OpenAIの中間モデルが価格戦争を開始し、「ツール人」GPT-6.1 Terraが上线しました。

OpenAI CEOサム・アルトマン。画像はAIによって処理されています。

文｜スー・ヤン

編集｜シュ・チンヤン

OpenAIは再びコストパフォーマンスを重視したモデルを発表しました。

アメリカ現地時間10月26日、OpenAIは中間モデルの新バージョンGPT-6.1 Terraを発表しました。前世代のGPT-5.6 Terraと比較して、新モデルは視覚理解、コンピュータ操作、事実の正確性、プログラミング能力を重点的に向上させ、標準APIの入力・出力価格は50%低下しました。

OpenAI自身のテストでは、Terraはコンピュータ操作タスクをGPT-6 AstraやGPT-6.1 Solの3倍の速度で完了し、一部のタスクのパフォーマンスはフラッグシップモデルに近づいています。

このモデルは日常のオフィス業務や高頻度の自動化タスクを対象としており、画面の内容を認識し、複数のアプリケーション間で操作を実行し、技術図面の処理、フォームの記入、動画の編集などの作業も行うことができます。

開発者にとってのもう一つの魅力はコストです：毎百万入力トークンあたり1ドル、出力トークンは5ドル、キャッシュ入力トークンはわずか0.05ドルです。

しかし、速度と価格の利点はすべての体験者を満足させるものではありませんでした。第三者のテストでは、Terraが視覚作品を生成する際、より低コストで複雑なシーンを完成させることができましたが、一部のユーザーは、画面の質感、デザインの美学、複雑なタスク処理において不足があると考えています。

01 オフィス自動化が主戦場

GPT-6.1 Terraの重点は、AIが一連のコンピュータ操作タスクをより迅速に完了することです。

AIアシスタントはユーザーの要求に基づいてテキスト、コード、または操作の提案を生成できますが、タスクが複数のソフトウェアに関わる場合、モデルはインターフェースを理解し、コントロールを認識し、手順に従って実行する必要があります。OpenAIはTerraがこの種のタスクの実行コストをさらに低下させ、モデルがより多くの反復作業を担えるようにしたいと考えています。

例えば、企業はそれを使って受け取った請求書を読み取り、金額、日付、供給者などの情報を会計ソフトに入力させることができます。また、建築技術図面を理解させたり、デスクトップアプリケーションで一連の操作を完了させたりすることもできます。

OpenAIの公式デモでは、GPT-6.1 TerraがBlenderを直接操作し、ゼロから黄色の路面電車の3Dモデルを構築し、車体、窓、屋根の受電弓、シャーシの詳細を段階的に完成させました。

コンピュータ操作のベンチマークテスト「Agents' Last Exam」では、中程度の推論モードで、GPT-6.1 TerraはGPT-5.6 Terraよりも15ポイント高く、単一タスクのコストは後者の約3分の1でした。

GPT-6 Astraと比較して、Terraのトークンあたりの価格は約十分の一で、タスクのパフォーマンスはほぼ同じレベルです。

最高の推論モードでは、OpenAIはTerraのトークン使用効率がClaude Opus 5.5の3倍を超え、トークンあたりの価格は後者の約4分の1で、最終的な単一タスクのコストは約90%低下すると述べています。タスクの完了速度もGPT-6 AstraやGPT-6.1 Solの3倍を超えています。

あなたは理解できます：タスクに一定の推論能力が必要で、最強のモデルを使用する必要がない場合、速度とコストがより重要な選択基準になる可能性があり、これがTerraの位置付けモデルの「スイートスポット」です。

ただし、ベンチマークテストの結果は、すべての実際の作業における効率と直接的に等しいわけではありません。異なるタスクの手順数、ツールの呼び出し方法、推論の強度は時間に影響を与え、実際の使用効果は具体的なシーンによって異なります。

02 幻覚率の低下、プログラミングの成績が倍増

コンピュータ操作に加えて、Terraは事実の正確性とプログラミングにおいても明らかな向上を見せています。

OpenAIは内部設計の高エラー誘発プロンプトを使用してテストを行いました。低推論モードでは、GPT-5.6 Terraの事実誤り率は53.6%で、GPT-6.1 Terraは16.7%に低下し、36.9ポイントの減少を示しました。最高の推論モードでは、新モデルの誤り率はさらに4.3%に低下し、前世代よりも18ポイント低く、GPT-6 AstraやGPT-6.1 Solのレベルに近づいています。

第三者評価機関Artificial Analysisも同様の変化を観察しました。彼らの独自のAA-Omniscience知識と幻覚ベンチマークテストでは、モデルが問題の答えを知らない場合、GPT-6.1 Terraの推測率は38%で、GPT-5.6 Terraは88%でした。同時に、新モデルの正確性は2ポイント向上しました。

ただし、この結果は特定のテストセットからのものであり、すべての実際のシーンにおけるモデルの誤り率を直接導き出すことはできません。

プログラミングに関しても、Terraの向上は同様に明らかです。

Terminal-Bench 4.0では、モデルはコマンドラインを通じてソフトウェアエンジニアリングタスクを完了する必要があります。例えば、ウェブページの読み込み中に発生するレイアウトのずれを修正することです。最高の推論強度で、GPT-6.1 Terraのタスク解決率は50.3%に達し、GPT-5.6 Terraの以前の発表の21.5%を超え、増加率は倍以上です。

Artificial Analysisが発表したCoding Agent Index v2.0では、Terraに48点を付け、GPT-6.1 Solの54点には及ばないものの、GPT-6 Lunaの31点を上回っています。この機関は、Terraが低推論強度と超高推論強度の設定で良好なコスト効率を持っていると考えています。

視覚理解テストMMMU-Proとデスクトップ操作テストOSWorld 2.1でも、Terraは全体的にGPT-5.6 Terraより優れています。画像を理解し、ソフトウェアを操作し、複数のステップを完了する必要があるユーザーにとって、これらの能力は相互に補完し合います。

しかし、OpenAIは最も複雑なプログラミングタスクに関しては、GPT-6.1 SolやGPT-6 Astraがより適切な選択であることを認めています。Terraの利点は主にコストに敏感で、タスク量が多く、操作プロセスが比較的明確な作業に集中しています。

03 本物の「バイヤーショー」

ソーシャルプラットフォームからのフィードバックを見ると、開発者のTerraに対する評価には明らかな違いがあります。

デザイン評価プラットフォーム@DesignArenaは、リスボンのベレンの塔をテスト対象として選び、GPT-6.1 TerraとGPT-5.6 Terraに16世紀の石灰岩建築をゴールデンアワーに再現させ、カモメ、帆船、遠くの大橋を追加しました。

テスト結果は、GPT-6.1 Terraが前世代の約4倍の時間を要し、使用したトークンも48%多かったことを示しています。しかし、単一トークンの価格が大幅に低下したため、最終的なコストは逆に38%低下し、GPT-5.6 Terraの0.077ドルから0.047ドルに減少しました。

実際のデモを見ると、両モデルが生成した画像にも違いがあります。

DesignArenaは、GPT-6.1 Terraがより複雑な建築構造を再現し、重なり合ったアーチ型の窓、ドームの角塔、タホ川の水面に反射する太陽光を含んでいると考えています。生成されたページのサイズは31%大きく、各フレームには432の独立した部品が使用され、前世代の323個を上回っています。

対照的に、GPT-5.6 Terraはドーム、バルコニー、帆船、カモメを生成しましたが、建物の形状はより単純で、水面には明確な光と影の変化がなく、遠くの大橋も同じような詳細な構造を示していません。

AIモデルテストアカウント@N1njaCodexは、GPT-6.1 TerraとClaude Opus 5.5が生成したピクセルアートスタイルのローマ競技場のパフォーマンスを比較しました。

両モデルが同じタスクを完了するのにかかった費用はそれぞれ2.38ドルと8.38ドルでした。NinjaCodexは、Terraがこの価格でタスクを完了するのは良いことだと考えていますが、Opusが生成した競技場はより明るく、画面の層もより豊かであるため、依然として後者を好んでいます。

AI独立開発者@YFeng2022もTerraの視覚表現に疑問を呈しました。彼は、ビデオデモから見ると、モデルが生成した画像にはプラスチック感があり、美的表現は依然として理想的ではなく、全体的な効果はDeepSeekやKimiが最近発表したモデルには及ばないと考えています。

もう一つのモデル追跡アカウント@Mr_Salioは、Terraの全体的なパフォーマンスに対して否定的な態度を示しました。彼は、モデルの速度は際立っているが、総合的な体験は期待に達しておらず、GPT-5.6が一部のテストでより良いパフォーマンスを示したと考えています。

04 中間モデルが計算を始めるとき

Terraが発表された後、それに関する議論はすぐにモデル市場の競争に広がりました。

AI開発者@NFT_ChenはArtificial Analysisのインテリジェンス指数データを引用し、GPT-6.1 Terraが最高推論強度で48点を獲得し、多くの中国モデルを上回ったことを強調しました。

これは製品の競争力と直接的に等しいわけではありませんが、モデル間の競争が異なる推論強度におけるコスト、速度、タスク完了の質にまで広がっている現実を反映しています。

@NFT_Chenは、ユーザーが深い判断、複雑なアーキテクチャ設計、高品質な創作を必要とする場合、Claude Opus 5.5を優先的に考慮すべきだと考えています。明確な仕様に基づく開発、文書作成、エンドユーザー操作が主な作業であれば、Sonnet 5.5も競争力があります。一方、Terraは高頻度のオフィス作業、アプリケーション間の操作、コストに敏感な自動化タスクにより適しています。

この選択方法はOpenAIのTerraに対する位置付けとも一致しています。公式には、深い研究や複雑なプログラミングには依然としてGPT-6.1 SolまたはGPT-6 Astraを優先的に考慮することが明示されています。Terraはより低価格で多くの日常業務をカバーすることを目指しています。

現在、GPT-6.1 TerraはChatGPT WorkおよびCodexのPlus、Pro、Enterprise、Eduユーザーに開放されており、開発者はOpenAI APIを通じて呼び出すこともできます。標準価格は、百万入力トークンあたり1ドル、キャッシュ入力トークン0.05ドル、出力トークン5ドルです。

大量にモデルを呼び出す必要がある企業や開発者にとって、価格の低下は自動化プロジェクトのコストに直接影響を与える可能性があります。しかし、視覚的な品質、複雑な推論、またはコードの信頼性が非常に高い要求がある場合、モデルは実際のテストを経る必要があり、単にトークンの価格だけを見てはいけません。