GPT-6.1 Terra halverer API-prisen mot GPT-6.1 Sol

Hvis du bygger AI-agenter som skal lese skjermbilder, klikke seg gjennom programmer eller behandle mange visuelle dokumenter, kan GPT-6.1 Terra kutte modellregningen i to sammenlignet med GPT-6.1 Sol. Den nye OpenAI-modellen koster 1 dollar per million input-tokens og 5 dollar per million output-tokens. Med dollarkursen 26. oktober er det cirka 9 og 47 kroner.

Det er en lansering jeg liker. Ikke fordi enda et modellnavn gjør livet enklere, men fordi OpenAI har gitt Terra en tydelig jobb: raske, avgrensede oppgaver med visuell forståelse, computer use og verktøy. Dette er ikke Astra presset inn i en billigere eske. Det er en arbeidsmodell for volum.

Halv tokenpris er likevel ikke det samme som halv kostnad per ferdig jobb. Hvis Terra trenger flere forsøk eller mer menneskelig opprydding enn Sol, forsvinner gevinsten fort. Derfor er kostnad per godkjent resultat viktigere enn prislappen alene.

Hva er GPT-6.1 Terra laget for?

GPT-6.1 Terra er laget for å forstå visuelt innhold og utføre presise handlinger i programmer, uten kostnadsnivået til OpenAIs tyngste modeller. Ifølge OpenAIs lansering 26. oktober 2026 passer den blant annet til fakturabehandling, skjemaer, tekniske tegninger, videoredigering og andre arbeidsflyter som kombinerer syn, tekst og handling.

Det betyr at Terra først og fremst konkurrerer på hvor mye nyttig arbeid den kan få gjennom systemet. En agent som leser en faktura, finner riktig felt i et regnskapsprogram og registrerer beløpet, trenger ikke nødvendigvis den dypeste resonneringen OpenAI kan tilby. Den trenger å se riktig, følge instruksen og gjøre handlingen raskt nok til at automatiseringen gir mening.

Modellen kan ta inn tekst og bilder, har et kontekstvindu på 1,05 millioner tokens og kan levere opptil 128 000 tokens i ett svar. Modellsiden hos OpenAI oppgir støtte for blant annet function calling, strukturerte svar, web search, file search, hosted shell, computer use, MCP og skills. Verktøykall skal kjøres gjennom Responses API.

Hvor mye billigere er Terra enn Sol og Astra?

Standardprisen for GPT-6.1 Terra er 1 dollar per million input-tokens, 0,05 dollar for bufret input og 5 dollar per million output-tokens. Det tilsvarer omtrent 9 kroner for input, 47 øre for bufret input og 47 kroner for output med Norges Banks dollarkurs på 9,3444 kroner 26. oktober.

GPT-6.1 Sol koster 2 dollar inn og 10 dollar ut per million tokens. Terra halverer altså både input- og outputprisen. Mot GPT-6 Astra, som koster 10 dollar inn og 50 dollar ut, er standard tokenpris bare en tidel. Det er lett å regne på, men den virkelige forskjellen kommer først når modellen faktisk får oppgaven ferdig.

For en tenkt jobb med 100 000 input-tokens og 20 000 output-tokens blir modellkostnaden rundt 1,90 kroner med Terra, 3,70 kroner med Sol og 18,70 kroner med Astra. Kjør den jobben 10 000 ganger, og forskjellen mellom Terra og Sol nærmer seg 19 000 kroner. Da er modellvalg plutselig drift, ikke modellnerding.

Det finnes noen viktige fotnoter. Prompter over 272 000 input-tokens får dobbel pris på input og cache, mens output prises 1,5 ganger høyere. Batch og Flex er oppgitt til halv standardpris, Fast mode dobler prisen, og regional behandling legger på 10 prosent der det er tilgjengelig. Sammenlign derfor den tjenesteklassen og kontekstlengden du faktisk skal bruke.

Hva sier OpenAIs måling om agentarbeid?

På OpenAIs Agents’ Last Exam fikk GPT-6.1 Terra 57,6 prosent ved medium reasoning. Det er nøyaktig samme oppgitte resultat som GPT-6 Astra, men beregnet kostnad per oppgave var 0,29 dollar for Terra og 4,82 dollar for Astra. Terra fullførte dessuten oppgavene over tre ganger raskere enn både Astra og GPT-6.1 Sol i OpenAIs måling.

Benchmarken består av profesjonelle oppgaver i programmer, blant annet å gjøre en teknisk tegning om til en 3D-modell og å gå gjennom filmopptak for å lage en tidskodet logg. Det er mer relevant for agentarbeid enn en ren quiz med spørsmål og svar. Den måler likevel fortsatt en kontrollert test, valgt og publisert av OpenAI.

Derfor er ikke 57,6 prosent et løfte om at modellen kan overta arbeidsflyten din. Det betyr tvert imot at en betydelig andel av oppgavene ikke ble løst i testen. Jeg ville brukt resultatet som et sterkt signal om pris og kapasitet, ikke som tillatelse til å fjerne kontrollpunkter, logger og verifisering.

Dette passer også med det praktiske skillet mellom modellene. Terra ser svært lovende ut for gjentakende, avgrensede oppgaver der feil kan oppdages. Sol og Astra er fortsatt de naturlige valgene når oppgaven krever dyp analyse, lang planlegging eller komplisert kode. OpenAI sier selv at Sol og Astra er bedre for de mest krevende kodeoppgavene.

Visuell forståelse er den viktige delen

Computer use er mer enn å sende musepekeren mot en knapp. Modellen må forstå hva den ser, skille innhold fra grensesnitt og oppdage at skjermen har endret seg etter en handling. Terra er bygget rundt akkurat denne kjeden, og OpenAI fremhever både MMMU-Pro for visuell resonnering og OSWorld 2.1 for flertrinnsoppgaver i vanlige programmer.

I OSWorld 2.1 skal modeller blant annet bruke desktop-programmer til å gjøre oppgaver som å bygge en 3D-modell fra en teknisk tegning. Ved medium reasoning slo GPT-6.1 Terra det beste resultatet til GPT-5.6 Terra, samtidig som kostnaden per oppgave var lavere. OpenAI oppgir også at den nye modellen slår GPT-5.6 Terra på alle reasoning-nivåer i MMMU-Pro.

Det åpner for mer jordnære automasjoner enn de evige demoene der en agent bestiller en restaurant. Tenk innkommende dokumenter som skal tolkes og registreres, kontroll av varer mot produktbilder, arbeid i eldre systemer uten et godt API eller kvalitetssikring av et visuelt resultat. Mye kontorarbeid lever fortsatt bak knapper og skjemaer. En billig modell som faktisk forstår skjermen kan være mer verdifull enn en dyr modell som skriver et fantastisk resonnement om den.

Terra er bedre på fakta og kode – men ikke best

OpenAI oppgir at feilraten på selskapets interne test med vanskelige spørsmål falt fra 53,6 prosent med GPT-5.6 Terra til 16,7 prosent med GPT-6.1 Terra ved lav reasoning. Ved maksimal reasoning falt den til 4,3 prosent. Det er en stor forbedring, men dette er en intern test og ikke en generell garanti mot hallusinasjoner.

På Terminal-Bench 4.0 løste Terra 50,3 prosent av oppgavene ved maksimal reasoning, mot 21,5 prosent for GPT-5.6 Terra. Den kan altså være et fornuftig valg for avgrensede kodefikser og terminalarbeid, særlig når oppgaven har klare tester som forteller om løsningen virker.

Men halvparten løst er fortsatt halvparten ikke løst. For store kodebaser, tvetydige feil og arbeid som krever at modellen holder en komplisert plan over lang tid, er Sol eller Astra bedre kandidater. Billig blir fort dyrt hvis et menneske må rydde opp etter en agent som rapporterte seier litt for tidlig.

Hvem får tilgang til GPT-6.1 Terra?

GPT-6.1 Terra er tilgjengelig i OpenAI API med modellnavnet gpt-6.1-terra. Den er også rullet ut i ChatGPT Work og Codex for Plus-, Pro-, Enterprise- og Edu-brukere. I disse produktene skal den samme bruksrammen rekke til flere oppgaver enn med GPT-5.6 Terra, GPT-6.1 Sol og GPT-6 Astra.

API-modellen støtter reasoning-nivåene none, low, medium, high, xhigh og max, med medium som standard. Det er verdt å teste flere nivåer. Maksimal reasoning kan gi bedre resultat, men bruker flere tokens og mer tid. Den billigste kjøringen er den som er sterk nok til å bli ferdig uten unødvendige omveier.

Har du allerede bygget agentarbeid rundt OpenAI, er Terra enkel å sette opp som en kandidat ved siden av Sol. Hvis du bruker OpenAI Agents API og Codex-harnessen, bør du beholde samme oppgave, verktøy, kontrollpunkter og vurdering når du sammenligner. Ellers tester du fort hele systemet på nytt og gir modellen æren eller skylden for forskjeller som ligger et annet sted.

Slik ville jeg vurdert Terra i en ekte arbeidsflyt

Start med en avgrenset oppgave du allerede kjenner kostnaden og feilbildet til. Kjør samme datasett flere ganger med Terra og Sol, og mål fullføring, tid, tokenbruk, menneskelige inngrep og feil som slipper gjennom kontrollen. Ikke velg vinneren etter den peneste enkeltdemoen.

Se særlig på kostnad per godkjent resultat. Hvis Terra koster halvparten per token, men krever dobbelt så mange forsøk, har du ikke spart noe. Hvis den derimot leverer samme godkjente resultat raskere og til lavere kostnad, har du en reell gevinst som tåler å skaleres.

Det er også klokt å la agenten stoppe ved usikkerhet, kreve godkjenning før irreversible handlinger og kontrollere at resultatet faktisk er lagret. Modellen har bedre motstand mot prompt injection ifølge OpenAI, men nettsteder, dokumenter og innbokser er fortsatt eksterne kilder. En billigere agent trenger ikke billigere sikkerhetsnett.

GPT-6.1 Sol flyttet nylig mye av Astra-kapasiteten ned i pris. Terra tar neste steg for de oppgavene som ikke trenger hele Sol. Det er den riktige utviklingen: ikke én gigantmodell til alt, men modeller med tydelige roller og priser som gjør agentarbeid mulig i volum.

Jeg ville ikke satt Terra alene bak rattet på grunn av en graf fra OpenAI. Men som en rask arbeidsmodell bak gode tester, tydelige grenser og kontroll av resultatet er den oppriktig spennende. Halv pris mot Sol er fint. Samme målte resultat som Astra til en brøkdel av kostnaden er langt mer interessant.

Ofte stilte spørsmål