OpenAI 26 октября 2026 года выпустила GPT-6.1 Terra — быструю модель среднего класса, рассчитанную на агентные сценарии, работу с компьютером (computer use), визуальное рассуждение и повседневный кодинг. Стандартные цены API вдвое ниже, чем у предшественницы GPT-5.6 Terra и соседней GPT-6.1 Sol, а кэшированный вход обходится в двадцать раз дешевле полного. По вендорским тестам, на агентных бенчмарках модель обгоняет GPT-5.6 Terra и кратно снижает стоимость решённой задачи; независимых подтверждений этим цифрам пока нет. Terra уже доступна разработчикам через API и подписчикам платных тарифов ChatGPT.

image
image

Что произошло

Модель GPT-6.1 Terra появилась в API OpenAI 26 октября 2026 года под идентификатором gpt-6.1-terra и сразу включена в ChatGPT Work и Codex на тарифах Plus, Pro, Enterprise и Edu. Стандартные цены вдвое ниже, чем у GPT-5.6 Terra и GPT-6.1 Sol: один доллар за миллион входных токенов, пять центов за кэшированный вход и пять долларов за миллион выходных. По данным OpenAI, на бенчмарке Agents' Last Exam Terra опережает GPT-5.6 Terra на 15 процентных пунктов при среднем уровне рассуждений и при этом примерно втрое дешевле в пересчёте на решённую задачу. На Terminal-Bench 4.0 при максимальном уровне рассуждений Terra решает 50,3% задач против 21,5% у GPT-5.6 Terra. Во внутреннем тесте OpenAI на провоцирующие запросы частота фактических ошибок снизилась с 53,6% до 16,7% при низком уровне рассуждений и до 4,3% при максимальном. Расписание цен, идентификатор модели и список тарифов проверяются по модельной документации, тогда как цифры качества пока существуют только в вендорском изложении.

Контекст

Terra занимает в линейке OpenAI сегмент середины: по заявлению компании, на Agents' Last Exam она сопоставима с флагманом GPT-6 Astra при цене в десять раз ниже — аргумент, который в индустрии обычно связывают с дистилляцией флагмана и компрессией вычислений. Устройство тарифа отвечает архитектуре агентных пайплайнов: типовой агент выполняет десятки шагов, каждый раз заново отправляя почти неизменный контекст, поэтому повторяющийся ввод по символической цене перестраивает смету таких систем целиком. Главным измерением становится экономика: коль скоро агентные модели в принципе решают рутинные задачи, выбор между ними определяет цена за решённую задачу и стабильность, а не разница в несколько пунктов качества. Ещё часть фона — насыщение агентных бенчмарков: когда результаты доходят до половины решённых задач на Terminal-Bench 4.0, дальнейшие очки добываются воспроизводимостью и стоимостью, а не абстрактным качеством.

Почему это важно для индустрии

Для отрасли релиз меняет арифметику маржи: действующие агентные продукты могут перенести высокообъёмную рутину — заполнение форм, чтение счетов, работу с экранами внутренних приложений — на Terra без смены вендора и кратно сократить себестоимость одной задачи. Пайплайны, где вход в основном кэшируется, замечают эффект в день миграции, поскольку кэшированный ввод практически снимает плату за повторяющийся контекст. Это делает массовую автоматизацию рутины окупаемой в штатной эксплуатации, а не только в премиальных пилотах, и создаёт прямое ценовое давление на сопоставимые модели среднего класса. Если соотношение цены и качества подтвердится у ранних адоптеров, вероятны волна миграций с флагманских моделей на середину линейки и постепенное превращение её в commodity-слой агентной автоматизации. Тогда конкуренция окончательно сместится в цену за решённую задачу, надёжность, данные, интеграции и качество оркестрации, включая fallback, human-in-the-loop и аудит действий агента.

Почему это важно для пользователей

Подписчики Plus, Pro, Enterprise и Edu получают Terra в ChatGPT Work и Codex уже сейчас, и тот же лимит использования покрывает больше задач, чем раньше: типовые агентные сценарии, разбор интерфейсов приложений и повседневный кодинг расходуют квоту медленнее. Агент стал реже давать уверенно неверные ответы на каверзных формулировках, заметнее всего при высоком уровне рассуждений, поэтому объём ручной перепроверки результатов уменьшается. Разработчики могут подключить gpt-6.1-terra в свои приложения немедленно и проверить вендорскую статистику собственными прогонами на реальных задачах — это самый быстрый способ узнать реальную цену и качество для своего случая. Тем, кому рассуждение в пайплайне не нужно, доступен режим reasoning.effort со значением none, открывающий классические параметры семплирования temperature и top_p.

Что пока неизвестно / ограничения

Все заявления о качестве опираются исключительно на прогоны самой OpenAI: ни Agents' Last Exam, ни Terminal-Bench 4.0, ни внутренний тест на провоцирующие запросы не опубликованы с методологией и не реплицированы сторонними командами. Сравнение с GPT-5.6 Terra на Terminal-Bench 4.0 проведено при максимальном уровне рассуждений на одиночном вендорском бенчмарке без единого harness, зафиксированного scaffold и метрик вроде pass@k, поэтому корректная подача — «вендорская оценка», а не установленный факт. Заявленный прирост на Agents' Last Exam при одновременном обещании кратно меньшей стоимости задачи смешивает метрику качества и метрику стоимости: состав «стоимости задачи», включая учёт кэшированных токенов и число шагов агента, не раскрыт. По внутреннему тесту на провоцирующие запросы не опубликованы ни датасет, ни протокол, так что снижение частоты фактических ошибок остаётся сигналом положительного тренда в калибровке, а не воспроизводимым результатом. Сопоставимость с флагманом GPT-6 Astra заявлена при цене на порядок ниже и проверяется только независимым прогоном обеих моделей на идентичной инфраструктуре, а на момент публикации таких прогонов нет.

Источники

Автор

Look at AI, редакция