Нейросети среднего сегмента: GPT-6.1 Terra, Haiku 5.5, DeepSeek и Kimi за разную цену

Между флагманскими и компактными моделями появился отдельный класс. Здесь OpenAI предлагает GPT-6.1 Terra для офисных агентов и повторяющихся задач, а Moonshot продвигает Kimi K3.1 Pro для программирования. С более дешёвой стороны к ним приближаются Haiku 5.5 и DeepSeek V4.1 Flash.

Я сопоставил официальные цены и результаты тестов этих четырёх моделей, затем оценил цену пяти типовых сценариев. Собственных проверок качества в материале нет: результаты приводят производители, а данные о скорости взяты у Artificial Analysis. Расход токенов для задач я оценивал сам, при этом токенизаторы различаются, поэтому для русскоязычных текстов итоговый счёт способен отличаться на 10–30 %. Общая картина от этого не меняется.

Главное в сравнении

• GPT-6.1 Terra. За миллион входных токенов берут $1, за миллион выходных, $5. Предыдущая Terra стоила $2 и $12. По данным OpenAI, модель близка к GPT-6 Astra, хотя та обходится в десять раз дороже.
• Kimi K3.1 Pro. Тариф составляет $2 на входе и $10 на выходе. Это наиболее дорогая и медленная модель из четырёх, но она лидирует в задачах с кодом. Moonshot планирует открыть веса до 4 ноября.
• Claude Haiku 5.5. Цена, $0,10 за вход и $0,50 за выход. Модель отвечает быстрее остальных, однако при максимальном рассуждении генерирует особенно много текста.
• DeepSeek V4.1 Flash. Ночью и по выходным стоимость равна $0,15 и $0,60, а в пиковое время она увеличивается вдвое. Кэш обходится почти бесплатно, а веса доступны по лицензии MIT.

GPT-6.1 Terra стала заметно дешевле

Старая Terra была последней моделью OpenAI из линейки 5.6. У новой версии входной миллион токенов подешевел с $2 до $1, а выходной, с $12 до $5. Миллион токенов из повторно используемого кэша стоит $0,05. Пакетный режим с ответом в пределах суток уменьшает цену ещё вдвое.

В программировании эта модель не занимает первое место. В Terminal-Bench 4.0, где проверяют работу в командной строке, Terra при максимальном рассуждении выполняет 50,3 % заданий против 21,5 % у прежней Terra. Для сложной разработки сама OpenAI рекомендует GPT-6.1 Sol либо GPT-6 Astra. Зато в OSWorld 2.1 Terra получает 74,2 % в управлении компьютером: работе с окнами, формами и таблицами. На таких сценариях и строится её позиционирование.

OpenAI также публикует оценку фактических ошибок в сложных вопросах. При максимальном рассуждении Terra допускает ошибки в 4,3 % ответов, а на среднем уровне, в 10,1 %. Выбор уровня рассуждения здесь существенно влияет на результат.

У модели есть два ограничения. В обычном интерфейсе ChatGPT Terra отсутствует, получить доступ можно через API, ChatGPT Work и Codex. Если запрос превышает 272 тысяч токенов, вход начинает стоить вдвое дороже, а выход, в полтора раза дороже.

Результаты тестов расходятся со скоростью

Единого теста для всех четырёх моделей я не обнаружил. Ближе всего к общему сравнению находится Terminal-Bench 4.0, поскольку каждый производитель раскрывает на нём свои показатели.

У Kimi K3.1 Pro результат составляет 65,7 % задач. Это почти совпадает с 66,4 % у Opus 5.5, при том что Kimi стоит вдвое дешевле. GPT-6.1 Terra показывает 50,3 %, DeepSeek, 42,3 %, а Haiku, 39,2 %. Для DeepSeek есть важная оговорка: компания тестировала модель в оболочке Claude Code, а агентные бенчмарки заметно зависят от такой оболочки.

По темпу генерации лидеры меняются. Artificial Analysis оценивает скорость Haiku 5.5 примерно в 235 токенов в секунду, DeepSeek, в 180, Terra, в 95, а Kimi, лишь в 31. Ответ объёмом 2 000 токенов Haiku подготовит примерно за девять секунд, тогда как Kimi потребуется больше минуты. У Kimi есть вариант Highspeed, который работает в 2–3 раза быстрее, но стоит вдвое больше: $4 и $20.

Moonshot отдельно оценивает склонность моделей выдумывать факты. В её тесте с доступом к поиску K3.1 Pro ошибается в 8,3 % утверждений, а DeepSeek V4.1 Flash, в 23,3 %. Проверка не независимая, но разрыв между показателями заметный.

Пять сценариев показывают реальную стоимость

Расчёт сделан для тысячи одинаковых запросов, кроме двух тяжёлых случаев, где берётся сотня задач. Токены, затраченные на рассуждение, сюда не включены, они разобраны далее. Для DeepSeek используется ночной тариф, в пиковые часы его значения надо умножать на два.

1. Категоризация писем. На письмо с инструкцией уходит около 800 токенов, на ответ, около 30. Тысяча писем обойдётся в $0,10 на Haiku, в $0,14 на DeepSeek, в $0,95 на Terra и в $1,90 на Kimi. Для такой работы возможности старших моделей не нужны.

2. Рерайт статьи на 7 тысяч знаков. Вход включает 3 000 токенов вместе с инструкцией, выход занимает 2 500. За тысячу статей Haiku потребует $1,55, DeepSeek, $1,95, Terra, $15,50, Kimi, $31. Здесь модели различаются и по качеству текста, поэтому экономию лучше сначала проверить на собственных материалах.

3. Ответы поддержки по базе знаний. База объёмом 20 000 токенов хранится в кэше, вопрос занимает 300 токенов, ответ, 250. Самый низкий счёт у DeepSeek, $0,26 за тысячу ответов, поскольку миллион кэшированных токенов стоит $0,003. У Haiku получится $0,36, у Terra, $2,55, у Kimi, $7,10. Кэш Kimi стоит в 67 раз больше, чем у DeepSeek, поэтому в этом сценарии он влияет на выбор.

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 для Haiku, $5,06 для DeepSeek, $41,75 для Terra и $97 для Kimi. Однако дешёвые модели чаще не решают задачу, а повторный запуск отнимает время человека. В Terminal-Bench Kimi справляется в 1,7 раза чаще, чем Haiku.

5. Анализ документа на 300 тысяч токенов. Для вывода требуется 3 000 токенов, расчёт идёт на сотню документов. DeepSeek обойдётся в $4,68, Haiku, в $15,75, Terra, в $62,25, Kimi, в $63. После 100 тысяч токенов Haiku дорожает в пять раз, Terra после 272 тысяч, вдвое. У DeepSeek и Kimi такого порога нет.

Стоимость задачи зависит не только от тарифа

Цена миллиона токенов не показывает, сколько текста модель потратит на выполнение запроса. Artificial Analysis запускает модели на одинаковом наборе заданий и фиксирует расход. На максимальном рассуждении Haiku 5.5 сгенерировала 300 млн токенов, Kimi, 110 млн, Terra, 99 млн.

Haiku стоит в десять раз дешевле Terra по тарифу за токен, но на сложных задачах она выдаёт втрое больше текста. Средний запрос в этом наборе обходился в $0,41 для Haiku, $0,96 для Terra и $3,68 для Kimi. Так десятикратная разница превращается примерно в двукратную. Для простых сценариев, например разбора писем, рассуждение не требуется, поэтому преимущество Haiku сохраняется. В сложных задачах его почти полностью уменьшает лишняя генерация.

Практическое правило такое: в массовых простых сценариях понижайте рассуждение либо отключайте его. У Haiku 5.5 оно активно по умолчанию, как и у DeepSeek.

Модель стоит выбирать по сценарию

• Массовые простые операции: Haiku 5.5. Подходит для сортировки, извлечения данных и коротких ответов. Это самая быстрая модель в подборке, поэтому она удобна для чатов с ожидающим пользователем.
• Длинные документы и кэшированная база: DeepSeek V4.1 Flash. Модель дешевле остальных при больших входах и повторяющихся запросах. Тяжёлые задачи лучше запускать ночью и в выходные: московские пиковые часы в будние дни 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. Она рассчитана на формы, таблицы и повторяемые действия в интерфейсах, а на максимальном рассуждении реже ошибается в фактах. Это удобно для тех, кто уже использует OpenAI.
• Код и длительные агентные процессы: Kimi K3.1 Pro. По программированию она ближе всех к Opus 5.5 и заметно доступнее по цене. Скорость невысокая, поэтому модель лучше подходит для фоновой работы, а не для диалога в реальном времени.

Следующий шаг, проверить модели на своих данных

Средний сегмент нейросетей уже разделился на разные роли. Terra и Kimi стоят доллар-два за миллион токенов и берут на себя задачи, которые полгода назад были доступны только флагманским моделям. Haiku и DeepSeek стоят на порядок дешевле и подходят для черновых операций. Но на сложных задачах многословность недорогих моделей и повторные запуски после неудач сокращают эту разницу.

Рабочий подход может быть таким: дешёвая модель сортирует, извлекает данные и готовит материалы, а среднюю стоит оставлять для задач, где ошибка обходится дорого. Перед переносом серьёзного процесса на новую модель прогоните двадцать реальных задач и сравните итоговый счёт, а не только прайс.