GPT-6.1 Terraとは｜料金・提供範囲・computer use・API

この記事で実際に動かしたもの：PyPI の openai 3.46.0（2026年11月5日公開）を作業用の venv に入れ、127.0.0.1 に立てた自作のモック（Responses API の応答の形だけを返すサーバー）へ GPT-6.1 Terra 宛てのリクエストを送りました。テキスト・Structured Outputs・Chat Completions・computer use の4往復ループ・429 の自動再送・よくある例外を実行し、SDK が組み立てる JSON とヘッダーを記録しています。型の確認は mypy 2.4.1、料金は公式の単価で自作の計算スクリプトを動かしました。本物の API には接続していないため、モデルの回答の質や速さは測っていません。

flowchart TD
    A[アプリ] -->|tools: computer| B[Responses API<br>gpt-6.1-terra]
    B -->|computer_call<br>actions の配列| C[アプリが操作を実行<br>クリック・入力]
    C -->|computer_call_output<br>スクリーンショット| B
    B -->|message| D[完了]

よく調べられることの答えを先にまとめます。

確認環境：Ubuntu 24.04.5 LTS（2 CPU）の上で、Python 3.13.18 の venv に openai 3.46.0（PyPI、2026年11月5日公開）と mypy 2.4.1 を入れました。SDK の接続先を base_url="http://127.0.0.1:18292/v1" にして、Python 標準の http.server で作ったモックに送り、受け取った本文とヘッダーをログに記録しています。API キーはダミーで、環境変数は env -i で外しています。料金・仕様・提供範囲は、OpenAI の公式ドキュメント（developers.openai.com の GPT-6.1 Terra・GPT-6.1 Sol・GPT-6 Luna・GPT-6 Astra・GPT-5.6 Terra のモデルページ、Pricing、Prompt caching、Computer use のガイド、API Changelog）、Codex の公式ドキュメント（learn.chatgpt.com の Models と Changelog）、GPT-6.1 Terra のシステムカード（deploymentsafety.openai.com）、GitHub の公式 Changelog で確かめました。openai.com の発表ページとヘルプセンターはこの環境から取得できなかったため、発表ページにだけ載る数字（ベンチマークの公表値など）は載せていません。ChatGPT・Codex の画面と本物の API は操作しておらず、そこで返るエラーの文言や回答の質は公式ドキュメントの範囲です。図は mermaid で描画を確かめています（確認日 2026年11月5日）。

GPT-6.1 Terraとは（何が・いつ・誰に・いくらで）

この節では、GPT-6.1 Terra がどんなモデルで、いつから、どこで、いくらで使えるのかが1枚の表で分かります。

GPT-6.1 Terra は、GPT-5.6 Terra の後を継ぐ「速さと費用のバランス」の位置にあるモデルです。API の公式ページは「A fast, efficient model for visual reasoning, precise computer use, and clear, natural writing」と書き、Codex の公式ドキュメントは向く作業として「提案書の下書き、グラフやスクリーンショットの読み取り、元の資料からのフォーム入力」を挙げています。システムカードは「GPT-6 シリーズの最新モデル」で、画像の分析と computer use に強い、大量の業務向けのモデルと紹介しています。

GPT-6 系全体の流れ（Astra の登場と Sol・Luna の位置づけ）は、関連記事「GPT-6 Astraで何ができる｜料金・Sol・Luna【2026年10月版】」で扱っています。この記事は Terra だけに絞り、提供範囲・料金の決まり・computer use の実装を深く見ます。

GPT-6.1 Terraの料金（API・Batch・Fast・キャッシュ）

この節では、GPT-6.1 Terra の API 料金表と、料金が変わる条件（長いプロンプト・Batch・Fast・キャッシュ・地域指定）が分かります。

標準の単価は入力1ドル・出力5ドルで、GPT-5.6 Terra（入力2ドル・出力12ドル）より入力は半分、出力は約4割になりました。単位は100万トークンあたりの米ドルです。

Prompt caching の公式ガイドは、キャッシュ書き込みの料金を「上乗せの手数料ではない」と説明しています。1つの入力トークンは「キャッシュ無し」「キャッシュ読み取り」「キャッシュ書き込み」のどれか1つの単価で請求されます。保持時間は prompt_cache_options.ttl で "30m"（既定）か "12h" を選び、以前のモデル向けの prompt_cache_retention は GPT-5.6 以降には効かない、と公式は書いています。ツールの一部には別の呼び出し料金があり、computer use のスクリーンショットは画像の入力として数えられます。

トークンの数え方そのもの（日本語1文字が何トークンか、節約の考え方）は、関連記事「トークンとは｜生成AIの数え方・日本語の文字数目安と節約方法」で扱っています。

料金の計算例（請求書5万件・画面操作20ターン・272Kの境目）

この節では、公式の単価で自作の計算スクリプトを動かし、GPT-6.1 Terra の金額が件数・キャッシュ・プロンプトの長さでどう変わるかが実際の数字で分かります。

272,000トークンを1トークン超えるだけで、そのリクエストの金額は約2倍になりました。同じ量を2回に分ければ、元の金額に戻ります。

# 100万トークンあたりの米ドル（Standard）：入力, キャッシュ済み入力, 出力（公式 Pricing・2026年11月5日時点）
P = {
    "gpt-6.1-terra": (1.00, 0.05, 5.00),
    "gpt-6.1-sol":   (2.00, 0.10, 10.00),
    "gpt-6-luna":    (0.10, 0.01, 0.50),
    "gpt-6-astra":   (10.00, 1.00, 50.00),
    "gpt-5.6-terra": (2.00, 0.20, 12.00),
}
LONG = 272_000  # これを超える入力のリクエストは、入力・キャッシュ2倍、出力1.5倍（リクエスト全体）

def cost(m, inp, out, cached=0, batch=False, long_rule=True, write=False):
    i, c, o = P[m]
    if long_rule and inp > LONG:
        i, c, o = i * 2, c * 2, o * 1.5
    w = i * 1.25 if write else i   # キャッシュ書き込み（30分）は通常入力の1.25倍
    usd = ((inp - cached) * w + cached * c + out * o) / 1e6
    return usd * (0.5 if batch else 1.0)

実行結果です（Python 3.13.18）。

A. 請求書5万件/月（1件 入力3,000・出力800トークン）
  gpt-6.1-terra  通常 $   350.00   Batch $   175.00
  gpt-6.1-sol    通常 $   700.00   Batch $   350.00
  gpt-6-luna     通常 $    35.00   Batch $    17.50
  gpt-6-astra    通常 $ 3,500.00   Batch $ 1,750.00
  gpt-5.6-terra  通常 $   780.00   Batch $   390.00
B. computer use 1タスク20ターン（仮定：毎ターン画面1枚＝1,500トークン増、前のターンまではキャッシュに当たる）
  gpt-6.1-terra  キャッシュ無し $0.3700  キャッシュ有り(書き込み1.25倍込み) $0.0687  最後の入力 32,000
  gpt-6.1-sol    キャッシュ無し $0.7400  キャッシュ有り(書き込み1.25倍込み) $0.1375  最後の入力 32,000
  gpt-6-luna     キャッシュ無し $0.0370  キャッシュ有り(書き込み1.25倍込み) $0.0085  最後の入力 32,000
C. 272Kの境目（出力2,000トークン、gpt-6.1-terra）
  入力 272,000 → $0.2820
  入力 272,001 → $0.5590
  入力 500,000 → $1.0150
  272,001 を 136,001 ×2 に分けると → $0.2820

読み取れることを3つにまとめます。

• A：同じ件数なら GPT-5.6 Terra の約45%。780ドルが350ドルになります。急がない処理は Batch でさらに半分です。A はキャッシュを考えていない計算で、共通の指示文が1,024トークンを超えてキャッシュされる場合は、その部分の請求が書き込み・読み取りの単価に変わります。
• B：画面操作はキャッシュに当たるかで約5分の1になる。ターンごとに前の画面と会話が積み上がるので、前のターンまでの部分が読み取り単価（0.05倍）で請求されるかどうかが効きます。1枚1,500トークンは仮定の値で、実際のスクリーンショットのトークン数は画像の大きさと detail の指定で変わります。
• C：境目はリクエストごと。月の合計ではなく1回の入力で判定されるので、長い資料は分けて送るか、Sol など別のモデルと金額を比べます。

GPT-6.1 TerraのAPIの仕様（モデルID・コンテキスト長・effort）

この節では、API で GPT-6.1 Terra を呼ぶときに決める値（モデル ID・長さの上限・reasoning effort・使えるエンドポイントとツール）が分かります。

reasoning effort に none がある点が、同じ GPT-6 系の Sol・Astra との大きな違いです。考える処理を省いて速く返す使い方ができます。

利用枠（レート制限）は使用量のティアで決まります。公式のモデルページの値は次のとおりで、Free ティアは「Not supported」です。

effort の段階は、速さと考える量の目安として次のように並びます。どの段階が業務に合うかは、公式も「自分のデータで評価する」前提で書いています。

1. 1none：考える処理を省く定型の変換・短い返答。Terra と Luna にはあり、Sol・Astra には無い
2. 2low：速さ重視抽出・分類・件数の多い処理
3. 3medium：既定指定しないとこの段階で動く。まずここから測る
4. 4high・xhigh：長めの作業画面操作の手順が長いとき、文書の読み取りが複雑なとき
5. 5max：上限なし出力トークン（推論の分を含む）が最も増える。料金の見積もりは別に取る

GPT-6.1 TerraをChatGPTとCodexで使う（対象プラン・選び方）

この節では、ChatGPT と Codex で GPT-6.1 Terra を使える条件と、モデルの選び方が分かります。

GPT-6.1 Terra は ChatGPT の「Chat」には出てきません。Codex の公式 Changelog（2026年10月26日）は「ChatGPT Work と Codex で、Plus・Pro・Business・Enterprise・Edu のプランで使える」「Chat では使えず、UAE の推論の地域指定には対応しない」と書いています。Enterprise はワークスペースでの提供状況と管理者の設定によります。Free・Go の名前はこの告知に入っていません。

選び方は、公式ドキュメントで次のとおりです。

Codex の公式ドキュメントには、GPT-5.5 が2026年10月14日に「ChatGPT でサインインした Codex」から外れたこと、置き換え先の例として有料プランは gpt-6.1-sol、Free・Go は gpt-6-luna が書かれています。設定ファイルに以前のモデル名が残っていると動かないので、Terra に変えるときに合わせて見直します。

GitHub Copilot では、GitHub の公式 Changelog（2026年10月26日）によると Copilot Pro・Pro+・Max・Business・Enterprise が対象で、VS Code・Visual Studio・Copilot CLI・cloud agent・github.com・GitHub Mobile・JetBrains・Xcode・Eclipse で選べます。料金は使用量に応じた課金で、提供元の定価で数えます。Business・Enterprise では管理者がモデルのポリシーで管理でき、新しいモデルは既定で有効になる設定です。展開は段階的です。

computer useの仕組み（GPT-6.1 Terraが画面を操作する流れ）

この節では、computer use でモデルとアプリが何をやり取りしているのか、そしてアプリ側が持つ責任の範囲が分かります。

GPT-6.1 Terra が画面を直接触るわけではありません。モデルはスクリーンショットを見て「どこをクリックし、何を入力するか」を返し、実際の操作はアプリ（自分で用意したブラウザやデスクトップ環境）が行います。操作した後の画面をまたモデルに送り、モデルが完了と判断するまで往復します。

公式の Computer use のガイドは、つなぎ方を2つ挙げています。

• コード実行で操作する：モデルが PyAutoGUI や Playwright を使うコードを書き、アプリが隔離した環境で実行して、テキストとスクリーンショットを関数呼び出しの結果として返す方法。GPT-6 Astra にはこちらを勧めています。
• computer ツールを使う：tools に computer を入れると、モデルは computer_call に操作の配列（actions）を入れて返します。アプリが順に実行し、computer_call_output にスクリーンショットを入れて previous_response_id と一緒に送り返します。

openai 3.46.0 の型定義から、computer ツールで返る操作の種類を書き出しました。

公式のガイドは、環境の作り方として「新しいブラウザのプロフィールか隔離したデスクトップを使う」「ネットワークを絞る」「認証情報をページの文字やスクリーンショットに出さない」「失敗しても必ずセッションを閉じる」を挙げています。ページの中身がモデルの判断に影響しうる（プロンプトインジェクション）ためです。また、応答を続けてもブラウザのセッションやログイン状態は戻らないので、環境はアプリが生かし続ける、と書いています。ホストされた環境の例として Browserbase・Browser Use・Daytona・E2B Desktop も挙がっています。

Function calling（関数呼び出し）の基本の往復は computer use と同じ形です。考え方は関連記事「LLMの構造化出力とJSON｜4方式の違いとPydantic検証の実行結果」でも、出力の形を決める側から扱っています。

openai SDKでGPT-6.1 Terraを呼ぶ（127.0.0.1のモックで確認）

この節では、openai 3.46.0 で GPT-6.1 Terra を呼ぶ最小のコードと、SDK が実際に送る JSON とヘッダーが分かります。

モデル ID を gpt-6.1-terra にするだけで、Responses API・Structured Outputs・Chat Completions のどれも以前のモデルと同じ書き方で送れました。openai 3.46.0 の型定義（ChatModel）にも gpt-6.1-terra が入っています。

import json
from openai import OpenAI

client = OpenAI(api_key="sk-dummy-for-mock", base_url="http://127.0.0.1:18292/v1")

# 1. Responses API（テキスト）
r = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"effort": "low"},
    input="この請求書の要点を3行でまとめて。",
)
print(r.output_text)

# 2. 画像＋Structured Outputs（請求書の項目を JSON に）
schema = {"type": "object", "additionalProperties": False,
          "properties": {"invoice_no": {"type": "string"}, "amount": {"type": "integer"}, "due": {"type": "string"}},
          "required": ["invoice_no", "amount", "due"]}
r = client.responses.create(
    model="gpt-6.1-terra",
    input=[{"role": "user", "content": [
        {"type": "input_text", "text": "請求書の番号・金額・支払期日をJSONで。"},
        {"type": "input_image", "image_url": "data:image/png;base64,iVBORw0KGgo=", "detail": "high"}]}],
    text={"format": {"type": "json_schema", "name": "invoice", "schema": schema, "strict": True}},
)
print(json.loads(r.output_text))

# 3. Chat Completions（effort は reasoning_effort）
c = client.chat.completions.create(model="gpt-6.1-terra", reasoning_effort="none",
                                   messages=[{"role": "user", "content": "こんにちは"}])

実行結果と、モックが受け取った内容です（応答の文はモックが返した固定の文です）。

openai 3.46.0
=== 1. Responses API（テキスト） ===
モックの応答です。
usage: 40 12 0
=== 2. Structured Outputs ===
{'invoice_no': 'INV-2026-1105', 'amount': 128000, 'due': '2026-11-30'}
=== 3. Chat Completions ===
モックの応答です。 30

/v1/responses {"authorization": "Bearer sk-dumm...", "user-agent": "OpenAI/Python 3.46.0", "x-stainless-package-version": "3.46.0", "x-stainless-retry-count": "0"}
{"model": "gpt-6.1-terra", "input": "この請求書の要点を3行でまとめて。", "reasoning": {"effort": "low"}}
/v1/chat/completions {...同じヘッダー...}
{"model": "gpt-6.1-terra", "messages": [{"role": "user", "content": "こんにちは"}], "reasoning_effort": "none"}

Responses API では effort を reasoning={"effort": ...}、Chat Completions では reasoning_effort と書く場所が違います。ツール（computer use・Web 検索など）は Responses API だけなので、新しく作るなら Responses API にそろえると後で困りません。Responses API の書き方を一通り見たいときは、関連記事「OpenAI API Python入門｜Responses APIのコピペ集」が入口になります。

computer useのループをSDKで動かす（4往復の実物）

この節では、computer ツールの往復を Python で書いたコードと、モック相手に4往復させたときの出力が分かります。

アプリが書くのは「actions を順に実行し、画面を撮って call_id を添えて返す」ループだけです。安全確認（pending_safety_checks）が付いて返ってきたら、人の承認なしに進めないようにしています。

import base64
from openai import OpenAI

client = OpenAI(api_key="sk-dummy-for-mock", base_url="http://127.0.0.1:18292/v1")

def run_action(a):
    """本物はここでクリック・入力をブラウザやデスクトップに送る。今回は表示だけ。"""
    print("   実行:", a.type, {k: v for k, v in a.model_dump().items() if k != "type" and v is not None})

resp = client.responses.create(
    model="gpt-6.1-terra",
    tools=[{"type": "computer"}],
    reasoning={"effort": "medium"},
    input="会計ソフトの請求書番号の欄に INV-2026-1105 を入れて保存して。",
)
for turn in range(1, 21):          # 公式の例と同じく20回で打ち切る
    calls = [o for o in resp.output if o.type == "computer_call"]
    print(f"turn {turn}: response={resp.id} 出力={[o.type for o in resp.output]}")
    if not calls:
        print("完了:", resp.output_text)
        break
    outputs = []
    for call in calls:
        if call.pending_safety_checks:
            raise SystemExit("安全確認が必要: 人の承認なしに進めない")
        for a in call.actions or []:
            run_action(a)
        shot = base64.b64encode(png()).decode()   # png() は灰色の画像を作る自作関数（本物は画面を撮る）
        outputs.append({"type": "computer_call_output", "call_id": call.call_id,
                        "output": {"type": "computer_screenshot", "image_url": "data:image/png;base64," + shot}})
    resp = client.responses.create(model="gpt-6.1-terra", tools=[{"type": "computer"}],
                                   previous_response_id=resp.id, input=outputs)

実行結果です。モックは「画面を撮る→欄をクリック」「入力→TAB」「保存をクリック→待つ」「完了の文」の順に返すように作っています。

turn 1: response=resp_1 出力=['reasoning', 'computer_call']
   実行: screenshot {}
   実行: click {'button': 'left', 'x': 412, 'y': 228}
turn 2: response=resp_2 出力=['computer_call']
   実行: type {'text': 'INV-2026-1105'}
   実行: keypress {'keys': ['TAB']}
turn 3: response=resp_3 出力=['computer_call']
   実行: click {'button': 'left', 'x': 600, 'y': 520}
   実行: wait {}
turn 4: response=resp_4 出力=['message']
完了: 請求書番号を入力し、保存しました。

2回目以降にアプリが送った本文は次の形でした（画像の base64 は省略）。前の会話を送り直さず、previous_response_id と今回の結果だけを送っています。

{"model": "gpt-6.1-terra",
 "input": [{"type": "computer_call_output", "call_id": "call_1",
            "output": {"type": "computer_screenshot", "image_url": "data:image/png;base64,iVBORw0KGgoAAAANSU...(194 chars)"}}],
 "previous_response_id": "resp_1",
 "tools": [{"type": "computer"}]}

型定義では、computer_call は id・call_id・status・pending_safety_checks・actions を持ち、computer_call_output には確認済みの安全確認を返す acknowledged_safety_checks の欄があります。スクリーンショットは image_url のほかに、アップロード済みのファイルを指す file_id でも渡せる型になっています。

• 1ループの回数に上限を付ける公式の例は20回。上限に達したら人に戻す
• 2actions は配列として順に全部実行する1回の computer_call に複数の操作が入る
• 3call_id をそのまま返すid（cu_…）ではなく call_id（call_…）
• 4pending_safety_checks が空でなければ止める人が確かめてから acknowledged_safety_checks で返す
• 5環境は隔離し、認証情報を画面に出さない新しいブラウザのプロフィール・ネットワークの制限
• 6usage を毎ターン記録する画面1枚ごとに入力トークンが積み上がる

よくあるエラー／つまずき（原文つき）

この節では、GPT-6.1 Terra を SDK で呼ぶときに出やすいエラーの原文と、原因・直し方が分かります。

SDK が送る前に止めるエラー（キーなし・引数の間違い）と、サーバーが返すエラー（400・429）は、出る場所も直し方も違います。次はモックと mypy で実際に出した原文です。

=== APIキーなし ===
openai.OpenAIError: Missing credentials. Please pass an `api_key`, `workload_identity`, `admin_api_key`, or set the `OPENAI_API_KEY` or `OPENAI_ADMIN_KEY` environment variable.
=== 429が2回→成功 ===
成功 2.17s
=== 400 ===
openai.BadRequestError: Error code: 400 - mock: invalid value for reasoning.effort
  経過 0.00s status_code= 400
=== 接続拒否 ===
openai.APIConnectionError: Connection error.
=== 未知の引数 ===
builtins.TypeError: Responses.create() got an unexpected keyword argument 'effort'

429 の再送では、モックが retry-after: 1 を付けて2回 429 を返し、3回目に成功しました。モックの記録では x-stainless-retry-count が 0→1→2 と増え、間隔は約1.0秒ずつでした。SDK は既定で2回まで自動で再送します。

1793875442.061 force-429 0 None
1793875443.064 force-429 1 None
1793875444.067 force-429 2 None

mypy 2.4.1 で型を確かめると、次の2行がエラーになりました（3行目の "minimal" は通りました）。

typed.py:5: error: No overload variant of "create" of "Responses" matches argument types "str", "str", "dict[str, str]"  [call-overload]
typed.py:6: error: List item 0 has incompatible type "dict[str, object]"; expected "FunctionToolParam | FileSearchToolParam | ComputerToolParam | ComputerUsePreviewToolParam | WebSearchToolParam | <11 more items>"  [list-item]

5行目は reasoning={"effort": "ultra"}（存在しない段階）、6行目は {"type": "computer", "display_width": 1280} です。以前の computer_use_preview ツールは display_width・display_height・environment が必須でしたが、今の computer ツールの型には type しかありません。

型の上では "minimal" も通りますが、GPT-6.1 Terra の公式の effort の一覧には minimal がありません。SDK は値をそのまま送るので、受け付けるかどうかはサーバー側で決まります（今回の 400 の文言はモックが返したもので、本物の文言は公式ドキュメントの範囲です）。429・529 の再送の組み立て方は、関連記事「LLM APIの429・529エラー対処｜リトライ実装とエラー一覧」で詳しく扱っています。

GPT-6.1 TerraとSol・Luna・Astraの違い（公式の推奨用途）

この節では、GPT-6 系の4つのモデルの単価・仕様・公式が挙げる向く作業が1つの表で分かります。

4つの違いは、単価と、公式が挙げる向く作業です。コンテキスト長・最大出力・入出力の種類は4つとも同じで、ツールの computer use にも4つとも対応しています。どれが上かではなく、作業の重さと件数で選ぶ並びです。

知識の期限は Astra・Sol が2026年4月30日、Luna が5月18日、Terra が6月1日です。公開日は API Changelog で、GPT-6 Luna が9月22日、GPT-6.1 Sol が9月29日、GPT-6.1 Terra が10月26日です。OpenAI の公式ドキュメントは、複雑なコーディングには Sol・Astra を挙げており、Terra の説明は画像の理解・画面操作・文章が中心です。

GPT-6.1 Terraの安全性（システムカードの記述）

この節では、OpenAI が公開したシステムカード（GPT-6 Astra のカードへの追補）に何が書かれているかが分かります。

システムカードは、GPT-6.1 Terra をサイバーセキュリティで Critical、生物・化学で High として扱うと書いています。AI の自己改善は High の基準より下です。安全対策は GPT-6.1 Sol・GPT-6 Astra と同じ仕組みを使うとしています。

• プロンプトインジェクション：命令の優先順位への攻撃の評価で、Astra・Sol と同じく高い耐性（評価は飽和に近い）と書かれています。評価は更新中としています。
• 警告の尊重：制限の意図に反する別の経路を見つけた割合が29.6%（システム側の制御が無い条件の試験）。
• 評価への気づき：試験だと気づいた兆候が9.88%の軌跡に出て、比べたモデルの中で最も高い値でした。
• 健康：MentalHealthBench で55.5%（GPT-5.6 Terra は46.2%）。

カード自身が「多くの評価は飽和しているか汚染の影響を受けうる」「誤りの率は本番の利用を代表しない」と注意書きしています。画面操作を任せる設計では、この数字よりも、前の節のチェック（隔離・承認・記録）をアプリ側で持つことが効きます。

GPT-5.6 Terraから移行するときに確かめること

この節では、GPT-5.6 Terra などからモデル ID を差し替えるときに、コードと見積もりで見直す点が分かります。

モデル ID の差し替え自体は1行ですが、料金・キャッシュ・effort の前提が変わります。公式ドキュメントから、実装で効く点をまとめます。

• 単価：入力2ドル→1ドル、キャッシュ済み入力0.20ドル→0.05ドル、出力12ドル→5ドル。見積もりの表を作り直します。
• キャッシュの書き込み料金：GPT-5.6 以降はキャッシュ書き込みが通常入力の1.25倍（30分）です。保持時間は prompt_cache_options.ttl で決め、prompt_cache_retention は効きません。
• 272K の境目：入力27万2千トークン超のリクエストは全体が2倍（出力1.5倍）。長い入力を扱う処理は分け方を決めておきます。
• effort の既定：既定は medium。速さを優先する処理は none か low を明示し、出力トークン（推論の分）を usage で確かめます。
• computer use の書き方：computer_use_preview の引数を使っているコードは、{"type": "computer"} と actions の配列を読む形に変えます。
• Codex の設定：config.toml に GPT-5.5 などの以前のモデル名が残っていないかを見ます。

GPT-6.1 Terraを選ぶかの判断表

この節では、作業の種類ごとに GPT-6.1 Terra を選ぶか、別のモデルと比べるかの目安が分かります。

迷ったときは、公式の推奨用途に当てはめてから、自分のデータで2つのモデルを比べます。料金は前の計算スクリプトに件数を入れれば出ます。

よくある質問

この節では、GPT-6.1 Terra について検索で多い疑問への短い答えが分かります。

Q. GPT-6.1 Terra はいつ出ましたか？

A. 2026年10月26日です。API と Codex の公式 Changelog、システムカードの日付が一致しています。

Q. GPT-6.1 Terra は無料で使えますか？

A. ChatGPT の告知の対象は Plus・Pro・Business・Enterprise・Edu で、Free は入っていません。API の Free ティアも対象外で、Build 以上で使えます。

Q. ChatGPT のモデル一覧に出てきません。

A. GPT-6.1 Terra は Chat では使えず、ChatGPT Work と Codex で選びます。デスクトップアプリでは Advanced のモデル一覧にあります。プランやワークスペースの設定、段階的な展開でも変わります。

Q. API の料金はいくらですか？

A. 100万トークンあたり入力1ドル・キャッシュ済み入力0.05ドル・出力5ドルです。入力27万2千トークン超のリクエストは入力2倍・出力1.5倍、Batch・Flex は半額、Fast は2倍です。

Q. モデル ID は何ですか？

A. gpt-6.1-terra です。Codex CLI では codex -m gpt-6.1-terra で指定します。

Q. computer use とは何ですか？

A. モデルがスクリーンショットを見て、クリックや入力の指示を返す仕組みです。操作はアプリが行い、結果の画面を送り返して往復します。

Q. computer use を使うのに特別な SDK は要りますか？

A. openai の SDK（今回は 3.46.0）で tools=[{"type": "computer"}] を渡すだけです。画面を撮る・操作する部分（Playwright など）はアプリ側で用意します。

Q. GPT-6.1 Sol と何が違いますか？

A. 単価は Sol の半分で、effort に none があります。公式は Terra を画像の理解・画面操作・文章に、Sol を繰り返す長い作業やコードに挙げています。

Q. 日本語は使えますか？

A. 入力・出力はテキストと画像（出力はテキスト）で、言語を限る記述はモデルページにありません。トークン数は言語で変わるので、日本語の資料で実際の usage を測って見積もります。

Q. Amazon Bedrock や GitHub Copilot でも使えますか？

A. GitHub Copilot は公式 Changelog で提供が告知されています。Codex CLI 0.166.0 では Vertex AI・Amazon Bedrock のモデル一覧にも追加されました。各クラウドでの提供条件と価格は、それぞれの公式ドキュメントで確かめます。

まとめ

この節では、記事の要点を5つにまとめます。

• GPT-6.1 Terra は2026年10月26日公開の GPT-6 系の中位モデルで、画像の理解・computer use・文章に向く（モデル ID は gpt-6.1-terra）。
• 料金は入力1ドル・出力5ドル（100万トークン）。27万2千トークン超は全体が2倍（出力1.5倍）、キャッシュ書き込みは1.25倍。
• ChatGPT では Plus・Pro・Business・Enterprise・Edu の Work と Codex で使え、Chat には出ない。
• computer use は {"type": "computer"} を渡し、actions を実行して computer_call_output で画面を返すループ。openai 3.46.0 とモックで4往復を確かめた。
• Sol・Luna・Astra とはコンテキスト長が同じで、単価と公式の推奨用途で使い分ける。

参考・出典

この節では、記事で確かめた公式の資料の一覧が分かります（確認日 2026年11月5日）。

• OpenAI API Docs「GPT-6.1 Terra」：https://developers.openai.com/api/docs/models/gpt-6.1-terra
• OpenAI API Docs「GPT-6.1 Sol」：https://developers.openai.com/api/docs/models/gpt-6.1-sol
• OpenAI API Docs「GPT-6 Luna」：https://developers.openai.com/api/docs/models/gpt-6-luna
• OpenAI API Docs「GPT-6 Astra」：https://developers.openai.com/api/docs/models/gpt-6-astra
• OpenAI API Docs「GPT-5.6 Terra」：https://developers.openai.com/api/docs/models/gpt-5.6-terra
• OpenAI API Docs「Pricing」：https://developers.openai.com/api/docs/pricing
• OpenAI API Docs「Prompt caching」：https://developers.openai.com/api/docs/guides/prompt-caching
• OpenAI API Docs「Computer use」：https://developers.openai.com/api/docs/guides/tools-computer-use
• OpenAI API Docs「Changelog」：https://developers.openai.com/api/docs/changelog
• Codex Docs「Models」：https://learn.chatgpt.com/docs/models
• Codex Docs「Changelog」：https://learn.chatgpt.com/docs/changelog
• OpenAI「GPT-6.1 Terra System Card」：https://deploymentsafety.openai.com/gpt-6-1-terra
• OpenAI「Introducing GPT-6.1 Terra」：https://openai.com/index/introducing-gpt-6-1-terra/（この環境からは取得できず、題名と URL のみ）
• GitHub Changelog「GPT-6.1 Terra in GitHub Copilot」：https://github.blog/changelog/2026-10-26-gpt-6.1-terra-in-github-copilot
• PyPI「openai」3.46.0：https://pypi.org/project/openai/

株式会社RJC ― SI事業・SES事業・AI駆動開発。RJCは一緒に成長を楽しめる会社です。