A GPT-6.1 Terra az OpenAI új, gyors és költségtakarékos modellje, amely a vizuális értelmezést, a számítógép-használatot és a hétköznapi üzleti munkát célozza, a standard API-tokenárat pedig az előző Terra és a Sol árának felére csökkenti. A „féláras” tehát a tokenárra vonatkozik, nem arra, hogy minden feladat végösszege automatikusan feleződik. Az OpenAI 2026. október 26-i bejelentése szerint a Terra dokumentumok, űrlapok és asztali alkalmazások nagy volumenű feldolgozására készült; az üzleti értékét ezért nem pusztán a benchmarkpontszám, hanem a tényleges munkafolyamat költsége és megbízhatósága mutatja meg. OpenAI-bejelentés
GPT-6.1 Terra: a nagy volumenű feladatokra szabott modell
Az OpenAI a GPT-6.1 Terrát a modellcsalád olyan tagjaként pozicionálja, amelynek célja nem a legnehezebb feladatok mindenáron való megnyerése. Inkább olyan munkákhoz szánja, amelyekből sok ismétlődik: beérkező számlák olvasása és adatainak rögzítése, ajánlatok előkészítése, technikai rajzok értelmezése, űrlapok kitöltése vagy videószerkesztő alkalmazások kezelése. Ezekben a feladatokban a gyorsaság és az egységköltség gyakran legalább annyira fontos, mint a csúcsteljesítmény.
A modellazonosító az API-ban gpt-6.1-terra. Az OpenAI dokumentációja szerint 1 050 000 tokenes kontextusablakkal és legfeljebb 128 000 tokenes kimenettel rendelkezik. A kontextusablak azt a bemeneti és beszélgetési mennyiséget jelöli, amelyet a modell egy kérés során figyelembe vehet; a nagy keret hasznos lehet hosszú iratcsomagoknál, de nem jelenti azt, hogy a teljes feldolgozás olcsó vagy korlátlan. OpenAI Developers modell- és árdokumentáció
A fejlesztők többféle következtetési erőfokozatot állíthatnak be, a visszafogottabb működéstől a legmagasabb erőforrásig; az alapértelmezés a közepes szint. Ez lehetőséget ad arra, hogy az egyszerűbb feladatok ne kapjanak szükségtelenül drága feldolgozást, míg a bonyolultabb esetek nagyobb erőfeszítést igényeljenek. Az eszközhíváshoz a Responses API szükséges, így egy régebbi integrációt használó csapatnak ezt is ellenőriznie kell a bevezetés előtt. OpenAI Developers
Az OpenAI saját benchmarkjai: előrelépés, de nem független mérés
Az OpenAI által közölt eredményeket érdemes elkülöníteni a külső tesztektől: ezek a vállalat saját mérési környezetéből származnak, és nem mindegyik eredményt ellenőrizte független labor. Az Agents’ Last Exam szakmai feladatokat vizsgál. Az OpenAI szerint közepes következtetési beállítással a GPT-6.1 Terra 15 százalékponttal előzi meg a GPT-5.6 Terrát, miközben a feladatköltsége körülbelül annak harmada. A vállalat azt is közli, hogy ezen a beállításon a modell eléri a GPT-6 Astra teljesítményszintjét, a tokenenkénti ár tizedéért. Ezek az összevetések ígéretesek, de a feladatköltség nem azonos minden valós vállalati folyamat költségével. OpenAI
A vizuális következtetést vizsgáló MMMU-Pro teszten a közlemény szerint a Terra minden következtetési beállításon felülmúlja a GPT-5.6 Terrát, és jóval alacsonyabb költség mellett megközelíti a GPT-6 Astra és a GPT-6.1 Sol eredményét. Az OSWorld 2.1 asztali alkalmazásokon végzett, több lépésből álló feladatokat mér; közepes beállításon a Terra az OpenAI szerint túlszárnyalja a GPT-5.6 Terra legjobb eredményét, alacsonyabb feladatonkénti költséggel. Mivel a közlemény ezekhez nem ad minden esetben könnyen összevethető nyers értéket a kutatási összefoglalóban, az állításokat összehasonlító eredményként, nem univerzális rangsorként érdemes olvasni. OpenAI
A kódolási eredmény konkrétabb: Terminal-Bench 4.0 alatt maximális következtetési erőfokozaton a Terra 50,3 százalékot ért el, míg a GPT-5.6 Terra korábban közölt eredménye 21,5 százalék volt. A vállalat belső, hibát előidéző kérdésekre épülő mérésében az alacsony beállítás hibaaránya 53,6 százalékról 16,7 százalékra csökkent; maximális beállítás mellett 4,3 százalékot közöltek. Ezek az adatok az OpenAI saját tesztjei, nem független audit eredményei. A cég maga is jelzi, hogy a legösszetettebb szoftverfejlesztési feladatokhoz továbbra is a Sol vagy az Astra lehet jobb választás. OpenAI
A Plotly független adatelemzési próbája
A Plotly külön, saját 43 kérdéses adatelemzési vizsgáján tesztelte a modellt; ezt az eredményt nem szabad összemosni az OpenAI benchmarkjaival. A Plotly beszámolója szerint a Terra 40 feladatot oldott meg a 43-ból, ami 93 százalékos teljesítmény. A vizsga teljes költsége 1,31 dollár volt, nagyjából fele a GPT-6.1 Sol költségének, miközben a Sol mind a 43 feladatot teljesítette. A mérés tehát erős ár-teljesítmény arányt jelez, de ebben a konkrét adatelemzési feladatsorban a Sol hibátlanabb eredményt ért el. Plotly független tesztbeszámolója
A Plotly szerint egy tipikus kérdés feldolgozása 15 másodpercet vett igénybe, és a vizsgált modellek közül a Terra volt a leggyorsabb azok között, amelyek legalább 40 feladatot megoldottak. A nehezebb, rejtett mintázatokra építő kérdésekből a Terra hármat talált meg, a GPT-6 Luna kettőt, a Sol pedig mind az ötöt. A teszt során kérdésenként átlagosan mintegy 154 ezer tokent olvasott újra a rendszer, ezek 92 százaléka gyorsítótárból érkezett; a kimenet átlagosan körülbelül 1460 token volt. Ez fontos költségkontextus: a jó összeredményhez jelentős bemenet társult, amelynél a gyorsítótárazásnak érdemi szerepe volt. Egyetlen adatelemzési vizsga ugyanakkor nem bizonyít általános fölényt minden üzleti vagy fejlesztési helyzetben. Plotly
Árazás, hosszú kontextus és elérhetőség
A standard API-ár egymillió bemeneti tokenenként 1 dollár, egymillió gyorsítótárazott bemeneti tokenenként 0,05 dollár, egymillió kimeneti tokenenként pedig 5 dollár. A gyorsítótárazás az ismételten felhasznált bemenet olcsóbb elszámolását teszi lehetővé. Az OpenAI fejlesztői dokumentációja emellett 1,25 dolláros díjat közöl egymillió tokenenként a 30 perces gyorsítótár-írásra, a 12 órás megőrzés díja pedig 2,50 dollár millió tokenenként. A költségtervezésnél ezért ne csak a bemeneti és kimeneti alapárat nézd. OpenAI Developers árazás
A nagy kontextusnak különösen fontos küszöbe van: 272 ezer bemeneti token fölött a teljes kérés bemeneti és gyorsítótár-díja kétszeresére, a kimeneti díj másfélszeresére nő. Ez az egymillió tokenes kapacitást nem teszi értéktelenné, de azt jelenti, hogy a hatalmas dokumentumkötegek egyetlen kérésbe zsúfolása költséges lehet. A Batch és Flex feldolgozás a standard árhoz képest 50 százalékos kedvezményt adhat, míg a regionális feldolgozásnál 10 százalékos felár merülhet fel. Ezek az eltérő feldolgozási módok nem változtatják meg a „féláras” állítás jelentését: az a standard API-tokenár összehasonlítására vonatkozik. OpenAI Developers árdokumentáció
A bejelentés szerint a modell ChatGPT Work és Codex környezetben Plus, Pro, Enterprise és Edu csomagokban érhető el, a fejlesztők pedig az API-ban a megadott modellazonosítóval hívhatják. A közlemény nem sorolja fel a Free csomagot. A pontos jogosultságot és az adott fiókban való megjelenést érdemes az OpenAI felületén ellenőrizni; a kutatási források nem adnak ennél részletesebb, minden felhasználóra érvényes rollout-információt. OpenAI elérhetőségi közlemény
Előnyök és korlátok: mikor lehet jó választás?
A Terra fő előnye a költségre és sebességre optimalizált képességcsomag: vizuális következtetés, számítógép-kezelés és dokumentumalapú folyamatok egy modellben. A Plotly mérésében gyorsan és olcsón dolgozott, az OpenAI saját eredményei pedig fejlődést mutatnak a korábbi Terra-változathoz képest kódolásban, vizuális feladatokban és hibaarányban. A több mint egymillió tokenes kontextus hosszú dokumentumoknál vagy összetett ügyiratoknál lehet hasznos, ha az adatot megfelelően előkészítik és a költségkeretet mérik.
A korlátok ugyanilyen lényegesek. A Plotly vizsgáján a Sol minden feladatot megoldott, a Terra nem; a rejtett mintázatoknál is a Sol teljesített jobban. Az OpenAI maga a Solt és az Astrát ajánlja a legösszetettebb kódolási munkákhoz. A hosszú bemeneteknél alkalmazott árküszöb, a gyorsítótár-írás díja és az API-integrációs követelmény megváltoztathatja a valós költséget. A belső benchmarkok pedig nem helyettesítik a saját adatokon, saját felületen és hibaköltségekkel súlyozott üzemi próbát.
A modellválasztásról szóló összehasonlításhoz kapcsolódik korábbi anyagunk a GPT-6.1 Solról, valamint a Claude Haiku 5.5-ről. Ezek segíthetnek abban, hogy ne egyetlen látványos benchmark, hanem a feladat, a költség és a szükséges teljesítményszint alapján mérlegelj.
5 döntéshozói következtetés
- Próbaként, nem vakon alapértelmezettként vezesd be. Válassz ki egy ismétlődő dokumentum- vagy számítógép-kezelési folyamatot, és mérd az időt, a hibákat, az emberi ellenőrzés igényét és a teljes API-költséget.
- A félárat tokenárként kezeld. A tényleges feladatköltséget a bemeneti és kimeneti mennyiség, a gyorsítótár használata, a következtetési beállítás és a 272 ezer tokenes küszöb együtt határozza meg.
- Használj modellirányítást. A Terra lehet első lépcső a nagy volumenű, közepes nehézségű feladatokra; a legnehezebb eseteket továbbíthatod Solhoz vagy Astrához, ha a jobb válasz értéke indokolja a nagyobb költséget.
- Vizsgáld meg az integrációs hatást. A tool callinghoz szükséges Responses API miatt ellenőrizd a meglévő munkafolyamatokat, mielőtt átállítod a modellt.
- Validálj saját adatokkal és hibaköltséggel. Az OpenAI mérései vállalati benchmarkok, a Plotly próbája pedig egy szűk adatelemzési vizsga; egyik sem helyettesíti a saját dokumentumokon és felhasználói felületen végzett értékelést.
Összegzés
A GPT-6.1 Terra komolyan vehető jelölt ott, ahol sok, jól körülhatárolt vizuális, dokumentumfeldolgozó vagy számítógépes feladat vár automatizálásra. Az OpenAI eredményei a korábbi Terrához képest számottevő javulást állítanak, míg a Plotly független tesztje gyors és költséghatékony működést mutat, de egyúttal jelzi a Sol erősebb teljesítését a teljes feladatsoron. A döntés kulcsa ezért nem az, hogy a Terra minden modellnél jobb-e, hanem hogy a saját munkádban elég jó eredményt ad-e olyan összköltséggel, amely mellett az automatizálás tényleg megéri.
Kapcsolódó modellek és hírlevél
Olvasd el összehasonlító anyagainkat a GPT-6.1 Solról és a Kimi K3.1 Próról, hogy több modell árát és képességeit tudd egymás mellé tenni.
Ha szeretnél értesülni a fontos AI-modellek újdonságairól és gyakorlati jelentőségéről, iratkozz fel az AI Hírek hírlevélre.