ひとことで言うと
GPT-6.1 Terraは、OpenAIの新しい「速くて安い」モデルです。毎日の事務作業やパソコン操作を大量にこなす用途では、上位モデルより割安で済みます。ただし、とても難しいプログラミングは、上位のGPT-6.1 SolやGPT-6 Astraのほうが向いているとOpenAI自身が書いています。日常使いの軽快な乗用車と、重い荷物を運ぶ大型トラックの使い分けに近いイメージです。
なお、今回の発表の全体像は別記事のOpenAIがGPT-6.1 Terraを発表 コスト半減でPC操作と視覚理解を高速化で解説しています。本稿は「Terra・Sol・Astraのどれを選ぶか」だけに絞ります。
何が発表されたのか
OpenAIは2026年10月26日、公式ブログでGPT-6.1 Terraを発表しました。位置づけは、GPT-5.6 Terraの後継にあたる「速度・能力・コストのバランス型」の新モデルです。文書作成、技術図面の読み取り、フォーム入力、動画編集といった仕事の作業を得意とする、と説明されています。
提供は発表当日から始まっています。ChatGPT WorkとCodexでは、Plus、Pro、Enterprise、Eduのユーザーが使えます。開発者はOpenAI APIでモデル名「gpt-6.1-terra」を指定します。研究段階ではなく、すでに一般に使える状態です。GitHubの公式変更履歴によると、GitHub Copilotでも一般提供が始まり、展開は段階的です。
これまでの流れ
OpenAIは近ごろ、モデルの「1回あたりの単価」ではなく「1つの仕事を終えるまでの総コスト」を重視する姿勢を打ち出してきました。
今回のTerraは、この「タスク単価」の発想を、モデルの品揃えで具体化したものと読めます（編集部の見立て）。
3モデルの違いを料金と性能で比べる
OpenAIの公式ブログは、Sol・Astraの料金を単独では示していません。Terraとの相対関係だけが書かれています。そのため、下の表の一部は編集部による逆算です。
| 項目 |
GPT-6.1 Terra |
GPT-6.1 Sol |
GPT-6 Astra |
| 入力料金（100万トークン） |
1ドル（元記事） |
約2ドル（編集部注：半額との記述から逆算） |
公式発表には記載なし |
| 出力料金（100万トークン） |
5ドル（元記事） |
約10ドル（編集部注：同上） |
公式発表には記載なし |
| キャッシュ入力料金 |
0.05ドル（元記事） |
公式発表には記載なし |
公式発表には記載なし |
| 単価の関係 |
基準 |
Terraの2倍相当（元記事） |
「Terraは10分の1」との記述（元記事） |
| 位置づけ |
速度・コスト重視 |
複雑なコーディング向け（元記事） |
最も高性能なフロンティアモデル（元記事） |
| タスク完了の速さ |
Sol・Astraの3倍超（元記事） |
基準 |
基準 |
| ChatGPT/Codexでの利用枠 |
最も多くの作業をこなせる（元記事） |
Terraより消費が大きい（元記事） |
同左 |
Astraの単価は、Terraが「10分の1」とされる点から、おおむね10倍と推測できます。ただしこれは条件付きの比較で、正確な料金表ではありません。発注前にOpenAIの料金ページで確認してください。
性能・ベンチマークの読み方
OpenAIが示した主な結果を整理します。いずれも自社の測定で、第三者検証は元記事では言及がありません。
| 指標 |
結果 |
出典 |
| Agents' Last Exam（中程度の推論） |
GPT-5.6 Terraより15ポイント高く、費用は約3分の1 |
元記事 |
| 同上 |
GPT-6 Astraと同等で、トークン単価は10分の1 |
元記事 |
| 同上（最大の推論） |
Claude Opus 5.5より、トークン効率が3倍超、単価は4分の1、タスク当たり約9倍安い |
元記事 |
| MMMU-Pro（視覚推論） |
全設定でGPT-5.6 Terraを上回り、AstraとSolに迫る |
元記事 |
| 誤り率（低推論、独自の誘導的プロンプト） |
53.6%から16.7%へ低下 |
元記事 |
| 誤り率（最大推論） |
18ポイント下がって4.3% |
元記事 |
| Terminal-Bench 4.0（最大推論） |
50.3%。GPT-5.6 Terraの公表値21.5%の2倍超 |
元記事 |
| Terminal-Bench-Science 0.1（最大推論） |
Solを低コストで上回り、Opus 5.5と5ポイント差 |
元記事 |
ここで見落としたくないのは、Terraが「同等」とされるのは、主にPC操作や視覚推論の指標だという点です。コーディングについては、OpenAIが最難関タスクにはSolとAstraを勧めています。「Astraと同等」という言葉だけで全面的に置き換えるのは危険です（編集部の見立て）。
選び方の目安
公式発表にある記述から、用途別の目安を整理します。
Terraが向く仕事
請求書を読んで会計ソフトに入力するなど、件数が多く単価を抑えたい業務です。OpenAIが自ら例に挙げています。図面や画像を読む作業、フォーム入力、応答の速さが問われる場面も向きます。GitHubも、Terraを「日常的なエージェント型コーディングとターミナル作業」向けで、Solより低コストと説明しています。
SolやAstraに回す仕事
最も複雑なコーディングです。OpenAIは「SolとAstraがより良い選択」と明記しています。誤り率も、最大推論ではTerraが4.3%でAstraやSolに「ほぼ並ぶ」という表現で、完全に同じではありません。失敗のコストが大きい業務では、この差が効く可能性があります。
二段構えの運用
編集部としては、まずTerraで全件を処理し、失敗や難問だけを上位モデルに回す構成が現実的だと考えます。ただし、この運用が公式に推奨されているわけではありません。自社データでの検証が前提です。
競合サービスとの比較
元記事で比較対象に挙がった競合は、AnthropicのClaude Opus 5.5だけです。他社の同等モデルとの比較は、公式発表には記載がありません。
| 項目 |
GPT-6.1 Terra |
Claude Opus 5.5 |
| トークン単価 |
基準 |
Terraの約4倍（元記事） |
| トークン効率（最大推論） |
3倍超（元記事） |
基準 |
| タスク当たりコスト |
約9分の1（元記事） |
基準 |
| Terminal-Bench-Science 0.1 |
Opus 5.5と5ポイント差（元記事） |
上回る（元記事） |
科学系のコーディング課題では、Opus 5.5がなお上です。コストを重視するならTerra、精度を最優先するなら他モデルも含めて比較する、という整理になります。これらはOpenAI自身の測定値である点に注意してください。
料金・提供プラン
標準APIの料金は、入力100万トークンあたり1ドル、キャッシュ入力0.05ドル、出力5ドルです。OpenAIは、GPT-5.6 TerraとGPT-6.1 Solより50%安いとしています。ChatGPT WorkとCodexでは、同じ利用枠でGPT-5.6 Terraより多く、SolやAstraよりかなり多くの作業をこなせるそうです。無料プランでの提供は、元記事では言及がありません。
GitHub Copilotでは、Pro、Pro+、Max、Business、Enterpriseで選べます。課金は「プロバイダーの定価」に基づく従量制です。企業の管理者は、モデルポリシーで利用を制御できます。
日本から使う方法
- ChatGPT WorkまたはCodexで、Plus、Pro、Enterprise、Eduのいずれかのプランに加入して選びます。
- 開発者は、OpenAI APIでモデル名に
gpt-6.1-terraを指定します。
- GitHub Copilotの対象プランなら、VS CodeやJetBrains IDEなどのモデル選択画面から選べます。展開は段階的です。
- 日本での提供可否や日本語性能について、公式発表には記載がありません。業務利用の前に自社の日本語データで試してください。
- 推論の強さ（effort）ごとに成績が変わるため、低・中・最大で費用と精度を測っておきましょう。
誰にどう効くのか
エンジニア
大量処理のパイプラインは、まずTerraに置き換えて費用を測る価値があります。Terminal-Bench 4.0で50.3%と旧Terraから大きく伸びたため、日常的なコード修正にも使えそうです。一方、難度の高い設計やデバッグは、SolやAstraと並べて比べるべきです。
企画・マーケ
資料のたたき台や、図表の読み取り、フォーム入力などの定型作業が安く速くなる可能性があります。誤り率が下がったとはいえ、最大推論でも4.3%です。数字や固有名詞は人が確認する前提で使うのが安全です。
経営層
単価が半額でも、使い方次第で総額は変わります。OpenAIが示すように、1件の仕事あたりの費用で評価する姿勢が必要です。全業務をTerraにするのではなく、難度で振り分ける設計が費用対効果を左右します（編集部の見立て）。
まとめ
Terraは、毎日の大量作業を安く速く回すためのモデルで、最難関の用途はSolとAstraという役割分担です。数値は大半がOpenAIの自社測定のため、鵜呑みにしないでください。まずは自社の実データで、Terraと上位モデルの費用と精度を同じ条件で比べるのが次の一手です。