Perbandingan Performa GPT-6.1 Terra dengan Model Flagship: Setara Astra di Sepuluh Persen Harga, tapi Kalah dari Gemini 4 Argon di Uji Akuntansi

OpenAI merilis GPT-6.1 Terra pada 26 Oktober sebagai model murah untuk pekerjaan komputer dan tugas harian — dan sejak hari pertama, pertanyaan terbesarnya bukan "seberapa pintar", melainkan "seberapa jauh ia bisa menggantikan model flagship". Riset terhadap benchmark resmi OpenAI, indeks independen Artificial Analysis, dan uji akuntansi DualEntry memberi gambaran yang cukup telak: Terra menyamai GPT-6 Astra di sepuluh persen harganya, tapi kalah telak dari Gemini 4 Argon pada pekerjaan akuntansi yang rumit.

Sepuluh Persen Harga Astra, Tiga Kali Lebih Cepat

Klaim utama OpenAI berani: Terra "berperforma setara GPT-6 Astra dengan hanya sepersepuluh harga per token". Dengan tarif 1 dolar per juta token input dan 5 dolar per juta token output — turun 50 persen dari GPT-5.6 Terra sekaligus GPT-6.1 Sol — Terra memang menggeser kalkulasi biaya. Pada evaluasi internal Agents' Last Exam, Terra mencetak skor 15 poin lebih tinggi dari GPT-5.6 Terra sambil memakan biaya sepertiganya.

Kecepatan menjadi senjata lainnya. OpenAI menyatakan Terra menyelesaikan tugas computer-use tiga kali lebih cepat daripada GPT-6 Astra maupun GPT-6.1 Sol. Laju error juga turun tajam: dari 53,6 persen di GPT-5.6 Terra menjadi 16,7 persen pada usaha penalaran rendah, dan 4,3 persen di pengaturan maksimum — nyaris menyamai Astra dan Sol. Di Terminal-Bench 4.0, skor coding Terra 50,3 persen, lebih dari dua kali lipat pendahulunya (21,5 persen).

Tapi OpenAI tetap jujur soal batasnya: untuk coding paling kompleks, perusahaan tetap merekomendasikan GPT-6.1 Sol atau GPT-6 Astra.

Data Independen: Empat Poin dari Sol, Bukan Jurang

Di luar klaim vendor, indeks gabungan Artificial Analysis menempatkan Terra di skor Intelligence Index 48 (peringkat 25 dari 221 model) versus Sol di 52 (peringkat 13). Empat poin — bukan jurang besar — dengan harga separuhnya. Biaya per tugas selesai Terra 0,40 dolar versus Sol 0,72 dolar, hemat 44 persen.

Analisis OrcaRouter mengingatkan satu jebakan penting: level reasoning effort lebih menentukan daripada pilihan model. Terra di pengaturan xhigh bisa justru lebih mahal daripada Sol di pengaturan low karena membakar token berpikir lebih banyak. Konteks keduanya identik 1,05 juta token, dan Terra bahkan punya data pelatihan yang lebih segar (Juni 2026 versus April 2026) — nilai tambah nyata untuk pekerjaan yang bergantung pada API dan dokumentasi terbaru.

Sementara itu keunggulan kecepatan Sol tidak sepenuhnya real: di pengaturan maksimum, Artificial Analysis mencatat Sol butuh 325 detik sebelum token pertama keluar — absurd untuk interaksi real-time. Terra belum punya pengukuran throughput independen, tapi klaim "jauh lebih cepat" menempatkannya unggul untuk chat dan loop agen interaktif.

Uji Lapangan Akuntansi: Kalah dari Gemini 4 Argon

Benchmark akuntansi DualEntry memberi koreksi penting terhadap narasi "murah tapi setara". Dari 22 model unggulan yang diuji lewat 101 kasus akuntansi nyata, Terra hanya mencetak 78,2 persen — peringkat 18 bersama. Gemini 4 Argon memimpin dengan 91,1 persen, diikuti GLM-5.3 Flash dan Grok 4.7 (88,1 persen), serta GPT-6.1 Sol sendiri di 81,2 persen.

Terra bersinar di klasifikasi transaksi (100 persen, sempurna) dan entry jurnal (92,3 persen), tapi rubuh di accounts payable: 53,8 persen versus 84,6 persen milik Argon. Konsistensinya juga terendah kedua (65,3 persen). Satu-satunya dimensi yang ia menang mutlak adalah kecepatan — 16,1 detik per tugas, model OpenAI tercepat dan tercepat ketiga keseluruhan — dengan biaya 0,042 dolar per tugas, sepuluh persen biaya GPT-6 Astra.

"Terra adalah salah satu model tercepat yang kami uji, dan untuk pekerjaan volume tinggi seperti klasifikasi transaksi kecepatan itu berguna," kata Benedict Dohmen, co-founder DualEntry. "Tapi ia melewatkan lebih banyak tugas akuntansi sederhana daripada hampir semua model lain — tim keuangan harus menguji AI pada pekerjaan aktual mereka, bukan pada kecepatan atau skor benchmark umum."

Untuk Siapa Terra Tepat, dan Untuk Siapa Bukan

Sintesiskanya: Terra adalah pilihan rasional untuk volume tinggi yang terdefinisi baik — isian formulir, ekstraksi data, otomasi browser, draf rutin — di mana kekurangan empat poin kualitas tak terlihat dan hemat biayanya terasa. Untuk coding berat, pekerjaan agen jangka panjang, dokumen profesional padat, dan pekerjaan akuntansi kritis, GPT-6.1 Sol, GPT-6 Astra, atau Gemini 4 Argon tetap layak dengan harga premiumnya.

Pola yang menarik dari generasi ini: perebutan tak lagi soal satu model terbaik, melainkan soal mencocokkan model dan pengaturan effort ke tiap jenis pekerjaan — dan mengukurnya pada biaya yang sama, bukan pada pengaturan yang sama. Selama itu belum jadi praktik umum, skor benchmark apa pun — termasuk milik Terra — perlu dibaca dengan hati-hati.