GPT-6.1 Terra：画面を理解し、仕事を完了するまで
図面、請求書、ソフトウェアの画面を読み取り、次の操作まで進める。Terraの注目点は、回答のうまさよりも仕事の連続性にある。
視覚モデルの実演では「この画像には何が写っているか」を聞くことが多い。PC操作モデルの実演では、ボタンをクリックさせることが多い。Terraはこの二つをつなぐ。画面の構造を理解し、アプリで順序立てて操作を進める。重要なのは機能一覧より、人とAIの作業分担がどう変わるかだ。
日常業務のどこに入るのか
OpenAIはTerraを、詳細な視覚推論、精密なPC操作、より自然な文章作成に強い、高速で効率的なモデルと位置づける。実務では、人が資料を見て次の操作を考えていた場面が対象になる。
OpenAIが挙げる例は、提案書の草案、技術図面の解釈、フォーム入力、動画編集、請求書を読んで会計ソフトに記入する作業だ。共通するのは、入力が整ったデータベース項目ではなく、画像や文書、実際の操作画面だという点である。
「小さなSol」ではなく、仕事に応じた選択肢
複雑な推論やコーディング、影響の大きい判断では、SolやAstraを先に試すほうがよい場合がある。Terraは、視覚情報とPC操作を含む反復的な仕事で、速度と費用も重視したいときの候補だ。
| 仕事の形 | 最初に試すモデル | 理由 |
|---|---|---|
| 大量の抽出・分類、明確なルール | GPT-6 Luna | 処理量と費用を先に最適化 |
| 画像・表・Web・デスクトップ操作 | GPT-6.1 Terra | 視覚理解と実行を一つの流れにできる |
| 長い調査、複雑な開発、重要な判断 | GPT-6.1 Sol / GPT-6 Astra | 推論と確認に余裕を持たせる |
ベンチマークだけで費用は決まらない
OpenAIはAgents' Last Exam、MMMU-Pro、OSWorld 2.1、Terminal-Bench-Science 0.1などで、GPT-5.6 Terraからの大幅な改善を報告している。Agents' Last Examの中程度の推論設定では、旧Terraより15ポイント高い結果を、約3分の1のタスク費用で達成したとしている。一部の設定ではAstraに近い結果を、より短時間かつ低費用で得たという。
ただし、これは提供元の評価であり、自社業務の実績ではない。100万トークン当たりの料金が安くても、クリック、再試行、人の修正が増えれば、完了1件当たりの費用は変わる。
試してみたい三つの入口
1. 請求書から会計入力へ
スキャンから取引先、金額、税率、日付を読み取り、会計ソフトに入力する。項目の正誤だけでなく、合計額、重複請求、異常値で人の確認に回るかまで検証する。
2. 図面から次の操作へ
技術図面をもとに作業させる前に、読み取った対象と不明点を列挙させる。寸法や注記の取り違えを、人が後続の操作前に見つけられる。
3. 動画からレビュー記録へ
カットの変化、会話、修復が必要な場面をタイムコード付きでまとめる。最終判断を編集者から奪うのではなく、確認可能な一次記録をつくる用途だ。
本番投入前の三つの確認
- 認識：見えた対象、項目、不明点を先に示す。
- 操作：支払い、削除、送信、提出は人の承認を待つ。
- 成果：出典、操作履歴、失敗理由を残し、「完了」だけで終えない。
OpenAIによれば、TerraはGPT-6シリーズの改善を受け継ぎ、作業範囲の順守、限界の開示、プロンプトインジェクションへの耐性でGPT-5.6 Terraを上回る。この主張も、自社の権限設定、ログ、承認手順の中で確かめたい。
Terraは視覚入力を単なる添付資料から、業務フローの出発点に変える。完了条件を数値で確認できる身近な作業を一つ選び、短い区間から試して、失敗記録を見て拡大を判断するのがよい。