GPT-6.1 Terra: dolar za milion tokenów i szybsza obsługa pulpitu

OpenAI udostępniło 26 października 2026 r. model GPT-6.1 Terra, pozycjonowany jako szybki i tani wariant średniej klasy. Ceny API spadły o połowę wobec GPT-5.6 Terra — do 1 dolara za milion tokenów wejściowych i 5 dolarów za wyjściowe (ok. 4 zł i 20 zł). Firma reklamuje go nie jako najmocniejszy model w stawce, lecz jako najtańszy sposób, by model klikał w interfejsy i czytał dokumenty przez wiele godzin dziennie.

Najważniejsze w skrócie

• Cennik API: 1 USD za milion tokenów wejściowych, 5 USD za wyjściowe, 0,05 USD za wejście z cache — czwarta część poprzedniej stawki
• Artificial Analysis: 48 punktów w Intelligence Index, między GPT-6.1 Sol (52) a GPT-5.6 Terra (42)
• Terminal-Bench 4.0: 50,3% zadań przy maksymalnym wysiłku rozumowania, wobec 21,5% dla GPT-5.6 Terra
• Zgadywanie przy braku odpowiedzi spadło z 88% do 38% w prywatnym benchmarku AA-Omniscience
• Dostępny od dnia premiery w ChatGPT Work, Codex i API dla planów Plus, Pro, Enterprise i Edu

Wyobraźmy sobie taką sytuację

Firma ubezpieczeniowa ma 4000 skanów formularzy zgłoszeniowych. Każdy trzeba otworzyć, odczytać trzy pola, wpisać je do wewnętrznego systemu i zamknąć okno. Człowiek robi to w dwie minuty na sztukę. Agent AI sterujący pulpitem robi to samo, ale musi na każdym kroku zobaczyć zrzut ekranu, zdecydować, gdzie kliknąć, i sprawdzić efekt.

Każde takie spojrzenie to tokeny. Przy 4000 formularzach i kilkudziesięciu krokach na formularz rachunek zaczyna zależeć nie od tego, czy model jest mądry, ale od tego, ile kosztuje jedno jego spojrzenie.

Ale pojawia się problem: najmocniejsze modele są w takim zadaniu zarówno drogie, jak i wolne.

I właśnie w tę lukę OpenAI wstawia GPT-6.1 Terra.

Co dokładnie wypuściło OpenAI?

GPT-6.1 Terra to model średniej klasy — w portfolio OpenAI zajmuje miejsce odpowiadające serii Sonnet u Anthropic. Nie jest najtańszy ani najmocniejszy, co historycznie było słabością takich modeli: trudno zdecydować, kiedy ich używać.

W ogłoszeniu firma wymienia trzy mocne strony: szczegółowe rozumowanie na obrazie, precyzyjne sterowanie komputerem i bardziej naturalny styl pisania. Opis zadań docelowych jest celowo przyziemny — pisanie ofert, odczytywanie rysunków technicznych, wypełnianie formularzy, montaż wideo.

Przedstawiamy GPT-6.1 Terra, szybki i wydajny model, który łączy szczegółowe rozumowanie wizualne i precyzyjne sterowanie komputerem z bardziej naturalnym pisaniem.

Fragment ogłoszenia OpenAI, cytowany na blogu Simona Willisona.

Cennik jest najbardziej wymowną liczbą w tej premierze. Milion tokenów wejściowych kosztuje 1 USD, wyjściowych 5 USD. Dla porównania: GPT-6.1 Sol i GPT-5.6 Terra są blisko dwa razy droższe, a najtańsza GPT-6 Luna pozostaje około dziesięciokrotnie tańsza. Wejście odczytane z cache spada do 0,05 USD za milion — jednej czwartej wcześniejszej stawki.

Co znaczą te nazwy?

W materiałach o tej premierze powtarza się kilka nazw benchmarków i pojęć, które same z siebie nic nie mówią.

• Intelligence Index — złożony wskaźnik firmy analitycznej Artificial Analysis, scalający wyniki z wielu testów w jedną liczbę. Odpowiednik oceny końcowej na świadectwie, a nie pojedynczego sprawdzianu.
• Granica Pareto — zbiór modeli, dla których nie da się już poprawić jednocześnie ceny i jakości. Zejście z tej granicy oznacza, że trzeba coś poświęcić.
• Terminal-Bench 4.0 — test sprawdzający, ile zadań model doprowadzi do końca, pracując w terminalu, a nie w czacie.
• OSWorld 2.1 — test sterowania prawdziwym pulpitem: model dostaje zrzut ekranu i ma wykonać zadanie w okienkowym systemie.
• AA-Omniscience — prywatny benchmark mierzący, jak często model zgaduje, zamiast przyznać, że nie zna odpowiedzi.
• Hierarchia instrukcji — reguła pierwszeństwa między poleceniem producenta, poleceniem właściciela aplikacji i poleceniem użytkownika. Odpowiednik uprawnień w systemie plików.

Razem te pomiary odpowiadają na jedno pytanie: czy model jest wystarczająco dobry i wystarczająco tani, by puścić go bez nadzoru na nudne, powtarzalne zadanie.

Czy liczby potwierdzają tę obietnicę?

Koszt jednego zadania

Według Artificial Analysis model osiąga 48 punktów w Intelligence Index, mieszcząc się między GPT-6.1 Sol (52) a GPT-5.6 Terra (42). Sama pozycja jest mniej interesująca niż koszt jej osiągnięcia — przy maksymalnym wysiłku rozumowania zadanie wychodzi na 0,40 USD wobec 1,40 USD u poprzednika.

Programowanie w terminalu

Najmocniejszy skok widać w programowaniu w terminalu. Terminal-Bench 4.0 rośnie z 21,5% rozwiązanych zadań do 50,3%, co stawia Terrę w tej samej klasie co wyraźnie droższy Sol.

Mniej zgadywania

Druga istotna zmiana dotyczy zgadywania. W AA-Omniscience udział odpowiedzi wymyślonych przy braku wiedzy spadł z 88% do 38%. To nie poprawa wiedzy, a poprawa zachowania — model częściej przyznaje, że nie wie.

Sterowanie komputerem

W sterowaniu komputerem OpenAI podaje, że na benchmarku Agents' Last Exam Terra dorównuje GPT-6 Astra przy dziesięciokrotnie niższej cenie tokena, a wobec Claude Opus 5.5 jest ponad trzy razy oszczędniejsza w tokenach przy czwartej części ich ceny. Firma mówi też o ponad trzykrotnie krótszym czasie wykonania. Te porównania pochodzą od producenta i nie zostały potwierdzone niezależnie.

Dlaczego nie wystarczy po prostu używać najmocniejszego modelu?

Dziś typowy wybór wygląda tak: do trudnego zadania bierze się model flagowy, do prostego — najtańszy. Model średni wypada z tego schematu, bo nie wygrywa w żadnej z dwóch kategorii.

Sterowanie komputerem łamie ten schemat, bo koszt rośnie nie z trudnością zadania, a z liczbą kroków. Jedno kliknięcie wymaga zrzutu ekranu, jego analizy i decyzji. Tysiąc kliknięć to tysiąc takich cykli. Model flagowy wykonuje każdy z nich lepiej, ale różnica jakości na pojedynczym kliknięciu jest niewielka, a różnica ceny — wielokrotna.

Drugim kosztem jest czas. Agent pracujący na pulpicie blokuje zasób: sesję, maszynę wirtualną, okno aplikacji. Trzykrotnie szybsze wykonanie oznacza trzykrotnie mniej zajętych sesji w tym samym czasie, niezależnie od ceny tokenów.

Dlatego sam Ted Sanders z OpenAI ostrożnie opisał Terrę w komentarzu na Hacker News: lepsza od Astry i Sola w komunikacji technicznej, porównywalna w obrazie i sterowaniu komputerem — ale znacznie szybsza — i nieco słabsza w większości pozostałych zastosowań. Do najtrudniejszych zadań programistycznych firma nadal zaleca Sola i Astrę.

Czy to już działa?

Tak, to produkt dostępny od dnia ogłoszenia. Model został udostępniony 26 października 2026 r. użytkownikom planów Plus, Pro, Enterprise i Edu w ChatGPT Work oraz Codex, a także przez API.

Terra mieści się w progu „Critical” dla cyberbezpieczeństwa według Preparedness Framework OpenAI i dziedziczy zabezpieczenia GPT-6 Astra. Według karty systemu skuteczność obrony przed pośrednim prompt injection — czyli złośliwymi instrukcjami ukrytymi w cudzej treści, którą model czyta po drodze — wynosi 98,8%, wobec 96,2% dla GPT-5.6 Terra.

Dlaczego to ważne?

Przez dwa lata postęp mierzono wysokością wyniku. Ta premiera mierzy go stosunkiem wyniku do rachunku, a kategorią docelową nie jest rozumowanie, lecz klikanie. To przesuwa pytanie z „czy model potrafi” na „ile razy można mu pozwolić spróbować” — a to inna ekonomia wdrożenia.

Co dalej?

• OpenAI zadeklarowało w materiałach premierowych, że do najtrudniejszych zadań programistycznych nadal rekomenduje GPT-6.1 Sol i GPT-6 Astra — Terra nie zastępuje żadnego z nich w cennikowej ofercie.
• Artificial Analysis umieściło model na granicy Pareto dla niskich poziomów wysiłku rozumowania, co oznacza, że kolejna obniżka ceny w tej klasie będzie musiała przyjść wraz ze spadkiem jakości albo z nową architekturą.
• Cena wejścia z cache na poziomie 0,05 USD za milion tokenów czyni powtarzalne zadania z długim, stałym kontekstem najtańszym scenariuszem użycia — to pierwszy obszar, w którym pojawią się porównania z Anthropic.

Źródła

• The Decoder — GPT-6.1 Terra halves OpenAI's API prices and still gains ground on its larger models
• Simon Willison's Weblog — GPT-6.1 Terra
• OpenAI — Introducing GPT-6.1 Terra