目次

OpenAIは2026年10月26日、視覚的推論とコンピューター操作を強化したGPT-6.1 Terraを、GPT-5.6 Terraの半額の標準API料金で公開しました。複数のアプリケーションにまたがる反復作業で試す価値がありますが、より複雑なコーディングには、引き続きGPT-6.1 SolとGPT-6 Astraを推奨しています。

主なポイント#

  • GPT-6.1 TerraはAPIのほか、ChatGPT WorkとCodexのPlus、Pro、Enterprise、Eduユーザーが利用できます。
  • 標準API料金は100万トークンあたり、入力1ドル、キャッシュ済み入力0.05ドル、出力5ドルです。
  • OpenAIによると、推論設定がmediumの場合、Agents’ Last ExamでGPT-5.6 Terraを15パーセントポイント上回り、コストは約3分の1でした。
  • 入力が272,000トークンを超えるとリクエスト全体に高い料金が適用されるため、コンテキストの大きさがコストを左右します。

Terraの改善点#

GPT-6.1 Terraは、画面を理解し、その内容に応じて操作する作業に重点を置いています。OpenAIはその例として、書類を読み取り、詳細を会計ソフトに入力する請求書処理を挙げています。

そのため、視覚的な解釈と正確な操作の両方が必要なワークフローに適しています。請求書を正しく読み取るだけでは作業は完了せず、適切なフィールドの選択、値の入力、アプリケーション内の移動も必要です。

OpenAIは、文章がより明快で自然になり、コーディング性能も向上したと報告しています。日常業務での用途が広がる可能性はありますが、あらゆる作業に最適だと示すものではありません。

ベンチマークが示すこと#

業務用ソフトウェアを使うエージェントを評価するAgents’ Last Examで、OpenAIによると、推論設定がmediumのTerraはGPT-5.6 Terraを15パーセントポイント上回り、コストは約3分の1でした。この評価には、建築図面から3Dモデルを作成するなどの作業が含まれます。

推論設定を最大にした場合、同ベンチマークでTerraはGPT-6 Astraと同等の性能を、トークン単価10分の1で達成したとOpenAIは述べています。また、GPT-6 AstraおよびGPT-6.1 Solと比べ、平均で3倍超の速さで作業を完了しました。これらはOpenAIが報告したベンチマーク結果であり、個々のワークフローで同じコスト削減や高速化が保証されるわけではありません。

視覚的推論のベンチマークであるMMMU-Proでも、Terraは検証されたすべての推論設定でGPT-5.6 Terraを上回りました。推論設定を最大にした場合、Terminal-Bench 4.0でも結果が向上しましたが、より複雑なコーディングには、OpenAIは引き続きSolとAstraを推奨しています。

利用方法と設定#

APIユーザーはモデルID gpt-6.1-terraを指定できます。OpenAIによると、ChatGPT WorkとCodexではPlus、Pro、Enterprise、Eduの各プランで利用でき、既存の利用上限内で比較対象モデルより多くの作業をこなせます。

コンテキストウィンドウは105万トークンで、最大入力は922,000トークン、最大出力は128,000トークンです。対応する推論設定はnone、low、medium、high、xhigh、maxで、デフォルトはmediumです。

評価は推論設定mediumから始めてください。より深い推論が必要で作業に失敗する場合に設定を上げ、完了した作業の品質、所要時間、総コストを比較します。最大の推論設定を使うなら、追加処理に見合う結果が得られる必要があります。

APIコストが上がる条件#

100万トークンあたりの標準料金は次のとおりです。

  • 入力:1ドル。
  • キャッシュ済み入力:0.05ドル。
  • 出力:5ドル。
  • Fastモード:標準料金の2倍。

長いコンテキストの料金しきい値には注意が必要です。入力が272,000トークンを超えると、入力とキャッシュ済み入力の料金は2倍、出力の料金は50%増になります。この高い料金は、しきい値を超えたトークンだけでなく、リクエスト全体に適用されます。

たとえば、キャッシュされていない入力300,000トークンと出力10,000トークンの標準リクエストは、ツール料金を除き、入力0.60ドルと出力0.075ドルで計0.675ドルになります。別途料金がかかるツールもあるため、トークン料金だけではワークフロー全体のコストは分かりません。

信頼性の確認は引き続き必要#

OpenAIによると、ユーザーが事実誤認を報告した会話に基づく評価で、推論設定がlowのTerraの事実誤認率はGPT-5.6 Terraの約3分の1でした。これは特定の評価での結果であり、すべての回答における一般的な誤り率ではありません。

同社は、作業範囲の順守、制約の率直な開示、検証したプロンプトインジェクション攻撃への耐性も向上したと報告しています。詳しい手法と結果はシステムカードに記載されています。

コンピューター操作では、説得力のある説明よりも、完了した作業を評価してください。正しい金額を入力したか、意図したレコードを使ったか、情報が不足した際に停止したかを確認します。支払いを確定したり重要な記録を変更したりする操作は、自社の検証で利用拡大の妥当性を確認できるまで、人による確認を続けてください。

次のステップ#

代表的な請求書処理を1件、GPT-6.1 Terraの推論設定mediumで実行し、フィールドの入力精度、完了までの時間、APIの総コストを現在のワークフローと比較してください。

出典: https://gihyo.jp/article/2026/10/gpt-6-1-terra

目次