GPT-6.1 Terra vs. GPT-6.1 Sol como Runtime Padrão para Seus Agentes

A escolha entre o GPT-6.1 Terra e o GPT-6.1 Sol se resume a uma compensação direta: o Terra custa exatamente a metade do Sol por token e, segundo a OpenAI, é mais de três vezes mais rápido, enquanto o Sol atinge 54 pontos contra 48 do Terra em um benchmark independente para agentes de programação. A OpenAI lançou o Terra em 26 de outubro como gpt-6.1-terra, o novo nível intermediário entre o Sol e o GPT-6 Luna.

Se você opera apenas um agente de programação, escolha o modelo da sua preferência e siga em frente. Se gerencia uma dúzia, o padrão importa muito mais do que a exceção, pois a maior parte das etapas do seu agente é faturada com base nele. Este artigo apresenta uma regra de roteamento para uma Crew no Sharkly: Terra como padrão para os membros, Sol para o líder e para as tarefas mais complexas da cauda longa, além do custo por 1.000 etapas de agente para cada composição.

TL;DR

Defina o GPT-6.1 Terra como o modelo de runtime padrão para membros da Crew em tarefas rotineiras de programação, escrita e computer use. Mantenha o GPT-6.1 Sol no líder da Crew e em Tasks que falharem duas vezes no Terra. Em nosso perfil ilustrativo de etapas, uma composição 100% Sol custa $26.55 por 1.000 etapas de agente; 100% Terra custa $13.28; e membros no Terra com um líder no Sol custam $14.60. Uma política que prioriza o Terra com escalonamento para o Sol continua sendo mais econômica que o uso exclusivo do Sol até que metade das suas Tasks precise ser escalonada.

GPT-6.1 Terra vs. GPT-6.1 Sol em resumo

Cada linha de preço é reduzida exatamente pela metade. Isso torna a decisão financeira direta e transfere a dúvida real para a qualidade: com que frequência o score inferior do Terra em programação se transforma em retrabalho?

Alguns detalhes de precificação do Terra fazem diferença em loops longos de agente. As modalidades Batch e Flex custam metade da tarifa de tabela, enquanto o modo Fast custa o dobro. Uma requisição com mais de 272 mil tokens de entrada tem tarifas duplicadas para entrada e cache, além de 1,5x na saída para a requisição inteira. A tabela completa de preços está disponível na página de preços da OpenAI.

O que a escolha do runtime padrão define

O modelo de runtime padrão é aquele que um Agent utiliza quando ninguém especifica um modelo para determinada execução. Em uma Crew, ele define o custo da maior parte das suas etapas, quanto tempo as Tasks na fila precisam esperar e quantos resultados chegam para revisão diariamente.

Aqui, uma etapa de agente representa uma chamada ao modelo dentro de um loop de agente: ler contexto, raciocinar e emitir uma chamada de ferramenta ou edição de código. Uma única Task pode demandar dezenas de etapas. É por isso que calcular os custos por etapa é muito mais útil do que por Task ao comparar runtimes: a extensão de uma Task varia amplamente, mas a estrutura das etapas não.

Custo por 1.000 etapas de agente

Para comparar diferentes composições, definimos uma etapa ilustrativa: 30 mil tokens de entrada (sendo 85% atendidos pelo cache de prompt) e 1.500 tokens de saída, incluindo o raciocínio. Loops longos de agente reenviam o mesmo contexto do repositório a cada etapa, tornando taxas elevadas de cache bastante comuns após o aquecimento da sessão.

Nos preços de tabela com faturamento via chave de API, uma etapa nesse perfil custa $0.0133 no Terra e $0.0266 no Sol. Projetando para 1.000 etapas:

Dois pontos se destacam. Primeiro, migrar o líder para o Sol custa cerca de $1.30 a mais por 1.000 etapas em relação à opção 100% Terra, pois o líder atua no planejamento e delegação, absorvendo uma fração reduzida das etapas. Segundo, o Terra em um nível de esforço mais alto ainda sai mais em conta do que o Sol em sua configuração padrão: dobrar os tokens de saída no Terra custa menos do que trocar de modelo.

Esses cálculos não incluem cobranças de gravação em cache. Se os seus Computers realizam login por meio de um plano do ChatGPT em vez de uma chave de API, a economia se converte em mais execuções antes de atingir os limites da conta, em vez de redução direta na fatura. A OpenAI destaca que o Terra está “disponível para todos os usuários Plus, Pro, Enterprise e Edu no ChatGPT Work e no Codex”; os planos Free e Go não oferecem acesso.

A regra de roteamento para uma Crew no Sharkly

Uma Crew no Sharkly é um grupo reutilizável de People e Agents coordenados por um Agent líder. A execução é centralizada na liderança: o líder avalia a Task e as instruções da Crew para então assumir a execução ou delegar partes específicas para os Agents membros. Essa estrutura se mapeia com precisão em dois runtimes:

1. Líder no GPT-6.1 Sol. O líder interpreta objetivos ambíguos e decide os próximos passos. Um planejamento equivocado leva toda a equipe na direção errada; por isso, essa função deve receber o modelo mais capaz. Nosso guia para líderes de Crew explica detalhadamente por que o upgrade do líder tem um impacto de custo mínimo.
2. Membros no GPT-6.1 Terra em medium. Tarefas rotineiras de programação, refatoração, testes, documentação, descrições de PR e computer use começam aqui.
3. Escalonamento na segunda falha. Se um membro com Terra falhar duas vezes em uma Task, um usuário humano deve reatribuí-la à variante com Sol. Evite permitir que os Agents façam esse escalonamento sozinhos por mera intuição; a decisão precisa ficar registrada de forma transparente na Task.
4. Monitoramento de escalonamentos por tipo de Task. Caso uma categoria específica de Task (como migrações entre serviços) exija escalonamento sistemático, direcione-a diretamente ao Sol desde o primeiro momento.
5. Triagem delegada ao Luna. A categorização e a primeira triagem podem ser direcionadas para um modelo mais leve; o guia do GPT-6 Luna aborda esse fluxo.

Esta é uma diretriz inicial, não um resultado fixo de benchmark. Aplique-a ao longo de uma Sprint e utilize a sua taxa de escalonamento real para calibrar onde traçar essa linha.

Quando priorizar o Terra deixa de compensar

Escalonar tem um custo direto: uma tentativa mal-sucedida no Terra representa recursos consumidos antes de a execução no Sol começar. Avalie o pior cenário, em que a tentativa no Terra consuma tantas etapas quanto uma execução integral no Sol. Se uma execução no Sol custa S, a tentativa no Terra custa 0,5S. Caso uma proporção f de Tasks seja escalonada, o custo médio estimado por Task passa a ser 0,5S + f vezes S.

Esse total iguala o custo de rodar tudo no Sol quando f alcança 0,5. Dessa forma, priorizar o Terra continua sendo a alternativa mais econômica até que metade das suas Tasks seja escalonada. A mesma conta se aplica a fluxos mais extensos: o Terra se mantém mais vantajoso por Task até que passe a exigir o dobro de etapas do Sol para concluir o objetivo.

Como o ponto de equilíbrio financeiro fica distante, o limite decisivo quase sempre é o tempo humano. Cada tentativa com erro demanda abrir um diff, conferir logs e fazer a reatribuição manual. Se a sua taxa de escalonamento ultrapassar 20% em um tipo de Task, migre essa categoria para o Sol, mesmo que o cálculo estrito de tokens ainda aponte vantagem para o Terra.

A velocidade também altera esse balanço. Um modelo que finaliza tarefas mais de três vezes mais rápido libera o Computer com antecedência, permitindo que Tasks pendentes iniciem mais cedo e que mais execuções sejam concluídas antes do limite de tempo estabelecido.

Como configurar a regra no Sharkly

O Sharkly não comercializa tokens. As execuções são faturadas diretamente no plano Codex ou na chave de API vinculada ao Runtime em cada Computer. Por isso, confirme primeiro se o Terra está operacional no ambiente: use o Codex CLI 0.159.0 ou posterior e rode codex -m gpt-6.1-terra no terminal.

No Sharkly, a documentação de Agents estabelece que um Agent “segue o modelo do Runtime por padrão”, e o campo Model permite selecionar outro modelo do catálogo reportado pelo Runtime. Você também pode configurar o modelo via Custom arguments no próprio Agent ou no Runtime.

Recomendamos montar essa estrutura criando variantes em vez de editar configurações existentes. Veja o esquema das três definições:

Agent "Codex, routine"   Custom arguments: --model gpt-6.1-terra   effort: medium
Agent "Codex, hard tail" Custom arguments: --model gpt-6.1-sol     effort: medium
Crew leader              Custom arguments: --model gpt-6.1-sol

A documentação indica a necessidade de “usar um modelo padrão diferente” como motivo ideal para criar uma variante de Agent: ela herda todas as instruções e repositórios originais, alterando apenas o modelo. Manter duas variantes deixa o painel visualmente limpo, pois cada Task identifica claramente qual configuração a executou. Para testes pontuais, a seleção por execução no menu de Assignee sobrepõe o padrão do Agent apenas naquela rodada específica.

O Sharkly preserva contexto, andamento, impedimentos, entregas e revisões humanas vinculados diretamente à Task, independentemente do modelo utilizado — o que permite auditar e calcular a taxa de escalonamento com precisão.

O que um padrão mais barato não resolve

O Terra reduz o custo de produzir alterações de código, mas não barateia o custo de validá-las e aprová-las. Execuções pela metade do valor e com o triplo da velocidade podem significar uma pilha maior de diffs aguardando análise humana até o final da semana. Revise a capacidade da sua fila de revisão antes de adicionar novos membros; o artigo sobre como a revisão humana é o gargalo analisa esse ponto a fundo.

Além disso, o Terra não substitui o trabalho de maior complexidade. A própria OpenAI recomenda o Sol ou o GPT-6 Astra para cenários avançados de programação, alinhando-se aos seis pontos de vantagem observados no Coding Agent Index. A regra descrita acima mantém essas demandas no Sol intencionalmente.

Conclusão

Adote o Terra como o padrão e o Sol como exceção. Em nosso perfil de etapas, isso corta os custos praticamente pela metade em comparação com um setup exclusivo em Sol, mantendo a liderança e as tarefas mais desafiadoras no modelo superior. Acompanhe a taxa de escalonamento — e não apenas o custo dos tokens — para definir o momento ideal de migrar uma categoria de Task.

Próximo passo: configure uma variante com Terra para um Codex Agent, insira-a em uma Crew com liderança no Sol e rode uma Sprint de validação. O Sharkly é gratuito para times de até 5 pessoas, conforme indicado na página de preços.

Perguntas frequentes

O GPT-6.1 Terra é melhor que o GPT-6.1 Sol para programação?

Não. O Sol alcança 54 pontos no Coding Agent Index da Artificial Analysis, contra 48 do Terra. O Terra se sobressai em custo e velocidade, sendo mais indicado para rotinas padrão de código do que para as Tasks mais difíceis.

Quanto o GPT-6.1 Terra é mais barato em relação ao GPT-6.1 Sol?

Exatamente a metade em todas as linhas: $1 contra $2 para entrada, $0.05 contra $0.10 para cache e $5 contra $10 para saída por milhão de tokens.

O líder da Crew deve operar com o Terra?

Inicie com o Sol. O líder participa de uma fatia pequena das etapas totais, gerando baixo impacto no custo final, enquanto um plano inadequado desorienta a execução de todos os membros.

Posso usar o esforço none no Sol?

Não. O GPT-6.1 Sol descontinuou o nível none, tendo o low como patamar mínimo. O Terra restabeleceu o suporte ao none.

O GPT-6.1 Terra é gratuito?

Não. Não existe plano de API gratuito, e as modalidades Free e Go do ChatGPT não o contemplam. Nosso artigo sobre como executar o GPT-6.1 Sol sem chave de API detalha as diferenças entre uso via assinatura e cobrança por token.

Como alternar uma Task específica para o Sol sem modificar o Agent?

Utilize a seleção de modelo individual disponível no menu de Assignee. Ela sobrepõe o modelo padrão do Agent exclusivamente para aquela execução.