GPT-6.1 Terra: thông số, giá và so sánh với các model khác

Bài viết này được dịch và biên tập từ bài gốc tiếng Anh trên blog của Modelflare.

Hướng dẫn có dẫn nguồn về GPT-6.1 Terra: khả năng suy luận thị giác, computer use (điều khiển máy tính), giới hạn context, cách điều chỉnh mức suy luận, giá, điểm mạnh và các đánh đổi so với Astra, Sol, Luna, Claude Sonnet 5.5 và Gemini 3.8 Flash.

GPT-6.1 Terra là model trong họ GPT-6 nhắm vào "vùng giữa thực dụng": suy luận thị giác nhanh, computer use chính xác và viết rõ ràng, với giá token thấp hơn GPT-6.1 Sol và GPT-6 Astra. Trang model chính thức ghi context window 1.05M token, input tối đa 922K, output tối đa 128K, nhận input là văn bản và hình ảnh, cùng sáu mức suy luận từ none đến max.

Bài viết trả lời những câu hỏi mà developer thường đặt ra đầu tiên: GPT-6.1 Terra làm được gì, tham số nào quan trọng khi chạy production, giá của nó so với các model lân cận ra sao, nó có lợi thế ở đâu và khi nào nên chọn model khác. Thông số và giá dưới đây lấy từ trang model và trang giá chính thức của OpenAI, được kiểm tra vào ngày 27 tháng 10 năm 2026. OpenAI không công bố số lượng tham số của Terra, tổng lượng tính toán dùng để huấn luyện, hay một bảng benchmark trung lập giữa các provider, nên bài viết này cũng không tự bịa ra các con số đó.

Tổng quan nhanh về GPT-6.1 Terra

Sự khác biệt về endpoint rất quan trọng. GPT-6.1 Terra hỗ trợ Chat Completions, nhưng theo OpenAI thì gọi công cụ (tool calling) bắt buộc phải dùng Responses API. Vì vậy, một đợt migration chỉ đổi chuỗi tên model có thể vượt qua smoke test chỉ dùng văn bản, nhưng lại lỗi ngay khi ứng dụng gọi đến một công cụ.

Ý nghĩa của các tham số trong ứng dụng thực tế

Context một triệu token là ngân sách làm việc, không phải lời hứa ghi nhớ hoàn hảo

Context window 1.05M hữu ích cho các tác vụ có nhiều tài liệu nguồn: một catalog sản phẩm, một bộ bản vẽ kỹ thuật dài, một tập ảnh chụp màn hình hay một yêu cầu thay đổi trải trên nhiều file đều có thể nằm gọn trong một request. Mức input tối đa 922K chừa lại chỗ cho phần suy luận và câu trả lời của model. Tuy nhiên, nó không đảm bảo mọi chi tiết đều được chú ý như nhau. Prompt trong production vẫn nên ghi rõ thứ tự ưu tiên của nguồn, giữ nguyên các mã định danh, và yêu cầu model nói rõ mức độ không chắc chắn khi một hình ảnh hay bản scan khó đọc.

Trang giá của OpenAI định nghĩa context ngắn là tối đa 272K token input. Vượt ngưỡng này, giá chuẩn của Terra chuyển thành $2 cho mỗi triệu token input và $7.50 cho mỗi triệu token output, áp dụng cho toàn bộ request. Do đó, một request có 400K input và 20K output sẽ có chi phí token ước tính khoảng $0.95 trước khi tính công cụ: 400K × $2 cộng 20K × $7.50, chia cho một triệu. Ngưỡng này rất dễ bị bỏ sót trong một mô hình chi phí chỉ lưu một mức giá input.

Mức suy luận là núm điều chỉnh độ trễ và chất lượng

Terra khá đặc biệt trong nhóm flagship hiện tại vì ngoài low, medium, high, xhigh và max, nó còn hỗ trợ cả none. Hãy bắt đầu với medium cho việc diễn giải hình ảnh và lập kế hoạch computer use. Dùng low hoặc none cho các tác vụ viết lại có tính tất định, trích xuất và chuyển đổi ngắn, nơi việc suy nghĩ thêm không mang lại cải thiện chất lượng đo được. Chuyển lên high hoặc xhigh khi tác vụ có các ràng buộc mâu thuẫn, trạng thái màn hình mơ hồ hoặc một chuỗi thao tác dài. max dành cho trường hợp độ chính xác đáng giá hơn thời gian và lượng token bỏ ra.

Mức suy luận không phải là điểm benchmark, mà là một tham số điều khiển request. Hãy so sánh các mức trên những tác vụ tiêu biểu, ghi lại tỷ lệ thành công, số lần retry, độ trễ và tổng số token, thay vì mặc định rằng mức cao nhất luôn tốt nhất.

Thị giác kết hợp computer use là điểm khác biệt

OpenAI định vị Terra cho việc khớp ảnh sản phẩm với các mục trong catalog, so sánh bản vẽ kỹ thuật, thao tác trên màn hình ứng dụng, cũng như soạn thảo và chỉnh sửa văn bản. Sự kết hợp này phù hợp với các workflow mà model phải diễn giải một trạng thái thị giác rồi tạo ra một văn bản hoặc thao tác công cụ chính xác. Ví dụ như đối chiếu ảnh chụp dashboard với KPI kỳ vọng, điền form dựa trên tài liệu nguồn, phân loại một bug giao diện, hoặc chuẩn hóa lookbook của nhà cung cấp thành các dòng dữ liệu catalog.

Giới hạn nằm ở khía cạnh vận hành: computer use là một bề mặt hành động thực sự. Hãy thêm bước xác nhận cho các cú click có tính phá hủy, giữ cho phiên trình duyệt hoặc desktop luôn quan sát được, và yêu cầu model nhắc lại bản ghi mục tiêu trước khi ghi dữ liệu. Diễn giải màn hình tốt không có nghĩa là có thể bỏ qua phân quyền ứng dụng và audit log.

So sánh GPT-6.1 Terra với các model lân cận

Phần so sánh này dựa trên thông số đã công bố và mức độ phù hợp với workload, không phải tuyên bố rằng một provider thắng ở mọi benchmark. Trang chính thức của Terra không công bố số lượng tham số hay điểm số so sánh giữa các provider. Một đánh giá công bằng cần dùng cùng hình ảnh, cùng trạng thái màn hình, cùng tiêu chí chấp nhận, cùng mức suy luận và cùng ngân sách công cụ cho mọi ứng viên.

Những điểm GPT-6.1 Terra có lợi thế rõ ràng

Workflow từ thị giác đến hành động. Terra là lựa chọn mặc định tốt khi input là ảnh chụp màn hình, sơ đồ hoặc hình ảnh, còn output là một lời giải thích ngắn gọn hoặc một thao tác máy tính có giới hạn. Nó kết nối việc diễn giải hình ảnh với viết và dùng công cụ mà không phải trả mức giá token chuẩn của Sol hay Astra.

Agent đa phương thức nhạy cảm về chi phí. Với mức $1/$5 cho mỗi triệu token input/output ở context ngắn, Terra có giá bằng một nửa Sol và giá input chỉ bằng một phần mười Astra. Input được cache có giá $0.05 cho mỗi triệu token, còn giá Batch hoặc Flex bằng 50% giá Standard. Những chênh lệch này trở nên đáng kể khi một agent liên tục đọc lại cùng một catalog, chính sách hoặc context giao diện.

Kiểm soát suy luận. Sáu mức suy luận giúp dễ dàng điều phối cả các chỉnh sửa nhanh lẫn kế hoạch thao tác màn hình phức tạp qua cùng một model ID. Đội ngũ có thể bắt đầu với medium, rồi chỉ tăng mức cho những trường hợp không qua được kiểm tra chất lượng.

Kết quả rõ ràng. OpenAI mô tả văn phong của Terra là rõ ràng và tự nhiên. Điều này hữu ích cho đề xuất, ghi chú sự cố, nội dung mô tả sản phẩm và các bài giải thích cần đưa kết luận lên trước mà vẫn giữ phần chi tiết bổ trợ dễ đọc.

Khi nào Terra không phải lựa chọn tốt nhất

Hãy chọn Astra khi tác vụ là nghiên cứu, lập trình hoặc công việc chuyên môn end-to-end đặc biệt khó, và cái giá của một quyết định sai lớn hơn nhiều so với giá token. Chọn Sol khi workload là một agent phức tạp chạy dài và bạn cần một model được định vị gần Astra hơn. Chọn Luna cho trích xuất, phân loại và chuyển đổi có cấu trúc khối lượng lớn, ít cần phán đoán thị giác.

Claude Sonnet 5.5 là một lựa chọn thay thế đáng tin cậy khi stack hiện tại phụ thuộc vào adaptive thinking của Claude hoặc các tích hợp riêng của provider. Gemini 3.8 Flash có thể hấp dẫn cho các workload phần mềm và agent dài hạn trong thời gian giá ưu đãi còn hiệu lực, nhưng output tối đa được công bố của nó là 64K, so với 128K của Terra. Hãy kiểm tra ngày hết hạn trước khi đưa mức giá ưu đãi vào ngân sách dài hạn.

Đừng chọn Terra chỉ vì nó có context một triệu token. Nếu workflow cần output âm thanh, một công cụ đặc thù của provider, cam kết lưu trữ dữ liệu theo khu vực hoặc một tích hợp framework đã được kiểm chứng, thì chính các ràng buộc đó nên quyết định danh sách ứng viên trước.

Quy trình đánh giá thực tế

1. Xây dựng bộ 30–50 tác vụ từ ảnh chụp màn hình, tài liệu và workflow màn hình thực tế. Che dữ liệu riêng tư và giữ nguyên thứ tự tác vụ giữa các model.
2. Thử none, medium và high trên Terra. Ghi lại tỷ lệ hoàn thành tác vụ, số lần phải sửa, độ trễ, token input, token output và số lần gọi công cụ.
3. So sánh Terra với các phương án thay thế dự kiến bằng cùng tiêu chí chấp nhận. Không so sánh một tác vụ ảnh chụp màn hình của Terra với một tác vụ chỉ có văn bản của model khác.
4. Lập bảng chi phí có ngưỡng context dài 272K, đọc cache, ghi cache, chiết khấu Batch/Flex và phí gọi công cụ.
5. Rollout với quyền hạn có giới hạn. Bắt buộc xác nhận trước các thao tác máy tính không thể hoàn tác và luôn có model fallback để khôi phục khi gặp lỗi.

FAQ: GPT-6.1 Terra

GPT-6.1 Terra có phải là model suy luận không?

Có. Nó hỗ trợ sáu giá trị reasoning.effort: none, low, medium, high, xhigh và max. Theo tài liệu, giá trị mặc định là medium.

Context window của GPT-6.1 Terra lớn đến mức nào?

Context window được công bố là 1,050,000 token. Input tối đa là 922,000 token và output tối đa là 128,000 token.

Giá API của GPT-6.1 Terra là bao nhiêu?

Giá chuẩn cho context ngắn là $1 cho mỗi triệu token input và $5 cho mỗi triệu token output. Input được cache có giá $0.05 cho mỗi triệu token. Khi input vượt quá 272K token, giá context dài được công bố là $2 cho input và $7.50 cho output trên mỗi triệu token.

GPT-6.1 Terra có hỗ trợ Function Calling không?

Có. Trang model liệt kê Function Calling và Structured Outputs. OpenAI cho biết gọi công cụ bắt buộc phải dùng Responses API.

GPT-6.1 Terra có bao nhiêu tham số?

Trên trang model được xem xét cho bài viết này, OpenAI chưa công bố số lượng tham số đã được xác minh. Hãy coi các ước tính của bên thứ ba chỉ là ước tính, không phải thông số kỹ thuật của model.

GPT-6.1 Terra có tốt hơn GPT-6.1 Sol không?

Không model nào tốt hơn trong mọi trường hợp. Terra rẻ hơn và được tinh chỉnh cho suy luận thị giác nhanh, computer use và viết rõ ràng. Sol là lựa chọn giá cao hơn cho công việc phức tạp, lặp lại, được định vị gần Astra hơn. Hãy thử nghiệm đúng workflow của bạn trước khi chuyển đổi.

Nguồn tham khảo và chính sách cập nhật

• Trang model OpenAI GPT-6.1 Terra
• Hướng dẫn OpenAI GPT-6
• Bảng giá OpenAI API
• Hướng dẫn chọn model của OpenAI
• Trang model Claude Sonnet 5.5
• Bảng giá Gemini 3.8 Flash

Giá, tình trạng cung cấp, giới hạn và snapshot của model có thể thay đổi. Hãy kiểm tra lại trang của các provider và bảng giá hiện hành của Modelflare trước khi đưa ra quyết định về routing hoặc ngân sách cho production.

Tác giả là đội ngũ phát triển Modelflare, một AI API gateway; nếu bạn muốn dùng nhiều provider qua một API tương thích OpenAI, có thể tham khảo thêm tại https://modelflare.dev.