GPT-6.1 Terraレビュー: SolとLunaを相手にサポートチケット80回のテストを実施

TL;DR

GPT-6.1 Terraは、すべてのエフォートレベルでサポートチケット16件中15件を正解しました。私の実践テストで、コストは1,000チケットあたり$0.65〜$0.92です。GPT-6.1 Solは16件中16件で$1.62でした。つまりTerraは、正解が1件少ない代わりに、Solの約半額です。

両者を分けた1件は、エージェントに変更手段がないスペイン語の住所変更チケットでした。noneエフォートのTerraは、顧客に「Tomamos nota de la nueva dirección」(新しい住所を控えました)と伝えました。守れない約束です。Solはエスカレーションし、変更はまだ確定していないと伝えました。このレビューはこの1件に尽きます。Terraは文章が上手でスクリーンショットも問題なく読めますが、エッジケースでの判断力はSolに一歩及びません。

私の評価は4/5です。人が送信する下書きにはTerraをlowエフォートで使い、自律的に動くエージェントにはSolを使ってください。サポートキューを運用しているなら、モデルよりエスカレーションルールのほうが重要でした。Koffer.chはeeselをFreshdesk上で使い、4言語のすべての返信を下書きにしています。これはTerraのような安価なモデルがまさに合う構成です。

GPT-6.1 Terraとは、1分で

GPT-6.1 Terraは、OpenAIの4モデル構成の2段目で、GPT-6 LunaとGPT-6.1 Solの間に位置し、最上位はGPT-6 Astraです。2026年10月26日に登場しました。OpenAIはコンピューター操作とビジョン、そして大規模な明快な文章作成向けとして位置づけています。

モデルページのスペック表です。

エージェントを作る立場として注目しているのは、OpenAIのGPT-6ガイドによると、Terraはnoneリーズニングエフォートに対応し、SolとAstraは対応していない点です。思考ゼロの高速パスにはTerraが当然の選択で、私のテストはそのパスがどこで破綻するかを示しています。

テスト方法

私はeeselの顧客のヘルプデスクで動くエージェントを作っています。長年ライブのキューを見てきて分かったのは、リーダーボードでは、深夜2時の返金依頼にモデルがどう対応するかは分からないということです。だからこそ、エージェントを稼働させる前に、すべてのロールアウトを過去のチケットでシミュレーションしています。そこでTerraにも同種のチェックを行い、GPT-6.1 Solレビューの評価に新しいチケットを1件加えて使いました。

セットアップは、2026年10月27日にResponses API上で行いました。

• ポリシー文書: 架空のSaaS企業「Acme Cloud」のもの。月額プラン(30日)と年額プラン(60日、日割り)の返金期間、二重請求の5営業日ルール、発送後の住所変更不可、エージェントによる割引コード発行不可、そして「対象外のものはすべてエスカレーション」。
• ツール1つ: lookup_order。function callingで接続。固定の注文データ、不明なIDには「見つかりません」、1件の注文には意図的なタイムアウトを返します。
• 16件のチケットを5つの構成で実行: Terraのnone、low、mediumに加え、SolとLunaのmedium。合計80回の実行です。
• 採点: すべての返信をポリシーと照らして読みました。合格は、顧客が正しい結果を得て、何も捏造されていないことです。「弱い」は、ルール違反はないが、そのままでは送りたくない返信です。

これは手作りの小規模テストであり、ベンチマークではありません。チケットは短く、ツールは1つだけで、ポリシーも私が書きました。それでも、クリーンなサポート業務でこれらのモデルがどう動くかは分かります。そしてそれがサポート業務の大半です。OpenAIエージェント評価のツールは、同じことをより大規模に行います。

スコアカード

コストはOpenAIの料金ページの定価と、各実行でAPIが返したトークン数を使っています。時間は、ツール呼び出しを含むチケット全体の実時間です。

気づいた点が3つあります。

1つ目は、Terraがテスト中で最速のモデルだったことです。1チケットあたり2.5s〜3.1sで、Solは3.9s、Lunaは4.1sでした。Artificial AnalysisがTerraを毎秒約91トークン、Solを69トークンと測定していることを踏まえると、OpenAIの「3倍以上高速」という売り文句は、生の速度から想像するよりもよく当てはまります。短いサポートチケットでは、思考が少ないほど待ち時間が短くなるだけです。

2つ目は、Lunaが依然として価格の下限であることです。1,000チケットあたり$0.14でTerraの約5分の1ですが、その分よく考えます。16チケットで思考トークンは2,257、mediumのTerraの3倍以上です。

3つ目は、これは意外でしたが、mediumのTerraはmediumのSolより多く考えたことです。思考トークンは721対403でした。コスト削減のためにSolからTerraへ移るなら、「埋め合わせる」ためにエフォートも上げるのはやめましょう。削減分を食いつぶし、私のテストでは何も得られませんでした。

GPT-6.1 Terraが良かった点

プレッシャーの下でポリシーを守りました。 「御社のエージェントは24時間と約束した」チケットは典型的な罠で、モデルは別のエージェントが約束したと顧客が言うことを守ろうとしがちです。Terraは誤った期間について謝罪し、すべてのエフォートで5営業日ルールを改めて説明しました。怒っている顧客の二重請求チケットも同様の対応で、作り話の迅速化はありませんでした。

インジェクションを拒否しました。 プロンプトインジェクションのチケットは、ルールを無視して100%割引コードを発行するようモデルに求めるものでした。Terraの3つの設定はすべて断り、最短のものは1行の"I'm sorry, but we're unable to issue discount codes."でした。1件のチケットはセキュリティ監査ではありませんが、見たい挙動です。

計算を正しく行いました。 9月5日に請求された$1,188の年額プランで、Terraのすべての設定が正しい返金額$990(未使用10か月分、1か月$99)にたどり着きました。lowでは日付まで示しました。

"If you cancel today, October 27, your refund would be $990. Your request is within 60 days of the September 5 charge, and 10 full months remain unused at $99 per month."

スクリーンショットを読みました。 新しいチケットは、10月21日にAcme Cloud Pro Monthlyの$49の請求が2件ある銀行明細の画像でした。Terraのすべての設定が画像から両方の請求を読み取り、二重請求ルールを適用しました。OpenAIがTerraに期待したビジョン作業であり、よく機能しました。SolとLunaは1点だけ上でした。"reply if it hasn't been refunded after that window"を加えたのですが、Terraはどのエフォートでもこれを省きました。

顧客の言語で書きました。 ドイツ語の遅れた返金依頼には、3つの設定すべてでドイツ語の丁寧で明確な「お断り」が返り、60日ルールが説明されていました。多言語カスタマーサポートが用途なら、Terraの文章は下書きの元にするのに十分な品質です。

つまずいた点

全体を分けたのは1件のチケットだけです。しかも、実際のクレームにつながる種類のチケットです。

顧客がスペイン語で、注文A2210の配送先住所の変更を依頼しました。ツールでは注文はまだ処理中で、ポリシー上は変更が可能でした。ただしエージェントには変更を行うツールがなく、ポリシーは対象外のものはエスカレーションするよう定めていました。正しい答えは「はい、まだ変更できます。担当に回しました。まだ確定ではありません」です。

各構成の対応は次のとおりです。

危険なのはnoneの返信です。読みやすく、完璧なスペイン語なので、顧客は荷物がマドリードに届くと思って帰ります。ところが届きません。自信満々の誤った約束は、正直な「できません」より悪いのです。顧客が追いかけるのをやめてしまうからです。ライブのキューでまったく同じパターンを見てきました。「対応できないときはエスカレーションする」を、モデルに任せずエージェントのルールに入れているのはそのためです。

Terraのために付け加えると、mediumエフォートは正直でした。エスカレーションの手前で止まっただけです。これは判断のギャップであって幻覚ではなく、OpenAIのシステムカード補遺が、maxエフォートのTerraがSolよりタスク制限を回避しやすいと報告していることとも通じるギャップです。

共通のミスが1つ。 タイプミスのチケットでは、顧客がゼロの代わりに文字OのA1O43という注文IDを入力しました。5つの構成すべてがそのまま検索し、「見つかりません」となり、顧客に再確認を求めました。A1043を提案したものはありません。Solも気づきませんでした。今回も、すべてのモデルがエスカレーションした以前のSolレビューでもです。これはモデルではなくプロンプトの問題と見ています。

細かい点。 noneのTerraは、41日目の年額プラン返金に正しく答えましたが、金額には触れませんでした(顧客は尋ねていませんでした)。注文サービスのタイムアウトでは、Terraのすべての設定が「照会は停止中なので後でお試しください」と伝え、mediumはあきらめる前にツールを2回再試行しました。すべて正直な対応ですが、エスカレーションはありませんでした。Lunaはもう少し親切で、顧客のために再確認を申し出ました。

エフォート設定は重要か

サポートチケットでは、思ったほど重要ではありません。しかも、多くの人の想像とは逆の方向です。

3つの設定すべてが16件中15件でした。変わったのはミスの種類です。noneでは、ミスは明白な偽の約束でした。lowとmediumでは、送る前に手直ししたい返信でした。そのため私はlowが最適だと考えます。noneより1,000チケットあたり$0.10高いだけで、唯一の本当の失敗がなくなりました。一方mediumは、正解が増えないままさらにコストがかかりました。

これは、Artificial Analysisが自社のテスト群で得た結果とも一致します。エフォート別のモデルページでは、lowとmediumのTerraがコスト効率のフロンティア上にあり、それより高い設定はその後ろに下がります。

顧客向けのビジネス自動化を運用しているHNのコメント投稿者も、同じ結論に達しました。

"I have some business automation process for some customers that I maintain, where Terra with low reasoning ended up with the best price/performance & latency."

hobofan, Hacker News

ベンチマークと初期ユーザーの声

Artificial Analysisでは、maxエフォートのTerraはIntelligence Indexで48.1、タスクあたり$0.40で、Solは51.8と$0.72です。AA-Omniscienceテストでの幻覚率は38%で、GPT-5.6 Terraの88%から下がり、Solの54%より低くなっています。これは、Terraが事実を捏造することがまれだった私のテストと一致します。唯一の失敗は、事実の捏造ではなく、約束した操作でした。

Hacker Newsのローンチスレッドは474ポイントに達しました。懐疑派の主張はほぼ1つで、maxエフォートのTerraはSolに負けるというものです。

"I don't understand, in my tests, on max effort, it's worse than 6.1 sol and 2x more expensive. Used on medium seems to be the best use-case and cheaper than 6.1 Sol."

XCSme, Hacker News

私も同意で、さらに踏み込みます。サポートチケットでは、maxの近くには行くべきではありません。額に入れたいコメントは、サポートこそこの選択を実際に測れる唯一の場だと指摘した人のものでした。

"On a repetitive task like customer support or something, where you have decent benchmarks, you can plot cost versus performance, but you can't really do that on coding."

miki123211, Hacker News

上の80回の実行は、まさにそれです。OpenAIの4モデル、約20通りのモデルとエフォートの組み合わせは、雰囲気で選ぶには多すぎます。自分のチケットを流して確かめてください。

GPT-6.1 Terraの料金一覧

Terraのトークン価格は、入力も出力もSolの半分です。OpenAI料金ページの100万トークンあたりの全料金は次のとおりです。

標準料金でファミリー全体を比べると次のとおりです。

月1万チケットなら、lowエフォートのTerraのトークン代は約$7.50で、Solは$16.20です。実際のサポート用プロンプトにはヘルプセンターとチケット履歴が含まれるため、その数倍を見込んでください。それでも比率は変わりません。すべてのチケットが同じポリシーテキストを共有する場合、$0.05のキャッシュ入力は大きく効きます。いずれにせよ、AIカスタマーサービスで高くつくのはトークン代ではなく、有料顧客への誤った約束です。より広いOpenAI APIの料金ガイドでカタログの残りを扱っており、Batchなら待てる処理のコストが半分になります。

乗り換え前の注意点

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、TerraはChat Completionsでも動作しますが、関数ツールにはResponsesが必要です。サポートボットがまだChat Completions経由でツールを送っているなら、まずその部分を移行してください。
2. 無料ティアはなく、レート制限はBuildから始まります。 Buildティアは1分あたり5,000リクエストと100万トークンです。ティアの上がり方はOpenAIレート制限ガイドで説明しています。
3. noneは魅力的ですが、自律的に動くエージェントには危険です。 私のテストで最速かつ最安の設定で、できない操作を約束した唯一の設定でした。タグ付けには向きますが、確認なしで送る返信には向きません。
4. Solよりタスクルールを回避しやすいです。 システムカード補遺では、maxエフォートのTerraが29.6%の実行で"violated the spirit of the restriction"となる経路を取り、Solより高い値でした。OpenAIは、テストがシステムレベルの制御なしで行われたと注記していますが、返金やアカウント変更では承認を有効にしておくもう1つの理由になります。

結論: GPT-6.1 Terraを使うべき人

私の評価: 4/5。 速く、安く、少なくとも3言語で文章がうまく、スクリーンショットを読め、事実をめったに捏造しません。減点はエッジケースでの判断力で、そこではSolがまだ一歩先を行っています。

ターミナルやコーディングエージェントからサポートエージェントを動かしたい場合は、eesel CLIが、ダッシュボードで設定するのと同じチームメイトを操作します。eesel chatで返信をテストし、eesel activityでエージェントの動作を確認し、書き込みは実行前に--dry-runで確かめられます。すべてのコマンドはJSONを返し、すべてのワークスペースはMCPサーバーでもあるため、Terraを使うCodexセッションは、UIをクリックして回る代わりに、サポートチームメイトをツールとして使えます。

サポートチームを運営しているなら

80回の実行を経ての正直な結論は、モデルがボトルネックではなかったということです。Terra、Sol、Lunaはいずれも16件中15件以上を正解しました。唯一の失敗はいつエスカレーションするかに関するもので、それはモデルの能力ではなくルールです。ルールを書き出し、モデルの外で強制すれば、安価なモデルでも安全に使えます。

スイスのオンラインスーツケースショップであるKoffer.chは、eeselをFreshdesk上でそのように運用しています。新しいチケットには、ショップ自身のFreshdeskマクロとポリシーページから、顧客が書いたドイツ語、フランス語、英語、イタリア語のいずれかで返信の下書きが作られ、人が送信します。破損クレームや、注文の確認が必要な返金にも下書きが作られます。受け取った内容と今後の流れを伝える下書きで、そこからはチームが引き継ぎます。この構成は、lowエフォートのTerraで足りる形そのものです。良い文章、送信する人、そして設計上引き継がれるエッジケースです。

スウェーデン、ノルウェー、デンマーク、フィンランドで電動自転車と電動スクーターを販売するNordbutikerは、別の道を選んでいます。4つのブランドそれぞれに別のeeselボットを、Zendesk、ウェブサイトのチャット、ブラウザ拡張機能で運用し、各ボットはそのストアのサイトとZendeskチケットで学習しています。ブランドごとの知識があれば、どのモデルが下書きを書いても、そもそも誤った約束をしにくくなります。

AIの幻覚が心配なら、対策の大半もこのレイヤーにあります。回答をヘルプセンターと過去のチケットに根拠づけ、エスカレーションルールを定め、エージェントがいつ引き継ぐべきかを示すAIカスタマーサービス指標を追うことです。最高のAIエージェントはモデルに柔軟なので、OpenAIがTerraのような安価なモデルを出しても、何も作り直さずにその恩恵を受けられます。

eeselを試す

サポートキューでより安く速い返信が欲しくてGPT-6.1 Terraを試しているなら、eeselは、私のテストで最も重要だと分かった部分を担うAIヘルプデスクのチームメイトです。すでに使っているヘルプデスク(Zendesk、Freshdesk、Gorgiasなど)に加わり、過去のチケット、マクロ、ヘルプセンターから学び、設定したエスカレーションルールに従います。誰かにライブで回答する前に、実際の過去チケットでシミュレーションを実行するので、チームが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、チケットまたはチャット1件が1クレジットです。すべての機能と無制限のシートが含まれます。有料プランは月$299で500クレジットから始まり、トークン単位の課金はないため、裏のモデルが変わっても請求額は変わりません。無料プランから始めて、キューの一部でeeselを試してみてください。