GPT-6.1 Terraの入力100万トークンは1ドル。完了した仕事にはいくらかかるか

以下の出典をもとにKen Joが作成したオリジナルの解説図です。

画面の片側に請求書、もう片側に会計の入力フォームがあります。金額を読むのは一つの作業です。正しい仕入先を選び、通貨を正しく入力し、保存したレコードが実際に存在すると確認するのは、さらに大きな仕事です。AIモデルがクリックする場合、この違いは特に重要になります。

OpenAIは 2026年10月26日にGPT-6.1 Terra を発表しました。標準API料金は 入力100万トークンあたり1ドル、キャッシュ入力100万トークンあたり0.05ドル、出力100万トークンあたり5ドル です。同社は視覚推論、コンピューター操作、文章作成向けと位置づけ、標準料金はGPT-5.6 TerraとGPT-6.1 Solより50%低いと説明しています。公式発表、日付入りシステムカード。

安くなると、試せることが増えます。しかし、どの実験を業務フローに育てるべきかは別の指標で判断する必要があります。受け入れられる結果にかかる費用です。この記事では三つの用途、前提を明示した計算例、成功したツール呼び出しを仕事の完了と混同しない評価方法を扱います。

モデルが行動を選び、周囲のシステムが実行する

TerraはChatGPTやCodexを提供するOpenAIのモデルです。選択すると、アプリケーションは特定の言語・視覚能力を利用できます。一方、見られる画面、呼べるツール、ツールがアクセスできるアカウントは、周囲のアプリケーションが決めます。

請求書を例示的なフローとして考えましょう。モデルがフォームを観察し、操作を提案すると、ツールの実行後に更新された画面が戻ります。正しく見えるクリックでも、別のパネルが開いたり、入力検証エラーが出たり、保存が未完了だったりします。次へ進む前に、結果の状態を認識する必要があります。

コンピューター操作は一度の回答ではなく、反復です。有用な連携は、観察、行動、結果状態の確認をつなぎます。いつ停止し、人に質問し、必要な入力が足りないと報告するかも定めます。画面解釈が得意なモデルでも、その判断を組み込むのはアプリケーション設計の仕事です。

10月27日に確認したOpenAIのコンピューター操作文書は、ブラウザー活動のイベントとターン全体の最終状態を分けています。ストリーミング出力へスクリーンショットを含める設定もあります。開発者はイベントで進行状況を見せながら、要求した結果が存在することを別途確認できます。

コンピューター操作の反復の例。アプリケーションがツールと権限を提供し、受け入れ確認が仕事の完了を判断します。独自の解説図であり、OpenAIの画面キャプチャーではありません。

料金表はワークロード予算の出発点だ

10月26日の標準料金は、同じ課金条件であれば比較しやすいものです。入力と出力は単価が異なり、キャッシュ入力も別区分です。ユーザーの依頼件数が同じでも、長い回答や画面観察の反復で請求額は変わります。

10月27日確認のモデルカードには、追加の課金条件があります。キャッシュ書き込みには別料金があり、入力272,000トークンを超えるプロンプトには長文脈の調整が適用され、サービスモードでも料金が変わりえます。最安の項目を一律料金とせず、実際のリクエストに該当する単価を使ってください。

以下の計算例では、標準処理、キャッシュなし、長文脈の閾値未満を前提にします。1回の試行で課金対象入力10,000トークンと出力1,000トークンを使うと、費用は 1回あたり0.01ドル＋0.005ドル＝0.015ドル です。これは計算用に選んだ数値であり、Terraや請求書フローの実測値ではありません。

この区別が有用な予算の基礎です。まず前提を明示して1回の費用を求めます。その後で、必要な試行回数、他のサービス、結果を受け入れるまでの確認作業を考えます。

再試行とレビューが受け入れた仕事の費用を変える

仮に100件の依頼があるとします。一つ目の条件では100回試行し、90件が受け入れられます。別の条件では復旧作業で150回になり、95件が受け入れられます。成功が増えるのは有益ですが、費用の比較も変わります。

表には、30件を各20秒、人が確認する第三の条件を追加しています。時給を30ドルと仮定すると、合計600秒、つまり10分で5ドルです。仕事量、受け入れ件数、人件費の前提はすべて例示であり、製品の実測結果ではありません。

分母は生成した回答ではなく、受け入れられた仕事です。レコードの保存が間違っていれば、整った完了メッセージでも分母は増えません。一方、短い確認質問を挟むフローは、情報が欠けたまま自信を持って進むフローより役立つ結果を出すかもしれません。

この追加作業を 完了の請求明細 と呼びましょう。試みた行動を受け入れ可能な結果へ変えるための資源です。トークン料金はその一項目にすぎません。ツール代、実行環境、復旧、人のレビューも加わります。表では計算を見やすくするため省いていますが、本番の見積もりには実際の連携で使うサービスを含めるべきです。

私たちの見方では、モデルの値下げの最大の価値は、完了を改善する余裕が増えることです。指示の比較、失敗例の調査、復旧経路の試験に費用を使えます。未確認の回答を安くするより、節約分で修正の少ない仕事を生み出すほうが有用です。

終点が明確な請求書の下書きレコードから始める

最初の場面は、受け取った請求書から支払管理の下書きレコードを準備するアシスタントです。テストアカウントと範囲を絞ったサンプル文書を使います。操作を依頼する前に、必要な仕入先、通貨、金額、参照番号のフィールドを定めます。

ここでの受け入れ条件は、元資料と項目が一致し、レコードIDを再取得できる保存済みの下書きです。保存ボタンのクリックは途中のイベントです。フローは実際のレコードや確認状態を調べ、未解決の項目は推測で埋めず報告する必要があります。

試験には普通の文書に加え、通貨が曖昧、仕入先IDがない、請求書番号がすでに存在するなど、意図的に難しい例も含めます。それぞれ違う失敗を明らかにします。文字の読解、正しいアカウントの選択、重複レコードの防止は別々の仕事です。

最初の試験は全結果を確認できる規模にします。失敗したら指示全体を書き直す前に、最初の誤った観察や行動を特定します。診断を絞ることで、文書解釈、画面遷移、アカウントデータ、受け入れ確認のどこが問題か分かります。

これはアプリケーション設計の例です。Terraに会計コネクターが付属する、あるいはこの記事で特定の会計製品を試したという意味ではありません。モデルは、別途ツールと業務ルールを提供する必要のあるフローの一部です。

カタログ照合は操作の前に視覚判断を試す

第二の場面は、商品写真を既存カタログの項目に照合することです。10月27日に確認したOpenAIモデルカードは、Terraの用途として商品写真の照合を明記しています。小売業に有用なのは、よく似た商品と正しい商品をレビュー担当者が区別できる根拠を伴った候補です。

簡単な一致、似た包装、細部の欠けた写真を含む小さな評価セットを作ります。正解のカタログIDはモデルへの指示と分けて保管します。候補IDと選択を支える可視の特徴を答えさせ、画像が不十分なら未解決という選択肢を明示します。

未解決が正解の場合もあります。二つの包装の違いが写っていない情報だけなら、別の写真か視覚以外の識別子が必要です。包装を流暢に説明しても、入力になかった証拠は生まれません。

カタログ編集を許す前に、照合候補の提示から始めます。受け入れ条件を確認しやすく、理解できる誤りの例も得られます。後で文章作成を追加するなら、見た目の類似から未確認情報を持ち込まず、検証済みのカタログ事実を守る説明になっているか評価してください。

古いポータルでは復旧も仕事の一部になる

第三の場面は、ブラウザー画面を持つ社内ポータルで更新の下書きを準備することです。レコードを探し、渡された説明へ変更し、人の承認を待つ状態にしておく依頼が考えられます。分かりやすい業務依頼を画面操作の連続につなぐことに価値があります。

難しい例は状態に関わることが多いものです。セッションが切れる、前の選択後に必須フィールドが現れる、画面更新が予想より遅れる、といった場合です。有用な評価では最も簡単な経路だけを数えず、それらへの対応を記録します。

試行前に復旧の上限を定めます。例えば保存が不確かならもう一度観察を許し、それでも分からなければ確認のため停止する設計ができます。これは方針の例であり、Terraの製品制限ではありません。試験できる限定された振る舞いを定め、成果の出ない反復による浪費を防げます。

連携の失敗とモデルの失敗も分けます。ツールがページへ到達できない、アカウントに編集権限がない、モデルが別の操作部品を選ぶ、という問題には異なる修正が必要です。分類が見えると、費用見積もりも品質改善も意味を持ちます。

提供範囲は開始場所を示すが各アカウントの操作範囲までは決めない

10月26日の発表では、Plus、Pro、Enterprise、EduのChatGPT WorkとCodex、およびAPI識別子 gpt-6.1-terra が案内されています。これらはモデルへのアクセス経路です。具体的なフローのツールと権限は、製品、アカウント、連携次第です。

10月27日に確認した開発者向けモデルカードでは、ツール呼び出しにResponses APIを指定し、既定の推論努力をmediumとしています。意味ある比較のため、試験中のモデルと推論設定を記録してください。モデル、指示、ツール環境を同時に変えると、差の解釈が難しくなります。

WorkやCodexのチームは、すでに対応するフローから始め、実際の制御を確認します。独自アプリなら最新のコンピューター操作文書に沿って実行環境と許可操作を構成します。モデルIDだけで社内アプリへの認証済み接続ができるわけではありません。

同じ受け入れ対象の仕事で構成を比較する

最初の試験は確認できるほど小さく、実際の条件を含むほど多様であるべきです。生成結果を見る前に受け入れ規則を決めます。次は評価方法の提案であり、ベンチマーク結果ではありません。

1. 範囲の限られた仕事を一つ選ぶ。 必要な出力と受け入れを判断する人を決めます。最初は下書きやテスト環境の操作を選びます。
2. 固定のケースを用意する。 普通の入力、情報不足、関連する画面中断を含めます。期待する結果はモデルの指示外に保管します。
3. 構成を記録する。 モデルID、推論設定、指示、ツール版、関連するアカウント権限を残します。
4. 停止と復旧の規則を定める。 追加観察を許す場面、再試行が有用な場面、人が不確実性を解決する場面を指定します。
5. 観察可能な結果を集める。 受け入れ、誤り、未解決、試行回数、経過時間、課金使用量を記録します。ツール操作の状態は一部にすぎません。
6. 実際の運用費を足す。 ツールと環境の料金、測定したレビュー時間を含め、同じ定義による受け入れ件数で割ります。
7. 意味のある変数を一つ変える。 同じケースで指示や推論設定を比較し、どの失敗が変わったか確認してから拡大します。

費用モデルの提案。実際に消費する資源を足し、受け入れ件数で割ります。評価の枠組みであり、公開されたTerraの運用測定値ではありません。

最初の結果が期待外れでも、この記録は役立ちます。改善すべきなのが視覚解釈、フロー設計、ツールの信頼性、人による修正量のどれかを示すからです。依頼の平均料金だけより、次に自動化する対象を決める良い根拠になります。

安いコンピューター操作は完了に費用をかけやすくなると価値を持つ

Terraの低い標準料金は、より丁寧に試し、予算内で多くの仕事を支える機会を作ります。事業上の問いは、特定の連携がその機会を、管理可能な確認・復旧の労力で受け入れられる結果へ変えられるかです。

画面を読み、クリックを選べるモデルは有用です。何が変わったかを示し、完了を認識し、そこまでの労力を計上できるフローは、チームが評価して改善できるものになります。

出典

• Introducing GPT-6.1 Terra、OpenAI、2026年10月26日：位置づけ、標準の発売時料金、アクセス経路。
• GPT-6.1 Terraシステムカード、OpenAI、2026年10月26日：日付入り公開情報と評価の背景。
• GPT-6.1 Terraモデルカード、2026年10月27日確認：モデルID、ツール呼び出し先、推論設定、課金条件。
• コンピューター操作の連携文書、2026年10月27日確認：ブラウザー活動、スクリーンショット、連携方法。

三つのシナリオ、費用の入力値、評価手順は例示です。ドル計算は明示した標準料金と選んだ前提に基づき、遅延、精度、運用費の実測結果ではありません。

---

Telli.shからのおすすめ： 試行メモ、参考資料、フローを改めた理由を振り返りやすく残しましょう。Telli.shアカウントを作成し、評価メモを整理しましょう。