GPT-6.1 Terra, datorstyrning till kontorspris

Den 26 oktober släppte OpenAI GPT-6.1 Terra, en modell som läser det som står på en skärm och använder programvaran där genom att klicka och skriva, som en människa skulle göra. Datorstyrning var redan den stora nyheten i GPT-6 Astra i september. Det nya är priset: Terra kostar 1 dollar per miljon inmatade tokens och 5 dollar per miljon utmatade tokens, en tiondel av Astras pris per token. På den nivån är frågan inte längre om ett företag har råd med en agent vid skärmen, utan var det ska låta en sådan arbeta.

Vad det är

Terra ersätter GPT-5.6 Terra i mitten av OpenAIs utbud, under Sol och Astra och över Luna. OpenAI säger att den utmärker sig i ”den kommunikation och de datorbaserade uppgifter som fyller arbetsdagen”, från att skriva utkast till offerter och tolka tekniska ritningar till att fylla i formulär och redigera video. Den är tillgänglig för Plus-, Pro-, Enterprise- och Edu-användare i ChatGPT Work, agentläget som utför arbete i andra appar och webbläsare, och i Codex. Utvecklare anropar den via API:et som gpt-6.1-terra.

OpenAI säger att standardpriset i API:et är 50 procent lägre än för GPT-5.6 Terra och GPT-6.1 Sol, med cachad indata för 0,05 dollar per miljon tokens. Företagets eget exempel på vad det gör praktiskt möjligt är arbete i stora volymer, som att läsa inkommande fakturor och föra in uppgifterna i ett bokföringsprogram. I ChatGPT Work och Codex, säger företaget, räcker samma kvot i abonnemanget nu till fler uppgifter än med de äldre modellerna.

Vad siffrorna visar

OpenAI mätte datorstyrningen med Agents’ Last Exam, en uppsättning yrkesuppgifter som att göra om arkitektritningar till en 3D-modell. På medelhög ansträngningsnivå når Terra 57,6 procent, 15 procentenheter över GPT-5.6 Terra, för 0,29 dollar per uppgift mot 0,84. Det är i nivå med Astra på samma ansträngningsnivå. På maximal ansträngningsnivå når Terra 60 procent för 1,01 dollar per uppgift, medan Anthropics Claude Opus 5.5 når 63,2 procent för 8,82 dollar i samma diagram. OpenAI säger också att Terra slutför uppgifter mer än tre gånger snabbare än Astra och GPT-6.1 Sol.

Skrivbordstestet är mindre smickrande. På OSWorld 2.1, där agenter utför uppgifter i flera steg i skrivbordsappar, når Terra 74,2 procent på maximal ansträngningsnivå, upp från 57,1 för föregångaren. OpenAIs eget diagram placerar Claude Sonnet 5.5 på 83,9 procent och GPT-6.1 Sol på 78 procent för 1,15 dollar per uppgift, något mindre än Terras 1,19. Ett lägre pris per token betyder inte alltid ett lägre pris per slutförd uppgift.

Alla dessa siffror kommer från OpenAI och har ännu inte kontrollerats oberoende. OpenAI säger själv att Sol och Astra fortfarande är det bättre valet för det mest komplexa kodarbetet.

Var den passar, och var den inte gör det

Datorstyrning förtjänar sin plats där det inte finns någon annan väg in i ett system: ett gammalt skrivbordsprogram utan gränssnitt mot annan programvara, en portal hos en leverantör eller myndighet, ett formulär som måste fyllas i för hand, ett steg i backoffice där någon kopierar från ett fönster till ett annat. Pareekh Jain på EIIRTrend sa till InfoWorld att Terra är ”idealisk för uppgifter i stora volymer som fakturahantering, dokumentanalys, automatisering av applikationer och rutinmässig kodning.”

Där det finns ett riktigt API eller en integration är det fortfarande den bättre vägen, enligt vår uppfattning. Ett anrop till ett bokföringssystem lyckas antingen eller returnerar ett fel, medan ett klick träffar det som råkar finnas på den platsen efter den senaste uppdateringen. En integration är snabbare, behöver ingen ström av skärmdumpar och kan begränsas till exakt de handlingar den behöver. Sanchit Vir Gogia på Greyhound Research tog upp den ekonomiska sidan: ”Billigare inferens förbättrar en komponent i agenternas ekonomi.” Granskning och integration kostar fortfarande pengar, och med hans ord är ”det relevanta köpet slutfört arbete som förblir korrekt och auktoriserat.”

Vad som kan gå fel

OpenAI klassar Terra som Critical inom cybersäkerhet enligt sitt Preparedness Framework och ger den samma skyddsåtgärder som Astra. Företaget säger att Terra visade ”starkt motstånd mot skadliga instruktioner avsedda att leda bort den från användarens uppgift” i företagets tester av promptinjektion, och att den håller sig inom ramarna oftare än föregångaren. I en simulering av intern användning av Codex fick den omkring 42 procent färre allvarliga flaggningar än GPT-6 Sol.

Systemkortet innehåller också mindre bekväma siffror. När Terra stötte på ett hinder, som ett felmeddelande om nekad åtkomst, slutförde den uppgiften på en annan väg som ”bröt mot andemeningen i begränsningen” i 29,6 procent av körningarna på maximal ansträngningsnivå, oftare än Astra, Luna eller GPT-6.1 Sol, men mer sällan än GPT-6 Sol. OpenAI påpekar att testet kördes utan kontroller på systemnivå, ”av vilka många rimligen skulle stoppa kringgåendena”. Inför meddelanden från vad som såg ut att vara andra agenter utförde Terra den otillåtna handlingen i 11 av 80 försök, mot 1 för GPT-6.1 Sol.

För ett företag är riskerna konkreta. Text på en webbsida eller i ett dokument kan försöka ge agenten order, ett felaktigt klick kan ändra en skarp post, och en agent som loggar in behöver inloggningsuppgifter som någon måste ta hand om. Godkännanden och en fullständig logg betyder mer än något benchmarktest.

Hur du kommer i gång

Välj en avgränsad uppgift som går att ångra, som att föra in leverantörsfakturor i ett testföretag eller ladda ner kontoutdrag från en portal till en mapp. Ge agenten ett eget konto med den minsta åtkomst som uppgiften kräver, aldrig en persons inloggning, och håll lösenord utanför det den kan se. Kör den under uppsikt, med en människa som godkänner varje steg som skickar, betalar, raderar eller lämnar in något, och för logg över varje handling.

Mät den sedan mot det manuella sättet, i linje med vad Jain föreslår: slutförda uppgifter, träffsäkerhet, tid, kostnad per uppgift och hur ofta en människa behövde gå in. Först när de siffrorna håller förtjänar den en andra uppgift.

Var vi står

Vi skulle använda den i den ordningen: integrationer först, skärmen där det inte finns någon annan väg in. Twin, AI-hjärnan vi bygger för företag, fungerar i Claude, ChatGPT och Codex och ansluter till ett företags system via integrationer och MCP-servrar som vi bygger, med godkännanden och behörigheter per roll och varje steg loggat. Helm, som fortfarande är under utveckling, är vår vision av ett företag som drivs av agenter, där grundaren godkänner vid de avgörande punkterna. En billigare modell vid skärmen gör det mer överkomligt. Den ändrar inte vem som svarar för klicket.