OpenAI представила GPT-6.1 Terra для работы с интерфейсами и ИИ-агентами
OpenAI представила GPT-6.1 Terra — модель, рассчитанную прежде всего на работу с приложениями, визуальными данными и многошаговыми задачами. Она умеет анализировать технические чертежи, заполнять формы, редактировать видео и взаимодействовать с интерфейсами программ. По сравнению с GPT-5.6 Terra разработчики заявляют о заметном росте скорости, точности и результатов в программировании.
Одним из ключевых преимуществ новой модели стала стоимость использования через API: стандартные тарифы в два раза ниже, чем у GPT-5.6 Terra и GPT-6.1 Sol. При этом OpenAI позиционирует GPT-6.1 Terra как решение для массовой автоматизации — от обработки документов до выполнения повторяющихся операций в настольных приложениях.
Результаты в работе с интерфейсами и изображениями
В тесте Agents’ Last Exam, который включает профессиональные сценарии, в том числе создание 3D-модели по архитектурным чертежам, GPT-6.1 Terra при среднем уровне рассуждений набрала на 15 процентных пунктов больше GPT-5.6 Terra. Выполнение задач обходилось примерно втрое дешевле. По итогам тестирования Terra сравнялась с GPT-6 Astra, хотя стоимость токенов у неё в десять раз ниже.
В испытании MMMU-Pro, проверяющем понимание визуальной информации, новая модель превзошла предшественницу при всех уровнях глубины рассуждений. По этому показателю она также почти достигла результатов GPT-6 Astra и GPT-6.1 Sol. В OSWorld 2.1, где агентам нужно выполнять последовательность действий в настольных приложениях, GPT-6.1 Terra при среднем уровне рассуждений превзошла лучший результат GPT-5.6 Terra и потребовала меньше затрат.
По данным OpenAI, GPT-6.1 Terra выполняет задачи более чем втрое быстрее GPT-6 Astra и GPT-6.1 Sol. При максимальной глубине рассуждений модель использует 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
OpenAI также сообщила о снижении числа ошибок на внутреннем наборе сложных запросов, специально подобранных для провокации неверных ответов. При низком уровне рассуждений доля ошибок 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. Разработчики уточняют, что это результат отдельного теста, а не универсальная 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 результат 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 выполнения была более чем в пять раз ниже. Для наиболее сложных задач разработки OpenAI по-прежнему рекомендует GPT-6.1 Sol и GPT-6 Astra.
Безопасность и доступность
Согласно внутренним проверкам OpenAI, GPT-6.1 Terra лучше соблюдает границы поставленной задачи и сообщает о собственных ограничениях и препятствиях. Модель также продемонстрировала устойчивость к prompt injection — атакам, при которых вредоносные инструкции в стороннем контенте пытаются направить агента в сторону от исходной задачи.
В системе оценки рисков OpenAI присвоила GPT-6.1 Terra критический уровень возможностей в сфере кибербезопасности. Поэтому для модели применяются защитные механизмы, разработанные для GPT-6 Astra.
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 API по идентификатору gpt-6.1-terra.
Стоимость API составляет:
- 1 доллар за 1 млн входных токенов;
- 0,05 доллара за 1 млн кешированных входных токенов;
- 5 долларов за 1 млн выходных токенов.
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. Насколько заявленные показатели перенесутся на реальные рабочие процессы, покажет практика: при внедрении ИИ-агентов компаниям по-прежнему придётся контролировать их действия, отслеживать качество выполнения и находить причины ошибок.
