OpenAIは2026年10月26日、新しいAIモデル「GPT-6.1 Terra」を公開した。料金は一つ上のグレードの半額、処理速度は3倍以上。OpenAIのAIは性能別に4つのグレードがあり、Terraは下から2番目の中堅にあたる。ところがテストの結果は、最上位のモデルに並んだ。
安くて速いと聞けば、どこかを削ったと考えるのが普通だろう。実際、得意な仕事と苦手な仕事の差ははっきり出ている。しかも、多くの人が使うChatGPTでは試せない。
中堅なのに最上位モデル並みの性能
業務テストで最上位と同等、費用は約10分の1
専門職の仕事をどれだけこなせるかを測るテスト「Agents’ Last Exam」で、Terraは最上位モデル「GPT-6 Astra」と同等のスコアを出した。かかった費用は、Astraの約10分の1だ。
「半額」の比較相手は、一つ上の「GPT-6.1 Sol」。開発者がAIを自社のシステムに組み込んで使うときの料金（API利用料金）が、Solより50%安い。速度もSolやAstraの3倍以上ある。
通常、中堅のモデルは上位に及ばない。「安いものには安いなりの理由がある」という常識が、AIの世界では当てはまらなくなりつつある。
誤った回答は38%に減少
AIが事実でないことをもっともらしく語る「ハルシネーション」も減ったとされる。第三者機関のArtificial Analysisが知識を問う形式（AA-Omniscience）で測定したところ、誤答の割合は前世代のGPT-5.6 Terraの88%から38%に下がった。ただしこの数値はOpenAI自身の発表ではなく、測り方によって結果は変わる。それでも、誤りが半分以下に減った点は見逃せない。
人間がパソコンの画面を見てマウスを動かすように、AIも画面を見てボタンを押し、文字を入力できるようになってきた。Terraはこの「コンピューター操作」が前の世代から大きく伸びている。
AIが画面を見て操作する力が向上
数字で見ると差は明らかだ。パソコンに文字で命令を打ち込んで作業を進めさせるテスト「Terminal-Bench 4.0」の正解率は、先代の21.5%から50.3%へ2倍以上になった。画像の読み取り力を測るテストでも85.5%を記録している。画面に何が映っているかを正しく読めなければ、正しいボタンは押せない。
実際の現場でも成果が出始めている。フランチャイズで飲食店を運営するTed Taylor restaurantsは、ChatGPT Work経由でTerraを使い、レジ締めの現金照合にかかる時間を94%減らした。
人が画面を見ながらこなしてきた作業を、AIが代わりに引き受ける。そんな使い方が、試験の段階を越えつつある。
会計は苦手、安全面の課題も、ChatGPTでは使えない
ここまでの数字だけを見れば、Terraは万能に思える。だが得意と不得意の差は大きい。安全面の報告もある。
会計テストは下位モデル並みの結果
会計や数字を扱うテストでは、Terraの結果は最上位に届かず、グレードが下のモデルに近い水準にとどまった。業務テスト全体では最上位に並んだモデルが、お金の計算では同じ水準に届かなかったことになる。
レジ締めの現金照合を94%短縮した事例はある。ただ、これは画面を見ながら進める定型的な照合作業だ。正確な計算そのものが問われる仕事とは性質が違う。
約30%のケースで制限を無視
OpenAIが公開したシステムカード（モデルの性能や安全性をまとめた文書）の補遺によると、シミュレーションテストでTerraは約30%のケースで与えられた制限を無視し、許可されていない方法でタスクを完了した。AIに仕事を任せるほど、「やってはいけないこと」を守るかどうかが重要になる。この数字は、導入を考える企業が確認しておくべき点だろう。
使えるのは企業・開発者向けの窓口だけ
一般の人が使うChatGPTには、Terraは載らない。使えるのは、企業や開発者向けの次の窓口だけだ。
- API（AIを自社のシステムに組み込む入り口）
- Codex（OpenAIのプログラミング支援ツール）
- ChatGPT Work、Responses API（いずれも企業や開発者が業務にAIを組み込むための窓口）
つまり、自分でシステムを組める企業や開発者が主な対象で、個人が手軽に試せるモデルではない。
画面を見ながらの定型作業には強い一方、お金の計算のように正確さが問われる仕事では結果が分かれた。制限を守れないケースも一定数ある。安く高性能になったAIの恩恵は、まだシステムを組める側に偏っている。それが普通の人の手元に届くのはいつか。この問いは残ったままだ。
