ライバルのAnthropicが一紙の目論見書で話題をさらうのを見て、OpenAIはGPT-6.1 Terraをカウンターで放った——
独占スクープを取りたい？まずは新しいモデルが許すかどうか聞いてみよう。
GPT-6.1 Terraの主打は「半分の価格で、より強力な能力」。
GPT-5.6 Terraと比べて、その標準API価格は直接半減：
入力は1ドル/百万Token、キャッシュ入力は0.05ドル/百万Token、出力は5ドル/百万Tokenです。
しかも価格を下げたにもかかわらず、能力まで強化されているとは？！
職場ソフトウェア実戦テスト「Agents’ Last Exam」において、TerraはGPT-5.6 Terraを明確に上回っただけでなく、GPT-6 Astraの10分の1のToken価格でそのパフォーマンスに追いついた。
さらにClaude Opus 5.5と比べると、TerraのToken価格はその4分の1、Token効率は3倍超、単一タスクのコストは相手の9分の1程度にすぎない。
いや、今のAIのコスト削減・効率向上はここまで熾烈になっているのか？
用途面では、GPT-6.1 Terraの中心的なセールスポイントも極めて明確——より速く、より強く、かつPC操作のコストを大幅に引き下げる。
スクリーン理解、ソフトウェア横断の協調操作、自然言語ライティングをネイティブでサポートし、目標を労働者の完全な就業日にしっかりと定めている。
OpenAI共同創業者のGreg Brockmanは、TerraのPC操作能力はすでに「質的変化の閾値」を超え、彼自身が操作するよりも速く使えるとまで述べた。
現在、Plus、Pro、Enterprise、EduユーザーはChatGPT WorkとCodexで直接体験でき、開発者も標準API（gpt-6.1-terra）でいつでも呼び出せる。
さらにすごいのは、同じ日にOpenAIが内部AIシステムが生み出した科学結果3件を発表したことである。数学、コンピュータ科学、物理学にまたがる。
一方でAIがPCを操作するコストを下げ、他方でAIが最先端科学に参加する想像力を押し上げる。
どうなってる、まだ木曜にもなっていないのにすでに猛攻撃か？？
GPT-6.1 Terra正式リリース、価格は一気に半減
具体的な能力はどうか、まずはOpenAIが提示した公式成績表を見てみよう。
まず全体の結論：
GPT-6.1 TerraはOpenAIの能力上限が最も高いモデルではないが、より低いコストですでにフラッグシップモデルの能力レンジに手を届かせている。
Agents’ Last ExamにおいてGPT-6.1 Terraのmediumグレードの成績はGPT-5.6 Terraを15ポイント上回り、単一タスクのコストは後者の約3分の1にすぎない。
このテストは、AIが専門ソフトウェアを使って複雑な仕事をこなせるかを専門に試すものである。例えば建築図面を3Dモデルにしたり、アニメーションをカットごとに審査してタイムコード付きの修正ログを生成するなど。
さらに驚くべきことに、公式によればTerraのパフォーマンスはGPT-6 Astraと同等だが、Tokenあたりの価格は後者の10分の1、タスク完了の速度はGPT-6 AstraおよびGPT-6.1 Solより3倍以上速いという。
次に視覚能力を見てみよう。
MMMU-Proベンチマークでは、GPT-6.1 Terraはすべての推論強度においてGPT-5.6 Terraを上回り、より低いコストでGPT-6 AstraおよびGPT-6.1 Solに接近する性能を示しました。
コンピュータ操作ベンチマークOSWorld 2.1ではmedium設定の成績もGPT-5.6 Terraのそれまでの最高水準を超えました。
つまり、新しいTerraは単に「見る」のが上手いだけでなく、画面の内容に基づいて作業を実際にやり遂げる力も向上しています。
コード能力も同様に大きく向上しました。
Terminal-Bench 4.0ではGPT-6.1 Terraのmax設定は50.3%のタスクを解決したのに対し、GPT-5.6 Terraのそれまでに公表された成績は21.5%にとどまっていました。
文字通り2倍以上に跳ね上がった。
ただしOpenAIも自ら一線を引いた。
最も複雑なコーディング、科学研究、深い推論タスクに直面した場合には、GPT-6.1 SolとGPT-6 Astraが依然としてより適切な選択肢だという。
もう一つの明白なアップグレードは、ハルシネーション（もっともらしい嘘）が減ったことだ。
OpenAI内部の高難度事実性ストレステストでは、低推論強度でのエラー率がGPT-5.6 Terraの53.6%から16.7%に低下した。
Maxプランではさらに4.3%まで下がり、GPT-6 AstraとGPT-6.1 Solに匹敵する水準に近づいている。
少なくとも今回の公式スコアから見ると、Terraのポジショニングはすでに明確だ。
フラッグシップに近い能力で、大量のPCタスクのコストを大幅に引き下げるというものだ。
第三者機関Artificial Analysisの総合知能指数では、GPT-6.1 TerraのMaxプランが48点を獲得し、Claude Opus 5.5、Kimi K3.1 Pro、Google Gemini 4 Argon、Meta Muse Wonder、GPT-6.1 Solに続く一方、Grok 4.7と小米MiMo-V2.6-Proを上回った。
全体として世界のトップモデルの中位に位置している。
ネットユーザーの実測：より細かく描き、コストは38%削減
では、モデルの実際の能力はどうなのか？
いつものように、ネットユーザーが共有した実測結果を見てみよう。
DesignArenaはGPT-6.1 TerraとGPT-5.6 Terraに同じ課題を出した。
ゴールデンアワーにリスボンのベレンの塔を再現すること。
この16世紀の石灰岩の要塞を描くだけでなく、石に刻まれた縄の意匠、開放型のバルコニー、胸壁、ドーム型の隅櫓まで再現し、さらに画面にはカモ、帆船、そして霧の中の4月25日橋も描かなければならない。
結果はとても興味深いものだった。
GPT-6.1 Terraは前世代のほぼ4倍の時間をかけ、トークンの使用量も48%増えた。
しかし単価が前世代の半分以下だったため、最終的な総コストはむしろ38%低くなった（新しいTerraは0.047ドル、旧Terraは0.077ドルかかった）。
とはいえ、かけた時間の分だけ画面にも確かに反映されていた。
どちらがより精緻で完成度が高いかは、一目瞭然だ。
別の開発者Victor Nunezは「長いフォーム」を持ち出した。
彼はGPT-6.1 TerraとGPT-6.1 Solの両方にFastモードで比較的長い汎用フォームを探して記入させ、両者のPC操作過程を並べて比較した。
Nunezによれば、最初のテストで、TerraはSolより53.5秒早くこのフォームを完成させたという。
OpenAIの開発者アカウントはその後、このデモをそのまま転送した。
これはまさにTerraの公式ポジショニングに合致する。
最も難しい問題を最後まで考え抜く役割を担うとは限らないが、画面上で情報を識別し、連続的にクリックし、内容を記入し、長い一連のステップを素早くこなすのに適しているというものだ。
別のネットユーザーLeoは、TerraとClaudeを並べて比較した。
総合知能スコアを見ると、Terraは48点で、Sonnet 5.5の56点とOpus 5.5の58点を下回った。
しかしスピードとコストの面になると、結果は一転した。
Terraの生成速度は283 Token/sに達し、Opus 5.5の3.4倍であり、単一タスクのコストはわずか0.4ドルで、Opus 5.5の約15分の1である。
そのためLeoのまとめも非常に率直だ:
知能と能力を重視するならSonnet 5.5、速度とコストパフォーマンスを重視するならTerraを選べばよい。Opus 5.5については、Terraはまだ同じ水準には達していない。
しかも、別のネットユーザーの実測結果もLeoの結論を裏付けている。
同じプロンプトでSonnet 5.5と6.1 Terraを比較すれば、どちらが優れているかは言うまでもない。
Opus 5.5と比べると価格は確かにずっと安いが、生成結果と合わせて考えると、こう言うしかない：
高いのには高い理由がある（doge）。
同じ日に、OpenAIはAI科学の新発見3件も発表
Terraに加えて、OpenAIは同じ日により大きな「学術爆弾」も投下した。
公式発表によると、同社のAIシステムは数学、コンピュータ科学、物理学において3つの新たな結果を得た。それぞれ調和解析、計算量理論、場の量子論に関するものである。。
しかも、自然言語による導出一枚で終わりではない。
数学とコンピュータ科学の結果については、自然言語の原稿とLean形式化証明がすでに公開されている。
物理学の結果については、純粋Yang-Mills理論の存在性のLean形式化もすでに完了しているが、関連資料はまず外部の専門家グループに提供され精査されるという。
詳細はここでは省くが、OpenAIが今回達成した進展を簡単にまとめると以下の通りである：
1、数学界を30年以上悩ませてきた予想を攻略
OpenAIによると、同社のAIシステムはすべての次元における局所平滑化予想を証明し、それによってさらにKakeya予想とSteinの制限予想も解決したという。。
簡単に言えば、この研究は波が伝播する過程でどのように集束するかを論じたものである。
この問題は1991年に数学者のChristopher Soggeによって提起され、これまでは一部の次元についてのみ解決されていた。
今、AIは自然言語による証明を示しただけでなく、それをLean形式化証明システムにも書き込んだ。
今後、数学界の確認が得られれば、AIが人類が数十年かけても完全に攻略できなかった問題に本当に足を踏み入れたことを意味する。
2、数十年使われてきたコンピュータ科学の理論的土台が、間違っている可能性
2つ目の成果は指数時間仮説（ETH）に関わるものである。
この仮説は、3-SATのような複雑な問題については、総当たりよりはるかに速いアルゴリズムを見つけるのは難しい、と大まかに述べている。
過去数十年、多くのコンピュータ科学の結論が、この仮説が成り立つことを前提として構築されてきた。
しかしOpenAIによると、同社のAIシステムはETHが誤りであることを証明し、すでにLean形式化も完了したという。。
ただし、これはP≠NP問題が解決されたことを意味するわけでも、実用的な新アルゴリズムがすぐに登場することを意味するわけでもない。これは単に、一部の複雑な問題はこれまで考えられていたほど計算が難しくない可能性がある、ということを示している。
3、物理学の四次元場の量子論に数学的証明を補完
3つ目の成果は、直接場の量子論の領域に踏み込んだものである。
OpenAIによると、同社のシステムは、量子色力学（QCD）を含む特定の四次元場の量子論の存在性証明を与えたという。。
簡単に言えば、厳密な数学の観点から次のことを証明しようとするものである：
クォーク、グルーオンおよび強い相互作用を記述するこれらの物理理論は、確かに成立しうる。
その中には純粋なヤン・ミルズ理論の存在性の証明も含まれる——
これは有名な「ヤン・ミルズ存在性と質量ギャップ」ミレニアム懸賞問題の一部である。
ただし注意してほしいのは、あくまで一部だということだ。
質量ギャップ問題は依然として未解決であるため、AIがこの賞金100万ドルの世界難問を制したとはまだ言えない。
現在、関連する結果はノーベル賞受賞者のDavid Grossら外部専門家によって審査されている。
新モデルを発表しながら、ついでに人類を数十年悩ませてきた難問を解決してしまう。
OpenAI:
A社より先にIPOされるわけにはいかない、注目を集める手段ならいくらでもある。
参考リンク：
[1]
https://openai.com/index/introducing-gpt-6-1-terra/
[2]
https://developers.openai.com/api/docs/models/gpt-6.1-terra
[3]
https://developers.openai.com/api/docs/pricing
[4]
https://x.com/OpenAI/status/2114780711664398349
[5]
https://x.com/DesignArena/status/2114800086391878104