GPT-6.1 Terra это модель OpenAI за $1 и $5 за миллион токенов, вдвое дешевле Sol, с контекстом 1,05 млн и компьютерным управлением. Видео она не генерирует: она разбирает кадры и управляет ffmpeg или редактором, а ещё заполняет формы и накладные. Ниже: что реально умеет, сколько стоит задача и где ломается.
OpenAI выпустила модель, которая стоит вдвое дешевле флагмана и при этом работает с экраном, формами и монтажом. Звучит как универсальная замена, но за этой формулировкой скрывается важная деталь: Terra не генерирует видео и не рисует кадры. Она делает то, что делает человек за компьютером.
Что такое GPT-6.1 Terra
Модель вышла 26 октября 2026 года как обновление линейки Terra. В анонсе OpenAI прямо перечисляет задачи: черновики предложений, разбор технических чертежей, заполнение форм и монтаж видео.
Цена в API: $1 за миллион входных токенов и $5 за выходные. У GPT-6.1 Sol те же позиции стоят $2 и $10, у GPT-6 Astra $10 и $50. Кэшированный вход у Terra $0.05, batch-режим режет цену ещё вдвое.
Контекст 1 050 000 токенов, максимум на вход 922 000, на выход 128 000. На вход принимает текст и изображения, на выход отдаёт только текст. Видео и аудио на выходе нет, это указано в документации.
«Монтирует видео» значит другое
Модель не рендерит ролики. Она управляет инструментами, которые это делают: терминалом, ffmpeg, скриптами, интерфейсом редактора.
Два рабочих сценария. Первый: агент в Codex пишет и запускает команды ffmpeg, собирает нарезку по таймкодам, накладывает звук, проверяет длительность. Второй: агент через computer use открывает приложение, нажимает кнопки, перетаскивает клипы и выставляет экспорт. Во втором случае он работает как человек, только быстрее.
В анонсе есть пример из бенчмарка: модель просматривала анимационный фильм кадр за кадром и составляла лог с таймкодами для реставраторов. Это и есть «монтаж» в понимании OpenAI: не создание картинки, а разбор и организация материала.
Что из этого следует. Если нужен генератор видео, Terra не подходит. Если нужен агент, который разберёт отснятый материал, нарежет по сценарию и соберёт черновик в редакторе, это ровно её работа.
Формы и накладные
Второй пример из анонса ближе к бизнесу: читать входящие счета и переносить данные в учётную систему. Здесь Terra работает с изображением документа, вытаскивает поля и вводит их в интерфейс.
Схема та же, что с монтажом. Модель видит экран, понимает, где поле, куда ставить курсор, что нажать. Дальше вопрос инженерии: дать ей доступ к браузеру или десктопному приложению, ограничить действия, поставить подтверждение перед отправкой.
Для накладных это может выглядеть так: скан приходит в папку, агент открывает его, переносит номер, дату, контрагента, позиции и суммы в форму, сверяет итог, оставляет пометку, если что-то не сошлось. Человек проверяет только исключения.
Сколько это стоит на самом деле
Считать надо не цену токенов, а стоимость задачи. У computer use каждый шаг это скриншот, размышление и действие, поэтому токенов уходит много.
Возьмём грубую оценку: одна задача на 30 шагов, каждый шаг 3 000 входных токенов с изображением экрана и 400 выходных. Это 90 000 входных и 12 000 выходных. На Terra выходит около $0.15, на Sol около $0.30, на Astra около $1.50.
Отсюда и берётся «вдвое дешевле». На потоке из тысячи задач разница уже в сотни долларов, а не в копейки. OpenAI пишет, что при максимальном усилии Terra тратит в три с лишним раза меньше токенов, чем Claude Opus 5.5, и стоит примерно в девять раз дешевле в пересчёте на задачу.
Но есть нюанс: дешёвый токен не спасает, если агент делает лишние шаги. Модель, которая путается в интерфейсе, сжигает бюджет быстрее дорогой и точной.
Что показывают бенчмарки
На Terminal-Bench 4.0, где агент работает из командной строки, Terra решает 50,3% задач при максимальном усилии. У GPT-5.6 Terra было 21,5%, у Sol в том же сравнении 55,9%.
Важнее другое число: ошибки на провокационных промптах. При низком усилии доля ошибок упала с 53,6% до 16,7%, при максимальном до 4,3%. Это ближе к флагманам и важнее для бизнес-задач, где цена ошибки выше цены токенов.
Скорость тоже в плюсе: по заявлению OpenAI, задачи выполняются более чем в три раза быстрее, чем у Astra и Sol.
Где ограничения
Первое и главное: нет видео и аудио на выходе. Всё, что связано с генерацией, делает другой инструмент.
Второе: вызов инструментов требует Responses API. Если у вас старый Chat Completions, придётся переезжать.
Третье: усилие reasoning настраивается полями none, low, medium, high, xhigh, max. По умолчанию стоит medium, и на нём модель заметно дешевле, но и ошибается чаще. Для монтажа и форм чаще хватает medium, для сложных цепочек лучше high.
Четвёртое: модель работает с изображением экрана, а не с видеопотоком. Для покадрового анализа длинного ролика её придётся вызывать много раз, и это упирается в бюджет и терпение.
Как включить
В API идентификатор gpt-6.1-terra. В ChatGPT Work и Codex модель доступна на Plus, Pro, Enterprise и Edu, и в пределах той же квоты она покрывает больше задач, чем Sol или Astra.
Для агента понадобится обвязка: браузер или десктопный контроллер, ограничения на действия, логирование шагов и подтверждение перед необратимыми операциями. Без этого модель быстро и уверенно сделает не то.
С чего начать пилот
Возьмите один процесс, где есть и файлы, и формы. Например, приём накладных или сборка черновика ролика из готовых фрагментов.
Прокатайте двадцать задач на Terra и двадцать на Sol, замерьте три числа: время до результата, число шагов и доля задач, которые человеку пришлось переделывать. Если Terra укладывается в тот же процент, вы экономите половину счёта. Если промахивается чаще, экономия мнимая.
И держите в голове простое правило: дешёвая модель выигрывает на потоке, дорогая на редких сложных случаях. Для остального есть переключение между ними по типу задачи, и это дешевле, чем выбирать одну на всё.