GPT-6.1 Terraは、OpenAIが2026年10月26日（米国時間）に発表した、速さと単価の安さを売りにしたモデルです。APIの料金は100万トークンあたり入力$1・出力$5で、同じ6.1世代のSolのちょうど半額です。
安いなら全部Terraにすればいい、とはなりません。画面を見て操作する「コンピューター操作」が得意と案内されている一方、その分だけ権限・承認・ログの設計が導入の成否を分けます。ベンチマークの数字も、いまのところ多くがOpenAIの公表値です。
位置づけと料金、Solとの使い分け、コンピューター操作の統制、自社での評価手順を、2026年10月時点の公式ドキュメントをもとに整理しました。公式の記載が確認できていない部分は、そのつど明記しています。
この記事でわかること
- GPT-6.1 Terraが何を得意とするモデルか（Sol・Astra・Lunaとの位置づけ）
- API料金と、帳票処理を想定した費用の見積もり方
- TerraとSolの使い分けの判断基準、Codexでの指定方法
- コンピューター操作を業務で使うときに決めるべき権限・承認・ログ
- 導入前に自社で行う評価の手順と、公式情報のずれの読み方
Terraは「実務の作業を速く安くこなす」中位モデル
TerraはOpenAIの公式説明で「fast, efficient model for professional work（プロの仕事向けの、速くて効率的なモデル）」と位置づけられています。最上位のAstraと同じ土俵で最高性能を競うのではなく、文書の下書き、図表の読み取り、アプリ上の操作といった日々の業務を、低コストで回すためのモデルです。
既存モデルとの関係
GPT-6世代のラインアップは、性能と単価で4段に分かれます。
| モデル | 位置づけ | 入力（100万トークン） | 出力（100万トークン） |
|---|---|---|---|
| GPT-6 Astra | 最も高性能。複雑な推論・コーディング・調査向け | $10 | $50 |
| GPT-6.1 Sol | Astraに近い性能を低コストで | $2 | $10 |
| GPT-6.1 Terra | 文章・視覚理解・コンピューター操作を速く安く | $1 | $5 |
| GPT-6 Luna | 大量・単純なタスク向けの最も効率的なモデル | $0.10 | $0.50 |
料金はOpenAIの各モデルページに載っている2026年10月28日時点の標準料金です。Terraの前作にあたるGPT-5.6 Terraは入力$2・出力$12だったので、後継は入力で50%、出力で約58%安くなっています。
SolについてはGPT-6.1 Solとは？料金・性能・Codexでの使い方と法人導入の注意点で詳しく扱っています。この記事ではTerraを軸に、Solとの差だけを掘り下げます。
仕様の要点
APIでのモデルIDは gpt-6.1-terra です。モデルページで確認できる仕様は次のとおりです。
- コンテキストウィンドウは1,050,000トークン、最大入力922,000、最大出力128,000
- 入力はテキストと画像。出力はテキストのみで、音声・動画は扱えない
- 知識の期限は2026年6月1日
- 使えるAPIはChat Completions、Responses、Batch。Realtime、Assistants、ファインチューニング、Embeddingsは非対応
画像を読めるのに音声や動画は読めない点は、導入前に確認しておきたいところです。会議の録画を直接渡す用途には向きません。
なぜ法人の開発責任者が気にするのか
注目点は、単価の安さではなく「画面を見て操作する作業」の実用ラインに入ってきたことにあります。請求書のPDFを読み取り、会計ソフトに明細を入力する。複数のアプリをまたいで転記する。こうした定型業務は人手が多くかかる一方、APIが用意されていないシステムも多く、これまで自動化しにくい領域でした。
Terraは画像を読み、画面を操作する用途を前面に出しています。ただし、操作できることと、任せてよいことは別の話です。この記事の後半が、その差を埋める部分になります。
Terraの費用は単価よりトークン総量で決まる
Terraの標準料金は入力$1・出力$5ですが、実際の請求額は割引の仕組みと、モデルが使うトークンの量で大きく変わります。単価表だけで予算を組むと外れます。
料金の割引と加算のルール
同じモデルページに載っている料金の修飾条件を整理します。
| 条件 | 料金への影響 |
|---|---|
| キャッシュ入力 | 入力が100万トークンあたり$0.05（標準入力の5%） |
| Batch・Flex | 標準料金の50%引き（入力約$0.50、出力約$2.50） |
| Fast mode | 2倍 |
| 入力が272Kトークン超 | 入力・キャッシュ入力は2倍、出力は1.5倍（リクエスト全体に適用） |
| リージョン処理（対応地域のみ） | 10%上乗せ |
キャッシュは、同じ前置き（社内ルールや帳票の読み取り指示など）を繰り返し送るときに効きます。書き込みには別料金（30分保持で$1.25、12時間保持で$2.50）がかかるので、保持時間は処理の間隔に合わせて選びます。
見落としやすいのが272K超の倍率です。コンテキストが1,050,000トークンまで使えるからといって、大きな資料を丸ごと渡すと、リクエスト全体の単価が上がります。資料は分割して渡すほうが安く済みます。なお、Priority処理の料金はモデルページに記載がなく、確認できていません。
帳票処理の費用を見積もる
数字を置いて計算してみます。以下は説明用の仮定であり、実測値ではありません。
請求書1件あたり、入力5,000トークン（画像と指示文）、出力1,000トークン（読み取り結果）と仮定する。月に1万件を処理する。
標準料金で、1件あたりの費用は次のとおりです。
- Terra: 入力 5,000 × $1 ÷ 100万 = $0.005、出力 1,000 × $5 ÷ 100万 = $0.005。合計$0.01
- Sol: 入力 $0.01、出力 $0.01。合計$0.02
月1万件なら、Terraは$100、Solは$200です。即時の応答が不要な夜間処理ならBatchで半額、Terraは$50。1ドル158円で換算しても月8,000円に届きません。
ただし、ここに落とし穴があります。モデルが答えを出す前に考えるトークン（推論トークン）も出力として課金され、推論レベルを上げるほど出力が膨らむのです。最大の推論レベルではTerraの使用トークンがSolの約2倍に達し、Solの中程度の設定がTerraの最大設定とほぼ同じ性能で費用は安い、という独立した分析も出ています。検証が済んでいない分析なので、鵜呑みにはできません。
推論レベルを変えた総コストの比較が必要
出力が2倍になった場合を同じ仮定で計算します。Terraの出力が2,000トークンなら、出力費用は$0.01、合計$0.015です。Solの出力が1,000トークンの$0.02と比べて、まだTerraが安い計算です。
ただし、これは「同じ品質で、Terraが2倍のトークンを使う」場合の話です。Terraが最大設定でようやくSolの中程度に追いつくなら、品質を揃えた比較になっていません。実務では、次の3つを同じタスクで並べて測るのが確実です。
- 品質（正解率、手直しにかかる人手）
- 1件あたりの総トークン数と費用
- 1件あたりの所要時間
円換算の注意も1つ。国内の報道が示す円換算は、1ドル約158円という前提に依存しています。為替が動けば、請求額も動きます。
TerraとSolの使い分けは「作業の種類」で決める
使い分けの軸は、料金の高低ではなく、作業の種類です。Terraは帳票処理・画面操作・文書作成・大量処理に向き、Solはコード・アプリ・文書をまたぐ長時間の反復作業と、判断の難しい場面に向きます。
公式の説明から読み取れる境界線
Codexのモデル一覧の説明では、Terraは「clear writing, visual understanding, and computer use（明快な文章、視覚の理解、コンピューター操作）」、Solは「コード・アプリ・文書をまたぐ長時間の反復作業」と案内されています。国内の報道にも、複雑なコーディングにはSolやAstraが適するという整理があります。
ここから導ける使い分けは次のとおりです。
| 作業 | 向くモデル | 理由 |
|---|---|---|
| 請求書・申込書などの帳票の読み取りと転記 | Terra | 画像理解が中心で、単価の差が件数に比例して効く |
| 提案書・報告書の下書き | Terra | 文章の品質に対してコストが見合う |
| 画面操作を伴う定型業務 | Terra（まずここから） | 公式が得意分野として挙げている |
| 複数ファイルにまたがるコードの改修 | Sol | 長時間の反復作業向けと案内されている |
| 仕様が曖昧で判断が分かれる調査・設計 | Sol、さらに難しければAstra | 失敗したときの手戻りが大きい |
| 分類・抽出など単純で大量の処理 | Luna | 単価がTerraのさらに10分の1 |
「失敗の代償が小さく、件数が多い作業から安いモデルに寄せる」という順序が現実的です。コードの改修のように、1回の失敗が数時間の手戻りになる作業でモデルを節約すると、削った費用以上の人件費を失います。
Codexで指定する方法
Codexでは、Solが既定のモデルです。Terraを使うには、利用者が明示的に選びます。公式ドキュメントに載っている指定方法は次の4つです。
# 起動時に指定
codex -m gpt-6.1-terra
# 非対話で実行
codex exec -m gpt-6.1-terra "このディレクトリのREADMEを要約して"対話中は /model で切り替えます。常にTerraを使うなら、設定ファイル config.toml に次の1行を書きます。
model = "gpt-6.1-terra"アプリやWeb版では、入力欄の下にあるモデル・推論のコントロール、または詳細設定のモデル一覧から選べます。Codex IDE拡張機能では、2026年10月28日時点でTerraは掲載されていません。
Codex自体の基本はCodexとは？OpenAIのAIエージェントを初心者向けに解説、他ツールとの違いはClaude CodeとCodexの違いを徹底比較にまとめています。
提供先とプランの食い違い
ChatGPTでの提供先は、ChatGPT WorkとCodexです。通常のChat画面では使えません。公式の更新履歴は、対象プランをPlus、Pro、Business、Enterprise、Eduとしています。Enterpriseは「ワークスペースの提供状況と管理者設定による」との条件付きです。
国内の報道は対象をPlus・Pro・Enterprise・Eduと書き、Businessを挙げていません。食い違いがあるので、Businessを使っている組織は、自社の管理画面で実際に選べるかを確認してください。公式の記載を優先して構いませんが、反映のタイミングで画面と一致しないこともあります。
もう1つ、Codex CLIの必要バージョンにもずれがあります。モデルページは「0.159.0以降」、更新履歴は「0.165.0でモデルカタログに追加」と書いています。どちらが正しいかは確認できていません。Terraが選択肢に出ないときは、最新版に更新するのが確実です。
コンピューター操作を業務で使う前に権限・承認・ログを決める
コンピューター操作は、モデルがユーザーに代わって画面を見て、クリックや入力を行う機能です。Terraはこれを得意分野に挙げています。業務で使うなら、モデル選びより先に、権限・承認・ログの3点を決めます。
公式で確認できたことと、未確認のこと
先に線を引きます。公式ドキュメントで確認できた範囲は限られています。
- Enterpriseでの利用は、管理者設定とワークスペースの提供状況に依存する
- Codexには、サンドボックスなどを制御する管理者向けの要件設定（managed requirements）がある。これはTerra固有の機能ではない
- 推論の処理地域について、UAEの推論レジデンシーには対応していない
一方、Terra固有のコンピューター操作の管理者設定や、操作内容の監査ログの仕様は、確認できていません。日本国内でのデータ所在地への対応も同様です。これらは、導入前にOpenAIの営業窓口や管理画面で直接確認すべき項目です。
だから、以下の3点は「Terraに備わっているはずの機能」に期待するのではなく、自社側の運用で作る前提で考えます。
権限は専用アカウントと最小権限で絞る
コンピューター操作の権限設計は、人間の新入社員に業務を渡すときと同じ考え方で足ります。ただし、疲れず、速く、大量にミスをする可能性がある点が違います。
- 専用アカウントを作る。 担当者個人のアカウントを使わせない。操作の主体が誰か、後から切り分けられるようにするため
- 権限は業務に必要な最小限にする。 参照だけでよいなら参照権限のみ。会計ソフトの入力なら、下書き保存までで承認・支払いの権限は付けない
- 本番とは別の環境で始める。 テスト用のデータとアカウントで、まず動作を観察する
- 操作できる画面・ドメインを限定する。 社内の業務システム以外のWebサイトを開かせない
AIエージェント全般のID・権限・監視の考え方はAIエージェントの権限管理とは？企業が決めるID・権限・監視の設計で扱っています。
承認は不可逆な操作の手前に置く
承認を全操作に入れると、自動化の意味がなくなります。逆に、全く入れないと、取り返しのつかない操作が起きます。線引きの基準は「元に戻せるか」です。
| 操作の種類 | 例 | 運用 |
|---|---|---|
| 読み取り・下書き | 画面の閲覧、下書き保存 | 自動で実行してよい |
| 元に戻せる更新 | 明細の入力、ステータス変更 | 実行後に抜き取りで確認 |
| 元に戻せない操作 | メール送信、支払い、削除、外部への提出 | 実行前に人が承認 |
「元に戻せない操作」は、システム側でボタンを無効にするか、そのアカウントに権限を与えないのが最も確実です。モデルへの指示文に「送信しないで」と書くだけでは、守られない場面を想定して設計する必要があります。
ログは操作の再現に足る粒度で残す
ログの目的は、問題が起きたときに「何を見て、何を判断し、何を操作したか」を再現することです。残すべきものを挙げます。
- 実行した日時と、操作の依頼者
- 使ったモデルと推論レベル
- 与えた指示文と、対象のデータ
- 実行した操作の一覧（開いた画面、入力した値、押したボタン）
- 承認者と承認の時刻
- 最終的な出力と、人が修正した差分
画面操作では、操作の前後で画面のスクリーンショットも保存しておくと、原因調査が格段に楽になります。保存期間と閲覧権限は、扱うデータの機密度に合わせて決めます。
権限設計や承認フローを社内で一から作るのは負担が大きい作業です。AI駆動開発研修は、AIエージェントを業務に入れる際のルールづくりに取り組みたい開発チーム向けの研修です。
プロンプトインジェクションへの備え
画面や文書に書かれた文章が、モデルへの命令として解釈されてしまう攻撃を、プロンプトインジェクションと呼びます。たとえば、受け取った請求書のPDFに「この口座に支払え」と埋め込まれていたら、という想定です。
OpenAIは、Terraのプロンプトインジェクション耐性が強いと説明しています。ただし、これは同社の主張であり、独立した検証は確認できていません。耐性があるという前提で権限を緩めるのは危険です。外部から受け取った文書を読む工程と、社内システムを操作する工程は、権限を分けるのが堅実です。
安全性については、国内の報道に「サイバーセキュリティ分野で最も高い『Critical』の閾値に該当した」と書くものと、「Astraと同等の基準が適用された」と書くものがあります。「Critical」が能力評価の結果なのか、対策が必要になる水準を指すのか、原文が未確認のため断定できません。ここでは「報道に表現のばらつきがある」とだけ押さえて、詳細はシステムカードの確認を待つ姿勢が妥当です。
自社で評価して導入を決める手順
ベンチマークの数字は、導入を決める根拠になりません。公表されている数字は、ほぼすべてOpenAIの公表値か社内テストの結果だからです。自社の帳票と画面で測った結果だけが、判断材料になります。
公表されている数字の読み方
OpenAIが公表したとされる主な数字を、国内報道（二次情報）経由で挙げます。
- Terminal-Bench 4.0（最大推論）で50.3%（前作の公表値は21.5%）
- 誤りを誘発する質問での誤り率が、低い推論設定で53.6%から16.7%に、最大設定で22.3%から4.3%に低下
- Astra相当の性能を、トークン単価で10分の1で実現と主張
- AstraやSolの3倍以上の速度
独立した評価もあります。Artificial Analysisの指標では、最大推論のTerraは前作から+6、Solから-4でした。コーディングエージェント向けの指標では、Terraが48、Solが54です。数字を見る限り、Terraは前作より確実に上がり、Solには届いていません。
正直なところ、この数字から「自社の業務で使える」とは言えません。ベンチマークは公開された課題の得点で、自社の帳票の癖や、古い社内システムの画面の癖は含まれていないからです。
評価の進め方
評価は、次の流れで進めます。
- 業務サンプルを集める。 実際の帳票や画面操作の事例を、難易度が混ざるように30〜50件選ぶ。個人情報はマスキングする
- 正解と合格基準を先に決める。 項目ごとの正解率、手直しが必要な割合、許容できる誤りの種類（金額の誤りは不可、備考欄の誤りは可、など）を決める
- 比較する組み合わせを決める。 TerraとSol、それぞれ低・中・最大などの推論レベル。Terraの対応する推論レベルは公式ページで明記されていないため、モデル選択画面で実際に選べる値を確認する
- 同じサンプルで測る。 品質、総トークン数、所要時間の3つを記録する
- 失敗事例を分類する。 読み取りの誤り、操作の迷い、指示の誤解、承認の抜けなど、原因別に集計する
- 小さく本番に入れる。 限定した部門・限定した業務で、人の承認を残したまま始め、ログを見ながら範囲を広げる
結果は、次のような表にまとめると判断しやすくなります。
| 組み合わせ | 正解率 | 手直し率 | 1件あたりのトークン | 1件あたりの費用 | 所要時間 |
|---|---|---|---|---|---|
| Terra・中 | （測定値） | （測定値） | （測定値） | （測定値） | （測定値） |
| Terra・最大 | （測定値） | （測定値） | （測定値） | （測定値） | （測定値） |
| Sol・中 | （測定値） | （測定値） | （測定値） | （測定値） | （測定値） |
この表で見るのは、正解率と手直し率を含めた「1件を完了するまでの総コスト」です。人が手直しする時間を時給換算して足すと、トークン代の差は誤差になることが珍しくありません。
導入前のチェックリスト
評価と並行して、次の項目を確認します。
- 自社のワークスペースで、Terraが管理者設定により選択可能か
- 利用するプラン（Businessを含む）で、実際に選択肢に出るか
- 扱うデータを処理地域の面から許容できるか（日本国内の所在地対応は未確認）
- コンピューター操作用の専用アカウントと、最小権限の設定ができているか
- 不可逆な操作の承認フローと、ログの保存先・保存期間が決まっているか
- 為替や料金改定で費用が動いたときの見直し時期が決まっているか
AIコーディングツール全体の選び方はAIコーディングツール比較7選にあります。モデルを乗り換える可能性があるなら、特定のモデルに依存しない形で運用ルールを書いておくと後が楽です。
よくある質問
GPT-6.1 Terraは無料で使えますか？
無料プランは公式の対象に含まれていません。ChatGPT WorkとCodexで、Plus、Pro、Business、Enterprise、Eduのプランが対象です。APIは従量課金です。
Terraの料金はいくらですか？
APIの標準料金は100万トークンあたり入力$1、キャッシュ入力$0.05、出力$5です。BatchやFlexは50%引きです。2026年10月28日時点の公式ページに基づきます。
SolとTerraはどちらを選べばよいですか？
帳票処理、画面操作、文書作成、大量処理はTerra。長時間のコード作業や判断が難しい調査はSolが基本です。迷う場合は、自社のサンプルで両方を測って決めます。
Codexでデフォルトのモデルになりましたか？
なっていません。Codexの既定はSolで、Terraを使うには -m gpt-6.1-terra か /model で明示的に選びます。既定になったとの記載は確認できていません。
コンピューター操作は、そのまま業務に使って安全ですか？
そのままでは勧められません。専用アカウント、最小権限、不可逆操作の人による承認、操作ログの保存を、自社の運用として用意したうえで限定的に始めてください。
まとめ
最初にやることは、Terraで置き換えたい業務を1つ選び、30件ほどのサンプルを用意することです。帳票の読み取りのように、失敗の代償が小さく、件数が多い業務が適しています。ここでTerraとSolを、推論レベルを変えて並べて測れば、単価表では見えない総コストの差がわかります。
並行して、コンピューター操作用の専用アカウントと、不可逆な操作の承認ルールを先に決めてください。Terra固有の管理者設定や監査ログは確認できていないので、自社側の運用で守れる形にしておくのが安全です。
その次に、Businessプランの対象やCLIの必要バージョンといった公式情報のずれを、自社の画面で確かめます。OpenAIのモデルは短い間隔で更新されていくため、評価の手順そのものを社内に残しておけば、次のモデルが出ても同じ手順で判断できます。
モデルの評価と権限設計をチームで進めたい場合は、AI駆動開発研修もご検討ください。
