ニュース
OpenAI「GPT-6.1 Terra」、API価格半減でも実務性能は上積み
AIモデルのコストは下げると性能も落ちる、という前提はもう当てはまらないかもしれません。OpenAIが発表した新モデルは、価格を据え置くどころか半減させながら、実務タスクの処理能力を引き上げたと説明しています。社内のAI活用予算を管理する立場の人にとって、見逃せない動きです。
何が起きたか
OpenAIは2026年10月26日（米国時間）、新しいAIモデル「GPT-6.1 Terra」を発表しました。ChatGPT WorkやCodex、OpenAI APIから利用でき、標準のAPI料金は100万トークンあたり入力1ドル・出力5ドル、キャッシュ済み入力は0.05ドルです[1]。
Terraはモデルファミリー（Luna、Sol、Terra、Astra）のうち中位に位置づけられ、コストと性能の両立を狙ったモデルです。標準API料金は前モデルのGPT-5.6 TerraやGPT-6.1 Solより50%低く抑えられ、大量の業務を自動化する用途に向くとされています[1]。
性能面では、実務タスクの遂行能力を測るベンチマーク「Agents' Last Exam」でGPT-5.6 Terraからスコアが15%向上し、トークンあたりのコストは最上位モデルGPT-6 Astraの10分の1で同等の性能を出せるとしています[1][3]。開発能力を測る「Terminal-Bench 4.0」でも、GPT-5.6 Terraの21.5%から50.3%へとスコアが上昇しました[1][3]。
視覚的推論能力とコンピューター操作能力も強化されており、提案書の作成や技術図面の解釈、書類の記入、動画編集といった業務の自動化に適しているといいます[1]。安全性に関しても、最上位モデルのGPT-6 Astraと同等のサイバーセキュリティ基準を適用し、プロンプトインジェクションへの耐性が高まったと説明しています[1][2]。
背景・解説
GPT-6.1 Terraの理解には、OpenAIのモデル体系を押さえておく必要があります。同社は現在、軽量なLuna、最上位のAstra、その中間にSolとTerraを配置する4段階のモデルファミリーを展開しており、今回のTerra刷新により4モデルすべてが「6.x」世代に揃いました[1]。
APIのトークン課金とは、AIモデルに入力する文章量（入力トークン）と、AIが生成する文章量（出力トークン）に応じて料金が発生する仕組みです。同じ処理内容でも、トークン単価が下がればそのまま利用コストは下がります。Terraの入力1ドル・出力5ドル（100万トークンあたり）という水準は、前モデルのGPT-5.6 Terra（入力2ドル・出力12ドル）やGPT-6.1 Sol（入力2ドル・出力10ドル）と比べて明確に低く設定されています[3]。
ベンチマークの「Agents' Last Exam」はコンピューター上の専門業務の遂行能力を、「Terminal-Bench 4.0」はターミナル操作やコーディング・デバッグ能力を測る評価手法です[1][3]。外部の評価機関Artificial Analysisも、Terraがコストあたりの知能指標で新たな水準を示したと評価しています[2]。
仕事や業務への影響 — AI Topicaの見方
月あたりのAI利用料金が高止まりしている企業ほど、今回の価格改定の恩恵は大きくなります。これまで大量の文書処理や画像を含む業務にAPIを使っていた場合、同じ処理量でもコストは半分近くに下がる計算です。例えば、月間で提案書や申請書類を1,000件程度処理する人事部門のある製造業であれば、処理量を増やさずとも月々のAPI利用料金を大きく圧縮できます。
一方で、浮いた予算を処理量の拡大に回す選択肢も生まれます。従来は費用対効果の面で見送っていた、技術図面の自動解釈や動画編集補助といった業務にも、Terraクラスのモデルを使う余地が広がります。総務や情報システムの担当者は、既存の自動化ワークフローで使っているモデルをTerraに切り替える検討から始めるべきです。
コーディング関連の用途では注意が必要です。複雑な開発タスクには、OpenAI自身がGPT-6.1 SolやGPT-6 Astraの利用を推奨しており、Terra一本に絞るのは早計です。社内でAIエージェントによる業務自動化を担当する情シス部門は、タスクの難易度によってモデルを使い分ける体制を整えることが実務上の近道です。
不確かな点・注意
OpenAIが公表した性能数値やベンチマーク結果は、同社自身が実施したテストおよび提携する評価機関の測定に基づくものです。独立した第三者による再現検証の結果は出典の時点では示されていません[1][2][3]。
実際の業務でどの程度のコスト削減や処理速度向上が得られるかは、利用するタスクの種類や設定（思考量の強弱など）によって変わります。各企業が自社の業務で使う前には、実務に近い条件での試算が必要です。
また、複雑なコーディングタスクについてはGPT-6.1 SolやGPT-6 Astraの利用がOpenAIから推奨されており、Terraがすべての用途で最適というわけではありません[2][3]。