GPT-6.1 Terra とは｜Sol との違いと業務別の選び方

はじめに

2026 年 10 月 26 日（米国時間）、OpenAI が GPT-6.1 Terra を発表しました。GPT-5.6 Terra の後継にあたる GPT-6 世代のモデルで、画像の理解、画面を見ながらのコンピューター操作、文書作成を高速かつ低コストで処理することを特徴としています。

一方で、GPT-6 世代ではすでに Astra・Sol・Luna が提供されており、Terra を加えた 4 モデルのどれを業務に使うべきかが判断しにくくなっています。発表のベンチマークは推論設定や比較対象がそろっておらず、ChatGPT の利用枠と API のドル建て料金も別の仕組みです。

この記事では、OpenAI の公式情報をもとに、GPT-6.1 Terra の特徴と GPT-5.6 Terra からの変化、Sol・Astra・Luna との違い、API 料金、提供条件を整理し、業務別のモデル選択と導入時の確認事項まで示します。本記事の性能値はいずれも OpenAI の公表値であり、当ブログで GPT-6.1 Terra を実測した結果ではありません。

先に結論を示します。GPT-6.1 Terra は画面操作・画像理解・文書作成を速く低コストで処理するモデルで、API の標準単価は入力 $1・出力 $5 と、GPT-6.1 Sol の半額、GPT-6 Astra の 10 分の 1 です。ChatGPT では通常の Chat では選べず、Work と Codex のモデル一覧から選択します。画面や画像を読み取る業務は Terra、複雑な開発や高度な判断は Sol・Astra、大量の定型処理は Luna を第一候補とし、同じ入力で品質とコストを比べて決めることをおすすめします。

GPT-6.1 Terra とは｜位置づけと GPT-5.6 Terra からの変化

GPT-6.1 Terra は、GPT-6 世代で Sol と Luna の間に置かれたモデルです。OpenAI は、提案書の作成、技術図面の解釈、フォームへの入力、動画の編集など、日常業務の多くを占めるコミュニケーションとコンピューター上の作業を得意分野として挙げています。

参考: GPT-6.1 Terra Model（OpenAI API ドキュメント）
“A fast, efficient model for visual reasoning, precise computer use, and clear, natural writing.”
（視覚的な推論、正確なコンピューター操作、明快で自然な文章作成のための、高速で効率的なモデル）
https://developers.openai.com/api/docs/models/gpt-6.1-terra

GPT-6.1 Terra の主な仕様

API のモデルページに記載された仕様です（2026 年 10 月 27 日確認）。

発表では動画の編集も得意な作業の例に挙がっていますが、これはコンピューター上の作業の例として示されたものです。API のモデルページでは音声と動画の入力は非対応とされており、動画ファイルを API へ直接入力して解析する用途には使えません。画面操作による編集と API の入力形式は、分けて確認する必要があります。

GPT-5.6 Terra から変わった点

OpenAI は GPT-6.1 Terra を GPT-5.6 Terra からの大きな改善と位置づけています。主な変化は次の 4 点です。

• 画面操作: 専門職の作業を測る評価で、同じ推論設定のまま、より低いタスクコストで高いスコアを達成
• 画像理解: 視覚的な推論の評価で、すべての推論設定において GPT-5.6 Terra を上回る結果
• 事実性とコーディング: 誤りを誘発しやすい社内評価での誤答率と、コマンドラインでの開発タスクの解決率が改善
• 料金: Standard API の単価を引き下げ、入力単価は GPT-5.6 Terra の半額

測定条件と数値は「GPT-6.1 Terra の性能とベンチマーク」、単価の比較は「GPT-6.1 Terra の API 料金」で整理します。GPT-5.6 世代の 3 モデルの違いは、関連記事『GPT-5.6 Sol・Terra・Luna の違い｜値下げ後の料金と使い分け』を参照してください。

GPT-6.1 Terra と Sol・Astra・Luna の違い

GPT-6 世代の 4 モデルは、能力・速度・コストの配分が異なります。まず公式の位置づけを比較し、次に具体的な業務へ当てはめます。

モデル別の位置づけ

参考: Models（ChatGPT Learn）
“GPT-6.1 Terra, for everyday writing and visual work.”
（GPT-6.1 Terra は、日常的な文章作成と視覚的な作業向け）
https://learn.chatgpt.com/docs/models

公式資料では、Terra は Sol の下位版というより、文章・視覚・画面操作という得意分野で説明されています。一方で、Sol は GPT-6 Sol の改良版として Astra に近い性能を低コストで提供する位置づけです。Sol と Astra の詳細は、関連記事『GPT-6.1 Sol とは｜API 料金の変更点と移行時の注意点』『GPT-6 Astra の料金と提供範囲｜GPT-5.6 との使い分け』で整理しています。

業務別の使い分けと第一候補

次の表は、公式資料の能力説明と公表ベンチマークから導いた編集上の選定目安です。筆者が各モデルを同じ業務で実測比較した結果ではありません。最初に試すモデルの出発点として使い、自社の業務データで確認することをおすすめします。

第一候補で品質が足りない場合は上位のモデルへ、十分な場合は下位のモデルでも合格するかを試す、という順序で絞り込むと、必要以上に高いモデルを使い続けることを避けられます。比較の進め方は、後述の「導入判断のチェックリスト」で整理します。

GPT-6.1 Terra の性能とベンチマーク

発表には多くの評価結果が掲載されていますが、ここではモデル選択の判断材料になる 4 つに絞ります。いずれも OpenAI の公表値で、第三者による検証ではありません。

画面操作と画像理解

処理速度については、Agents’ Last Exam のタスクを Astra と Sol より 3 倍以上速く完了したと説明されています。速度とコストの改善率は特定の評価での値であり、すべての業務で 3 倍速く、3 分の 1 の費用で済むことを示すものではありません。画面の構成、操作の手順数、推論設定によって結果は変わります。

事実誤認とコーディング性能

事実性の数値は、誤りを誘発しやすいプロンプトを集めた OpenAI の社内評価の結果です。通常の利用で誤答が約 7 割減ることや、ハルシネーションが一般に同じ割合で減ることを示すものではありません。名称、数値、画像から読み取った内容は、引き続き元の資料と照合する必要があります。

コーディングでは Terminal-Bench 4.0 の解決率が 2 倍以上に改善しました。ただし OpenAI は、最も複雑なコーディングでは上位モデルを推奨しています。

参考: Introducing GPT-6.1 Terra（OpenAI 公式）
“GPT-6.1 Sol and GPT-6 Astra remain the better choice.”
（最も複雑なコーディングタスクでは、GPT-6.1 Sol と GPT-6 Astra が引き続き適した選択肢である）
https://openai.com/index/introducing-gpt-6-1-terra/

GPT-6.1 Terra の API 料金

このセクションの単価は、Standard 処理、入力 272K トークン以下、100 万トークンあたりの 2026 年 10 月 27 日時点の値です（Pricing）。

シリーズ別の料金比較

各モデルと比べた Terra の単価の関係は次のとおりです。

• GPT-6.1 Sol と比べて、入力・キャッシュ・出力のすべてが半額
• GPT-6 Astra と比べて、入力・キャッシュ書き込み・出力は 10 分の 1、キャッシュ入力は 20 分の 1
• GPT-6 Luna は Terra と比べて、入力・出力が 10 分の 1、キャッシュ入力が 5 分の 1

旧モデルとの比較では、OpenAI は GPT-6.1 Terra の Standard API 価格が GPT-5.6 Terra と GPT-6.1 Sol より 50% 低いと説明しています。GPT-5.6 Terra の単価は、2026 年 7 月 30 日の価格改定で入力 $2・出力 $12 と公表されていました（Advancing the price-performance frontier with GPT-5.6）。この値と比べると入力は半額で、出力の減少率は 50% を上回ります。見積もりには「50% 減」という率ではなく、上の表の現行単価を使うことをおすすめします。

同じトークン数でのコスト試算と注意点

1 リクエストあたり入力 20,000 トークン（画像を含む）、出力 2,000 トークン（推論トークンを含む）の処理を 1,000 回実行した場合の単価計算です。

この試算は、全モデルの消費トークン量が同じで、キャッシュとツールを使わないと仮定した単価計算であり、実測値ではありません。実際にはモデルや推論設定によって出力トークン量が変わり、品質が足りずに再実行すれば費用も増えます。請求額には、次の条件も加わります。

272K トークンを超える入力

超過分だけでなくリクエスト全体の入力とキャッシュが 2 倍、出力が 1.5 倍で課金されます。Terra では入力 $2.00、キャッシュ入力 $0.10、出力 $7.50 です。

プロンプトキャッシュ

キャッシュに一致した入力は通常の入力単価の 5% です。書き込みは 30 分保持で $1.25、12 時間保持で $2.50 かかるため、書き込みが毎回発生する構成では効果が小さくなります。

推論トークンと画像

推論のトークンは出力として課金され、推論設定を上げると出力側が増えます。画像は入力トークンに換算されるため、スクリーンショットの枚数や大きさで入力量が変わります。

ツール料金

Web 検索は 1,000 回あたり $10 に加え、取得したコンテンツのトークンがモデル単価で課金されます。ファイル検索は 1,000 回あたり $2.50 とストレージ料金、Hosted Shell と Code Interpreter はコンテナーのセッション料金がかかります。組み込みツールが使うトークンも、モデルの単価で課金されます。

処理モードとリージョン

Batch と Flex は Standard より 50% 低く、Fast mode は 2 倍の単価です。データレジデンシー対応のリージョナル処理には 10% が上乗せされます。

ChatGPT Work・Codex の利用枠は別の仕組み

ChatGPT Work と Codex をプラン内で使う場合は、ドル建ての API 料金ではなく、モデルごとのクレジットレートで利用枠を消費します。Work と Codex は利用枠を共有しています。

参考: Pricing（ChatGPT Learn）
“API token prices are separate from subscription usage”
（API のトークン価格は、サブスクリプションの利用量とは別である）
https://learn.chatgpt.com/docs/pricing

Terra のクレジットレートは Sol の半分で、同じ利用枠で実行できる量の目安が増えます。ただし、目安はタスクの規模、コンテキスト、推論設定、ツールの利用によって変わり、固定のメッセージ上限ではありません。プランの月額料金と全体の利用枠は変わっていないため、影響は「同じ枠で実行できる量」として現れます。なお、Codex に API キーでサインインした場合は、プランの枠ではなく API 料金の従量課金になります。

GPT-6.1 Terra の使い方と業務導入時の注意点

提供条件は ChatGPT の中でも Chat・Work・Codex で異なり、API はさらに別の契約と課金体系です。利用環境ごとに確認したうえで、業務自動化で押さえておきたい点を整理します。

ChatGPT Work・Codex・API での提供条件

参考: October 26–30, 2026（ChatGPT Learn）
“The model isn’t available in Chat”
（このモデルは Chat では利用できない）
https://learn.chatgpt.com/docs/whats-new/october-26-30-2026

提供対象のプランは、資料によって記載に差があります。OpenAI の発表記事は Plus・Pro・Enterprise・Edu を挙げていますが、ChatGPT Learn の更新情報、changelog、料金ページは Business を含めています。本記事では、製品ごとの利用条件を扱う ChatGPT Learn の記載に基づいて Business を提供対象として扱います。Business で表示されない場合は、展開状況とワークスペースの設定を確認してください。

Enterprise では、ワークスペースでの提供状況と管理者の制御によって利用可否が決まります。また、Terra は UAE の推論レジデンシーに対応していません。画面操作に使うブラウザー操作と Computer use には、それぞれ設定とアクセス許可の要件があり、地域によって利用が制限される機能もあります。

Codex CLI でモデルを指定する場合は、次のように実行します。

codex -m gpt-6.1-terra

既定のモデルにする場合は、設定ファイル config.toml の model に gpt-6.1-terra を指定します。今回確認した公式資料では、Terra を使うための Codex CLI の最低バージョンは明記されていませんでした。CLI でモデルが表示されない場合は、CLI を最新版に更新したうえで /model から選択できるか確認することをおすすめします（Models）。

API では、推論設定を reasoning.effort で指定します。次の例は、公式ガイドの記載に基づいて指定位置を示したもので、当ブログでは実行していません。

{
  "model": "gpt-6.1-terra",
  "reasoning": { "effort": "medium" },
  "input": "..."
}

OpenAI のガイド（Using GPT-6）は、medium から始め、品質の向上が時間とトークンの増加に見合う場合に推論設定を上げるよう案内しています。GPT-5.6 Terra から移行する場合は、代表的な画像とワークフローで両モデルを同じ推論設定で比較し、Chat Completions でツールを呼び出している処理は Responses API へ移行する必要があります。ただし、推論設定の段階は世代間で意味が完全には一致しないと案内されています。同じ推論設定での比較は初期比較と位置づけ、前後の設定も試したうえで、品質、処理時間、実際のトークン消費量で評価することをおすすめします。

権限管理と実行結果の確認

Terra の強みである画面操作は、業務システムへの書き込みと直結します。画面を正しく読み取れることと、業務システムの操作を任せてよいことは別の問題です。導入時は、次の点を設計しておくことを推奨します。

• 操作用のアカウントを分け、参照・更新の権限を作業に必要な範囲に限定する
• 誤操作したときの影響を洗い出し、影響の大きい操作を対象から外すか、取り消せる手段を用意する
• 本番の設定変更、重要な情報の更新、外部への送信は、人の承認を挟む
• 完了の報告だけで判断せず、実際に保存・反映された結果を画面やデータで確認する
• 認証情報や機密情報を入力させない運用と、ワークスペースのデータ取り扱い設定を確認する
• 誰がいつ何を実行したかを追えるよう、操作ログと監査ログを残す

OpenAI は、Terra がプロンプトインジェクションへの強い耐性を示したと説明しています。ただし、Web ページやメールに含まれる指示を読み込む業務では、耐性に頼らず、権限の制限と承認を前提に設計することをおすすめします。

導入判断のチェックリスト

OpenAI のモデル選択ガイドは、同じ入力で結果を比べ、品質の基準を満たす最も軽い設定を残すよう案内しています。

参考: Model selection（OpenAI API ドキュメント）
“keep the lightest setting that meets your quality bar.”
（品質の基準を満たす、最も軽い設定を採用する）
https://developers.openai.com/api/docs/guides/model-selection

この考え方を、導入前に確認する項目としてまとめます。

• 単純な抽出・分類は、まず Luna で合格条件を満たすか確認したか
• 画面の読み取りや複数アプリの操作が必要な業務を、Terra の候補として切り分けたか
• 複雑な開発や設計判断は、Sol・Astra と同じ入力で比較したか
• 同じ入力、同じ推論設定、同じ採点基準で、品質・処理時間・費用を記録したか
• 利用環境（Work・Codex・API）ごとに、プランと管理者設定による提供条件を確認したか
• 操作権限、承認、結果の確認、ログの保全の方法を決めたか

評価データの作り方と記録する項目は、関連記事『GPT-6 Sol・Luna の違い｜API 料金と業務利用での選び方』の評価手順が、Terra を含めた比較にもそのまま使えます。

まとめ

GPT-6.1 Terra は、画面操作・画像理解・文書作成を高速かつ低コストで処理する、GPT-6 世代の新しい選択肢です。API 単価は Sol の半額ですが、最も複雑な開発や高度な判断では Sol と Astra が引き続き推奨されています。業務への採用は、同じ入力で品質とコストを比べ、操作権限と結果確認の仕組みを整えてから判断することが出発点になります。

• 画面操作・画像理解・文書作成に向く、高速で効率的な GPT-6 世代のモデル
• API 標準単価は入力 $1・出力 $5 で、Sol の半額、Astra の 10 分の 1
• GPT-5.6 Terra から画面操作、事実性、コーディングの公表値が改善
• 公表値は特定の評価と推論設定での結果で、すべての業務には一般化できない。
• ChatGPT では Work と Codex で選択でき、通常の Chat では未提供
• 大量の定型処理は Luna、複雑な開発と高度な判断は Sol・Astra が第一候補
• 画面を理解できることと、操作を任せてよいことは分けて判断する。

以上、最後までお読みいただきありがとうございました。