GPT-6.1 Terra ger lägre pris för bildtolkning och datorarbete

Enligt OpenAI:s presentation av GPT-6.1 Terra ska modellen passa arbete i stor skala, exempelvis att läsa fakturor och föra in uppgifterna i ett ekonomiprogram. Företaget lyfter även tekniska ritningar, formulär och textbearbetning. För den mest krävande programmeringen pekar OpenAI fortfarande ut Sol och Astra som bättre val.

Var kan man använda GPT-6.1 Terra?

Terra kommer till Plus, Pro, Business, Enterprise och Edu i ChatGPT Work och Codex. Utrullningen och tillgången beror på abonnemang, region och arbetsplatsens inställningar. Modellen finns inte som eget val i Chat.

I ChatGPT Work och Codex väljs GPT-6.1 Terra i modellistan under Advanced på webben eller i skrivbordsappen. Work stöder också modellen på mobilen. Abonnemangens övergripande användningsgränser är oförändrade, men enligt OpenAI räcker samma utrymme till fler uppgifter med Terra än med de dyrare modellerna.

Aipress.se bekräftade tillgången genom ett API-anrop, genom Codex CLI, terminalversionen av Codex, och i modellväljaren i Work med ett Pro-konto. I Codex CLI var Low förvald tankenivå. I Work stod Terra direkt efter Sol. I Chats modellväljare fanns Terra inte med eget namn.

För utvecklare heter modellen gpt-6.1-terra. Den kan ta emot text och bilder och lämnar text som svar. Ljud och video stöds inte som direkta indataformat. Modellen stöder verktyg för bland annat webbsökning, bildgenerering och datoranvändning. Verktygsanrop kräver Responses API.

Modellens kontextfönster, utrymmet för material och svar i samma anrop, är 1 050 000 token. Gränsen för indata är 922 000 token och för utdata 128 000 token. Tankenivån kan väljas från None till Max, med Medium som standard i API:et.

Vad kostar GPT-6.1 Terra?

Standardpriset i API:et är 1 dollar per miljon indatatoken och 5 dollar per miljon utdatatoken. Token är de textdelar som modellen behandlar och som används för debiteringen. Det är hälften av Sols priser. Jämfört med GPT-5.6 Terra är indatan hälften så dyr, medan utdata kostar 5 dollar i stället för 12 dollar.

Tabellen visar standardpriser per miljon token, före tillägg för lång indata eller särskilda bearbetningslägen.

Cachad indata är sparat material som återanvänds. Att spara nytt material i cachen kostar för Terra 1,25 dollar per miljon token med 30 minuters lagring och 2,50 dollar med 12 timmars lagring.

Priset påverkas också av hur mycket material som skickas och vilket läge som används.

Terra stöder datalagring och bearbetning inom EU i Standard, Flex, Batch och Fast, med de åtkomst- och dataskyddsvillkor som OpenAI anger. Modellen stöder inte inferens i Förenade arabemiraten, alltså att själva beräkningen sker där. Begränsningen gäller platsen för bearbetningen, inte var användaren befinner sig.

GPT-6.1 Terra i Aipress fasta testuppgifter

Vi gav modellerna samma uppgiftstexter på tankenivån Medium, med ett test per uppgift. Testerna mäter korrektur av ett kundmejl, rättning av en Python-funktion, överföring av ett kvitto till dataformatet JSON, användning av ett väderverktyg, läsning av en prislista på bild samt skapande av en Excel-budget och en presentation.

Terra fick sex av sju uppgifter helt rätt, medan Sol fick sju av sju. Terra hade lägst kostnad i varje uppgift i jämförelsen. Sonnet 5.5 hade kortast sammanlagd tid, men Terra var snabbast i väderuppgiften och bildläsningen. Resultaten gäller de uppgifter och tester som redovisas här.

Tiderna är Aipress mätningar. Kostnaderna för OpenAI- och Anthropic-modellerna bygger på respektive företags listpris för de använda tokenmängderna. För Grok är kostnaden beloppet som xAI rapporterade. Ett streck betyder att det resultatet saknas i jämförelsen.

Terra rättade sex av mejlets sju fel men lämnade ett felskrivet datum. Python-funktionen fick båda felen rättade. Modellen ändrade dessutom avrundningen utan att det hade begärts och redovisade ändringen själv. Rabattfallet blev därför 672,3 i stället för 672.

Kvittosvaret innehöll rätt värden och enbart JSON, precis som uppgiften krävde. Sonnet och Opus gav rätt värden men lade dem i kodblock, alltså med extra formatering runt datan. Terra använde väderverktyget för båda orterna och gav rådet att ta med regnjacka. Vid läsningen av kaféets prislista räknade Terra med havredryckstillägget och visade uträkningen.

Excel-budgeten för en frisörsalong uppfyllde alla nio krav. Den hade sex riktiga formler, sparade uträknade värden och inga manuellt inskrivna summor. Resultatet före skatt blev 42 400. En detalj är att både filen och den exporterade bilden använde komma som tusentalsavgränsare, exempelvis 117,400.

Presentationen för det påhittade Smulans Bageri uppfyllde alla tio krav, med fem bilder i bredbildsformat, tydliga rubriker och utan överlappande text. Kontaktuppgifterna var påhittade och sista bilden förklarade att alla uppgifter var fiktiva. En dekorplatta utan text gick en bråkdel av en bildpunkt utanför titelbildens högerkant.

Hittar GPT-6.1 Terra fler mejlfel med mer betänketid?

I Aipress korrekturtest fick Terra rätta samma kundmejl med sju inlagda fel en gång på varje tankenivå: Low, Medium, High, Xhigh och Max. Testet mäter hur många av felen modellen rättar och hur tid och tokenåtgång skiljer sig mellan nivåerna. Terra rättade sex av sju fel på varje nivå och lämnade samma felskrivna datum kvar. Mer betänketid gav alltså ingen förbättring i dessa testsvar, trots att tiden steg från 4,9 sekunder på Low till 157,9 sekunder på Max. På varje nivå ändrade Terra också en vardaglig ordform till skriftspråk. Den ändringen räknas inte som ett fel.

Sonnet var snabbast på varje redovisad nivå. Terra kostade minst från Low till Xhigh, men på Max var Sonnet något billigare. Opus rättade alla sju fel på varje nivå. Astra och GPT-5.6 Sol rättade alla sju på de nivåer där de har resultat i tabellen, liksom Sol på Low och Medium. Sonnet rättade alla sju på Low och Medium men sex på de högre nivåerna. Grok rättade alla sju på Medium och sex på övriga redovisade nivåer. Jämförelserna gäller just dessa testsvar.

Tabellen visar Aipress mätningar. Kostnaderna för OpenAI-modellerna och modellerna från Anthropic är beräknade med respektive leverantörs listpris per token för anropet. För Grok anges beloppet som xAI rapporterade. Utdatatoken omfattar här även tanketoken, modellens interna resonemang, som anges inom parentes.

När samma kundmejl gavs genom terminalverktyget Codex CLI fick Terra rätta det en gång på varje tankenivå. Testet mäter korrekturen i terminalverktyget. På Low, Medium och High rättade Terra alla sju fel, inklusive datumet som stod kvar i API-svaren. På Xhigh och Max rättade Terra sex av sju fel och lämnade samma felskrivna datum kvar.

I Aipress mätningar var Terra snabbare än Sol och Astra på både Low och Medium. Tokenantalet var däremot lägst för Astra på Low och Sol på Medium. Tabellen visar resultaten i Codex CLI, vars tokenkolumn är verktygets egen totalsumma för anropet.

Mer betänketid gav alltså inte bättre korrektur i dessa CLI-svar. Terra rättade datumet på de tre lägre nivåerna men lämnade det kvar på de två högsta. Skillnaden mot API-svaren gällde Low, Medium och High, där Terra rättade alla sju fel genom Codex CLI men sex genom API:et.

GPT-6.1 Terra skrev en bildprompt och ett spel

I bildpromptstestet fick Terra formulera en engelsk instruktion till en bildmodell för en fotorealistisk tropisk strand och motivera djurvalet. Modellen valde Costa Ricas Stillahavskust med röda arapapegojor, bruna pelikaner och en grön leguan. Motiveringen var att djuren finns längs den kusten och passar miljön.

Instruktionen blev 76 ord och skickades oförändrad till gpt-image-2, som skapade bilden med hög kvalitet i 1536 × 1024 bildpunkter. Bilden visar strand, palmer, tropisk skog och gröna berg, med papegojor i luften, pelikaner över vattnet och leguanen på drivved i förgrunden. Bildmodellen tog 78,5 sekunder.

Terra skrev prompten snabbast och till lägst kostnad i den här jämförelsen. Tabellen gäller bara arbetet med textinstruktionen. Kostnaden för själva bilden ingår inte, och kostnaderna för prompten bygger på OpenAI:s listpriser.

Speltestet gällde att skapa ett spelbart asteroidspel i cyberpunkstil i en enda HTML-fil för webbläsaren. Terra levererade Neon Drift på 533 rader. Spelet startade utan fel och höll samma rörelsehastighet på skärmar med 60 och 144 Hz, alltså olika antal bilduppdateringar per sekund.

Piltangenterna styrde skeppet, mellanslag sköt och R startade om efter att spelet var slut. Under en minuts aktivt spel nåddes 160 poäng utan förlorade liv. Ett stillastående skepp som fortsatte skjuta förlorade däremot alla liv efter 86 sekunder, med 350 poäng.

Terra kostade minst bland spelen i jämförelsen. Grok svarade snabbare men levererade ett spel som kraschade. Terra var snabbast bland modellerna vars spel startade utan fel. Opus hade ett undantag för toppfarten i jämförelsen mellan skärmfrekvenser och en brist i spelbarheten. Kostnaderna är beräknade med leverantörernas listpriser, utom Groks som rapporterades av xAI.

Hur mycket bättre är GPT-6.1 Terra enligt OpenAI?

OpenAI lyfter framför allt förhållandet mellan resultat, tidsåtgång och kostnad. Tankenivån styr hur mycket modellen får resonera innan den svarar. I företagets tabeller står varje resultat tillsammans med kostnaden i dollar för testuppgiften. Det är OpenAI:s redovisade mätningar, inte Aipress tester.

Agents’ Last Exam innehåller yrkesuppgifter som att göra en 3D-modell av ritningar och gå igenom filmscener för en tidskodad förteckning. På Medium når Terra samma resultat som Astra, 57,6 procent, men kostnaden anges till 0,29 dollar mot 4,82 dollar. OpenAI uppger också att Terra slutför uppgifterna mer än tre gånger snabbare än Astra och Sol.

På Max har Opus 5.5 högst resultat i tabellen. Terra ligger över Sol och Astra på den nivån, medan Luna kostar minst. Det är alltså ingen genomgående förstaplats för Terra, utan en avvägning mellan resultat och pris.

OpenAI:s resultat i Agents’ Last Exam v1

För bildtolkning uppger OpenAI att Terra slår föregångaren på alla tankenivåer i MMMU-Pro och närmar sig Sol och Astra till lägre kostnad. I OSWorld 2.1, där modellen ska använda skrivbordsprogram för uppgifter i flera steg, når Terra på Medium högre resultat än föregångaren på Max.

Företaget redovisar också färre faktafel i ett internt test med frågor som ska locka fram felaktiga svar. På Low sjunker andelen svar med minst ett faktafel från 53,6 procent med GPT-5.6 Terra till 16,7 procent med nya Terra. På Max är motsvarande andelar 22,3 och 4,3 procent.

Astra har lägst felandel på samtliga nivåer i den här tabellen. Terra ligger däremot något bättre än Sol på Medium, Xhigh och Max. Luna kostar minst men har högre felandel än Terra på varje nivå. Tabellen beskriver detta särskilt svåra frågeunderlag, inte andelen fel i alla svar en användare får.

OpenAI:s andel svar med faktafel på svåra frågor

För programmering framhåller OpenAI att Terra löser 50,3 procent på Max i Terminal-Bench 4.0, jämfört med föregångarens publicerade 21,5 procent. Testet gäller problem som löses från kommandoraden, exempelvis att rätta en webbsida vars layout flyttar sig när sidan laddas. OpenAI rekommenderar fortfarande Sol eller Astra för de mest komplexa koduppgifterna.

I Terminal-Bench-Science 0.1, som gäller vetenskapliga uppgifter med kod, anger OpenAI att Terra på Max passerar Sol till lägre kostnad och ligger fem procentenheter efter Opus 5.5. Det är ytterligare ett av företagets belägg för att Terra kan ge mycket resultat för pengarna.

Säkerheten i GPT-6.1 Terra visar både framsteg och svagheter

OpenAI klassar Terra som Critical inom cybersäkerhet och High inom biologisk och kemisk förmåga i sitt riskramverk. Det är bedömningar av vad modellen kan klara, inte betyg på hur säker den är. Terra får samma skyddssystem som Sol och Astra. För förmågan att bidra till AI självförbättring ligger modellen under ramverkets High-gräns.

Systemkortet ger en mer blandad bild än lanseringstextens betoning på förbättringar. I ett test av indirekt promptinjektion, där skadliga instruktioner ligger i material modellen möter under arbetet, redovisas en motståndskraft på 98,770 procent för Terra. Det är något under Sol och Astra.

I ett test utan produktens systemskydd såg Terra en begränsning men valde ändå en alternativ väg som stred mot begränsningens syfte i 29,6 procent av fallen på Max. OpenAI betonar att testet främst gäller situationer med små konsekvenser och inte direkt motsvarar verklig användning. I ett annat test avstod Terra däremot helt från att kringgå Codex automatiska säkerhetsgranskare.

I simuleringen av interna Codex-uppgifter fick Terra 22 markeringar för beteenden på allvarlighetsnivå 3 eller högre bland 48 690 uppgifter, motsvarande 0,045 procent. Den allvarlighetsnivån betyder här ett beteende som en rimlig användare sannolikt inte skulle förutse och starkt skulle invända mot. Det var färre markeringar än för Sol och Astra i jämförelsen. OpenAI fann samtidigt oftare tecken på att Terra märkte att den befann sig i en utvärdering, vilket gör tolkningen mer komplicerad.

Systemkortet redovisar även en statistiskt säkerställd försämring jämfört med föregångaren för hat och extremism i bildbaserade säkerhetstester. Inom hälsa varierar resultaten mellan testerna. Förbättringarna gäller därmed inte alla områden.