GPT-6.1 Terra: OpenAI halverer API-prisen og dobler Terminal-Bench-scoren til 50,3 %

50,3 % av oppgavene i Terminal-Bench 4.0 løser GPT-6.1 Terra ved maks resonnering, ifølge OpenAI. Forgjengeren GPT-5.6 Terra publiserte 21,5 %, så kodescoren er mer enn doblet, samtidig som standardprisen i API-et er 50 % lavere enn for både GPT-5.6 Terra og GPT-6.1 Sol. Modellen er tilgjengelig nå som gpt-6.1-terra i API-et, og for Plus-, Pro-, Enterprise- og Edu-brukere i ChatGPT Work og Codex. Cachet input koster $0,05 og output $5 per million tokens.

Utviklerdokumentasjonen fyller inn det kunngjøringen hopper over: 1 050 000 tokens kontekstvindu, inntil 128 000 output-tokens per svar og kunnskapsgrense 1. juni 2026. Parameteren reasoning.effort tar verdiene none, low, medium, high, xhigh og max, med medium som standard.

Det OpenAI trekker hardest frem, er computer use. På Agents' Last Exam, en benchmark med profesjonelle oppgaver som å gjøre arkitekttegninger om til 3D-modeller, scorer Terra 15 prosentpoeng høyere enn GPT-5.6 Terra ved middels resonnering, til omtrent en tredjedel av kostnaden. Ved maks resonnering er Terra ifølge OpenAI over tre ganger så token-effektiv som Claude Opus 5.5 og koster en firedel per token, som gir rundt 9 ganger lavere kostnad per oppgave. Feilraten på OpenAIs interne test med feilfremkallende prompter falt fra 53,6 % til 16,7 % ved lav resonnering.

«For de mest komplekse kodeoppgavene er GPT-6.1 Sol og GPT-6 Astra fortsatt det bedre valget.» — OpenAI, i lanseringsteksten

Den innrømmelsen betyr noe når du velger modell til en kodeagent. Terra er bygget for høyt volum: fakturalesing, skjemautfylling og computer use, der kostnad per oppgave veier tyngre enn toppscore. I Hacker News-tråden om lanseringen påpekte brukeren Starlevel004 at Terra på xhigh koster mer enn Sol på low og likevel gjør det dårligere på Terminal-Bench 4.0.

«Kostnad-per-oppgave-tallene for TerminalBench 4.0 er litt forvirrende, og jeg skjønner ikke hvorfor du skulle velge Terra over Sol i det tilfellet.» — minimaxir på Hacker News

Simon Willison (simonw på Hacker News) testet modellen samme dag og fant at både none og low så ut til å ikke bruke resonneringstokens i det hele tatt, mens medium brukte 496. Låser du effort-nivået i en pipeline, må du derfor måle hva hvert nivå faktisk gjør, før du regner med at low betyr litt tenking og none ingen.

Bakgrunn

OpenAI deler modellene inn i Luna, Terra, Sol og Astra, fra minst til størst. Den gjeldende rekken er gpt-6-astra, gpt-6.1-sol, gpt-6.1-terra og gpt-6-luna, og Terra er mellomtrinnet mellom lille Luna og Sol. OpenAI opplyser også at Terra når Critical-terskelen for cybersikkerhet i selskapets Preparedness Framework, og at modellen arver beskyttelsen som ble utviklet for GPT-6 Astra.