GPT-6.1 Terra、事務仕事の価格で使えるコンピューター操作

10月26日、OpenAIはGPT-6.1 Terraを公開しました。画面に映っているものを読み取り、人と同じようにクリックや入力でそこにあるソフトウェアを操作するモデルです。コンピューター操作は、9月のGPT-6 Astraですでに目玉の機能でした。新しいのは価格です。Terraは入力100万トークンあたり1ドル、出力100万トークンあたり5ドルで、トークンあたりの価格はAstraの10分の1です。この水準になると、問いはもはや企業が画面上のエージェントを使う余裕があるかどうかではなく、どこでそれを働かせるべきかです。

Terraとは何か

Terraは、OpenAIのラインナップの中間でGPT-5.6 Terraに代わるモデルで、SolとAstraの下、Lunaの上に位置します。OpenAIによれば、提案書の作成や技術図面の読み取りから、フォームへの記入や動画の編集まで、「1日の仕事を埋めるコミュニケーションとコンピューター上のタスク」に優れています。Plus、Pro、Enterprise、Eduのユーザーは、ほかのアプリやブラウザで仕事を実行するエージェントモードのChatGPT Workと、Codexで利用できます。開発者はAPIからgpt-6.1-terraとして呼び出します。

OpenAIによると、APIの標準価格はGPT-5.6 TerraやGPT-6.1 Solより50パーセント低く、キャッシュされた入力は100万トークンあたり0.05ドルです。それによって現実的になる仕事として同社自身が挙げる例は、届いた請求書を読み取り、その内容を会計ソフトに入力するような大量の作業です。ChatGPT WorkとCodexでは、同じプランの利用枠で、旧モデルよりも多くのタスクをこなせるようになったといいます。

数字が示すもの

OpenAIは、建築図面を3Dモデルにするといった専門的なタスクを集めたAgents’ Last Examで、コンピューター操作を測定しました。推論の強度を中程度にした場合、Terraのスコアは57.6パーセントでGPT-5.6 Terraを15ポイント上回り、タスクあたりのコストは0.84ドルに対して0.29ドルです。これは同じ強度でのAstraと同等です。最大の強度ではTerraは1タスクあたり1.01ドルで60パーセントに達し、同じグラフでAnthropicのClaude Opus 5.5は8.82ドルで63.2パーセントです。OpenAIはまた、TerraはAstraやGPT-6.1 Solより3倍以上速くタスクを終えるとしています。

デスクトップのテストでは、評価はそれほど芳しくありません。エージェントがデスクトップアプリで複数のステップからなるタスクをこなすOSWorld 2.1では、Terraは最大の強度で74.2パーセントに達し、前のモデルの57.1から向上しました。OpenAI自身のグラフでは、Claude Sonnet 5.5が83.9パーセント、GPT-6.1 Solが1タスクあたり1.15ドルで78パーセントとなっており、SolのコストはTerraの1.19ドルをわずかに下回ります。トークンあたりの価格が低くても、完了したタスクあたりの価格が低いとは限りません。

これらはすべてOpenAIの数字であり、まだ独立した検証は行われていません。最も複雑なコーディングの仕事には、SolとAstraのほうが引き続き適しているとOpenAI自身が述べています。

向いている場面と、向いていない場面

コンピューター操作が真価を発揮するのは、システムに入るほかの手段がない場面です。ほかのソフトウェアとつなぐインターフェースを持たない古いデスクトッププログラム、サプライヤーや官公庁のポータル、手で記入しなければならないフォーム、誰かが1つのウィンドウから別のウィンドウへ写しているバックオフィスの作業。EIIRTrendのPareekh Jain氏はInfoWorldに対し、Terraは「請求書処理、文書分析、アプリケーションの自動化、定型的なコーディングといった大量のタスクに最適」だと語りました。

私たちの見方では、きちんとしたAPIや連携が存在する場合は、そちらのほうが引き続き優れた手段です。会計システムへの呼び出しは成功するかエラーを返すかのどちらかですが、クリックは、直近のアップデートのあとで画面がたまたまどうなっているかによって、着地する場所が決まります。連携のほうが速く、スクリーンショットを次々に送る必要もなく、必要な操作だけにきっちり限定できます。Greyhound ResearchのSanchit Vir Gogia氏は、経済面からこう指摘しました。「推論が安くなれば、エージェントの経済性の一要素が改善される」。レビューや連携にはいまもお金がかかり、同氏の言葉では「買うべきものは、正しく、承認された状態のまま完了した仕事」です。

起こりうる問題

OpenAIは、自社のPreparedness Frameworkのもとで、Terraをサイバーセキュリティの面でCriticalに分類し、Astraと同じ安全対策を施しています。プロンプトインジェクションのテストでは、Terraは「ユーザーのタスクからそらすことを狙った悪意のある指示に対して、強い耐性」を示し、前のモデルよりも範囲内にとどまることが多かったとしています。社内でのCodex利用をシミュレーションした試験では、深刻な警告の数がGPT-6 Solより約42パーセント少なくなりました。

システムカードには、あまり心穏やかでない数字もあります。アクセス拒否のエラーのような障壁にぶつかったとき、Terraは最大の強度での実行の29.6パーセントで、「制限の趣旨に反する」別の経路でタスクを終えました。Astra、Luna、GPT-6.1 Solより多く、GPT-6 Solよりは少ない割合です。OpenAIは、このテストがシステムレベルの制御なしで行われたことを注記しており、その制御の「多くは、こうした回避をおそらく防いだだろう」としています。ほかのエージェントからと見られるメッセージに直面したとき、Terraは80サンプル中11件で許可されていない操作を実行し、GPT-6.1 Solでは1件でした。

企業にとって、リスクは具体的です。ページや文書の中のテキストがエージェントに命令しようとすることがあり、誤ったクリックが本番の記録を書き換えることもあります。ログインするエージェントには認証情報が必要で、誰かがそれを管理しなければなりません。どんなベンチマークよりも、承認と完全なログのほうが重要です。

どこから始めるか

元に戻せる、範囲の狭いタスクを1つ選びましょう。たとえば、サプライヤーの請求書をテスト用の会社に入力する、ポータルから明細書をダウンロードしてフォルダに保存する、といったものです。エージェントには、人のログインではなく、タスクに必要な最小限のアクセス権を持つ専用のアカウントを与え、パスワードは見える範囲に置かないようにします。人の監督のもとで実行し、送信、支払い、削除、提出を伴うすべてのステップを人が承認し、あらゆる操作の記録を残しましょう。

そのうえで、Jain氏が提案する観点に沿って、手作業のやり方と比べて測定します。完了したタスク、正確さ、時間、タスクあたりのコスト、そして人が介入しなければならなかった頻度です。それらの数字が持ちこたえたときに初めて、2つ目のタスクを任せる価値が生まれます。

私たちの立ち位置

私たちなら、この順番で使います。まず連携、そしてほかに入る手段がない場合にだけ画面です。私たちが企業のために構築するAIの頭脳Twinは、Claude、ChatGPT、Codexの中で働き、私たちが構築する連携とMCPサーバーを通じて企業のシステムにつながります。役割に応じた承認と権限を持ち、すべてのステップが記録されます。まだ開発中のHelmは、エージェントが運営する会社という私たちのビジョンであり、要所では創業者が承認します。画面を操作するモデルが安くなれば、それはより手の届くものになります。けれども、そのクリックに誰が責任を負うのかは変わりません。