はじめに：ミドルティアの主力モデルが登場、LLMの推論コストはさらなる低水準へ
現地時間2026年10月26日（日本時間10月27日未明）、OpenAIは最新モデル「GPT-6.1 Terra」を正式に発表しました。
本モデルは、高スループットなワークロードを支えるミドルティア（中位）モデルとして位置づけられており、視覚理解やコンピュータ操作、日常的なエージェントタスク、コーディング、ライティングなどを主なターゲットとしています。最大の注目点は、公式の標準API価格が前世代の「GPT-5.6 Terra」および同世代の「GPT-6.1 Sol」と比較して50%引き下げられたことです。さらに、大幅なコスト削減と同時に、処理速度と各種ベンチマーク性能の向上も達成しています。
奇しくも発表と同日、競合のAnthropicが米国証券取引委員会（SEC）へIPO（新規株式公開）の登録書類を提出しており、AI業界におけるミドルティアモデル市場の主導権争いは一段と激しさを増しています。本稿では、GPT-6.1 Terraの価格体系の正確な内訳、ベンチマークに基づく実力、そしてシステム移行に向けた技術的な要点を詳しく解説します。
注目ポイント1：API「価格半減」の内訳と実運用におけるコスト試算
今回の発表をめぐっては、「価格が半減した」という表現と「価格が10分の1になった」という表現がメディアやSNS上で混在しています。アーキテクチャ選定や予算策定において誤解が生じないよう、まずは比較対象となる基準を明確に整理します。
1. 標準API料金の詳細と比較基準
GPT-6.1 Terraおよび主要比較モデルの標準API料金（100万トークンあたり）は以下の通りです。
| モデル / 項目 | 入力（Input） | キャッシュ入力（Cached Input） | 出力（Output） | 備考・比較基準 |
|---|---|---|---|---|
| GPT-6.1 Terra | $1.00 | $0.05 | $5.00 | 今回発表されたミドルティアモデル |
| GPT-6.1 Sol | $2.00 | $0.10 | $10.00 | 2026年9月29日発表の同世代モデル |
| GPT-5.6 Terra（サードパーティ記録） | $2.00 | 約$0.20 | $12.00 | 前世代モデル |
| Claude Sonnet 5.5 | $2.00 | - | $10.00 | 競合のミドルティア対抗モデル |
また、サードパーティのプラットフォーム記録によると、GPT-6.1 Terraの付随的な課金項目として、キャッシュ書き込み（Cache Write）が100万トークンあたり$1.25、Web Searchツール呼び出しが1,000回あたり$10.00と整理されています。
報道等で言及される割引率の違いは、以下の通り比較対象の違いによるものです。
- 「価格半減（50%オフ）」の意味：OpenAIの公式発表における「50%引き下げ」は、前世代のGPT-5.6 Terraおよび同世代のGPT-6.1 Sol（入力$2.00 / 出力$10.00 / キャッシュ$0.10）を基準とした概括的な表現です。なお、サードパーティが記録しているGPT-5.6 Terraの価格（入力$2.00 / 出力$12.00）を基準に厳密に計算すると、入力は50%減、出力は約58%減となります。さらにキャッシュ入力に関しては、前世代（約$0.20）の4分の1（$0.05）まで引き下げられています。
- 「10分の1」の意味：フラッグシップモデルであるGPT-6 Astraと比較した場合、入力・出力の単価がいずれも10分の1となります。
- 競合モデルとの比較：AnthropicのミドルティアモデルであるClaude Sonnet 5.5（入力$2.00 / 出力$10.00）と比較しても、約半額の料金設定となっています。
2. 実務およびエージェントタスクにおけるコスト圧縮効果
トークン単価の引き下げは、実際のワークフローにおける「1タスクあたりの総コスト（Cost per Task）」に直結します。
サードパーティの評価機関であるArtificial Analysisの推計によれば、「キャッシュヒット：通常入力：出力」の比率を一般的な「7:2:1」と仮定した場合、GPT-6.1 Terraのブレンド価格（混合単価）は100万トークンあたり約$0.73となり、現時点で追跡可能なプロバイダーの中で最も低い価格水準となっています。
複雑な専門タスクを評価するベンチマーク「Agents’ Last Exam」などにおける、1タスク完了あたりの実測コスト比較は以下の通りです。
- 中程度の推論強度（Medium Reasoning Effort）：Agents’ Last Examの1タスクあたりのコストは約$0.29です。これは前世代GPT-5.6 Terraの約3分の1であり、フラッグシップのGPT-6 Astra（$4.82）と比較すると劇的なコスト削減となります。
- 最大の推論強度（High Reasoning Effort）：1タスクあたりのコストは約$1.01に収まり、これは競合のハイエンドモデルであるClaude Opus 5.5の約9分の1に相当します。
- Artificial Analysisによるタスクコスト試算：同機関の独自の測定では、最大推論強度における1タスクあたりのコストは**$0.40と算出されており、前世代GPT-5.6 Terraの$1.40**から3分の1未満に圧縮されています。これにより、同モデルは「1ドルあたりの知能（Intelligence per Dollar）」における新たな業界基準として評価されています。
注目ポイント2：モデルの能力とベンチマーク結果（値下げで品質は落ちたのか？）
API価格が大幅に下がった一方で、モデルの性能は「廉価版」として妥協されたわけではありません。各種ベンチマークのデータは、視覚理解やデスクトップ操作、コーディング、そしてハルシネーション（もっともらしい嘘）の抑制において、前世代を大きく上回る進化を遂げていることを示しています。
1. 製品の位置づけと得意領域：視覚理解とコンピュータ操作
GPT-6.1 Terraは、スクリーンショットや画面上のコンテンツを理解する能力に極めて長けており、「視覚理解」と「コンピュータ操作（Computer Use）」を主戦場としています。具体的には、Webフォームへの自動入力、動画の編集、技術図面の読み取り、請求書の処理といった、日常的かつ高スループットが求められるエージェント業務に最適化されています。
一方でOpenAIは能力の境界線についても明確に言及しており、「最も複雑なプログラミングタスク」においては、引き続き上位のGPT-6.1 SolまたはフラッグシップのGPT-6 Astraが適しているとしています。
2. 主要ベンチマークのパフォーマンス（エージェント・コーディング・マルチモーダル）
メディアやサードパーティ機関から報告されている主要なベンチマーク結果は以下の通りです。
- 総合的な知能指数：Artificial Analysisの評価では、最大推論強度におけるIntelligence IndexがGPT-5.6 Terra比で**+6ポイント**、低推論強度では**+7〜+13ポイント向上し、コストと性能のパレートフロント（最適境界）に位置づけられています。また、別のサードパーティ評価プラットフォームであるbenchlmの記録では、総合スコア75.9/100**（229モデル中10位）を獲得し、特に「マルチモーダル＆グラウンディング（Multimodal & Grounded）」のカテゴリでは4位にランクインしています。
- Agents’ Last Exam（複雑な専門タスク）：建築図面からの3Dモデル構築や、映画のフレーム単位のカット記録などを含む高難度テストです。中程度の推論強度で前世代を15ポイント上回る57.6を記録し、フラッグシップのGPT-6 Astraに並びました。最大推論強度では60.0に達し、Astra（59.3）およびSol（58.6）を逆転しています。
- Terminal-Bench 4.0（プログラミング）：最大推論強度でのスコアは前世代の21.5%から**50.3%**へと倍増し、サードパーティからはGPT-6.1 Solと同じ性能帯に到達したと評価されています。
- Terminal-Bench-Science 0.1（科学計算・コーディング）：より低コストでありながらGPT-6.1 Solを上回るスコアを示しました。Claude Opus 5.5との差も5ポイント以内に迫っており、コストは後者の5分の1未満に抑えられています。
- OSWorld 2.1（デスクトップソフトウェアのマルチステップ操作）：中程度の推論強度において、より低いタスクコストでGPT-5.6 Terraの過去の最高成績を更新しました。
- MMMU-Pro（視覚推論）：すべての推論強度においてGPT-5.6 Terraを上回り、AstraやSolに迫るスコアを記録しています。
3. 実行速度の向上と信頼性（ハルシネーション抑制とセキュリティ）
実用面におけるもう一つの大きな進化が、レイテンシの改善と出力の誠実性です。
- 実行速度3倍以上：OpenAIの発表によると、タスクの実行速度はGPT-6 AstraおよびGPT-6.1 Solの3倍以上に達しています。なお、コミュニティによる個別の実測例（非公式の参考値）では、出力速度が約130トークン/秒に達し、CodexのUltraモードを用いて列車のアニメーションを含む3D軌道シーンと20秒の動画を2分47秒で生成したケースや、Blender上で城のシーンを約1分で構築した事例が報告されています。
- 当て推量の大幅な減少：Terminal-Bench 4.0において、答えが分からない際に「無理に当て推量で回答する（ハルシネーションを起こす）」割合が、従来の**88%から38%**へと大幅に低下しました（一部メディアの見出しでは「事実誤認率が約70%急減」とも報じられています）。また、モデル自身が持つ限界について、ユーザーに対してより明確に説明できるよう改善されています。
- セキュリティと安全性：フラッグシップのGPT-6 Astraの防護措置を継承しており、プロンプトインジェクション攻撃に対する防御能力が強化されています。また、OpenAIのPreparedness Framework（準備フレームワーク）に基づく評価において、サイバーセキュリティ能力が「クリティカル（Critical）」レベルの閾値に到達したと報じられています（ただし、この閾値に対応する具体的な管理措置の詳細については現時点の公開情報では触れられていません）。
利用チャネル、技術仕様、および既知の制限事項
開発者がシステムへの組み込みを検討するにあたり、現在判明している提供チャネルとAPIの技術的制約を整理します。
- ChatGPTおよびツールでの利用可否：発表当日から、Plus、Pro、Enterprise、Eduの各プランの契約者向けに、ChatGPT WorkおよびCodex内で提供が開始されています。現時点の公開情報ではこれらの業務・開発向けチャネルのみが言及されており、一般向けの標準Web版やモバイルアプリへの展開時期については公式の続報が待たれます。なお、無料（Free）プランでのアクセス権限はありません。
- API呼び出しとエンドポイントの要件：OpenAI APIにおけるモデル識別子は
gpt-6.1-terraです。サードパーティの記録によると、Responses、Chat Completions、Realtime、Batchなどの各エンドポイントに対応しています。ただし、ツール呼び出し（web search、file search、code interpreter、hosted shell、computer use、MCP、tool search）を利用する場合は、Responses APIを使用する必要があります。 - コンテキストウィンドウ：公式発表の抜粋には明記されておらず、サードパーティのプラットフォーム間で記録にわずかな差異があります（benchlmでは1.05M、OpenRouterのページでは1.1Mと記載）。実装時はOpenAIの公式ドキュメントで最新の上限値を確認することを推奨します。
- 制限事項とサプライヤーリスク：サードパーティの記録によると、本モデルはファインチューニング（微調整）には非対応であり、モデルのウェイト（重み）も非公開です。また、現時点で追跡可能なAPIプロバイダーはOpenAIの1社のみであるため、システム構成上は単一プロバイダーへの依存が生じる点に留意が必要です。
アーキテクト向けガイド：モデル選定とシステム移行の指針
以上の価格構造と性能特性を踏まえ、技術責任者やアーキテクトが既存のAIワークフローを見直す際の具体的な指針をまとめます。
- タスクのルーティング（振り分け）戦略の最適化
- GPT-6.1 Terraへ優先的に移行すべき領域：画面キャプチャを伴う高頻度のデスクトップ操作（RPAの代替やWebフォーム入力）、技術図面や請求書の読み取り、大量ドキュメントのバッチ処理、日常的なコーディング、高スループットが求められるエージェントワークフロー。
- GPT-6.1 Sol / GPT-6 Astraに残すべき領域：システム全体のアーキテクチャ設計や、超大規模コードベースのリファクタリングなど、極めて高度な推論と複雑なプログラミング能力が要求されるタスク。
- キャッシュ割引（$0.05/1Mトークン）の最大活用
- キャッシュ入力単価が前世代の4分の1（通常入力の20分の1）に設定されているため、長大なシステムプロンプト、マルチターンの対話型エージェント、固定されたナレッジベースを参照するQAシステムなど、同一コンテキストを反復利用するシナリオで最大のコスト削減効果が得られます。プロンプト構造を見直し、プレフィックスのキャッシュヒット率を高める設計が有効です。
- API移行に伴うエンジニアリング工数の評価
- モデルIDを
gpt-6.1-terraに変更するだけでなく、Computer UseやMCP（Model Context Protocol）、Hosted Shellなどの高度なツール連携を活用する場合は、従来のChat Completions APIからResponses APIへの移行作業が必要となります。
- モデルIDを
- 移行に適さないケースの切り分け
- 独自データによるファインチューニング（SFT）を前提とした特化型モデル運用や、コンプライアンス要件によりオープンウェイトモデルのオンプレミス／プライベート環境へのセルフホストが必須となる業務には適用できません。
おわりに：AIアプリケーションの大規模実装を牽引するミドルティアモデル
GPT-6.1 Terraは、「API価格の半減」「実行速度3倍以上」「視覚理解・PC操作能力の飛躍的向上」を同時に実現したことで、高価なフラッグシップモデルと軽量モデルの間にあった実用上のギャップを埋める存在となりました。
複雑なエージェントタスク1回あたりの実行コストが$0.30〜$1.00のレンジにまで圧縮されたことで、これまでトークン消費量の大きさゆえに商用化の採算が合わなかったマルチモーダル処理や、画面操作を伴う常時稼働型の自律エージェントなどが、いよいよ本格的な社会実装とスケール化のフェーズに入ることになりそうです。
