🔥 HNで話題

画面を見て仕事を進めるAI GPT-6.1 Terraが狙う大量の実務

約3分で読めます Tiny Why編集部 · 文: 特派員 キュリオ

ことば
GPT-6.1 Terra(ジーピーティー・シックス・ポイント・ワン・テラ)

OpenAIが発表した、画面を見てコンピューターを操作できるAIモデル。

ベンチマーク(ベンチマーク)

AIの力を同じ条件で比べるためのテスト。

プロンプトインジェクション(プロンプトインジェクション)

AIをだまして、本来の指示から外そうとする手口。

何が起きたか

OpenAI(ChatGPTを作るAI会社)は、GPT-6.1 Terraを発表した。公式の発表では、文章を書く力に加えて、画面を見てコンピューターを操作する力を重視している。提案書の作成、技術図面の読み取り、フォーム入力、動画編集など、仕事中によくある作業を例に挙げた。ChatGPT WorkとCodexでは、Plus、Pro、Enterprise、Eduの利用者が使える。開発者はAPIからgpt-6.1-terraとして利用できる。Hacker Newsでも500点を超える反応を集めたが、これはコミュニティの注目度であり、性能の証明ではない。投稿ページもその点を分けて読む必要がある。

背景

今回の発表は、最高性能だけを競う話ではない。OpenAIはTerraを、速さ・能力・費用の釣り合いを取るモデルとして位置づけている。標準APIの料金は、GPT-5.6 TerraとGPT-6.1 Solより50%安い。料金は、入力100万トークンあたり1ドル、保存された入力なら0.05ドル、出力100万トークンあたり5ドルだ。大量の請求書を読み、会計ソフトへ入力するような仕事を、現実的な費用で自動化したいという考えが見える。

なぜ重要か

AIの価値を、答えの文章だけでなく、仕事の画面で次の操作まで進められるかで測る動きが強まる。図面を見て3Dモデルを作る、デスクトップアプリを何段階も操作する、といった作業では、読む力と動かす力が一緒に要る。Terraはそこを、最も高価なモデルだけの仕事にしないことを狙っている。価格が下がり、処理も速くなれば、同じ種類の作業を大量に回しやすくなる。ただし、安さだけで仕事を任せられるわけではない。

確認できたこと

OpenAIの評価では、Agents’ Last Examで、中程度の推論設定ならGPT-5.6 Terraより15ポイント高く、費用は約3分の1だった。GPT-6 Astraと同程度の成績を、トークン単価10分の1で出したとも説明している。最大設定では、Claude Opus 5.5よりトークン効率が3倍超で、仕事1件の費用は約9分の1。GPT-6 AstraとGPT-6.1 Solより3倍超速く終えたという。視覚推論のMMMU-Pro、アプリ操作のOSWorld 2.1でも前モデルを上回った。コード作業のTerminal-Bench 4.0では、最大設定の正解率が50.3%で、GPT-5.6 Terraの21.5%を上回った。一方、最も難しいコード作業ではSolとAstraが上だという。誤りを誘う社内テストでは、低い設定の誤り率が53.6%から16.7%へ、最大設定では4.3%へ下がった。安全面では、サイバーセキュリティの重要度評価や、指示をそらすプロンプトインジェクションへの耐性について、OpenAIが改善を報告している。

まだ分からないこと

ここまでの数字は、すべてOpenAIが選んだ条件での評価だ。独立したテストでも同じ差が出るかは、まだ確認できない。ベンチマークで高得点でも、長い仕事を途中で止めず、画面の変化を読み違えず、必要な場面で人に助けを求めるとは限らない。APIの単価が下がっても、確認ややり直しまで含めた実際の費用がいくらになるかも不明だ。

次に見る点

今後は、公開された安全資料の詳しい内容と、第三者による再テストに注目したい。特に、フォーム入力や動画編集のような長い作業で、どんな間違いが起きるかを見る必要がある。Terraが「賢いモデル」から「任せても戻ってこられる仕事道具」へ進めるかが、発表の数字を実用性へ変える焦点になる。

💬 GPT-6.1 Terraは安い中間モデルなのか

HNでは、Terraを安価で実用的なモデルと見る声と、ベンチマークの選び方やコーディング性能を疑う声が分かれている。記事の数字だけで、Opus 5.5やSolと全般的に同等とはまだ言えない、というのが慎重な見方だ。

  • 記事の有利なグラフから、TerraはAstraに近い性能を低価格で出し、Solとも競えると受け取った利用者がいる。一方、別の利用者は、Terraが得意なベンチマークを選んだ可能性があり、全体の評価が必要だと指摘した。
  • Terminal Bench 4.0について、利用者の自己申告では、Terraはxhighまで上げても6.1 Solに近づくのに高くつき、結果も少し悪かった。別の自己申告では、max設定のTerraが50%、Opus 5.5が70%だった。
  • AA Indexでも、利用者の自己申告ではTerra Maxが48、Opus 5.5 Maxが58だった。したがって、TerraがOpus 5.5と一般に同等だとは断定できない。
  • Terraの向く分野は、最難関のソフトウェア開発より、コンピューター操作、業務自動化、技術文書だろうという見方がある。
  • 価格については、トークン単価よりも、仕事を終えるまでの費用・時間・品質を見るべきだという意見がある。反対に、ベンチマークや比較の定義次第で、価格性能の印象は変わるという警戒もある。
  • Terminal Benchの低い結果について、ある利用者は、ベンチマークへの過剰最適化が少ない可能性もあると推測した。ただし、これは検証済みの説明ではない。
  • 全体として、Terraは特定の業務では有力そうだが、記事のグラフだけで選ばず、自分の実際の仕事で品質・時間・費用を比べる必要がある。

コメント405件時点の成長中(改訂2)。300件を取得し、全体から120件を抽出して要約しました。内容はHN利用者の自己申告で、編集部が確認した事実ではありません。

🔥 HNで話題

GPT-6.1 Terraは、画面を見て仕事を進めるAI

📰 しっかり版: 画面を見て仕事を進めるAI GPT-6.1 Terraが狙う大量の実務

OpenAIが、新しいAIを発表しました。文章だけでなく、画面やアプリを見ながら仕事を進める力を重視しています。

約2分で読めます Tiny Why編集部 · 文: 特派員 キュリオ

ことば
コンピューター操作(コンピューターそうさ)

AIが画面を見て、アプリを動かすこと。

ベンチマーク(ベンチマーク)

AIの力を比べるためのテスト。

トークン(トークン)

AIが文章を数えるときの小さな単位。

💡 ようするに

  • GPT-6.1 Terraは、画面を見て働くAIです。
  • 書類や図を読み、アプリを動かします。
  • OpenAIのテストでは、前のモデルより速く安くなりました。

OpenAI(ChatGPTを作るAI会社)が、GPT-6.1 Terraを発表しました。このAIは文章だけを読みません。画面や技術図面も見ます。フォームに文字を入れる仕事もします。動画を見て、時間ごとのメモも作ります。これをコンピューター操作と呼びます。AIが画面を見て、アプリを動かす力です。

OpenAIは、たくさんの仕事に使いやすくしたいと説明しています。標準APIの料金は、前のTerraなどより50%安くなりました。入力100万トークンで1ドルです。トークンは、AIが文章を数える小さな単位です。料金が下がると、同じ種類の仕事を何度も頼みやすくなります。

OpenAIのベンチマークでは、前のTerraより成績が上がりました。ベンチマークは、AIの力を比べるテストです。画面を見るテストや、アプリを動かすテストで改善したといいます。間違いを誘う社内テストでも、誤り率が53.6%から16.7%へ下がりました。最大の設定では4.3%でした。

ただし、これはOpenAIが行ったテストの結果です。本当の仕事で、いつも同じようにできるかは分かりません。難しいコード作業では、OpenAI自身が別のモデルの方がよい場合もあると説明しています。安全に動けるかも、長い仕事で確かめる必要があります。

この発表は、Hacker Newsでも500点を超えて話題になりました。点数は、どれだけ注目されたかを示す数字です。AIの性能が正しいと証明する数字ではありません。詳しい根拠はOpenAIの発表とHacker Newsの投稿で確認できます。

💬 Terraは安くて便利?まだ比べ方が難しい

Terraは、大きなモデルより安く、多くの仕事に使えそうだと考える人がいる。でも、テストの選び方とコーディングの強さには疑問もある。

  • 記事のグラフを見て、Terraは安いのに大きなモデルに近いと思った人がいる。別の人は、Terraに有利なテストだけが選ばれたかもしれないと心配している。
  • 利用者の自己申告では、Terminal Bench 4.0でTerraはxhighでもSolに近づくため高くなり、少し弱かった。別の自己申告では、Terraは50%、Opus 5.5は70%だった。
  • 別の利用者の自己申告では、AA IndexはTerraが48、Opus 5.5が58だった。これは、TerraがOpusと完全に同じだとはまだ言えないことを示す。
  • Terraは、難しいコードを書く仕事より、コンピューター作業、自動化、技術文書に向くかもしれない。仕事を終える費用を見る人もいれば、テストの公平さを心配する人もいる。
  • 低いコーディング結果は、テスト対策が少ないせいかもしれないという推測もある。最後は、自分の仕事で試すのがよい。

コメント405件時点の成長中(改訂2)。300件を取得し、全体から120件を抽出して要約しました。内容はHN利用者の自己申告で、編集部が確認した事実ではありません。

🔥 HNで話題

GPT-6.1 Terraは、画面を見てお手伝いするAI

📰 しっかり版: 画面を見て仕事を進めるAI GPT-6.1 Terraが狙う大量の実務

OpenAIの新しいAIが、画面を見ながら仕事をする力を強くしました。

約1分で読めます Tiny Why編集部 · 文: 特派員 キュリオ

ことば
GPT-6.1 Terra(ジーピーティー・シックス・ポイント・ワン・テラ)

OpenAIの新しいAIの名前。

Hacker News(ハッカー・ニュース)

技術のニュースを読む人が集まるサイト。

OpenAI(ChatGPTを作るAI会社)が、GPT-6.1 Terraを作りました。

このAIは、画面を見ます。 紙のような画面を読めます。 書く場所に、文字を入れられます。 動画を見て、時間を書けます。 人の仕事を、少し手伝います。

OpenAIは、前のAIより速く、安いと発表しました。 でも、毎回うまくできるかは、まだ分かりません。 間違えることもあります。

Hacker Newsでも、この発表が話題になりました。 人気の大きさは、正しさの証明ではありません。 大人が、AIのしたことを確かめます。

くわしい発表はOpenAIのページで読めます。

💬 Terraについて、みんなは何と言っている?

Terraは、安いお手伝いさんかもしれない。でも、まだ本当に強いかは意見が分かれている。

  • ある利用者は、Terraはコンピューターの作業、自動化、むずかしい文書を書く仕事に向きそうだと考えている。
  • 利用者の自己申告では、コーディングのテストでTerraは50%、Opus 5.5は70%だった。別のテストでは48対58だった。これは最終的な判定ではない。
  • 記事がTerraに都合のよいテストを選んだのではないか、と心配する人がいる。反対に、低い点はテスト対策をあまりしていないからかもしれない、という推測もある。

コメント405件時点の成長中(改訂2)。300件を取得し、全体から120件を抽出して要約しました。内容はHN利用者の自己申告で、編集部が確認した事実ではありません。

出典・参考