OpenAI представила GPT-6.1 Terra для работы с приложениями и автоматизации

OpenAI представила GPT-6.1 Terra — модель, ориентированную на работу с приложениями, анализ изображений и автоматизацию повседневных операций. По сравнению с GPT-5.6 Terra она стала быстрее и точнее, улучшила результаты в программировании, а стоимость использования через API снизилась вдвое.

Модель умеет анализировать технические чертежи, заполнять формы, редактировать видео и выполнять действия через интерфейс приложений. Таким образом, Terra рассчитана не только на генерацию текста, но и на многошаговые сценарии, в которых ИИ-агенту нужно взаимодействовать с программами и визуальными данными.

Результаты тестов

В тесте Agents’ Last Exam, включающем профессиональные задачи вроде создания 3D-модели по архитектурным чертежам, GPT-6.1 Terra при среднем уровне рассуждений набрала на 15 процентных пунктов больше GPT-5.6 Terra. При этом выполнение заданий обходилось примерно втрое дешевле. По итогам теста новая модель сравнялась с GPT-6 Astra, хотя стоимость токена у Terra в десять раз ниже.

В MMMU-Pro, проверяющем понимание визуальной информации, GPT-6.1 Terra обошла предшественницу при всех настройках глубины рассуждений и почти достигла результатов GPT-6 Astra и GPT-6.1 Sol. В OSWorld 2.1, где агентам необходимо выполнять многошаговые операции в настольных приложениях, модель также превзошла лучший результат GPT-5.6 Terra при среднем уровне рассуждений и меньших затратах.

OpenAI заявляет, что GPT-6.1 Terra выполняет задачи более чем втрое быстрее GPT-6 Astra и GPT-6.1 Sol. При максимальной глубине рассуждений она расходует более чем втрое меньше токенов, чем Claude Opus 5.5. С учётом тарифов это даёт примерно девятикратную разницу в стоимости выполнения задачи.

Точность и программирование

Разработчики отдельно оценили фактическую точность модели на внутреннем наборе запросов, специально составленных для провокации ошибок. При низком уровне рассуждений доля неверных ответов снизилась с 53,6% у GPT-5.6 Terra до 16,7% у GPT-6.1 Terra. При максимальной глубине рассуждений показатель составил 4,3% — на 18 процентных пунктов меньше, чем у предшественницы, и почти на уровне GPT-6 Astra и GPT-6.1 Sol. OpenAI подчёркивает, что это результат отдельного сложного теста, а не оценка частоты ошибок в обычных диалогах.

В Terminal-Bench 4.0, где агентам нужно решать задачи через командную строку, GPT-6.1 Terra при максимальной глубине рассуждений выполнила 50,3% заданий. Для GPT-5.6 Terra опубликованный показатель составлял 21,5%. В Terminal-Bench-Science 0.1, посвящённом применению кода в научных задачах, Terra обошла GPT-6.1 Sol и приблизилась к Claude Opus 5.5, при этом расчётная стоимость была более чем в пять раз ниже.

Для самых сложных задач разработки OpenAI по-прежнему рекомендует GPT-6.1 Sol и GPT-6 Astra. При этом внутренние проверки показали, что Terra лучше предшественницы соблюдает границы заданной задачи, сообщает об ограничениях и устойчивее противостоит prompt injection — атакам, при которых вредоносные инструкции в стороннем контенте пытаются изменить поведение агента.

В системе оценки рисков OpenAI присвоила GPT-6.1 Terra критический уровень возможностей в области кибербезопасности. Поэтому для модели применяются защитные механизмы, разработанные для GPT-6 Astra.

Доступность и стоимость

С 26 октября 2026 года GPT-6.1 Terra доступна пользователям тарифов Plus, Pro, Enterprise и Edu в ChatGPT Work и Codex. Разработчики могут обращаться к ней через OpenAI API по идентификатору gpt-6.1-terra.

Стоимость миллиона кешированных входных токенов составляет $0,05. Это на 50% дешевле стандартных тарифов GPT-5.6 Terra и GPT-6.1 Sol. В ChatGPT Work и Codex тот же лимит использования позволяет выполнить больше задач, чем при работе с GPT-5.6 Terra, GPT-6.1 Sol или GPT-6 Astra.

GPT-6.1 Terra выглядит прежде всего как модель для массовой автоматизации: обработки документов, работы с интерфейсами и выполнения повторяющихся операций. Опубликованные тесты указывают на заметный рост возможностей без увеличения стоимости, однако то, насколько эти результаты сохранятся в реальных рабочих сценариях, покажет практика. При внедрении ИИ-агентов по-прежнему остаются вопросы организации процессов, контроля действий и поиска причин ошибок.