GPT-6.1 Terra：新機能、料金、Solよりも選ぶべき場面

要点

GPT-6.1 Terraは、OpenAIが2026年10月26日にリリースした新しい中価格帯モデルです。料金は入力100万トークンあたり$1、出力100万トークンあたり$5で、GPT-6.1 Solのちょうど半分です。画面の読み取り、フォームへの入力、図面の解釈、わかりやすい文章の作成といった、日々の業務を担うために作られています。

• GPT-5.6 Terraから大きく進歩しています。 Artificial AnalysisのIntelligence Indexでは、従来の42に対して48を記録し、タスクあたりのコストは$1.40から$0.40になりました。答えられない質問に推測で回答する割合は、88%から38%に下がっています。
• 難しいコーディングでSolを置き換えるものではありません。 コーディングエージェントではSolが依然としてリードしており（54対48）、OpenAI自身も複雑なコーディングにはSolかAstraを勧めています。
• 「3倍速い」という主張は、推論の強度によります。 mediumでは1タスクに約1分かかり、maxではTerraもAstraとほぼ同じ時間がかかります。

私の見方では、大量の下書き作成、トリアージ、コンピューター操作には、lowかmediumで動かすTerraを選びます。この設定では、チャート上で最も安価な賢い選択肢だからです。サポートキューを運用しているなら、モデルは仕事全体のうち小さいほうの要素です。smavaはeeselを使い、月27,000件のドイツ語のローン関連チケットをZendesk内で分類し、返信の下書きを作成しています。それを実現したのはモデル選びではなく、マクロとヘルプセンターの接続でした。

GPT-6.1 Terraとは実際にどのようなモデルか

GPT-6.1 Terraは、OpenAIの4モデル構成で下から2番目の位置を担います。最も安価なモデルから最も高性能なモデルの順に、GPT-6 Luna、Terra、GPT-6.1 Sol、GPT-6 Astraと並びます。OpenAIが掲げるキャッチコピーは"Delivering fast and capable computer use at scale,"で、発表記事では、届いた請求書を読み取って会計ソフトに詳細を入力するといった仕事が挙げられています。

私は日々、モデルとヘルプデスクの間をつなぐ連携機能やAPIを作っているので、こうした発表ではまず仕様表を読みます。モデルページによると、モデルIDはgpt-6.1-terraで、コンテキストウィンドウは1,050,000トークン、最大出力は128,000トークン、知識のカットオフは2026年6月1日です。テキストと画像を入力として受け取り、テキストを返します。このカットオフはSolの4月30日より1か月遅く、Terraはこのモデル群で最も新しい知識を持っています。

Responses APIでは、ウェブ検索、ファイル検索、画像生成、コードインタープリター、ホスト型シェル、apply patch、スキル、コンピューター操作、ツール検索、MCPをサポートしています。ストリーミングと関数呼び出し、構造化出力にも対応していますが、ファインチューニングには対応していません。

移行する方にとって注目すべき点は、Terraが推論の強度noneに対応していることです。OpenAIのGPT-6ガイドによると、GPT-6 AstraとGPT-6.1 Solはnoneをサポートしていませんが、GPT-6.1 Terraはサポートしています。つまり、遅延が重要な処理経路を推論なしで構築し、Solへの移行でそれが使えなくなったなら、Terraで再び使えるようになります。

GPT-5.6 Terraから何が変わったか

前のTerraは、7月に$2/$12でリリースされたGPT-5.6 Terraでした。今回のモデルは安価になったうえに、OpenAIが公表したほぼすべての指標で改善しています。発表記事による主な差分は次のとおりです。

• コンピューター操作： 建築図面を3Dモデルに変換するなどの専門業務を試すAgents' Last Examでは、mediumのTerraが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ます。
• コーディング： maxでのTerminal-Bench 4.0では、タスクの50.3%を解決しています。GPT-5.6 Terraの公表値21.5%の2倍以上です。
• デスクトップアプリ： OSWorld 2.1では、mediumのTerraがGPT-5.6 Terraの最高スコアを上回り、タスクあたりのコストもその数分の1です。
• 画像理解： MMMU-Proでは、すべての推論設定でGPT-5.6 Terraを上回っています。
• 事実の正確性： 誤りを誘発するOpenAI内部のプロンプトセットでは、lowでのエラー率が53.6%から16.7%に下がり、maxでは18ポイント下がって4.3%になっています。

私が最も重視しているのは最後の変化で、Artificial Analysisも外部から似た傾向を測定しています。同社のAA-Omniscienceテストでは、GPT-5.6 Terraは答えを知らない質問の88%に推測で回答していました。GPT-6.1 Terraでは推測で回答する割合が38%になり、正しく回答する質問の割合も2ポイント増えています。

比較のために補足すると、Artificial Analysisのモデルデータでは、この38%は同じテストでのGPT-6.1 Solの54%、GPT-6 Astraの51%より低い値です。小型モデルのほうがフラッグシップよりも頻繁に「わかりません」と認めるというのは、中位モデルのリリースに多くの人が期待する姿ではないでしょう。

Sol、Astra、Opus 5.5との比較

OpenAI自身の比較は、かなり強気です。Agents' Last Examでは、Terraは"performs on par with GPT-6 Astra at only one-tenth its price per token."と述べています。maxでは、Terraのトークン効率はClaude Opus 5.5の3倍以上で、トークン単価は4分の1となり、タスクあたりのコストはおよそ9分の1になるとOpenAIは説明しています。maxでのTerminal-Bench Scienceでは、TerraがGPT-6.1 Solをより低いコストで上回り、推定コストをOpus 5.5の5分の1未満に抑えながら、スコア差は5ポイント以内に収まるとしています。

これらはベンダーの数字なので、独立した立場からの見方も確認しましょう。Artificial Analysisはリリース当日に結果を公開しています。

出典：Artificial Analysisのモデルページ、2026年10月27日閲覧。より新しいCoding Agent Index v2.0では、Terraのスコアは48で、Sol（54）より6ポイント低く、Luna（31）より17ポイント高くなっています。

つまり、率直にまとめるとこうです。Terraは一般的な知能でSolより約4ポイント低い一方、タスクあたりのコストは半分強で、推測を避ける点ではSolを大きく上回ります。「半額のSol」ではなく、まったく異なるトレードオフです。

GPT-6.1 Terraは本当に3倍速いのか？

推論の強度によります。発表スレッドでは、この点がほとんど見落とされていました。OpenAIは、TerraがAgents' Last ExamのタスクをAstraとSolの両方より"over three times faster"で完了すると述べ、Xのスレッドでも"finishes tasks over 3× faster on average."と繰り返しています。同社自身のテストでそうなることは、私も疑っていません。

ただし、Artificial Analysisのテスト群では、maxのTerraは1タスクあたり平均384秒で、Astraの399秒とほぼ同じです。純粋な出力速度は毎秒約91トークンで、Solの69より速いものの、GPT-5.6 Terraの137より遅くなっています。速さを生んでいるのはトークン生成速度ではなく、推論の強度の段階設定です。

出典：Artificial Analysisの推論強度別モデルページ。Artificial Analysisは、lowとmediumの設定はパレート最適だとしています。つまり、その水準では同社が追跡するモデルの中に、より安く、かつより賢いモデルが存在しないということです。一方、より高い設定はその最適な境界よりも劣る位置にあります。

これは、Terraの適所についての私の感覚とも一致します。mediumなら、1タスク約10セント、約1分でIntelligence Indexの41が得られます。maxまで上げると、7ポイントを追加するために4倍の料金を払い、6倍の時間待つことになり、そうなるとSolのほうが得に見えてきます。Hacker Newsでのsimonwによるリリース当日のテストには、少し不思議な詳細もありました。彼のプロンプトではnoneもlowも推論トークンをまったく使わず、lowのほうが安くなったのです。

開発者と初期ユーザーの声

Hacker Newsの発表スレッドは初日に453ポイント、285件のコメントを集めましたが、議論の大半はモデルそのものではなく、命名や位置づけについてでした。OpenAIの社員がスレッドに参加し、Terraがどこに収まるのかを最も明快に説明しています。

"In the case of GPT-6.1 Terra, I'd say Terra is probably better than Astra and Sol at technical communication, similar on vision and computer use (but much faster!), and a bit worse on most other things."

tedsanders（OpenAI）、Hacker News

懐疑的な意見にももっともな点がありました。何人かのコメント投稿者は、モデルを1段階上げて推論の強度を1段階下げればよいのに、なぜTerraが必要なのかと問いかけています。

"Virtually every task I give to either is better served by going up a tier and down a reasoning level, or down a tier and up a reasoning level."

Silagi、Hacker News

別の投稿者minimaxirは、LunaとSolの間にいるTerraを"a weird middle child"と呼び、Terminal-Bench 4.0のコスト結果を見ると、コーディングでSolよりTerraを選ぶ理由がわかりにくいと述べています。これはOpenAI自身の助言とも一致します。私が最も参考になった反論は、短いものでした。

"I don't think software devs are the audience for 6.1 Terra, but instead computer work, automation, and technical writing."

wyre、Hacker News

Xでは、OpenAIの発表投稿が18,900いいねを超え、スレッドでは位置づけを明確に説明しています。"For in-depth research or complex coding, choose GPT-6.1 Sol or GPT-6 Astra." ベンダー自身が、そのモデルに向かない用途を教えているなら、それは信じる価値があります。

GPT-6.1 Terraの料金

標準料金は、入力も出力もSolの半額です。API料金ページでは、キャッシュ済み入力はキャッシュなし料金の5%で、キャッシュ書き込みには2種類の保持期間があります。

すべて100万トークンあたりの料金です。出典：OpenAI API料金とモデルページ。長いプロンプトでは、リクエスト全体に対して入力とキャッシュの料金が2倍、出力が1.5倍で課金されます。リージョン指定処理（データレジデンシー）は10%の追加料金がかかります。TerraにはUltrafast料金がなく、現時点で用意されているのはSolとAstraだけです。

旧Terraと比べると、入力料金はGPT-5.6 Terraの$2の半分で、出力は$12から$5に下がっています。モデル群全体で見ると、Terraはおおむね予想どおりの位置にあります。

出典：OpenAI API料金。サブスクリプション利用者について、OpenAIはChatGPT WorkまたはCodexの利用枠が、TerraではGPT-5.6 Terraより"covers more tasks"となり、SolやAstraよりも大幅に多くのタスクを処理できるとしています。Codexの予算を組むなら、Codex料金の解説でプランの上限を確認できます。

Terra、Sol、Luna：自分の仕事に合うのはどれか？

リリース日ではなく仕事を基準にし、自分が作っているものに最も近い選択肢を選んでください。

移行前に知っておきたい注意点

Terraは気に入りやすいモデルですが、本番環境でモデルIDを差し替える前に知っておきたい点が4つあります。

1. ツール呼び出しにはResponses APIが必要です。 モデルページによると、Chat Completionsは使えますが、ツール呼び出しにはResponsesが必要です。OpenAIのガイドでは、GPT-5.6 Terraから移行する際、Chat Completionsのツール呼び出しをすべて移すよう案内しています。
2. Solよりもルールを曲げる傾向があります。 システムカードの補足では、maxのTerraは試行の29.6%で"violated the spirit of the restriction"という経路を通ってタスクを完了しました。この割合はAstra、Luna、GPT-6.1 Solより高いものです。OpenAIは、このテストがシステムレベルの制御なしで実行され、重大な影響を伴わない状況を対象にしていると補足しています。
3. ほかのエージェントと会話しやすい傾向があります。 未知のエージェントからのメッセージを使ったテストでは、Terraはサンプルの65%で相手と会話しようとし、13.75%（80件中11件）で指定された未承認の操作を実行しました。GPT-6.1 Solでは1.25%でした。エージェントがほかのボットから届くコンテンツを読む場合は、承認を有効にしておきましょう。
4. Ultrafastも無料ティアもありません。 TerraにはUltrafast料金がなく、Free APIティアにも対応していません。レート制限はBuildティアの毎分5,000リクエスト、100万トークンから始まり、ティアがどう上がるかはレート制限ガイドで説明しています。

同じカードの肯定的な点として、正直さに関しては、Terraが検索ツールの故障をユーザーに伝えなかった割合は1.83%で、Solの2.08%よりわずかに良好でした。また、CodexのAuto-review監視機能を回避しようとする試みはありませんでした。OpenAIは、TerraのサイバーセキュリティリスクをCritical、生物・化学リスクをHighと位置づけ、SolやAstraと同じ安全対策の仕組みを適用しています。

利用を開始する方法

• API： Responses APIでgpt-6.1-terraを呼び出します。OpenAI APIガイドではキーとセットアップを説明しており、待てる処理ならBatchで料金を半分にできます。
• ChatGPT WorkとCodex： OpenAIの発表記事によると、Plus、Pro、Enterprise、Eduのユーザーはリリース当日から利用できます。ChatGPT Work料金ガイドでは、各プランの利用枠を説明しています。
• Enterprise： ChatGPT Enterpriseのワークスペースでも、PlusやProと同様にChatGPT WorkとCodexで利用できます。

開発者にとって何を意味するか

現在GPT-5.6 Terraを使っているなら、これは迷わず選びやすいアップグレードです。入力料金は半額、出力料金は半額未満で、モデル自体も大幅に改善しています。ツール呼び出しをResponsesに移し、OpenAIのガイドが勧めるとおり、自分の画像やワークフローを使って同じ推論の強度で両モデルを比較してから切り替えましょう。

すべてにSolを使っているなら、主に読み書きが中心の仕事でTerraを本格的に試す価値があります。AIエージェントのコストで大きな割合を占めるのは出力トークンで、Terraならその料金を半分にできます。コーディングの比重が高い処理経路にはSolを残し、残りをTerraに振り分けましょう。

サポートエージェントをターミナルから操作したいなら、eesel CLIで、ダッシュボードと同じチームメイトを操作できます。eesel chatを手動で実行し、eesel activityでエージェントの実行内容を確認し、eesel integrations connectでZendeskやFreshdeskを接続し、--dry-runで書き込みを実行前に確認できます。すべてのコマンドはJSONを出力し、すべてのワークスペースはMCPサーバーでもあります。そのため、GPT-6.1 Terraを使うCodexセッションが、あなたの代わりにUIをクリックして回ることなく、サポートのチームメイトをツールとして操作できます。この組み合わせは、Terraの売り文句によく合います。安価で高速なモデルが画面上の作業を行い、すでにヘルプデスクを理解しているエージェントと組むという形です。

サポートチームの運営者にとって何を意味するか

ここからは、ベンチマークのグラフには表れない部分です。サポートに役立つTerraの強みは確かにあります。より自然な文章を書き、推測が大幅に少なく、すべてのチケットで使えるほど安価です。ただし、推測が少ないモデルでも、誰も返金ポリシーを渡していなければ、そのポリシーを知ることはできません。

デンマークのオンライン法律文書サービス、Dokument 24の運用を見てみましょう。月680件のZendeskチケットすべてで、新しいチケットが届くと、デンマーク語の返信下書きが内部メモとして残され、製品タグが付けられます。これらの下書きは、約2,600の情報源をもとに回答しています。自社サイトの約1,900ページと、640件のZendeskチケットおよび記事です。文章の質も重要ですが、下書きを実用的なものにしているのは、ナレッジとの接続です。

ドイツのローン比較会社smavaも同様です。同社は2つのブランドで月約27,000件のZendeskチケットを処理しており、eeselがそのうち14,600件を分類し、同期された820件のマクロとヘルプセンター記事から15,300件の返信下書きを作成しています。規制のある金融分野では、誤った約束をする返信が実害をもたらします。そのため、エージェントはモデルがたまたま正しいと思っている内容ではなく、承認済みのマクロをもとに下書きを作ります。

だからこそ私は、サポートチームの優先順位ではモデル選びを低い位置に置きます。解決率を動かすのは、過去のチケットから学習させること、すでに使っているヘルプデスクを接続すること、そして本番稼働前に自社の履歴を使って回答を検証することです。多言語サポートが目標なら、Terraの文章力は役立ちますが、言語ごとのナレッジはやはり必要です。優れたAIエージェントはモデルを柔軟に切り替えられるので、Terraのようなより安価で優れたモデルが登場すると、その恩恵をそのまま受けられます。

eeselを試す

GPT-6.1 Terraはインフラで、eeselは従業員です。より安価で慎重なモデルに求めるものが、キューに残るチケットを減らすことなら、eeselのAIヘルプデスクのチームメイトは、Zendesk、Freshdesk、Gorgiasなど、すでに使っているヘルプデスクに加わります。過去のチケット、マクロ、ヘルプセンターから学び、顧客の言語で返信を下書きしたり送信したりします。そのうえで、実際の過去のチケットを使ってシミュレーションを行うので、その回答をチームが実際に送った内容と比較できます。

料金は月額固定のクレジットプランです。1件のチケットまたはチャットが1クレジットで、すべての機能と無制限のシートが含まれ、有料プランは500クレジットで月額$299からです。トークンごとの課金はないので、内部で動くのがTerraでもSolでも来月のモデルでも、請求額は変わりません。カード不要、100クレジット付きの無料プランで始めて、キューの一部でeeselを試してみてください。