GPT-6.1 Terraとは？機能、料金、コンテキストウィンドウ、そして最適な使用シーン

GPT-6.1 Terra は、OpenAI が設計したモデルであり、高速な視覚推論、正確なコンピュータ操作、明確な自然言語ライティングのために作られています。その最も強力な役割は、単に質問に答えることだけではありません。Terra は画像やアプリケーションのインターフェースを検査し、見た内容について推論し、適切なツール環境に接続されると、ブラウザやデスクトップアプリケーションで制御された操作を実行できます。

この組み合わせにより、モデルは製品カタログ、マーケティング活動素材、インターフェーステスト、大量ドキュメント操作、およびビジュアル制作審査を扱うチームに適しています。同時に重要な境界も設定されています。GPT-6.1 Terraは画像を分析できますが、それ自体は動画入力や音声入力モデルではありません。適切に選択するには、まずこの違いを理解する必要があります。

GPT-6.1 Terra 概要

OpenAIの現在のモデルドキュメントによると、GPT-6.1 Terraには以下の仕様があります：

Terraはストリーミング転送、関数呼び出し、構造化出力をサポートしています。Responses APIを通じて、リストされているツールには、ウェブ検索、ファイル検索、画像生成、コードインタープリター、ホスト型シェル、コンピューター使用、MCP、スキル、ツール検索が含まれます。しかし、ツールの利用可能性は、すべてのアプリケーションが無制限のアクセス権を取得できることを意味するわけではありません。開発者は依然として、正しいAPIアクセス権、ツール設定、権限、実行環境を必要とします。

GPT-6.1 Terra の得意分野

画像と画面に対する視覚的推論

Terraは、製品写真、スクリーンショット、図表、レイアウト、その他のサポートされている画像入力を検査できます。有用なリクエストは、モデルに具体的な視覚的質問を提示します：一致しないカタログ項目の特定、重要なテキストが切り取られていないかの確認、2つのインターフェース状態の比較、またはストーリーボードのフレームと参照画像の間の差異の説明。

視覚推論は絶対的な視覚的真実と同義ではない。小さな文字、細かな欠陥、隠れたレイヤー、色管理の差異、ぼやけたシーンは、依然としてエラーを引き起こす可能性がある。リスクの高い意思決定には、人間によるレビュープロセスと代表的なテストが必要である。

コンピュータ使用ワークフロー

コンピュータ使用の統合を正しく設定した後、Terraはスクリーンショットを受信し、マウスまたはキーボード操作を要求できます。OpenAIのコンピュータ使用ガイドでは、隔離されたブラウザまたはデスクトップの使用、ネットワークと操作アクセスの制限、重要な操作前の承認取得、実際の結果の検証を推奨しています。

これにより、Terraは境界のあるタスクに適しています。例えば、ウェブページのフローを確認する、機密性の低いテストデータを入力する、可視アセットを並べ替える、アクティビティ管理インターフェースをレビューするなどです。購入、アカウント削除、認証情報の転送、その他取り消しが困難な操作に対して、オープンな権限を与えるべきではありません。

直接プロフェッショナルライティング

Terraは、明瞭で自然な文章作成にも対応しています。視覚的な確認が読みやすい成果物で完了しなければならない場合、これは非常に有用です：品質保証レポート、修正概要、目次注釈、ショットレビューサマリー、または顧客向け説明書などです。このモデルは、画像内の証拠を構造化された文章出力に結びつけることができ、分析とコミュニケーションを別々の作業として扱うのではありません。

GPT-6.1 Terra 自身では完了できない機能

Terraのモデルページでは、画像が入力モダリティとして、テキストが出力モダリティとしてリストされています。ビデオやオーディオをモデル入力として直接受け付けることはありません。チームがビデオをレビューしたい場合は、選択したフレーム、コンタクトシート、書き起こしテキスト、または構造化メタデータを抽出し、これらの資料を適切なワークフローに提供できます。これは、モデルが元のビデオを視聴し、聴取したと主張することとは異なります。

Terra自体も画像や動画のレンダリングモデルではありません。Responses APIは画像生成ツールを公開できますが、生成プロセスはそのツールが選択した専用の画像モデルによって処理されます。開発者は製品ドキュメントでこのアーキテクチャを正確に説明する必要があります。

GPT-6.1 Terra 価格設定

標準APIの価格は現在、100万テキストトークンごとに表示されています：

入力：$1.00
キャッシュ入力：$0.05
30分キャッシュ書き込み：1.25ドル
12時間キャッシュ書き込み：$2.50
出力：$5.00

272,000個を超える入力トークンのリクエストには、長いコンテキストの価格設定が適用されます。入力とキャッシュの料金は2倍になり、出力はリクエスト全体に対して標準出力料金の1.5倍で請求されます。バッチ処理とフレックス処理の価格は標準より50%低く、高速モードは標準の2倍、対象地域での処理には10%の追加料金がかかります。ツール呼び出し、画像入力、およびマネージド環境では追加費用が発生する場合があります。

単純な標準パターンの例として、100,000個の未キャッシュ入力トークンと10,000個の出力トークンの費用は、ツールや画像の費用を除いて約0.15ドルです：入力0.10ドル、出力0.05ドル。

実際の使用例

Terraは、視覚的証拠と制約付きの意思決定や行動を組み合わせるタスクにおいて、有力な候補となる。例としては、以下が挙げられる：

サプライヤーの製品写真をカタログ記録と照合します。
スクリーンショットにトリミング、テキスト欠落、またはレイアウトの不一致がないか確認してください。
技術図面を解読し、観察結果をチェックリストに変換する。
ストーリーボードのフレームをキャラクターと場所の参照と比較します。
マーケティングキャンペーンアセットから改訂ノートを作成します。
承認ゲート付きの人工制御ブラウザワークフローをテストします。
画像やファイルのサポートを受けながら、長文書の下書きや修正を行います。

クリエイティブチームは、分析と生成の工程を明確に区別すべきです。例えば、Terraは絵コンテのコンタクトシートをレビューし、ショットごとの課題リストを生成できます。その後、クリエイターはElser AIなどの専用プラットフォームを使用して、修正されたビジュアル素材を生成またはアニメーション化できます。これは補完的なワークフローであり、TerraがElser AIに統合されていると主張するものではありません。

Terraの利用を検討すべき人は？

Terraは、基本的なテキスト自動化よりも強力な視覚理解とコンピュータ操作能力を必要とするが、すべてのリクエストに最高価格の汎用モデルを使用する必要がないチームに最適です。唯一信頼できる選択方法は、実際の作業に基づいて評価セットを構築することです。視覚的正確性、タスク完了度、レイテンシ、コスト、および手動修正回数を測定します。

もしリクエストが非常に難しい推論問題であれば、GPT-6 Astra または GPT-6.1 Sol がより良い出発点となるかもしれません。ワークロードが狭く、反復的で、コストに非常に敏感な場合は、GPT-6 Luna を評価する価値があるかもしれません。モデル名は、特定のタスクに対するテストの代わりにはなりません。

よくある質問

GPT-6.1 Terra は動画を分析できますか？

モデルドキュメントは、動画をサポートされる直接入力としてリストしていません。ワークフローは選択されたフレーム、文字起こしテキスト、またはその他の派生資料を提供できますが、これはフレームやドキュメント分析として説明されるべきであり、ネイティブな動画理解ではありません。

GPT-6.1 Terra は画像を生成できますか？

Terra 出力テキスト。Responses API では、専用の画像モデルを呼び出す画像生成ツールを呼び出すことができます。アプリケーションは、ツール支援による画像生成と Terra 自身の出力モダリティを区別する必要があります。

GPT-6.1 Terra は ChatGPT で利用できますか？

OpenAIは、Terraが対象となるPlus、Pro、Business、Enterprise、EduプランのChatGPT WorkおよびCodexで利用可能であると述べており、具体的な利用は展開の進捗状況と管理者の制御に依存します。10月26日の発表では、この機能はChatでは利用できないとされています。APIアクセスは別途管理されており、モデルページでは現在、無料階層のAPIはサポートされていないと表示されています。

最終評価

GPT-6.1 Terraは、視覚指向で画面ベースの専門的な作業において、有用な中間領域を占めています。その価値は、画像理解、ツール使用、コンピュータ操作、長いコンテキスト、簡潔な文章作成の組み合わせに由来します。これは、明確な安全対策を備えた分析・行動モデルとして評価されるべきであり、ネイティブな音声や動画生成器として説明されるべきではありません。