OpenAI GPT-6.1 Terra: より安価な視覚推論、コンピュータ操作、コーディングをAPI価格半額で

OpenAIは2026年10月26日にGPT-6.1 Terraを発表しました。これは、詳細な視覚推論と正確なコンピュータ操作を、OpenAIがより明確で自然な文章と表現するものと組み合わせた、高速で効率的なモデルです。重要な理由は、TerraがOpenAIのモデルファミリーのコスト効率の最前線に位置付けられており、標準API価格がGPT-5.6 TerraおよびGPT-6.1 Solより50%低く、プロフェッショナル向けコンピュータ操作ベンチマークでGPT-5.6 Terraより15ポイント高いスコアを、約3分の1のコストで達成していることです。

主要な事実を一目で

項目	詳細
モデル	GPT-6.1 Terra
発表日	2026年10月26日
前モデル	GPT-5.6 Terra
APIモデル名	`gpt-6.1-terra`
標準入力価格	100万トークンあたり1ドル
キャッシュ入力価格	100万トークンあたり0.05ドル
出力価格	100万トークンあたり5ドル
前ティアとの価格比較	GPT-5.6 TerraおよびGPT-6.1 Solより50%低い
ChatGPTでの利用可能範囲	ChatGPT WorkおよびCodexのPlus、Pro、Enterprise、Eduユーザー

GPT-6.1 Terraはコスト効率重視の戦略であり、フロンティア能力重視ではない

OpenAIはGPT-6.1 Terraを、モデルファミリー全体のコスト効率の最前線での進歩として位置付けており、能力の新たな上限ではなく、速度、能力、コストの新しいバランスを提供します。Terraは、提案書の作成、技術図面の解釈、フォームへの記入、動画編集など、仕事の一日を満たすコミュニケーションおよびコンピュータベースのタスクにおいて、GPT-5.6 Terraからの大幅なステップアップと説明されています。

このモデルの標準API価格は、GPT-5.6 TerraおよびGPT-6.1 Solより50%低くなっています。OpenAIは、これにより開発者が高ボリュームの作業を自動化することが実用的になり、例として、受信した請求書を読み取り、その詳細を会計ソフトウェアに入力することを挙げています。

ChatGPT WorkおよびCodexでは、OpenAIによると、ユーザーのプランはGPT-6.1 Terraでより効果的になります。同じ利用枠で、GPT-5.6 Terraよりも多くのタスクをカバーでき、GPT-6.1 SolやGPT-6 Astraよりも大幅に多くのタスクをカバーできます。

コンピュータ操作と視覚推論: Terraはフロンティアモデルとの差を大幅に縮め、コストはわずか

OpenAIは、GPT-6.1 Terraが、最も高性能なモデルに近いコンピュータ操作および視覚推論の結果を、タスクあたりのコストを大幅に抑えて提供すると報告しています。その証拠は、3つの名前付きベンチマークから得られています。

Agents' Last Exam (プロフェッショナル向けコンピュータ操作タスク)

Agents' Last Examは、建築図面を3Dモデルに変換したり、アニメーションフィルムをショットごとにレビューして修復チーム用のタイムコード付きログを作成するなどのプロフェッショナルタスクのベンチマークと説明されています。

中程度の推論努力では、GPT-6.1 TerraはGPT-5.6 Terraより15ポイント高いスコアを、約3分の1のコストで達成。
TerraはGPT-6 Astraと同等の性能を、トークンあたりの価格が10分の1で発揮。
最大努力では、TerraはClaude Opus 5.5より3倍以上トークン効率が良く、トークンあたりの価格は4分の1で、タスクあたりのコストは約9倍低くなります。
Terraはまた、タスク完了速度がGPT-6 AstraおよびGPT-6.1 Solの両方より3倍以上速いです。

MMMU-Pro (視覚推論)

MMMU-Proでは、GPT-6.1 Terraはすべての推論設定でGPT-5.6 Terraを上回ります。OpenAIは、Terraが最も高性能なフロンティアモデルであるGPT-6 AstraおよびGPT-6.1 Solのスコアにほぼ匹敵し、コストははるかに低いと述べています。

OSWorld 2.1 (デスクトップアプリエージェント)

OSWorld 2.1は、AIエージェントがデスクトップアプリケーションを使用して、技術図面から3Dモデルを構築するなどのマルチステップタスクを完了する能力をテストします。中程度の推論努力で、GPT-6.1 TerraはGPT-5.6 Terraの最高スコアを、タスクあたりのコストを大幅に抑えて上回ります。

事実性: エラー誘発プロンプトでのエラー率が大幅に低下

OpenAIは、今年、幻覚と事実誤認の削減に多額の投資を行ったと述べており、内部のエラー誘発プロンプトのベンチマークで、GPT-5.6 TerraからGPT-6.1 Terraへの大幅な改善を報告しています。

低い推論努力では、エラー率はGPT-5.6 Terraの53.6%からGPT-6.1 Terraの16.7%に低下し、約37ポイントの減少。
最大努力では、エラー率は18ポイント低下して**4.3%**となり、GPT-6 AstraおよびGPT-6.1 Solの率にほぼ匹敵します。

コーディング: Terminal-Bench 4.0で前モデルのスコアを2倍以上に

OpenAIの評価によると、GPT-6.1 TerraはソフトウェアエンジニアリングにおいてGPT-5.6 Terraから大幅な改善を示しています。

Terminal-Bench 4.0は、コーディングエージェントがコマンドラインから問題を解決する能力をテストします。例えば、読み込み中にレイアウトがずれるWebページを修正するなどです。最大推論努力で、GPT-6.1 Terraはタスクの**50.3%を解決し、GPT-5.6 Terraの公開スコア21.5%**の2倍以上です。

OpenAIは重要な境界条件を追加しています: 最も複雑なコーディングタスクでは、GPT-6.1 SolおよびGPT-6 Astraが依然としてより良い選択肢です。

Terminal-Bench-Science 0.1は、エージェントがコードを使用して科学研究タスクを実行する能力をテストします。例えば、タイムラプスビデオでの細胞分裂の追跡などです。最大推論で、GPT-6.1 TerraはGPT-6.1 Solを低コストで上回り、Claude Opus 5.5に5ポイント以内に迫り、推定コストは5分の1未満です。

安全性と整合性: GPT-6シリーズの整合性改善が引き継がれる

GPT-6.1 Terraは、OpenAIのPreparedness Frameworkの下でサイバーセキュリティのCritical閾値を満たし、GPT-6 Astraのために開発された保護を維持しています。

OpenAIは、GPT-6.1 TerraがGPT-6シリーズの整合性改善をもたらすと述べています。その評価によると、TerraはGPT-5.6 Terraと比較して、スコープ内に留まり、制限や潜在的なブロッカーをユーザーに正直に開示する可能性が高いです。OpenAIのプロンプトインジェクションテストでは、GPT-6.1 Terraは、ユーザーのタスクから逸脱させようとする悪意のある指示に対して強い耐性も示しました。OpenAIは、詳細についてはdeploymentsafety.openai.com/gpt-6-1-terraのシステムカードを参照するよう指摘しています。

価格と利用可能性: 本日からChatGPT Work、Codex、APIで利用可能

本日から、GPT-6.1 TerraはChatGPT WorkおよびCodexのすべてのPlus、Pro、Enterprise、Eduユーザーが利用できます。開発者はOpenAI APIでgpt-6.1-terraとしてアクセスできます。

標準API価格は、入力トークン100万あたり1ドル、キャッシュ入力トークン100万あたり0.05ドル、出力トークン100万あたり5ドルです。

OpenAIの位置付けが示すもの

OpenAIはGPT-6.1 Terraを、最も難しい問題ではGPT-6 AstraおよびGPT-6.1 Solの下のティアに置きながら、いくつかの評価タスクではほぼ同等と主張しています。明示的なガイダンスは、最も複雑なコーディングタスクではGPT-6.1 SolおよびGPT-6 Astraが依然としてより良い選択肢であり、Terraは高ボリュームの自動化と日常のコミュニケーションおよびコンピュータベースの作業を対象としていることです。

OpenAIが報告する数値にわたる明示されたパターンは、コストが考慮に入るとTerraの利点が複合的に増大するというものです: Agents' Last Exam、MMMU-Pro、および最大努力での事実性で同等またはほぼ同等であり、タスクあたりのコストとタスクあたりの時間の大幅な削減が報告されています。定量的には、OpenAIはAgents' Last Examで約3分の1のコストで15ポイントの向上、GPT-6 Astraと同等のAgents' Last Exam性能をトークンあたり10分の1の価格で、最大努力でClaude Opus 5.5と比較してタスクあたり約9倍のコスト削減を報告しています。

この記事のすべての数値はOpenAIの発表投稿からのものです。ソース資料には、第三者による検証、独立したベンチマーク実行、またはユーザーレポートは含まれていません。