Нейросети среднего уровня: сравниваем GPT-6.1 Terra, Haiku 5.5, DeepSeek и Kimi

За октябрь между флагманскими и компактными моделями появился отдельный класс. Здесь собраны GPT-6.1 Terra, Kimi K3.1 Pro, Haiku 5.5 и DeepSeek V4.1 Flash: они различаются ценой, скоростью и результатами в тестах. Текст поможет понять, сколько обойдутся типовые задачи и для какой работы подходит каждая модель.

Я сопоставил официальные тарифы и опубликованные тесты этих четырёх моделей, затем оценил стоимость пяти распространённых сценариев. Качество я сам не замерял: результаты тестов заявили производители, данные о скорости взяты у Artificial Analysis. Расход токенов для задач рассчитан мной, при этом токенизаторы у моделей разные, поэтому для русского текста реальная сумма может отличаться на 10–30 %. На общий порядок расчётов это не влияет.

Основные цифры по четырём моделям

• GPT-6.1 Terra. Миллион входных токенов стоит $1, выходных, $5. У предыдущей Terra тарифы составляли $2 и $12. По оценкам OpenAI её уровень сопоставим с GPT-6 Astra, цена которой выше в десять раз.
• Kimi K3.1 Pro. Тарифы равны $2 и $10. Среди четырёх моделей она самая дорогая и медленная, но лучше остальных справляется с кодом. Moonshot обещает открыть веса до 4 ноября.
• Claude Haiku 5.5. Вход стоит $0,10, выход, $0,50. Это наиболее быстрая модель в сравнении, однако при максимальном рассуждении она генерирует особенно много текста.
• DeepSeek V4.1 Flash. По ночам и в выходные цены составляют $0,15 и $0,60, а в пиковые часы они вдвое выше. Кэш почти ничего не стоит, а веса доступны по лицензии MIT.

Terra стала дешевле и лучше справляется с офисными агентами

Предыдущая Terra стала последней моделью OpenAI поколения 5.6. У новой версии вход подешевел с $2 до $1 за миллион токенов, выход, с $12 до $5. Миллион токенов повторяющейся части запроса из кэша обходится в $0,05.

Пакетный режим сохраняет скидку в два раза. В нём ответ не приходит сразу, сервис может вернуть его в течение суток.

В задачах программирования Terra не занимает первое место. На Terminal-Bench 4.0, где проверяют работу в командной строке, модель с максимальным рассуждением решает 50,3 % заданий, тогда как прошлая Terra набирала 21,5 %. Для трудного кода сама OpenAI рекомендует GPT-6.1 Sol либо GPT-6 Astra.

Зато в управлении компьютером, работе с окнами, формами и таблицами, Terra показывает 74,2 % на OSWorld 2.1. Именно для подобных сценариев её и позиционируют. На сложных вопросах при максимальном рассуждении она допускает ошибки в фактах в 4,3 % ответов, на среднем уровне этот показатель равен 10,1 %. Поэтому настройка рассуждения для Terra заметно влияет на результат.

У модели есть два ограничения. В обычном ChatGPT её нет: доступ предусмотрен через API, ChatGPT Work и Codex. Когда вход превышает 272 тысяч токенов, весь запрос считают по удвоенной входной цене и с коэффициентом в полтора раза для выхода.

Тест Terminal-Bench и скорость ответа показывают разную картину

Единого бенчмарка со всеми четырьмя моделями мне найти не удалось. Самый близкий вариант, Terminal-Bench 4.0, публикуют все производители.

На Terminal-Bench 4.0 Kimi K3.1 Pro решает 65,7 % заданий. Это близко к результату Opus 5.5, у которой 66,4 %, при цене вдвое ниже. У Terra показатель равен 50,3 %, у DeepSeek, 42,3 %, у Haiku, 39,2 %.

Для DeepSeek есть важная оговорка. Компания проводила измерение через оболочку Claude Code, а итоги агентных бенчмарков ощутимо зависят от выбранной оболочки.

По скорости порядок обратный. Согласно измерениям Artificial Analysis, Haiku 5.5 генерирует примерно 235 токенов за секунду, DeepSeek, около 180, Terra, примерно 95, Kimi, лишь 31. Haiku подготовит ответ объёмом 2 000 токенов приблизительно за девять секунд, Kimi потребуется больше минуты.

Для Kimi доступна ускоренная модификация Highspeed. Она работает в 2–3 раза быстрее, но стоит вдвое больше: $4 за вход и $20 за выход.

Moonshot также отдельно оценивает склонность моделей выдумывать факты. В собственном тесте с поиском K3.1 Pro допускает ошибку в 8,3 % утверждений, DeepSeek V4.1 Flash, в 23,3 %. Это не независимая проверка, но разрыв между результатами большой.

Пять рабочих сценариев дают разную стоимость

Для расчёта я беру тысячу одинаковых запросов, а для двух ресурсоёмких сценариев, сотню. Токены рассуждений здесь не учтены, они разобраны в следующем разделе. Для DeepSeek используется ночной тариф, в пиковое время его значения нужно умножать на два.

1. Распределение писем по категориям. Одно письмо с инструкцией занимает примерно 800 токенов, ответ, около 30. Тысяча писем обойдётся в $0,10 на Haiku, $0,14 на DeepSeek, $0,95 на Terra и $1,90 на Kimi. Для такой работы возможности старших моделей не нужны.

2. Рерайт статьи объёмом 7 тысяч знаков. На вход требуется 3 000 токенов вместе с инструкцией, на выход, 2 500. Тысяча статей стоит $1,55 у Haiku, $1,95 у DeepSeek, $15,50 у Terra и $31 у Kimi. В этом случае модели различаются уже качеством текста, поэтому перед экономией стоит проверить их на собственных материалах.

3. Ответы поддержки по базе знаний. В кэше находится база объёмом 20 000 токенов, вопрос занимает 300 токенов, ответ, 250. Самый дешёвый результат у DeepSeek: $0,26 за тысячу ответов, поскольку миллион токенов кэша стоит $0,003. У Haiku сумма равна $0,36, у Terra, $2,55, у Kimi, $7,10. Кэш Kimi в 67 раз дороже, чем у DeepSeek, и в таком сценарии это существенно.

4. Агент исправляет ошибку в коде. На одну задачу приходится около 30 обращений к модели: всего 1,5 млн входных токенов, из которых 90 % берутся из кэша, и 40 тысяч выходных. Сотня задач стоит $4,85 на Haiku, $5,06 на DeepSeek, $41,75 на Terra и $97 на Kimi. Однако недорогая модель чаще не доводит задачу до результата, а новая попытка требует времени человека и повторного запуска. В Terminal-Bench Kimi решает в 1,7 раза больше задач, чем Haiku.

5. Анализ документа на 300 тысяч токенов. При выводе на 3 000 токенов и сотне документов расходы будут такими: DeepSeek, $4,68, Haiku, $15,75, Terra, $62,25, Kimi, $63. После 100 тысяч токенов цена Haiku возрастает в пять раз, у Terra тариф удваивается после 272 тысяч. У DeepSeek и Kimi такого порога нет.

Стоимость задачи зависит не только от тарифа за токены

Цена за миллион токенов не показывает, сколько текста модель израсходует при ответе. Artificial Analysis запускает модели на одинаковом наборе заданий и подсчитывает использованные токены. При максимальном рассуждении Haiku 5.5 сгенерировала 300 млн токенов, Kimi, 110 млн, Terra, 99 млн.

Haiku стоит в десять раз дешевле Terra за токен, но на сложных заданиях пишет втрое больше. Средняя задача в этом наборе обходилась в $0,41 у Haiku, в $0,96 у Terra и в $3,68 у Kimi. Поэтому десятикратный разрыв по прайсу превращается примерно в двукратный по фактической цене задачи.

В простых сценариях, например при сортировке писем, рассуждения не требуются, и преимущество Haiku сохраняется полностью. На сложной работе его почти съедает избыточная генерация. Для массовых простых задач стоит снизить уровень рассуждения либо отключить его. У Haiku 5.5 и DeepSeek рассуждение включается по умолчанию.

Модели подходят для разных типов работы

• Массовые простые операции: Haiku 5.5. Она подходит для сортировки, извлечения данных и коротких ответов. Это самая быстрая модель из сравнения, поэтому её удобно использовать в чатах, где пользователь ждёт ответа сразу.
• Большие документы и база в кэше: DeepSeek V4.1 Flash. На длинном входе и повторяющихся запросах она обходится дешевле остальных. Ресурсоёмкие запуски лучше переносить на ночное время и выходные: в Москве пики по будням идут с 4 до 7 и с 9 до 13. Открытые веса позволяют развернуть модель на собственном сервере.
• Офисные и браузерные агенты: GPT-6.1 Terra. Модель рассчитана на формы, таблицы и повторяющиеся действия в интерфейсах, а на максимальном рассуждении реже ошибается в фактах. Она удобна для тех, кто уже использует OpenAI.
• Программирование и длительные агентные задачи: Kimi K3.1 Pro. По коду она ближе остальных к Opus 5.5 и стоит заметно меньше. При этом её скорость невысока, поэтому она лучше подходит для фоновых процессов, а не для диалога в реальном времени.

Выбор стоит проверять на своих задачах

Средний сегмент моделей разделился на две группы. Terra и Kimi стоят доллар-два за миллион токенов и берут на себя задачи, которые полгода назад были доступны только флагманам. Haiku и DeepSeek обходятся на порядок дешевле и подходят для всей черновой работы.

Разница между тарифами дешёвых и средних моделей достигает десяти раз. Но в сложных сценариях её заметно сокращают многословные ответы недорогих моделей и повторные попытки после неудач.

Практическая схема такая: недорогая модель сортирует, извлекает данные и готовит материалы, а средняя решает задачи с высокой ценой ошибки. Перед переносом серьёзного процесса на новую модель прогоните на ней двадцать реальных задач и посчитайте итоговый счёт, а не только тариф.

Текст подготовлен с использованием искусственного интеллекта.