegurança ou de desbloqueio de GPU, o que reforça a demanda por modelos locais/sem restrições.
  • Sentimento geral: tecnicamente impressionante e potencialmente muito útil para cargas de trabalho de API/empresariais, mas decepcionante para desenvolvedores que esperavam da OpenAI uma resposta ao Opus 5.5 e queixam-se mais da fadiga com modelos/escolhas.