GPT-6.1 Terraの特徴と料金：Solとの使い分け・移行の判断基準

GPT-6.1 Terraは、画像の理解、アプリの操作、提供された資料をもとにした明快な文章作成を任せるなら、まず評価したいモデルです。OpenAIが2026年10月26日に公開したこのモデルは、こうした作業をGPT-6.1 Solの標準APIトークン単価の半額で処理します。複雑なプロジェクトには引き続きSol、特に難しい仕事にはGPT-6 Astra、単純な定型作業にはGPT-6 Lunaを使い分けます。

2026年10月27日時点の各提供元の公開ドキュメントで確認しています。モデル切り替えの提案は、それらの資料に基づく分析です。費用例は計算による試算であり、実際のワークロードを測定したものではありません。

GPT-6.1 Terraとは？得意な仕事と基本的な位置づけ

GPT-6.1 Terraは、画像をもとにした推論、コンピューター操作、自然な文章作成に強みを持つ、OpenAIの高速で効率的なモデルです。 画像をもとにした推論とは、画像に写っているものだけでなく、その位置関係やレイアウトまで読み取ることです。コンピューター操作とは、ソフトウェアの画面を通じて実際に操作することを指します。OpenAIは、提案書、技術図面、フォームなどを扱う日常業務に向けた、GPT-5.6 Terraからのアップグレードと説明しています。OpenAIの発表

地図を読むことと、地図に従って目的地に向かうことの違いを考えると、わかりやすくなります。画像を扱えるアシスタントは、画面の内容を説明できます。一方、コンピューターを操作するエージェントには、次の操作を選び、変化した画面を確認し、狙いどおりの結果に到達したかを判断する力も必要です。Terraが狙うのは、この視覚的な理解と操作を組み合わせる領域です。

業務担当者なら、仕入れ先の商品写真を既存カタログの商品と照合し、掲載情報の更新案を用意するような、範囲の明確な仕事が候補になります。創業者なら、手元の商品メモを提案書にまとめる仕事が考えられます。いずれも試す価値のあるワークフローであり、無人で実行すればすべてのレコードや文章が正確になるという保証ではありません。

モデルを使うには、必要なツールと権限を備えた実行環境も必要です。Terraを選ぶだけで会計システムにつながったり、ブラウザーへのアクセス権が付いたりするわけではありません。OpenAIのWorkドキュメントでも、モデルを利用できるかどうかと、ブラウザーやコンピューター操作の設定は明確に分けて説明されています。Workのリリースノート

GPT-6.1 TerraとSolの比較：どの仕事を移すべきですか？

範囲が明確な画像処理や文章作成からTerraを試し、難しく相互依存の多いプロジェクトは、切り替える根拠が得られるまでSolに残します。 OpenAIのモデル選択ガイドは、同じ入力を使い、reasoning effortもそろえて比較するよう勧めています。reasoning effortは、モデルが推論に割く処理の量を調整する設定です。時間と費用の両方が重要になる複雑な仕事には、引き続きSolを推奨しています。OpenAIのモデル選択ガイド

仕様の出典：Terraのモデルカード、Solのモデルカード。コンテキストウィンドウは、処理に使えるトークンの枠です。すべての細部を正しく利用できる保証ではありません。また、最大出力の枠が、その上に追加されるわけでもありません。

開発者の場合： 個人で開発するなら、再現手順と回帰テストが明確なバグ修正でTerraを試せます。認証、課金、データ移行にまたがり、判断が互いに影響する変更はSolに任せます。これは、範囲を絞った修正と複雑なコーディングを区別するOpenAIの考え方を実務に当てはめたものです。Terraには大きな仕事を試すことすらできない、という意味ではありません。

業務担当者の場合： 経験のある担当者なら、提供した文書から所定の項目を入力する作業でTerraを試せます。合否は、変更すべきでない項目も含めて、保存されたレコードで確認します。自信に満ちた完了報告だけでは、成功したと判断できません。

導入を判断する立場の場合： 中堅企業のCTOなら、全社の既定モデルを変える前に、特定のワークフローへの割り当てを変えるのがよいでしょう。資金調達済みのスタートアップの創業者なら、資料をもとにした提案書の下書きを試行対象にし、矛盾する根拠を扱う戦略プロジェクトはSolやAstraに残せます。速度だけでなく、レビューや修正にかかる時間も比較します。

AstraやLunaを選んだほうがよいのは、どんな場合ですか？

高度な推論や曖昧さの多い仕事ではGPT-6 Astraへの切り替えが引き続き有効です。目的が絞られた大量の定型作業では、GPT-6 Lunaが経済的な出発点になります。 これはOpenAIが公表している役割分担です。Terraのバージョン番号が大きくても、GPT-6ファミリーのすべてのモデルより上位に位置するわけではありません。OpenAIのGPT-6ガイド

届いた依頼の分類や、少数の項目の抽出をLunaがすでに正確にこなしているなら、その仕事はLunaに残します。画像の解釈、アプリとのやり取り、文章の品質が原因で安価なワークフローがうまくいかない場合に、Terraを試します。品質の差が利用量の増加に見合う難しい調査や成果物には、Astraを使います。選ぶ基準は、試行そのものの安さではなく、実際の合格基準を満たす選択肢の中で最も安いことです。

モデルファミリー全体と正確な識別子は、当サイトのGPTモデルガイドで確認できます。

GPT-5.6 Terraから移行すべきですか？

画像を扱う仕事や日常的なアプリ操作をGPT-5.6 Terraに任せているなら、今から移行の試行を始める価値があります。 OpenAIの移行ガイドは、代表的な画像とワークフローを使い、reasoning effortをそろえて比較するよう勧めています。まずmediumで基準を取り、その後に設定を変えます。ツール呼び出しにChat Completionsを使っているアプリケーションは、GPT-6.1 Terraの導入時に、該当するリクエストをResponsesへ移す必要があります。移行ガイド

従来のラインアップは、以前のGPT-5.6ファミリーガイドで紹介しています。新しいTerraを試す根拠はありますが、検証せずに置き換える根拠まであるわけではありません。特殊なレイアウトの文書、判別しづらい商品写真、不完全な入力、ツールの失敗を確認する間は、旧モデルを使う経路も残しておきます。これらは評価ケースの例であり、今回の検証で観測した不具合ではありません。

OpenAIのベンチマークから、どこまで判断できますか？

公開された結果は試す根拠になりますが、そこから予測できることには明確な限界があります。 以下はすべて提供元のOpenAIが公表した結果であり、独立したテストではありません。

• Agents' Last Examでは、推論設定がmediumのTerraは、GPT-5.6 Terraを15パーセントポイント上回り、費用は約3分の1です。この評価でのタスク完了速度は、SolやAstraの3倍超だったとOpenAIは報告しています。
• 画像をもとにした推論を測るMMMU-Proでは、TerraはSolやAstraにほぼ並ぶ性能を、より低い費用で実現するとOpenAIは説明しています。
• Terminal-Bench 4.0では、推論設定を最大にしたTerraのタスク解決率は50.3%です。GPT-5.6 Terraの公表値は21.5%でした。最も複雑なコーディングには、OpenAIは引き続きSolかAstraを推奨しています。

出典：OpenAIが公開時に示したベンチマーク

ベンチマークは、タスク群と評価条件を固定して測定します。実際のワークフローでは、プロンプト、権限、ツール、失敗した場合のコストが異なります。デスクトップ上の作業で得られた結果だけでは、あらゆる調査やエンジニアリングの課題でTerraがSolを置き換えられるとはいえません。

GPT-6.1 Terraの料金：モデルを切り替えると、いくら変わりますか？

入出力トークンの構成を固定すると、Terraの標準モデル利用料はSolの半分になります。ただし、Lunaはさらに安価です。 OpenAIの短いコンテキスト向け標準料金は、100万トークンあたり、gpt-6.1-terraの入力が$1、キャッシュ済み入力が$0.05、出力が$5です。対応する入力/出力単価は、Solが$2/$10、Astraが$10/$50、Lunaが$0.10/$0.50です。OpenAI APIの料金表

この計算では、キャッシュの書き込み・読み取り、別途のツール料金、速度や地域による割増料金はなく、長いコンテキスト向け料金の適用基準を超えるリクエストもないと仮定しています。Terraのモデルカードでは、入力が272Kトークンを超えると、リクエスト全体に高い単価が適用されます。100万トークンのコンテキストウィンドウがあるからといって、100万トークンのリクエストを基本単価で使えるわけではありません。Terraの料金適用条件

実際には、推論やツールのコンテキストに消費するトークン数がモデルごとに異なり、再試行によって総額が変わることもあります。トークン料金の削減をそのまま業務全体の削減額とみなす前に、合格した成果物あたりの費用を測ってください。課金の詳しい仕組みは、当サイトのOpenAI API料金ガイドで解説しています。

GPT-6.1 Terraは、どこで使えますか？

TerraはOpenAI、Amazon Bedrock、GitHub Copilotで利用できます。Microsoftの公式ドキュメントにも、AzureのFoundryで提供するモデルとして掲載されています。 自社で管理・評価できる利用経路を選び、その経路でのアクセス条件を確認します。

ChatGPT WorkとCodex：対応プランと利用条件

ChatGPT WorkとCodexでは、Plus、Pro、Business、Enterprise、Eduの各プランにTerraが掲載されています。 公開時の発表ではBusinessが一覧から抜けていますが、現行のWorkリリースノートには明記されています。デスクトップアプリまたはWeb版WorkのAdvancedからTerraを選択できます。Workではモバイルにも対応しています。通常のChatでは利用できません。 Enterpriseでのアクセスはワークスペースと管理者の設定によって決まり、リリースノートでは推論のデータ所在地をUAEに指定する構成が対象外になっています。OpenAIのWorkドキュメント

導入を判断する際は、利用資格と処理できる量を分けて考える必要があります。プランにモデルが含まれていても、完了できるタスク数が一定とは限りません。OpenAIは、Terraなら既存の利用枠でより多くの作業をこなせるとしていますが、発表では一律に何倍のタスクを実行できるかは示していません。API単価の比率から、サブスクリプションの利用枠の比率は導けません。サブスクリプションについては、Codexの料金とプラン別の利用条件を参照してください。

OpenAI APIでの利用

開発者はgpt-6.1-terraを指定します。ツールを呼び出すワークフローではResponses APIを使います。 入力はテキストと画像、出力はテキストです。モデルカードには、音声や動画のネイティブ対応は記載されていません。動画編集アプリの操作を支援できることと、APIが動画を入力形式として受け付けることは別です。TerraのAPIドキュメント

Amazon Bedrockでの利用

AWSのマネージドモデルサービスであるAmazon Bedrockは、2026年10月26日にTerraの一般提供を発表しました。 AWSによると、Bedrock APIから呼び出すほか、ChatGPT WorkやCodexでBedrock上のTerraを使うよう設定できます。発表では、リージョン、エンドポイント、対応機能、推論プロファイル、料金について、Bedrockのドキュメントを確認するよう案内しています。AWSの発表

AWSを中心に運用している組織なら、既存のアクセス管理や監査の仕組みのもとで評価できる経路になります。ただし、すべての提供元で機能や課金が同一だと確認されたわけではありません。

GitHub Copilotでの利用

GitHubのコーディングアシスタントであるGitHub Copilotは、10月26日にPro、Pro+、Max、Business、Enterprise向けのTerraの一般提供を発表しました。 GitHubが挙げる利用先は、VS Code、Visual Studio、Copilot CLI、GitHub Copilotのクラウドエージェントとアプリ、github.com、GitHub Mobile、JetBrains、Xcode、Eclipseです。提供は段階的に進み、BusinessとEnterpriseの管理者はモデルポリシーでアクセスを制御できます。GitHubの発表

GitHubによると、従量課金ではモデル提供元の公開料金が適用されます。開発者が普段使っているクライアントで評価し、モデル選択欄に表示されない場合は、モデルポリシーを確認してください。

Microsoft Azureでの利用

Microsoft AzureのFoundryの推論モデルに関するドキュメントには、gpt-6.1-terra、バージョン2026-10-26が明記されています。 提供状況と機能の表にTerraが含まれ、リージョン別の提供状況やクォータのティアへの案内もあります。そのためAzureも利用先として挙げられますが、すべてのリージョンやデプロイの種類で利用できると確認されたわけではありません。Microsoftのモデルドキュメント

GPT-6.1 Terraへの期待は、どこから過大になりますか？

画像を扱う性能が高く、料金も安いというだけで、あらゆるモデルの代わりになると考えるのは行き過ぎです。 Terraの適性は、仕事の内容、周囲のツール、保存された成果物の品質によって決まります。

ベンチマークが速く終わっても、本番のすべての仕事が速くなるわけではありません。トークン単価が下がっても、サブスクリプションの利用枠の消費が同じ割合で減るとは限りません。そして、モデル選択欄に表示されていても、エージェントが必要なすべてのアプリにアクセスできるとは限りません。

業務担当者が特に注意したいのは、結果の検証です。狙いどおりのレコードが正しく保存されていなくても、モデルはもっともらしい完了報告を返すことがあります。OpenAIのモデル選択ガイドは、対象レコードを開き直すこと、無関係なデータを確認すること、完了報告と実際の結果を照合することを具体的に勧めています。返答がどれほど説得力を持つかという主観的な評価だけで済ませず、試行の中にこの確認を組み込んでください。OpenAIの評価基準

次の営業日から始めるなら、ワークフローをひとつ選びます

結果を確認できる定期的なワークフローをひとつ選び、Terraと現在のモデルを比較します。 元資料、権限、reasoning effortをそろえることで、実際の判断に役立つ比較になります。

1. 1

   実行する前に合格基準を決めます

   カタログ業務なら、正しい商品との照合、指定した項目の保存、無関係な編集がないことを条件にします。提案書なら、提供した事実が反映され、読者と文体が適切であることを求めます。コードなら、期待する動作と回帰の確認項目を定めます。

2. 2

   作業全体の結果を比較します

   完了までの時間、課金対象の利用量、レビューの負担、修正内容を記録します。保存されたレコードを開き直すか、成果物を直接確認してください。最後のチャットメッセージだけで採点しないことが大切です。

3. 3

   合格したワークフローを切り替えます

   品質基準を満たし、全体の費用か時間を改善できるならTerraへ移します。安定している単純作業はLunaに残し、複雑なプロジェクトはSol、特に難しい仕事はAstraに任せます。ワークフローが変わったら、モデルの選択も見直します。

モデル選びや業務ワークフローに役立つ実践的な情報を、ニュースレターで受け取ることができます。